1.本发明涉及智能温控技术领域，具体涉及基于图像处理的塑料保护膜生产参数控制方法。
背景技术：2.在工业上生产塑料保护膜的工艺流程一般包括：吹膜—涂布—印刷—检测—复卷—分切—包装等过程。吹塑保护膜的性能跟生产工艺参数有着很大的关系，因此，在吹膜过程中，必须要加强对工艺参数的控制，规范工艺操作，保证生产的顺利进行，并获得高质量的保护膜产品。
3.其中温度是影响塑化是否完全和均匀、泡形是否稳定的重要参数之一。若塑料挤出机温度低，塑料粘度大，薄膜透明度差,易出现未塑化的晶点，薄膜易拉断，薄膜的断裂伸长率降低。若塑料挤出机温度较高，塑料粘度降低，薄膜开口性差，但透明度提高，且由于物料过热分解，出现“烧焦”焦点，所以温度不稳定影响产品质量，甚至造成次品。
4.在生产过程当中塑料挤出机的温度设置要根据生产情况来进行调整，而这个温度并没有精确的数值，所以对塑料保护膜温度的控制需要经验丰富的操作工人来进行生产，但是不同的原料以及不同的产品规格都需要选择不同的生产温度，人为设定挤出机的温度值较为繁琐且容易出现误差。
技术实现要素：5.为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的塑料保护膜生产参数控制方法，所采用的技术方案具体如下：
6.本发明一个实施例提供了一种基于图像处理的塑料保护膜生产参数控制方法，设置有荧光屏，使得塑料保护膜撑展后，荧光屏处于塑料保护膜撑展区域下方，且荧光屏表面与塑料保护膜撑展面平行，所述方法包括以下步骤：
7.采集塑料保护膜未撑展时的荧光屏的俯视图像作为参考图像，以及塑料保护膜撑展后的塑料保护膜的俯视图像作为表面图像；
8.对参考图像和表面图像分别进行梯度检测，得到参考图像的第一梯度图像和第一边缘点，以及表面图像的第二梯度图像和第二边缘点；根据第二边缘点以及第二边缘点的邻域像素点的灰度值获取每个第二边缘点的模糊程度；
9.基于所有模糊程度获取第二梯度图像的模糊均匀程度，当模糊均匀程度不为零时，通过将参考图像和表面图像进行对比在第二梯度图像中筛选出与第一边缘点重合的标准边缘点，组成第一组，剩余的第二边缘点组成第二组；
10.基于第二组中的第二边缘点的坐标将第二组中所有点分为多个类别，每个类别形成一个缺陷区域，根据每两个缺陷区域之间的距离以及缺陷区域的面积得到第二梯度图像的异常程度；
11.获取所有标准边缘点的正常平均模糊度；基于每个类别中的每个点与类别中心形
成的向量、模糊程度、梯度方向以及正常平均模糊度获取所述表面图像的缺陷类型指数；根据缺陷类型指数、异常程度和正常平均模糊度调整挤出机温度。
12.优选的，所述采集撑展区域的塑料保护膜的表面图像，之前还包括：
13.根据塑料保护膜在冷却过程中的移动速度确定相机的采样频率，以该采样频率采集所述表面图像。
14.优选的，所述模糊程度的获取方法为：
15.以每个第二边缘点为中心，设置预设大小的滑窗，计算滑窗中心点与每个邻域像素点的灰度差值；获取每个第二边缘点与参考图像中对应位置点的相对灰度差值，根据所述灰度差值和所述相对灰度差值获取每个第二边缘点的模糊程度；所述相对灰度差值与所述模糊程度呈正相关关系。
16.优选的，所述模糊均匀程度的获取方法为：获取模糊程度的离散程度作为模糊均匀程度。
17.优选的，所述缺陷区域的获取过程包括：
18.通过聚类将第二组中的第二边缘点的坐标划分为多个类别，每个类别中的所有第二边缘点构成一个缺陷区域；以缺陷区域中所有边缘点横坐标的平均值以及纵坐标的平均值作为该缺陷区域的中心点坐标；对缺陷区域作最小包围框，以该最小包围框的面积作为缺陷区域的面积。
19.优选的，所述异常程度的获取方法为：
