【技术实现步骤摘要】
本专利技术涉及数据提取，更具体地说，本专利技术涉及一种基于图像处理的可折叠中空板生产数据提取方法。
技术介绍
1、申请公开号为cn112256679a的专利公开了一种批生产的时序数据特征提取方法。一种批生产的时序数据特征提取方法，包括以下步骤：s1、数据获取，从数据源获取目标批次的过程数据x；s2、数据清洗，遍历各个变量并定位质量差的数据点，将定位到的质量差数据的变量剔除；s3、数据分割，根据目标对象的实际意义和分析需求并利用现有变量；s4、变量筛选，根据目标对象的实际意义和分析需求进行分析变量的筛选；s5、特征指标确定，根据目标对象的实际意义和分析需求确定描述单个变量特征的指标；s6、特征矩阵构建。本专利技术提供了一种压缩数据量、保留过程特征、可减少后续分析工作的运算压力的批生产的时序数据特征提取方法。
2、自动化生产可折叠中空板的过程中,质量判断和控制是确保产品交付量和合格率的关键环节；目前,生产线上的质量判断主要依赖人工抽检的方式对折痕深度进行检测,这不仅检测精度难以保证,也无法对全流程进行质量把控；特别的,在烫痕工序中,环境温度的波动常常导致相同烫痕参数下折痕深度不同;而现有的简单判断机制无法将这种环境影响因素考虑进去,经常出现质量标准前后不一致的情况；此外,对判定为不合格的部分产品,也没有建立系统的追踪记录和分析机制,相关质量数据无法有效利用,下一步的质量改进就缺乏数据支撑；这影响到产品合格率达标、交付期限保障和生产转换效率的提升。
3、鉴于此，本专利技术提出一种基于图像处理的可折叠中空板生产数
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种基于图像处理的可折叠中空板生产数据提取方法，包括：s1、采集可折叠中空板的烫纹折痕图像，将烫纹折痕图像进行预处理，获取折痕图像数据集；
2、s2、利用折痕图像数据集训练用于预测折痕第一深度的第一折痕深度预测模型；
3、s3、采集烫痕操作数据和环境数据；将环境数据处理得到环境影响系数；利用环境影响系数将烫痕操作数据进行修正处理；得到修正烫痕操作数据；
4、s4、利用修正烫痕操作数据训练用于预测折痕第二深度的第二折痕深度预测模型；
5、s5、将第一折痕深度预测模型预测的折痕第一深度与第二折痕深度预测模型预测的折痕第二深度进行加权融合，得到烫纹折痕最终预测深度值；
6、s6、预设折痕深度阈值区间，判断烫纹折痕最终预测深度值是否在预设的折痕深度阈值区间，得到判断结果；根据判断结果进行数据提取保存操作。
7、进一步地，所述步骤s1，包括：
8、使用工业相机采集n种不同折痕形态的烫纹折痕图像；
9、所述将烫纹折痕图像进行预处理的方式包括：
10、将n种不同折痕形态的烫纹折痕图像构成原始折痕图像数据集；对原始折痕图像数据集内的烫纹折痕图像进行裁剪和旋转校正，得到初处理折痕图像数据集；
11、所述裁剪和旋转校正方式包括：
12、设置烫纹折痕图像的裁剪区域框的左上角坐标（x1,y1）和右下角坐标（x2,y2），将裁剪区域框作为感兴趣区域；使用opencv或其他图像处理库中的crop函数提取出烫纹折痕图像的感兴趣区域；得到预裁剪折痕图像数据集；
13、对预裁剪折痕图像数据集设置旋转中心点坐标（x,y）和旋转角度angle；使用opencv函数内的旋转函数rotate对预裁剪折痕图像数据集内的图像按照旋转中心点坐标（x,y）和旋转角度angle进行图像旋转；得到初处理折痕图像数据集；
14、获取初处理折痕图像数据集内图像的宽度和高度；设置图像目标宽度和图像目标高度；使用opencv函数内的resize函数按照图像目标宽度和图像目标高度调整初处理折痕图像数据集内图像到统一大小；得到预统一折痕图像数据集；
15、设置无效区域的像素值区间；利用图像处理函数，基于预设的像素值区间，通过阈值分割的方式提取预统一折痕图像数据集内图像的有效区域；
16、创建与原始图像大小相同的掩码，在掩码上用提取的有效区域位置设置通道值；并利用掩码保留原始图像中有效区域，删除无效区域，得到仅包括折痕掩码区域的图像，即折痕图像；所有折痕图像构成中处理折痕图像数据集；
17、进一步地，所述折痕图像数据集的获取方式包括：
18、使用相位差分析算法标注中处理折痕图像数据集内图像的折痕深度像素值，将折痕深度像素值作为折痕深度标签；将标注了折痕深度标签的折痕图像构建为折痕图像数据集；
19、所述相位差分析算法包括：
20、在折痕掩码区域内，提取n条相邻的光条纹信号；计算相邻条纹之间在水平方向上的位移量；
21、根据位移量计算得到相位差；相位差公式为，其中，为条纹频率；
22、利用相位差得到相位与深度之间的对应关系，利用相位与深度之间的对应关系建立相位－深度映射；
