CN120080368B 基于ai视觉检测的pvc硬片高速分切质量监控系统 （祁阳五洲医药包装有限公司）

(19)国家知识产权局(12)发明专利地址426100湖南省永州市祁阳工业园区G06T7/00(56)对比文件务所(普通合伙)31461专利代理师张怀阳GO1N21/88(2006.01)权利要求书2页说明书7页附图1页控系统(57)摘要速分切质量监控系统，涉及工业自动化技术领域，该系统由若干功能模块组成，包括：数据采集相机与热像仪，同步采集图像数据和热成像数据；三维图形合成模块，依据图像数据，叠加轮廓识别，生成三维模型；基于热成像数据，利用仿射间，进行空间配准，生成温度梯度场；缺陷检测与割后的温度梯度场，进行温度均匀性评估，计算块区域分割2数据采集模块，在PVC硬片进入检测区域时，通过PLC控制相机与热像仪，同步采集图像数据和热成像数据；缺陷检测与识别模块，对三维模型的表面进行均分，对均分区域进行编号，基于形态操作的连通域分析，叠加多尺度特征融合，进行缺陷识别；依据区域分割后的温度梯度场，进2.根据权利要求1所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在于：采集图像数据和热成像数据具体包括：S101:PLC同步触发控制相机与热像仪；S102:相机在PLC触发下，通过多角度光源，照射PVC表面，捕捉多视角图像；实时测量S103:利用边缘计算数据对图像数据和热成像数据进行预处理。3.根据权利要求2所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在通过多角度光源照射PVC表面，捕捉多光源图像，生成分层深度图，根据多视角图像的4.根据权利要求3所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在从光学图像和热成像数据中提取对应特征点，计算配准参数，并最小化特征点的交叉误差；热成像数据的像素坐标转换为三维模型的坐标系，并进行动态校准，若检测到配准的热成像图角点与三维模型角点位置不匹配，通过PLC调整热像仪或相机的位姿；反之，不作调整。5.根据权利要求1所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在均匀网格划分算法，将三维模型表面分割为N×N个均匀区域，并为每个区域分配唯一编号，建立三维模型坐标与区域编号的映射关系，将温度梯度场数据与三维区域编号进行对应。6.根据权利要求5所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在S301:对每个区域的表面图像，从三维模型切片或投影，进行二值化；使用形态操作，去除噪声；S303:结合多尺度特征，结合浅层边缘特征与深层语义特征；通过Canny边缘检测提取7.根据权利要求6所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在3通过红外热像仪实时采集PVC硬片表面各区域的温度分布，形成时间序列数据；记录覆膜过程中的关键参数，按时间戳对齐，并对温度数据进行去噪，选取过去一段时间内各区域的温度值，作为时间序列输入；当前加热器功率、传送带速度参数，作为静态特征输入，预测未来若干秒内各区域的温度变化，直接指导温度控制；结合历史形变数据，输出形变风险等8.根据权利要求1所述的基于AI视觉检测的PVC硬片高速分切质量监控系统，其特征在于：动态调整加热板功率具体包括：根据当前温度与目标温度的差异，动态调整加热板功率，对每个区域，计算当前平均温度与目标温度的差值；将缺陷位置坐标与加热板区域编号关联，根据缺陷位置，移除缺陷pvc硬片；剔除完成后，更新合格率统计，并将结果反馈至生产管理系统。4基于AI视觉检测的PVC硬片高速分切质量监控系统技术领域[0001]本发明涉及工业自动化技术领域，具体为基于AI视觉检测的PVC硬片高速分切质量监控系统。背景技术精度和一致性的要求提升；PVC硬片是以聚氯乙烯(PVC)树脂为主材的高强度、耐腐蚀硬质板材，广泛应用于建筑、电子及包装领域。压膜工艺通过高温压延消除内应力、提升密度与表面光洁度，并赋予防潮、抗菌等功能特性。