【技术实现步骤摘要】
本专利技术一般地涉及产品质量监测领域。更具体地，本专利技术涉及一种基于大数据的产品质量监测方法及系统。
技术介绍
1、在丸剂产品的流水线上，丸剂是由切割刀具对加工原料进行切割成丸的，此过程中会受到加工原料的物理特性和生产环境的温湿度、清洁程度等因素的影响，导致丸剂的成品存在裂纹或异常形状。
2、目前，现有的生产线上的丸剂质量检测方法是通过人工抽检的方式，对被抽取的待检测丸剂进行各项物理指标检测，虽然这种方法在一定程度上可以发现明显的质量问题，但费时费力且存在一定的主观性，产品质量监测的准确率不高，效率低下。
技术实现思路
1、为解决上述技术问题，本申请提供了一种基于大数据的产品质量监测方法及系统，能够提高产品质量监测的准确率和效率。为此，本专利技术在如下的多个方面中提供方案。
2、本申请第一方面，提供了一种基于大数据的产品质量监测方法，所述产品质量监测方法包括：采集丸剂在滚动过程中的图像序列，所述图像序列包括所述丸剂的多帧灰度图像；获取任意一帧灰度图像中的丸剂区域，并将所述丸剂区域的像素点个数作为所述灰度图像的面积值以构建所述图像序列的面积序列；将任意相邻两帧灰度图像之间丸剂区域的梯度方向的变化幅度作为所述相邻两帧灰度图像中后一帧灰度图像的方向幅值，构建所述图像序列的方向幅值序列；对于一帧灰度图像，提取所述灰度图像中丸剂区域的灰度游程矩阵，并根据所述灰度游程矩阵获取所述灰度图像的丸剂纹理特征值，保留所述图像序列中丸剂纹理特征值的最小值作为丸剂裂纹值；将所述面
3、在一个实施例中，所述第一时序子模型用于对面积序列进行特征提取，得到面积时序特征；所述第二时序子模型用于对方向幅值序列进行特征提取，得到方向幅值时序特征；将所述面积时序特征、所述方向幅值时序特征以及所述丸剂纹理裂纹值输入所述分类子模型，输出所述丸剂的质量判断结果。
4、在一个实施例中，所述丸剂质量判断模型的训练方法包括：采集任意丸剂的面积序列、方向幅值序列和丸剂纹理裂纹值以作为一个样本数据，获取所述样本数据的标记信息；将所述样本数据投入所述丸剂质量判断模型中，得到模型输出结果；计算所述模型输出结果和所述标记信息之间的交叉熵损失函数值，通过梯度下降法进行反向传播以调整模型参数，完成一次训练；迭代地训练所述丸剂质量判断模型，响应于所述交叉熵损失函数值小于预设值，或者训练次数达到预设次数时，完成训练，得到训练完毕的丸剂质量判断模型。
5、在一个实施例中，所述获取任意一帧灰度图像中的丸剂区域包括：对于任意一帧灰度图像，以所述灰度图像中任意一个像素点为中心点，计算周围点与中心点的密度距离和灰度距离，其中，所述周围点为所述中心点邻域范围内的像素点，所述密度距离和灰度距离满足下述关系式：
6、；
7、；
8、其中，为所述周围点到所述中心点的灰度距离，为所述周围点到所述中心点的密度距离，为中心点的灰度值，为所述周围点的灰度值，为所述周围点的横坐标，为所述周围点的纵坐标，为所述中心点的横坐标，为所述中心点的纵坐标；获取密度距离阈值和灰度距离阈值；获取中心点的任意一个周围点，并基于所述密度距离阈值和所述灰度距离阈值设置响应条件以判断所述周围点是否为标记点；遍历所述中心点的所有周围点后，将所有标记点作为所述中心点对应的预备丸剂区域；
9、在一个实施例中，所述密度距离阈值为固定值，与所述丸剂的直径呈正相关；所述灰度图像的灰度距离阈值为历史灰度图像集和所述灰度图像中丸剂区域的最大灰度值和最小灰度值的比值，每一帧灰度图像对应一个灰度距离阈值；所述历史灰度图像集包含所述灰度图像之前的每一帧灰度图像。
10、在一个实施例中，基于所述密度距离阈值和所述灰度距离阈值设置响应条件以包括：所述响应条件为的响应值等于1；所述响应值满足下述关系式：
11、；
12、；
13、；
14、其中，r为所述响应值，为灰度响应值，为密度响应值，为所述灰度距离，为所述密度距离，a为灰度距离阈值，b为所述密度距离阈值。当所述预备丸剂区域的满足所述响应条件时，判断判断所述周围点为标记点。
15、在一个实施例中，所述将任意相邻两帧灰度图像之间丸剂区域的梯度方向的变化幅度作为所述相邻两帧灰度图像中后一帧灰度图像的方向幅值包括：所述任意相邻两帧灰度图像包括前一帧灰度图像和后一帧灰度图像；所述图像序列中每一帧灰度图像对应一个梯度向量和一个方向幅值；所述后一帧灰度图像的梯度向量为后一帧灰度图像丸剂区域中质心与前一帧灰度图像中丸剂区域的质心所连接成的向量；基于前一帧灰度图像丸剂区域的梯度向量和后一帧灰度图像的梯度向量获得后一帧灰度图像的方向幅值；所述后一帧灰度图像的方向幅值满足下述关系式：
