CN119417824A 基于图像数据处理的uv面漆性能检测分析方法及装置 （天津欧派集成家居有限公司）

基于图像数据处理的UV面漆性能检测分析本发明实施例公开了一种基于图像数据处描述通道挖掘性能表征向量集，能精确量化硬2务周期和设定图像描述通道对所述若干个第一UV面漆性能检测图像进行性能表征向量挖法是根据若干个面漆性能检测训练图像的上下游设定检测周期内的若干个第二UV面漆性能检测图像和每个面漆性能检测训练图像是否存在缺陷的先验缺陷注释调试初始性能评任务周期和设定图像描述通道对所述若干个第一UV面漆性能检测图像进行性能表征向量定检测周期内依据所述设定性能分析任务周期对所述若干个第一UV面漆性能检测图像进期的第一量化编码数据和所述每个设定性能分析任务周期的第二量化编码数据进行融合觉描述通道，所述反射特性视觉描述通道包括亮度分布描述通道和光斑状态描述通道时，3所述基于所述设定图像描述通道对所述每个设定性能分析任务周期的第三UV面漆性能检第三UV面漆性能检测图像中所述光斑状态描述通道对应的光斑状态任务关键词下的光泽所述每个设定性能分析任务周期的第三量化编码数据和所述每个设定性能分析任务周期述每个设定性能分析任务周期的第五量化编码数据和所述每个设定性能分析任务周期的能评价决策算法的算法训练误差循环调试所述初始性能评价决策算法的算法权重直到初4所述第一检测图像队列中确定上下游设定检测周期内具有若干个UV面漆性能检测图像的UV面漆性能检测图像中缺陷种类对所述第三检测图像队列中的过往UV面漆性能检测图像存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指5[0003]本发明实施例提供了一种基于图像数据处理的UV面漆性周期和设定图像描述通道对所述若干个第一UV面漆性能检测图像进行性能表征向量挖掘，根据若干个面漆性能检测训练图像的上下游设定检测周期内的若干个第二UV面漆性能检测图像和每个面漆性能检测训练图像是否存在缺陷的先验缺陷注释调试初始性能评价决[0005]本发明实施例提供一种UV面漆性能检测分析装置，包括至少一个处理器和存储[0007]本发明实施例通过获取上下游设定检测周期内的多个第一全面涵盖不同阶段的面漆状态信息。基于特定周期和图像描述通道挖掘性能表征向量集，6[0008]图1为本发明实施例所提供的一种基于图像数据处理的UV面漆性能检测分析方法[0009]图1示出一种基于图像数据处理的UV面漆性能检测分析方法，应用于UV面漆性能设定检测周期内的若干个第二UV面漆性能检测图像和每个面漆性能检测训练图像是否存在缺陷的先验缺陷注释调试初始性能评价决策设定为12_24小时。这样可以全面地捕捉到面漆性能在初始固化和后续短时间内的变化情7取一次图像，那么在24小时的设定检测周期内就可以获取24个第一UV面漆性能检测图像。[0021]对性能分析的影响：这种周期设置可以捕捉到不同阶段的UV面漆性能变化特8漆性能检测训练图像的上下游设定检测周期内的若干个第二UV面漆性能检测图像和每个9[0035]性能评价决策标签的生成：目标性能评价决策算法根据[0036]通过以上S110_S130，可以利用UV面漆性能检测分析装置对UV面漆的性能进行全行性能表征向量挖掘，获得所述待分析UV面漆性能检测图像的待分析性能检测表征向量任务周期的待分析性能检测表征向量进行集成交互，获得所述待分析性能检测表征向量类推。