无胶压膜采用电晕处理、共挤技术及高温物理粘合(如108-115℃热压EVA层与镀铝膜),结合双向拉伸增强机械性能，通过滚筒水冷固化与AI视觉检测确保压合均匀性，既避免传统胶粘剂的污染问题，又降低生产成本，可满足食品包装、医疗器材等高标准的环保与安全需求。[0003]传统光学检测方法对透明材料表面划痕、气泡等缺陷的识别存在显著局限；单一光源难以捕捉缺陷的三维形态特征，暗场显微成像虽可增强散射信号，但无法区分缺陷类型，且易受材料透光特性干扰；现有算法多基于静态图像分析，无法适应高速产线下的实时检测需求；传统温控依赖热电偶点测量，无法实时感知材料表面温度场分布，临界速度下辊筒与物料热交换失衡，导致压合后收缩应力不均；现有PID算法基于历史数据调整加热功率，难以及时响应瞬态温度波动(如±2℃异常区域),造成硬片分层或翘曲。发明内容[0004](一)解决的技术问题[0005]针对现有技术的不足，本发明提供了基于AI视觉检测的PVC硬片高速分切质量监控系统，解决了背景技术中提出的问题。[0007]为实现以上目的，本发明通过以下技术方案予以实现：[0008]基于AI视觉检测的PV图像数据和热成像数据；[0010]三维图形合成模块，依据图像数据，叠加轮廓识别，生成三维模型；基于热成像数度场；[0011]缺陷检测与识别模块，对三维模型的表面进行均分，对均分区域进行编号，基于形态操作的连通域分析，叠加多尺度特征融合，进行缺陷识别；依据区域分割后的温度梯度[0013]进一步的，人采集图像数据和热成像数据具体包括：5[0014]S101:PLC同步触发控制相机与热像仪；[0015]S102:相机在PLC触发下，通过多角度光源，照射PVC表面，捕捉多视角图像；实时测量PVC硬片表面温度分布；[0016]S103:利用边缘计算数据对图像数据和热数据进行预处理。[0017]进一步的，生成三维模型具体包括：[0018]通过多角度光源照射PVC表面，捕捉多光源图像，生成分层深度图，根据多视角图像的反射特性，生成PVC表面细节图像，构建三维模型。[0019]进一步的，空间配准具体包括：[0020]从光学图像和热成像数据中提取对应特征点，计算配准参数，并最小化特征点的交叉误差；热成像数据的像素坐标转换为三维模型的坐标系，并进行动态校准，若检测到配准的热成像图角点与三维模型角点位置不匹配，通过PLC调整热像仪或相机的位姿；反之，不作调整。[0021]进一步的，均分区域进行编号具体包括：[0022]均匀网格划分算法，将三维模型表面分割为N×N个均匀区域，并为每个区域分配唯一编号，建立三维模型坐标与区域编号的映射关系，将温度梯度场数据与三维区域编号进行对应。[0023]进一步的，缺陷识别具体包括：[0024]S301:对每个区域的表面图像，从三维模型切片或投影，进行二值化；使用形态操[0025]S302:使用连通域算法，识别缺陷区域；过滤小区域，并标记为缺陷；[0026]S303:结合多尺度特征，结合浅层边缘特征与深层语义特征；通过Canny边缘检测提取细节，使用YOLOv8提取缺陷上下文特征，并引入通道注意力。[0027]进一步的，预测热传导趋势具体包括：[0028]通过红外热像仪实时采集PVC硬片表面各区域的温度分布，形成时间序列数据；记录覆膜过程中的关键参数，按时间戳对齐，并对温度数据进行去噪，选取过去一段时间内各区域的温度值，作为时间序列输入；当前加热器功率、传送带速度参数，作为静态特征输入，预测未来若干秒内各区域的温度变化，直接指导温度控制；结合历史形变数据，输出形变风险等级。[0029]进一步的，动态调整加热板功率具体包括：[0030]根据当前温度与目标温度的差异，动态调整加热板功率，对每个区域，计算当前平均温度与目标温度的差值；将缺陷位置坐标与加热板区域编号关联，根据缺陷位置，移除缺陷pvc硬片；剔除完成后，更新合格率统计，并将结果反馈至生产管理系统。