(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111664806.7 (22)申请日 2021.12.31 (65)同一申请的已公布的文献号 申请公布号 CN 114519696 A (43)申请公布日 2022.05.20 (73)专利权人 扬州盛强薄膜材 料有限公司 地址 225200 江苏省扬州市江都区樊川镇 工业集中区同合路6号 (72)发明人 洪良清　 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/50(2006.01) G06V 10/84(2022.01) G06V 10/762(2022.01) G06V 10/20(2022.01) (56)对比文件 CN 113306800 A,2021.08.27 CN 112669274 A,2021.04.16CN 113671917 A,2021.1 1.19 CN 107809583 A,2018.0 3.16 CN 112085170 A,2020.12.15 CN 10825 6446 A,2018.07.0 6 CN 102073852 A,201 1.05.25 CN 108549864 A,2018.09.18 CN 109919910 A,2019.0 6.21 CN 112348750 A,2021.02.09 US 2003048849 A1,20 03.03.13 JP 2014164 446 A,2014.09.08 US 20172 95355 A1,2017.10.12 CN 113610846 A,2021.1 1.05 吕承侃等.图像异常检测研究现状综述. 《自 动化学报》 .2021,全 文. Lei Zhu et al. .A Multi-size Superpixel Ap proach for Sal ient. 《IE EE》 .2014,全 文. 审查员 路寒冰 (54)发明名称 基于光学智能化的PVC热收缩膜检测方法及 系统 (57)摘要 本发明涉及PVC热收缩膜检测技术领域， 具 体涉及一种基于光学智能化的PV C热收缩膜检测 方法及系统。 该方法通过多个包含 可见光光源的 相机采集PVC热收缩膜不同区域的子区域图像 组， 根据子区域图像中像素点的像素值差异判断 是否为异常子区域图像， 将包含异常子区域图像 的子区域图像组拼接获得待分析图像。 通过连续 多帧的标准PV C热收缩膜图像的像素值获得偏差 范围， 根据偏差范围和待分析图像与标准PVC热 收缩膜图像的像素值差异确定异常区域和正常 区域。 根据高斯分布模型获得异常区域的像素分 布指标， 结合异常区域面积获得整体异常程度。 本发明实现通过参考性强的计量值分析PVC 热收 缩膜的质量。 权利要求书3页 说明书8页 附图1页 CN 114519696 B 2022.11.29 CN 114519696 B 1.一种基于光学智能化的PVC热收缩膜检测方法， 其特 征在于， 所述方法包括： 通过多个包含可见光光源的相机采集PVC热收缩膜不同区域获得子区域图像组； 所述 子区域图像组中的子区域图像可拼接为一张完整区域的PVC热收缩膜图像； 根据像素值将 每个所述子区域图像中的像素点分类， 获得多个像素点组； 根据所述像素点组之间第一平 均像素值的差异获得异常置信度； 将所述异常置信度大于预设异常阈值的所述子区域图像 作为异常子区域图像； 若所述子区域图像组中出现至少一个所述异常子区域图像， 则将所 述子区域图像组内的图像拼接获得待分析图像； 获得与所述待分析图像大小相同连续多帧的标准PVC热收缩膜图像； 根据所述标准PVC 热收缩膜图像之间的像素值差异获得偏差范围； 根据所述待分析图像和所述标准PVC热收 缩膜图像之间的像素值差异和所述偏差范围确定异常区域和正常区域； 根据每个所述异常区域的像素值构建异常高斯分布模型； 根据 所述正常区域的像素值 构建正常高斯分布模型； 根据所述异常高斯分布模型和所述正常高斯分布模型获得每个所 述异常区域的像素分布指标； 根据所述像素分布指标和所述异常区域的面积获得整体异常 程度； 根据所述整体异常程度分析PVC热收缩膜的质量。 2.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述子区域图像组中的子区域图像可拼接为 一张完整区域的PVC热收缩膜图像包括： 所述子区域图像组中的所述子区域图像之间包括重叠区域； 根据融合模型将所述子区 域之间的所述重 叠区域融合， 获得完整区域的PVC热收缩膜图像； 所述融合模型包括： 其中， 为 坐标处融合后的像 素值， 为第 个所述重叠区域中 坐 标处于对应子区域图像中心点的距离， 第 个所述重叠区域中 坐标处于 对应子区域图像中心点的距离， 第 个所述重叠区域中 坐标处的像素值， 第 个所述重叠区域中 坐标处的像素值， 为第一拟合参数， 为第二拟 合参数。 3.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据像素值将每 个所述子区域图像中的像素点分类， 获得多个 像素点组包括： 对所述子区域图像进行超像素分割， 获得多个超像素块； 根据每个所述超像素块的平 均像素值利用密度聚类算法对所述超像素块分类， 获得多个聚类簇； 每个所述聚类簇中的 像素点组成所述像素点组。 4.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据所述像素点组之间第一平均像素值的差异获得异常置信度包括： 根据异常置信度公式获得 所述异常置信度； 所述异常置信度公式包括： 其中， 为所述异常置信度， 为所述像素点组的数量， 为第 个所述像素点组内的权　利　要　求　书 1/3 页 2 CN 114519696 B 2所述第一平均像素值， 为所有所述像素点组内的所述第一平均像素值的平均值。 5.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据所述标准PVC热收缩膜图像之间的像素值差异获得偏差范围包括： 获得所有所述标准PVC热收缩膜图像中每个像素点的第二平均像素值； 获得每个所述 标准PVC热收缩膜图像中每个像素点的像素值与对应的所述第二平均像素值的像素值偏 差， 获得每个像素点的偏差序列； 以所述偏差序列的标准差作为偏差指标； 将所述偏差指标 与预设范围参数相乘， 获得 所述偏差范围。 6.根据权利要求5所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据所述待分析图像和所述标准PVC热收缩膜图像之间的像素值差异和所述偏差范围 确定异常区域和正常区域包括： 根据异常判定模型判定每 个像素点是否为异常像素点； 所述异常判定模型包括： 其中， 为 坐标处像素点的异常情况， 为0时表示 坐标处像素点 为正常像素点， 为1时表示 坐标处像素点为异常像素点， 为所述待分析 图像中 坐标处像素点的像素值， 为所述待分析图像中 坐标处像素点对应 的所述标准PVC热收缩膜图像中的所述第二平均像素值， 为所述范围参数， 为所述 标准PVC热收缩膜图像中 坐标处像素点的偏差指标； 所述异常像素点组成所述异常区域， 所述 正常像素点组成所述 正常区域。 7.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据所述异常高斯分布模型和所述正常高斯分布模型获得每个所述异常区域的像素 分布指标包括： 根据像素分布指标公式获得 所述像素分布指标； 所述像素分布指标公式包括： 其中， 为第 个所述异常区域的所述像素分布指标， 为所述正常高斯分布模型 中像素值为 对应的函数值， 为第 个所述异常区域的所述异常高斯分布模型中像素 值为 对应的函数值。 8.根据权利要求1所述的一种基于光学智能化的PVC热收缩膜检测方法， 其特征在于， 所述根据所述像素分布指标和所述异常区域的面积获得整体异常程度包括： 根据整体异常程度公式获得 所述整体异常程度， 所述整体异常程度公式包括： 权　利　要　求　书 2/3 页 3 CN 114519696 B 3