这些组合后的图像块就成为每个设定性能分析任务周期的第三UV面漆性能检测图差为sigma_u和sigma_v，则力学形变视觉描述向量可以表示为[overline{u}，overline可以将这些向量按顺序组合成一个新的[0054]对于反射特性视觉描述向量和边界纹理视觉描述向量也采用类似的方法进行集[0055]上述实施例通过在设定检测周期内依据设定性能分析任[0056]在一种可选的示例中，所述设定图像描述通道包括所述力学形变视觉描述通道述每个设定性能分析任务周期的所述力学形变视[0057]该示例侧重于设定图像描述通道为力学形变视觉描述通道时的性能表征向量挖[0058]（一）确定每个设定性能分析任务周期的第三UV面漆性能检测图像中力学形变视每个设定性能分析任务周期的第三UV面漆性能检测图像，首先需要确定图像中的颗粒结粒的形变可以通过计算轮廓坐标的变化量来表征，例如计算平均坐标偏移量overline=1}^{n}（y_i'_y_i以及轮廓的面积变化期后的平均灰度值为overline{G}_{ij}^1，则区域灰度比对检测数据可以表示为：定性能分析任务周期的第一量化编码数据。到overline{Deltax}=2像素，overline{Deltay}=3像素，DeltaS=0.2，theta=56.31^[0062]（四）对每个设定性能分析任务周期的第一量化编码数据和每个设定性能分析任的向量。这样的向量能够更准确地反映UV面漆在设定性能分析任务周期内的力学形变情[0064]在另一种可选的示例中，所述设定图像描述通道包括所述反射特性视觉描述通所述设定图像描述通道对所述每个设定性能分析任务周期的第三UV面漆性能检测图像进行性能表征向量挖掘，获得所述每个设定性能分析任务周期的待分析性能检测表征向量，漆性能检测图像中所述光斑状态描述通道对应的光斑状态任务关键词下的光泽评价数据设定性能分析任务周期的第三量化编码数据和所述每个设定性能分析任务周期的第四量[0066]（一）确定每个设定性能分析任务周期的第三UV面漆性能检测图像中亮度分布描述通道对应的亮度分布任务关键词下的光泽评价数据和光例如，对于一个512*512像素的图像，如果将权重函数设置为以图像中心为圆心的高斯函光泽度差异。首先将图像划分为若干个小区域，例如划分为MtimesN个大小相等的矩形区方法与上述光泽评价数据类似，但仅针对该区域内的像素。设该区域的平均光泽度为G_[0068]（二）对亮度分布任务关键词下的光泽评价数据和光泽区域热图进行特征映射和[0069]（三）确定每个设定性能分析任务周期的第三UV面漆性能检测图像中光斑状态描述通道对应的光斑状态任务关键词下的光泽评价数据和光采用光斑中心亮度检测算法来计算光泽评价数据。首先通过图像分割算法识别出光斑区[0070]（四）对光斑状态任务关键词下的光泽评价数据和光泽区域热图进行特征映射和[0071]（五）对每个设定性能分析任务周期的第三量化编码数据和每个设定性能分析任[0073]在又一种可选的示例中，所述设定图像描述通道包括所述边界纹理视觉描述通道，所述边界纹理视觉描述通道包括起皮状态视觉描述通道和剥落状态视觉描述通道时，所述基于所述设定图像描述通道对所述每个设定性能分析任务周期的第三UV面漆性能检设定性能分析任务周期的第五量化编码数据和所述每个设定性能分析任务周期的第六量[0075]（一）确定每个设定性能分析任务周期的第三UV面漆性能检测图像中起皮状态视皮区域。对于第三UV面漆性能检测图像，可以采用基于纹理差异的图像分割算法来确定起皮区域图像块；[0078]（三）确定每个设定性能分析任务周期的第三UV面漆性能检测图像中剥落状态视组合起来就得到了每个设定性能分析任务周期的第[0080]（五）对每个设定性能分析任务周期的第五量化编码数据和每个设定性能分析任干个面漆性能检测训练图像的上下游设定检测周期内的若干个第二UV面漆性能检测图像表征向量集样例进行性能评价决策，获得所述面漆性能检测训练图像的缺陷判别训练信算法的算法训练误差循环调试所述初始性能评价决策算法的算法权重直到初始性能评价[0084]（一）获取若干个面漆性能检测训练图像的上下游设定检测周期内的若干个第二UV面漆性能检测图像和每个面漆性能检测训练图像是否存在缺陷已知有划痕、颜色不均匀、起皮剥落等明显缺陷的面漆性能检测训练图像标注为存在缺陷期为6小时。