(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 202210435353.9 (22)申请日 2022.04.24 (71)申请人 南通夏克塑料包 装有限公司 地址 226000 江苏省南 通市海门区余 东镇 新宇村十一组 (72)发明人 窦永城　崔华　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06T 5/40(2006.01) (54)发明名称 一种注塑件表面 缺陷识别方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种注塑件表 面缺陷识别方法。 该方法基于注塑件 表面缺陷相较于注塑件表面纹理所特有的结构 特征， 对经由图像识别电子设备所识别得到的注 塑件表面图像进行数据获取， 获取注塑件表面的 数据， 进而对获取的数据进行处理分析， 该方法 的侧重点是对获取数据后的数据处理方法进行 改进， 额外在数据处理中引入了纹理主方向差异 度以及纹理方向距离。 本发明提供的该方法经过 对数据处理方法的改进， 解决了现有技术无法准 确确定注塑件表面缺陷的技术问题， 提高了注塑 件表面缺陷的识别效率及准确度， 可将其集成于 生产领域的人工智能系统， 作为人工智能优化操 作系统、 人工智 能中间件等， 用于计算机视觉软 件开发。 权利要求书3页 说明书8页 附图2页 CN 114998198 A 2022.09.02 CN 114998198 A 1.一种注塑件表面 缺陷识别方法， 其特 征在于， 包括以下步骤： 识别注塑件表面， 得到注塑件表面图像； 对注塑件表面图像进行超像素分割的数据处理， 根据注塑件表面图像大小以及所要分 割得到的超像素个数， 确定各个超像素块中种子点的分配步长， 以所述分配步长均匀 地分 配所有种子点； 计算当前像素点与种子点之间的特征相似度， 得到当前像素点的单点相似评价值； 计 算当前像素点的邻域内各个像素点与种子点之 间的特征相似度并求均值， 得到 当前像素点 的空间相似评价值， 以当前像素点的单点相似评价值和空间相似评价值得到当前像素点与 种子点之间的相似度； 所述特征相似度通过计算当前像素点和种子点之间的颜色差异、 当前像素点和种子点 之间的空间位置 差异以及当前像素点和种子点之间的纹 理主方向差异得到； 计算当前像素点与 所有种子点之间的相似度， 确定与当前像素点的相似度最大的种子 点， 将当前像素点划分到与其相似度最大 的种子点所对应的超像素块中， 对注塑件表面图 像中所有像素点进行划分， 完成对注塑件表面图像的超像素分割； 计算任意两个超像素块之间的空间位置距离以及纹理方向距离， 以所述空间位置距离 和纹理方向距离确定任意两个超像素块之间的距离值； 根据所述任意两个超像素块之间的距离值， 对所有超像素块进行聚类， 将注塑件表面 图像分割为 缺陷区域以及背景区域， 完成注塑件表面 缺陷识别。 2.根据权利要求1所述的注塑件表面缺陷识别方法， 其特征在于， 以当前像素点的单点 相似评价 值和空间相似评价 值得到当前像素点与种子点之间的相似度的具体方法为： μ＝ μd+α μspace 其中μ为当前像素点与种子点之间的相似度， μd为当前像素点的单点相似评价值， μspace 为当前像素点的空间相似评价值， α 为空间调节 参数， 用以调节图像的空间信息对整体相似 度的影响。 3.根据权利要求2所述的注塑件表面缺陷识别方法， 其特征在于， 空间调节参数的计算 公式为： 其中， α 为空间调节参数， 为注塑件的平均纹 理熵。 4.根据权利要求3所述的注塑件表面缺陷识别方法， 其特征在于， 所述注塑件的平均纹 理熵的确定过程 为： 采用灰度共生矩阵对不存在缺陷的注塑件表面 图像进行纹理提取， 分别采用0 °， 45°， 90°和135°的模板得到四个灰度共生矩阵， 并对这四个灰度共生矩阵求取均值得到每个像 素对应的灰度共生矩阵G； 然后对每 个像素对应的灰度共生矩阵求取熵值， 其中G(i， j)代表图像上第i行和第j列 像素对应的灰度共生矩阵， ENT(i,j)表示熵图像权　利　要　求　书 1/3 页 2 CN 114998198 A 2上第i行和第j列像素对应的熵值， 然后对熵图像上的每一个元素对应的熵值求和并求取均 值作为注塑件的平均纹 理熵 5.根据权利要求1 ‑4任意一项所述的注塑件表面缺陷识别方法， 其特征在于， 所述特征 相似度的计算方法为： γ＝w1γc+w2γp+w3γd 其中， γ为当前像素点与种子点之间的特征相 似度， γc为当前像素点与种子点之间的 颜色差异度， γp为当前像素点与种子 点之间的空 间位置差异度， γd为当前像素点与种子点 之间的纹理主方向差异度， w1， w2和w3分别代表颜色差异度、 空间位置差异度和纹理主方向 差异度在特 征相似度γ中的权 重， w1＝0.1， w2＝0.6， w3＝0.3。 6.根据权利要求5所述的注塑件表面 缺陷识别方法， 其特 征在于， 所述当前像素点与种子点之间的颜色差异度γc的计算方法为： 其中， 当前像素点为p1(x1,y1)， 种子点为pc(xc,yc)， f(p1)和f(pc)分别代表p1和pc的灰度 值； 所述当前像素点与种子点之间的空间位置 差异度γp的计算方法为： 其中， d为所述分配步长； 所述当前像素点与种子点之间的纹 理主方向差异度γd的计算方法为： 其中， 和 分别表示像素点p1和种子点pc的纹理主方向， 分别对p1和pc计算其对应 的Hessian矩阵 其中Ixx， Iyy， Ixy和Iyx分别是像素点p1和pc处的二阶差分， 然 后采用主成分分析算法对Hessian矩阵H计算主成分方向作为p1和pc的纹理主方向 和 7.根据权利要求6所述的注塑件表面 缺陷识别方法， 其特 征在于， 任意两个超像素块之间的空间位置距离为； 其中， 为任意两个超像素块之间的空间位置距离， q1和q2分别为任意两 个超像素块的 中心位置坐标， 和 分别代表q1的行坐标和列坐标， 和 分别代表q2的行坐标和列 坐标； 任意两个超像素块之间的纹 理方向距离确定过程 为： 选取16个Gabor滤波器分别与超像素块进行卷积操作得到纹理响应的值， Gabor滤波器 在选取时， 采用四个尺度0， 4， 8， 32， 以及四个方向0 °， 45°， 90°， 135°； 在每个方向上， 分别用四个尺度下的Gabor滤波器与超像素块进行卷积操作得到四个权　利　要　求　书 2/3 页 3 CN 114998198 A 3