[0031](三)有益效果[0032]本发明提供了基于AI视觉检测的PVC硬片高速分切质量监控系统，具备以下有益效果：[0033](1)本发明通过部署不同角度的光源，从不同角度照射透明PVC硬片，在不同光源下，缺陷(如划痕、气泡、压痕)的投影形态、明暗对比和形变特征会显著差异，可凸显表面划痕的走向和深度，通过阴影对比定位细微裂纹，将多角度光源下的二维图像数据输入多维度特征融合网络，结合多光源互补性，优先选择差异显著的光源图像进行建模，保留侧光数6[0034](2)本发明通过热成像数据的实时监测与分析，可精准捕捉PVC硬板表面的温度差异，结合算法计算与预测，动态调整压膜过程中的加热或冷却参数，确保材料各区域温度均匀性。这一技术能有效预防因局部温差过大导致的热胀冷缩不均问题，从而避免压膜后硬板因收缩应力失衡而产生的弯曲、扭曲或分层等形变缺陷，显著提升产品合格率；同时，通过提前识别温度异常区域并反馈至工艺控制端，可减少人工干预和返工成本，实现生产过程的智能化与高稳定性，最终保障PVC硬板在电子封装、包装材料等领域的高精度应用需附图说明[0035]图1为本发明的系统示意图。具体实施方式[0036]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他[0038]请参阅图1,本实施例提供基于AI视觉检测的PVC硬片高速分切质量监控系统，该检测系统包括：图像数据和热成像数据；[0040]PLC:作为核心控制单元，负责协调生产线设备(如传送带、相机、热像仪)的同步运[0041]光学相机：用于捕捉PVC硬片表面的高分辨率图像，在生产线末端设置一个多角度光源系统，结合高分辨率相机阵列，用于捕捉PVC硬片表面的细节图像，检测划痕、气泡、杂质等缺陷；[0043]S101:PLC同步触发控制相机与热像仪；通过光电传感器或编码器检测PVC硬片到域长度，计算最佳采集时机，向相机和热像仪发送同步触发指令；采用硬件触发，如直接连接PLC与设备或时间戳对齐，通过高精度时钟同步，确保光学图像与热成像数据的时间一致损压缩，如PNG或JPEG,同时分辨率需满足缺陷检测需求，如≥0.1mm缺陷识别需≥10MP相机；热像仪同步扫描PVC表面，生成热成像图，原始温度数据或热图，如PNG/BMP叠加温度标[0045]S103:将图像数据和热数据传输至边缘计算节点，确保低延迟(<100ms);采用MQTT协议将数据分发至不同分析模块；并进行预处理，对光学图像进行白平衡、对比度增强、降7[0046]三维图形合成模块，依据图像数据，叠加轮廓识别，生成三维模型；基于热成像数几何结构，增强缺陷区域的几何细节；根据多视角图像的反射特性，生成PVC表面细节图像；利用GPU加速渲染，生成高分辨率的三维模型；[0050]将热成像数据的位置信息与三维模型对齐，建立空间对应关系；[0052]从光学图像和热成像数据中提取对应特征点，如边缘、角点；通过仿射变换模型，换为三维模型的坐标系，将热成像图像的每个像素温度值按仿射变换后的坐标投影到三维[0053]其中，X,y,Z分别为三维模型顶点对应的x轴，y轴和z轴坐标；U,V分别为热成像像素对应的x轴和y轴坐标；fx,fy分别为焦距对应的x轴和y轴坐标；Cx,Cy分别为主点对应的x轴和y轴坐标；并进行动态校准，若检测到配准的热成像图角点与三维模型角[0055]将热成像数据映射到三维模型，将热成像的温度值按仿射变换后的坐标，赋值到三维模型的对应网格点；基于相邻网格点的温度差，计算局部温度梯度；并生成热力图叠加到三维模型表面，标注温度异常区域；对于非整数映射位置，采用双线性插值或三次立方插值计算网格顶点温度值，确保温度分布连续性；[0056]缺陷检测与识别模块，对三维模型的表面进行均分，对均分区域进行编号；基于形态操作的连通域分析，叠加多尺度特征融合，进行缺陷识别；依据区域分割后的温度梯度[0057]均分区域进行编号具体包括：[0058]使用均匀网格划分算法将三维模型表面分割为N×N个均匀区域，如100×100网格；为每个区域分配唯一编号，建立三维模型坐标与区域编号的映射关系，确保温度梯度场数据与三维区域编号一一对应；[0060]通过形态操作提取缺陷区域，并结合多尺度特征融合提升检测精度：8[0061]S301:对每个区域的表面图像，从三维模型切片或投影，进行二值化；使用形态操[0063]通过去除小噪声和优化图像质量，设定阈值将图像分为缺陷区域和正常区域，若缺陷为暗色气泡，则设定低阈值将气泡标记为白色，其余为黑