20.将每个缺陷区域作为目标区域，计算目标区域与其他每个缺陷区域之间的距离，以每个距离作为预设值的负指数，得到指数函数结果，将目标区域对应的所有指数函数结果求和再乘上目标区域的面积，得到区域异常程度，所有缺陷区域的区域异常程度的平均值即为所述异常程度。
21.优选的，所述正常平均模糊度的获取方法为：
22.以每个标准边缘点在第一梯度图像和第二梯度图像中梯度方向的改变量作为对应标准边缘点的权重，结合对应的模糊程度获取标准边缘点的正常平均模糊度。
23.优选的，所述缺陷类型指数的获取过程包括：
24.对于每个类别，获取中心点到每个第二边缘点形成的向量作为对应第二边缘点的第一向量，基于第二边缘点的梯度方向获取对应的正弦值和余弦值，并组成第二向量，计算第一向量和第二向量之间的夹角余弦值；
25.获取每个第二边缘点的模糊程度和正常平均模糊度的差值的平方作为模糊差异，计算模糊差异和夹角余弦值的乘积，并获取每个类别中所有乘积的平均值作为对应类别的缺陷程度，以所述表面图像中所有缺陷程度的和作为缺陷类型指数。
26.优选的，所述挤出机温度的调整过程包括：
27.获取缺陷类型指数和缺陷类型指数绝对值的比值，作为正常平均模糊度的负指数，得到的结果乘上所述异常程度，得到温度调整程度；
28.基于温度调整程度对当前温度进行调整，得到调整后的温度。
29.本发明实施例至少具有如下有益效果：
30.1、通过计算梯度图像中边缘点的模糊程度对挤出机温度异常而产生的缺陷进行评估，根据缺陷类型确定温度调整方向，根据异常程度确定温度调整幅度，从而实现塑料保
护膜生产过程中温度的自动控制，减少了人工干预。
31.2、通过在塑料保护膜冷却过程中的撑展区域下方设置荧光屏，根据保护膜对荧光屏中的图案边缘点模糊程度相同的特点提取保护膜表面的缺陷区域，避免了因塑料保护膜本身存在一定透明度而导致的复杂加工环境的干扰，提高了检测的准确度。
附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
33.图1为本发明一个实施例提供的图像采集位置示意图；
34.图2为本发明一个实施例提供的基于图像处理的塑料保护膜生产参数控制方法的步骤流程图。
具体实施方式
35.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的塑料保护膜生产参数控制方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
36.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
37.本发明的应用场景为：在塑料保护膜吹膜过程中，通过智能调节塑料挤出机的温度使塑料保护膜塑化均匀。
38.如图1所示，塑料保护膜从塑料保护膜出口101吹出，设置荧光屏102，使得塑料保护膜撑展后，荧光屏102处于塑料保护膜撑展区域103下方，且荧光屏表面与塑料保护膜撑展面平行，相机104固定在塑料保护膜撑展面正上方，虚线部分为相机视角，荧光屏表面显示图案。
39.下面结合附图具体的说明本发明所提供的一种基于图像处理的塑料保护膜生产参数控制方法的具体方案。
40.请参阅图2，其示出了本发明一个实施例提供的基于图像处理的塑料保护膜生产参数控制方法的步骤流程图，该方法包括以下步骤：
41.步骤s001，采集塑料保护膜未撑展时的荧光屏的俯视图像作为参考图像，以及塑料保护膜撑展后的塑料保护膜的俯视图像作为表面图像。
42.具体的步骤包括：
43.1、根据塑料保护膜在冷却过程中的移动速度确定相机的采样频率，以该采样频率采集表面图像。
44.基于塑料保护膜的移动速度，确定相机的采样速率，以使相机在塑料保护膜的移动速度下能够连续采集塑料保护膜的表面图像。
45.2、图像采集。