对于每个面漆性能检测训练图像的24小时上下游设定检测周期内获取的第二于120时判定为颗粒部分。然后计算颗粒的形变，如计算颗粒轮廓坐标的平均坐标偏移量[0088]对于区域灰度比对检测数据，将图像划分为16times16个小区域，每个区域为平均灰度值变化Deltaoverline{G}_{ij}=overline{G}_{ij}^1_overline{G}_{ij}^0如将Deltaoverline{G}_{ij}的范围从[_50，50]映射到[0，100]，则a=1，b=50，即f量化编码数据；对颗粒形变检测数据进行颗粒形变特征挖掘（如计算颗粒的形变方向角距离变化的标准差sigma_d再进行量化编码（如根据不同特征参数的取值范围划分量化含亮度分布描述通道和光斑状态描述通道）时，对于亮度分布描述通道，确定光泽评价数在各区域内平均亮度占比构建矩阵再进行特征映射和量化编码得到第四量化编码数据，最后融合第三量化编码数据和第四量化编码数据得到反射特性视第五量化编码数据和第六量化编码数据得到边界纹1）初始性能评价决策算法的选择：初始性能评价决策算法可以选择支持向量机据分开。对于我们的问题，就是将存在缺陷和不存在缺陷的面漆性能检测训练图像对应的性能检测表征向量集样例分开；的算法训练误差循环调试初始性能评价决策算法的算法权重直到初始性能评价决策算法评价决策算法可以用于对待分析UV面漆性能检测图像进在面漆性能缺陷。这种注释是基于对过往UV面漆性能检测图像的详细分析和评估得出的。些图像组合形成每个设定性能分析任务周期对[0104]对于区域灰度比对检测数据，将图像划分为10times10个小区域，每个区域为量化，根据数据的分布特点将映射后的范围划分为8个量化区间，根据值所在区间进行编度构建矩阵。然后对光泽评价数据和光泽区域热图进行特征映射（如采用指数映射函数将得到第三量化编码数据。像为目标性能评价决策算法提供了学习缺陷特征的样本。通过分析这些图像中的缺陷特附着力不佳。当UV面漆性能检测图像在这些性能指标中的一个或多个出现不符合标准的情[0113]设定检测周期和设定性能分析任务周期方面：同样例如设设定性能分析任务周期为6小时。对每个第二训练图像在24小时的上下游设定检测周期内DeltaS=frac{S_1_S_0}{S_0}=化比正常情况大很多。然后对区域灰度比对检测数据进行特征映射（如采用幂函数映射f的形变方向角theta=arctan（frac{Deltay}{Deltax}）和颗粒轮廓上各点到形心距离变化的标准差sigma_d再进行量化编码（如根据不同特征参数的取值范围划分量化区间进行编码）得到第二量化编码数据，最后将第一量化编码数据和第二量化编码数据融合得到力学形变视觉描述向量。量化编码数据和第四量化编码数据得到反射特性域图像块内像素灰度值变化率构建矩阵起皮区域的面积和灰度值变化率可能比正常情检测图像队列中确定上下游设定检测周期内具有若干个UV面漆性能检测图像的过往UV面UV面漆性能检测图像中缺陷种类对所述第三检测图像队列中的过往UV面漆性能检测图像[0125]从第一检测图像队列中确定上下游设定检测周期内具有若干个UV面漆性能检测测图像队列。[0128]基于过往UV面漆性能检测图像中缺陷种类对第三检测图像队列中的过往UV面漆[0130]通