色；并为每个连通区域分配唯一标签，区分不同缺陷，进行扫描图像，为每个前景像素分配临时标签，并记录相邻区域的标签等效关系；据等效关系统一标签，确保同一连通区域拥有唯一标签；[0064]从一个未标记的缺陷像素开始，以递归或队列方式向四周扩展，标记所有连通的像素为同一区域，重复此过程直至所有像素被标记，区域包含的像素数量，用于过滤噪声，其中面积过小的区域可能是噪声而非缺陷；通过计算长宽比、圆形度等判断缺陷类型，如划痕通常为细长条状，气泡接近圆形；并记录区域中心坐标，用于定位缺陷在产品上的具体位置；根据面积阈值剔除噪声，例如面积小于50像素的区域；结合形状特征分类缺陷，如长宽比>5判定为划痕，圆形度接近1判定为气泡；[0066]采集PVC板图像，通过阈值分割将气泡标记为白色，并对所有气泡区域进行标记；统计每个区域的面积，过滤小于阈值的噪声；输出气泡数量及位置，判定产品是否合格；通过等效关系合并相邻小孔洞，避免误判为多个独立缺陷；对表面图像进行边缘检测，提取划痕的高对比度区域；使用种子填充法标记长条形连通区域；根据长宽比筛选划痕区域，计算[0067]S303:结合多尺度特征，结合浅层边缘特征与深层语义特征，提升检测鲁棒性；通过Canny边缘检测提取细节，使用YOLOv8提取缺陷上下文特征，并引入通道注意力，增强缺陷区域特征；[0068]结合浅层边缘特征与深层语义特征：[0070]提取图像中高敏感的边缘和细节信息，捕捉微小缺陷的轮廓或纹理；使用Canny边缘检测算法，进行梯度计算和阈值处理，突出图像中的边界、裂缝、凹凸等细节；对微小缺[0072]通过深度学习模型提取图像的高层语义信息，理解缺陷的类型、分布及与周围环编码器-解码器结构，保留空间信息的同时融合多层特征，精确分割缺陷区域的边界；[0073]将浅层的高分辨率边缘特征与深层的低分辨率语义特征在不同尺度上对齐，融合成多尺度特征图；通过可学习的权重分配，动态调整边缘特征与语义特征的贡献比例；在训练过程中，通过损失函数同时优化边缘检测和语义分割的准确性，确保融合后的特征能兼顾细节与全局；[0075]输入原始图像，利用Canny边缘检测提取边缘特征；通过输入原始图像，利用YOLOv8,提取语义特征；将边缘特征与语义特征在多尺度下融合，通过SE模块增强关键区域9[0076]计算区域间温度标准差：[0077]对每个区域内的温度传感器或采样点进行温度测量，记录每个区域的温度值，对每个区域内的所有温度值求平均值，得到该区域的平均温度；将总平方和除以区域总数(若为完整数据集)或区域总数减1(若为抽样数据),得到方差；[0078]通过滑动时间窗口的方式，实时计算不同时间段内的温度标准差，观察其波动趋势，若标准差在短时间内快速上升或持续高于设定阈值，则提示该批次pvc硬片可能存在渐进性缺陷，结合其他检测模块进行综合判断，确保准确识别缺陷类型与位置；[0079]预测热传导趋势具体包括：[0080]通过红外热像仪实时采集PVC硬片表面各区域的温度分布，形成时间序列数据；记一时刻的输入特征与输出目标一致；对温度数据进行去噪，消除环境干扰和传感器噪声；[0081]选取过去一段时间内各区域的温度值，作为时间序列输入；当前加热器功率、传送带速度等参数，作为静态特征输入；环境温湿度、材料厚度等辅助变量，增强模型对复杂工况的适应性；预测未来若干秒内各区域的温度变化，直接指导温度控制；结合历史形变数[0083]使用多层LSTM单元捕捉温度变化的长期依赖关系，引入注意力机制，重点关注温度波动显著的区域，将LSTM输出的时序特征与当前工艺参数拼接，通过全连接层生成各区域的温度预测值，基于预测温度与目标温度的偏差，结合材料热膨胀系数，计算局部形变风险，使用历史生产数据进行监督学习，同时优化温度预测误差和形变风险分类精度；[0084]反馈控制模块，依据热传导趋势，结合温差补偿算法，动态调整加热板功率，并剔除缺陷品；[0085]根据当前温度与目标温度的差异，动态调整加热板功率，确保温度均匀性；对每个区域，计算当前平均温度与目标温度的差值；将缺陷位置坐标与加热板区域编号关联，确定需要剔除的不合格品位置；根据缺陷位置，移除缺陷pvc硬片；剔除完成后，系统更新合格率统计，并将结果反馈至生产管理系统；[0