16、；
17、其中，为后一帧灰度图像的方向幅值，为所述前一帧灰度图像的梯度向量，为所述后一帧灰度图像的梯度向量；其中，初始帧的梯度向量为预设梯度向量，方向幅值为0。
18、在一个实施例中，所述梯度向量的方向为平行滑道向下；所述梯度向量的长度为1。
19、在一个实施例中，计算所述灰度图像的灰度游程矩阵的熵值作为所述丸剂区域在所述灰度图像中的丸剂纹理特征值。
20、本申请第二方面，提供了一种基于大数据的产品质量监测系统，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据本申请第一方面所述的一种基于大数据的产品质量监测方法。
21、本申请的技术方案具有以下有益技术效果：
22、通过本申请提供的技术方案，通过灰度图像中的中心点与周围点的密度距离和灰度距离判断周围点是否为中心点的预备丸剂区域，利用遍历得到的预备丸剂区域精准确定灰度图像中丸剂区域，并获得丸剂区域的面积值。进一步通过相邻两帧灰度图像中丸剂区域的梯度向量获得丸剂的方向幅值，找到了丸剂的圆度。同时，通过计算灰度图像中丸剂区域的灰度游程矩阵的熵值获得丸剂裂纹值，可以精确的找到丸剂表面存在裂纹状态。进而通过面积序列、方向幅值序列和丸剂纹理裂纹值训练得到的丸剂质量判断模型，可以从丸剂大小、丸剂表面纹理和丸剂的圆度三个产品质量方向对丸剂质量进行评价，实现高效精准地对劣质丸剂的识别。
23、进一步地，通过计算中心点密度距离和灰度距离，并经过密度距离和灰度距离判断获得的丸剂区域，可以精确地找到灰度图像中的丸剂区域。且设置动态的灰度距离，可以规避丸剂受到的光照角度发生变化导致采集到的灰度图像中丸剂区域的灰度值也发生变化，而出现丸剂区域的边缘像素点被误判为环境像素值。
本文档来自技高网...【技术保护点】
1.一种基于大数据的产品质量监测方法，其特征在于，所述产品质量监测方法包括：
2.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，所述丸剂质量判断模型包括第一时序子模型、第二时序子模型和分类子模型；
3.根据权利要求2所述一种基于大数据的产品质量监测方法，其特征在于，所述丸剂质量判断模型的训练方法包括：
4.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，所述获取任意一帧灰度图像中的丸剂区域包括：
5.根据权利要求4所述一种基于大数据的产品质量监测方法，其特征在于，所述获取密度距离阈值和灰度距离阈值包括：
6.根据权利要求4所述一种基于大数据的产品质量监测方法，其特征在于，基于所述密度距离阈值和所述灰度距离阈值设置响应条件以包括：
7.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，所述将任意相邻两帧灰度图像之间丸剂区域的梯度方向的变化幅度作为所述相邻两帧灰度图像中后一帧灰度图像的方向幅值包括：
8.根据权利要求7所述一种基于大数据的产品质量监测方法
9.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，根据所述灰度游程矩阵获取所述灰度图像的丸剂纹理特征值包括：
10.一种基于大数据的产品质量监测系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1至9中任一项所述的一种基于大数据的产品质量监测方法。
...【技术特征摘要】
1.一种基于大数据的产品质量监测方法，其特征在于，所述产品质量监测方法包括：
2.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，所述丸剂质量判断模型包括第一时序子模型、第二时序子模型和分类子模型；
3.根据权利要求2所述一种基于大数据的产品质量监测方法，其特征在于，所述丸剂质量判断模型的训练方法包括：
4.根据权利要求1所述一种基于大数据的产品质量监测方法，其特征在于，所述获取任意一帧灰度图像中的丸剂区域包括：
5.根据权利要求4所述一种基于大数据的产品质量监测方法，其特征在于，所述获取密度距离阈值和灰度距离阈值包括：
6.根据权利要求4所述一种基于大数据的产品质量监测方法，其特征在于，基于所述密度距离阈值和所述灰...
【专利技术属性】
技术研发人员：谈运良，周捷，
申请(专利权)人：武汉名实生物医药科技有限责任公司，
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。