(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210453748.1 (22)申请日 2022.04.24 (71)申请人 南通飞旋智能科技有限公司 地址 226000 江苏省南 通市海门区三厂街 道青龙港 村29组 (72)发明人 李克晶　袁燕卫　 (74)专利代理 机构 石家庄嘉宏 智信知识产权代 理有限公司 1316 0 专利代理师 李兵 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 5/00(2006.01) G06V 10/764(2022.01) G06V 10/762(2022.01)G06V 10/74(2022.01) G06V 10/54(2022.01) (54)发明名称 一种基于人工智能的移印机产品缺陷检测 方法及系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于人工智能的移印机产品缺陷检测方法及 系统。 该方法获得每个像素点包含纹理信息和颜 色信息的特征信息。 根据特征信息进行聚类， 获 得超像素块数量。 根据特征信息拟合混合高斯模 型。 根据混合高斯模型中子高斯模 型的参数获得 超像素块种子点。 根据像素点和超像素块种子点 的特征信息， 获得第一边权值和第二边权值， 进 一步结合超像素块数量构建分割约束条件。 根据 分割约束条件对产品图像进行分割， 获得第一超 像素块。 标准产品图像中以同样分割方法获得第 二超像素块， 根据对应的第一超像素块和第二超 像素块的差异确定缺陷程度。 本发 明通过优化超 像素分割方法， 准确获得每个缺陷位置和缺陷程 度。 权利要求书2页 说明书7页 附图1页 CN 114913138 A 2022.08.16 CN 114913138 A 1.一种基于人工智能的移印机产品缺陷检测方法， 其特 征在于， 所述方法包括： 获取产品图像； 获取所述产品图像中的噪声信息； 结合所述噪声信息获得所述产品图 像中每个像素点的纹理信息， 以所述产品图像中每个像素点的所述纹理信息和颜色信息作 为特征信息； 根据所述特征信息进行聚类， 获得多个聚类簇； 以所述聚类簇的数量作为超像素块数 量； 根据像素点的所述特征信息进行高斯拟合， 获得混合高斯模型； 所述混合高斯模型中 子高斯模型的数量与所述超像素块数量相等； 根据所述子高斯模型的参数获得多个超像素 块种子点； 根据所述特征信 息的差异获得所述产品图像中像素点与像素点间的第 一边权值； 根据 所述特征信息的差异和所述超像素块种子点对应的所述子高斯模型的参数获得像素点与 所述超像素块种子点的第二边权值； 根据所述第一边权值、 所述第二边权值和所述超像素 块数量构建分割约束条件； 根据所述分割约束条件对所述产品图像进行超像素分割， 获得 多个第一超像素块； 获得标准产品图像中的多个第 二超像素块； 所述第 二超像素块与所述第 一超像素块的 分割方法相同； 根据对应的所述第一超像素块和所述第二超像素块的差异获得缺陷程度。 2.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述获取产品图像后还 包括： 将所述产品图像输入高动态范围渲染网络中进行图像增强。 3.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述获取 所述产品图像中的噪声信息包括： 根据所述产品图像中像素点的像素值进行聚类， 将未被归为簇内的像素点作为噪声 点； 获得所述噪声点的平均像素值信息作为所述噪声信息 。 4.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述结合所述噪声信息获得所述产品图像中每个像素点的纹理信息， 以所述产品图像中每 个像素点的所述纹 理信息和颜色信息作为特 征信息包括： 将所述噪声信 息灰度化， 获得噪声阈值； 根据所述噪声阈值利用LTP算子获得所述产品 图像中每个像素点的所述纹理信息； 根据所述产品图像中每个像素点的像素值获得所述颜 色信息。 5.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述根据所述子高斯模型参数获得多个超像素块种子点包括： 获取每个所述子高斯模型的模型均值和模型权重和模型均值； 以与每个所述模型均值 最相似的所述特 征信息对应的像素点作为所述超像素块种子点。 6.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述根据所述特 征信息的差异获得 所述产品图像中像素点与像素点间的第一 边权值包括： 根据第一 边权值公式获得 所述第一 边权值； 所述第一 边权值公式包括： 权　利　要　求　书 1/2 页 2 CN 114913138 A 2其中， 为第a个像 素点与第b个像素点之间的所述第一边权值； Fa为第a个像素点 的所述特 征信息， Fb为第b个像素点的所述特 征信息。 7.根据权利要求5所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述根据所述特 征信息的差异获得像素点与所述超像素块种子点的第二 边权值包括： 根据第二 边权值公式获得 所述第二 边权值； 所述第二 边权值公式包括： 其中， 为第c个像素点与第k个所述超像素块种子点的所述第二边权值， αk为第k 个所述超像素块种子点对应的所述子高斯模型的所述模型权值， β 为数据调整参数； Fc为第 c个像素点的所述特 征信息， Fk第k个所述超像素块种子点的所述特 征信息。 8.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述根据所述第一 边权值、 所述第二 边权值和所述超像素块数量构建 分割约束条件 包括： 其中， E(L)为所述分割约束条件， H为第k个所述超像素种子点对应的超像素区域内像 素点的个数； K为所述超像素块个数， 为第k个所述超像素种子点与 对应的所述超像 素区域内第c个像素点的所述第二边权值， A 为由属于不同所述超像素区域的相 邻像素点构 成的集合， 为第a个像素点与第b个像素点之间的所述第一边权值， 第a个像素点与 第b个像素点为所述相邻像素点。 9.根据权利要求1所述的一种基于人工智能的移印机产品缺陷检测方法， 其特征在于， 所述根据对应的所述第一超像素块和所述第二超像素块的差异获得缺陷程度包括： 获得每个第 一超像素块在所述产品图像中的面积占比； 以所述第 一超像素块与所述第 二超像素块的差异和所述面积占比的乘积作为每个所述第一超像素块对应位置处的缺陷 程度。 10.一种基于人工智能的移印机产品缺陷检测系统， 包括存储器、 处理器以及存储在所 述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计 算机程序时实现如权利要求1～ 9任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114913138 A 3