23、根据折痕图像数据集内图像的每个像素点的相位信息，查找相位－深度映射得到每个像素点对应的深度值；
24、构建折痕区域的三维点云，对三维点云中属于折痕区域的点，提取其深度值；遍历图像的所有像素点的深度值，找到数值最大的深度值；将该最大的深度值作为对应折痕图像的折痕深度像素值；
25、进一步地，所述第一折痕深度预测模型的训练方式包括：
26、将折痕图像数据集划分为j%的训练集和（1-j）%的验证集；
27、基于训练集，建立gan深度网络模型；gan深度网络模型包括生成器网络和判别器网络；
28、所述生成器网络包括编码器和解码器；
29、编码器用于加载预训练好的inception v3模型，inception v3模型包括卷积层、池化层和全局平均池化层；
30、将折痕图像输入inception v3模型中，并依次通过卷积层和池化层，得到图像深层特征；全局平均池化层将图像深层特征处理并输出折痕图像的折痕特征向量；
31、解码器包括全连接层和f个模块化可分离卷积层；将编码器输出的折痕图像特征向量，作为解码器的输入；通过全连接层将折痕图像特征向量扩张为固定长度的编码器－解码器特征向量；依次通过f个模块化可分离卷积层，逐步放大编码器－解码器特征向量所表示的特征图的分辨率；在最后一个可分离卷积层，计算特征图像素位置对应的编码器－解码器特征向量，并映射到该特征图像素位置对应的折痕深度值；输出映射有折痕深度值的特征图，作为解码器预测输出的折痕深度图像；
32、所述判别器网络包括卷积块、空洞卷积块和正则化层，对折痕深度图像真伪进行判断，并输出折痕深度图像的二分类结果；二分类结果包括真实折痕和生成折痕；
33、初始化生成器网络和判别器网络的参数；从训练集中随机采样一批折痕图像；生成器网络生成一批假的折痕深度图像；判别器网络分别输入真本文档来自技高网...
【技术保护点】
1.一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，包括：S1、采集可折叠中空板的烫纹折痕图像，将烫纹折痕图像进行预处理，获取折痕图像数据集；
2.根据权利要求1所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述步骤S1，包括：
3.根据权利要求2所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述折痕图像数据集的获取方式包括：
4.根据权利要求3所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述第一折痕深度预测模型的训练方式包括：
5.根据权利要求4所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述烫痕操作数据包括烫痕温度、烫痕时间、烫痕压力和材料类型数据；
6.根据权利要求5所述的一种基于图像处理的可折叠中空板生产数据提取方法，所述环境数据包括环境温度、环境湿度和环境振幅；
7.根据权利要求6所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述修正处理包括：
8.根据权利要求7所述的一种
9.根据权利要求8所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述加权融合的方式包括：
10.根据权利要求9所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述步骤S6，包括：
...【技术特征摘要】
1.一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，包括：s1、采集可折叠中空板的烫纹折痕图像，将烫纹折痕图像进行预处理，获取折痕图像数据集；
2.根据权利要求1所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述步骤s1，包括：
3.根据权利要求2所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述折痕图像数据集的获取方式包括：
4.根据权利要求3所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述第一折痕深度预测模型的训练方式包括：
5.根据权利要求4所述的一种基于图像处理的可折叠中空板生产数据提取方法，其特征在于，所述烫痕操作数据包括烫痕温...
【专利技术属性】
技术研发人员：史法龙，
申请(专利权)人：山东力乐新材料研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。