46.采集塑料保护膜未撑展时的荧光屏的俯视图像作为参考图像，以及塑料保护膜撑展后的塑料保护膜的俯视图像作为表面图像。
47.荧光屏显示图案，在本发明实施例中荧光屏上显示为黑白纹理图像，在其他实施例中可以为其他图案，也可以为彩色图案再对采集的图像灰度化。
48.由于塑料保护膜本身存在一定的透明度，直接对塑料保护膜进行图像处理，容易受到周边复杂加工环境的干扰，考虑到单一颜色背景在保护膜表面存在缺陷时，可能会使缺陷对比度较低，因此本发明在保护膜下方设置荧光屏，并在荧光屏上显示黑白纹理图案，以避免加工环境的干扰。
49.步骤s002，对参考图像和表面图像分别进行梯度检测，得到参考图像的第一梯度图像和第一边缘点，以及表面图像的第二梯度图像和第二边缘点；根据第二边缘点以及第二边缘点的邻域像素点的灰度值获取每个第二边缘点的模糊程度。
50.具体的步骤包括：
51.1、梯度检测。
52.利用sobel算子分别对参考图像和表面图像进行梯度检测，得到各个图像中每个像素点的梯度幅值，组成参考图像的第一梯度图像以及表面图像的第二梯度图像。
53.提取第一梯度图像中的边缘点作为第一边缘点，第二梯度图像中的边缘点为第二边缘点。
54.理想情况下第一边缘点和第二边缘点完全重合，但是保护膜的透明度会依据温度变化而变化，当透明度不够或者保护膜表面存在缺陷时，第一边缘点和第二边缘点就会出现差异。
55.2、获取每个第二像素点的模糊程度。
56.以每个第二边缘点为中心，设置预设大小的滑窗，计算滑窗中心点与每个邻域像素点的灰度差值；获取每个第二边缘点与参考图像中对应位置点的相对灰度差值，根据灰度差值和相对灰度差值获取每个第二边缘点的模糊程度；相对灰度差值与模糊程度呈正相关关系。
57.图像模糊的本质是由于相邻像素点的灰度之间差异的减小，而由于塑料膜对光存在散射作用，下方荧光屏中的图案透过塑料膜呈现在相机图像中的边缘就发生了模糊。
58.以每个第二边缘点为中心，使用3
×
3滑窗进行遍历，以第i个第二边缘点为例，获取第i个第二边缘点与邻域像素点的灰度差异程度：
[0059][0060]
其中，σ
i2
表示第i个第二边缘点的灰度差异程度，hi表示第i个第二边缘点的灰度值，h
ij
表示第i个第二边缘点的第j个邻域像素点的灰度值，h
ij-hi即为第i个第二边缘点与第j个邻域像素点的灰度差值。
[0061]
滑窗区域中各个像素点之间的的灰度差异越大，表示该边缘点越清晰，灰度差异越小，表示该边缘点越模糊。
[0062]
获取第i个第二边缘点在参考图像和表面图像的对应位置上的灰度差值δhi即为
相对灰度差值，由于保护膜颜色统一，图案边缘点的颜色也是统一的，因此保护膜对图案本身灰度值的影响程度相同，当保护膜的透明度非常低，即显示屏图案基本无法透过保护膜时，会使得边缘点的相对灰度差值δhi较大，此时保护膜对图像的模糊程度较大。
[0063]
获取第i个第二边缘点在参考图像对应位置处的灰度差异程度σ
i2
′
，并计算差异差值δσ
i2
＝σ
i2
′-σ
i2
，如果第i个第二边缘点的相对灰度差值δhi较小，说明保护膜的透明度很高，需要结合差异差值δσ
i2
来判断透过部分是否清晰。
[0064]
计算第i个第二像素点的模糊程度ci：
[0065][0066]
其中，arctan(*)表示反正切函数，π表示180度。
[0067]
当第i个第二边缘点的相对灰度差值δhi较小，即透明度较高时，差异差值δσ
i2
越大说明第i个第二边缘点周围的灰度差异程度在参考图像和表面图像中的差异较大，说明虽然保护膜的透明度高，但是透过的图像并不清晰，可能保护膜本身出现了缺陷。
[0068]
由于塑料保护膜温度异常会改变保护膜的透明度，对应下方荧光屏中的图案在当前图像中的模糊程度也会出现相应的变化，当挤出温度较低时，保护膜的透明度较差，对下方荧光屏上图案的模糊程度越大；当挤出温度较高时，保护膜透明度较高，对下方荧光屏上的图案模糊程度较小。
[0069]
步骤s003，基于所有模糊程度获取第二梯度图像的模糊均匀程度，当模糊均匀程度不为零时，通过将参考图像和表面图像进行对比在第二梯度图像中筛选出与第一边缘点重合的标准边缘点，组成第一组，剩余的第二边缘点组成第二组。
[0070]
具体的步骤包括：
[0071]
1、获取模糊程度的离散程度作为模糊均匀程度。
[0072]
离散程度的表示方法有很多，在本发明实施例中采用方差作为离散程度，即计算所有模糊程度的方差作为第二梯度图像的模糊均匀程度。
[0073]
正常情况下，即塑化均匀时，保护膜对参考图像中各个像素点的模糊程度相同，而当塑化不均匀时，不同像素点的模糊程度存在差异。
[0074]
2、当模糊均匀程度不为零时，对第二边缘点进行筛选分组。
[0075]
当模糊均匀程度等于零时，说明图像中模糊均匀，不存在缺陷；否则当前图像的模糊程度并不均匀，需要进一步判断模糊不均匀的区域的缺陷类型。
[0076]
由于荧光屏图案本身的边缘点位置以及数量是固定的，正常情况下，塑料保护膜只会对原图产生模糊作用，因此当图像中产生了额外的边缘点时，说明此时产生了其他边缘点，保护膜可能出现了缺陷。
[0077]
将参考图像和表面图像叠加对比，在第二梯度图像中筛选出与参考图像的第一边缘点重合的第二边缘点作为标准边缘点，并组成第一组，数量固定为m；剩余的第二边缘点为多余边缘点，很可能是缺陷点，组成第二组。
[0078]
步骤s004，基于第二组中的第二边缘点的坐标将第二组中所有点分为多个类别，每个类别形成一个缺陷区域，根据每两个缺陷区域之间的距离以及缺陷区域的面积得到第二梯度图像的异常程度。
[0079]
具体的步骤包括：
[0080]
1、获取缺陷区域。
[0081]
通过聚类将第二组中的第二边缘点的坐标划分为多个类别，每个类别中的所有第二边缘点构成一个缺陷区域；以缺陷区域中所有边缘点横坐标的平均值以及纵坐标的平均值作为该缺陷区域的中心点坐标；对缺陷区域作最小包围框，以该最小包围框的面积作为缺陷区域的面积。
[0082]
使用dbscan聚类算法对第二组中的第二边缘点的坐标进行聚类，得到n个聚类结果，每个聚类结果均对应一个缺陷区域，以缺陷区域中所有边缘点横坐标的平均值以及纵坐标的平均值作为该缺陷区域的中心点坐标；对缺陷区域作最小包围框，以该最小包围框的面积作为缺陷区域的面积。
[0083]
2、获取第二梯度图像的异常程度。
[0084]
将每个缺陷区域作为目标区域，计算目标区域与其他每个缺陷区域之间的距离，以每个距离作为预设值的负指数，得到指数函数结果，将目标区域对应的所有指数函数结果求和再乘上目标区域的面积，得到区域异常程度，所有缺陷区域的区域异常程度的平均值即为异常程度。
[0085]
作为一个示例，以第m个缺陷区域作为目标区域，区域异常程度y的具体的计算公式为：
[0086][0087]
其中，sm表示第m个缺陷区域，d
mn
表示第m个缺陷区域和第n个缺陷区域之间的距离。
[0088]
距离d
mn
是第m个缺陷区域中心点和第n个缺陷区域中心点之间的欧氏距离。
[0089]
第二梯度图像的异常程度由于图像中的异常是由温度引起的，要么温度过高引起异常，要么温度过低引起异常，因此整张图像只存在一种异常问题，计算的异常程度为整张第二梯度图像的。
[0090]
步骤s005，获取所有标准边缘点的正常平均模糊度；基于每个类别中的每个点与类别中心形成的向量、模糊程度、梯度方向以及正常平均模糊度获取表面图像的缺陷类型指数；根据缺陷类型指数、异常程度和正常平均模糊度调整挤出机温度。
[0091]
具体的步骤包括：
[0092]
1、获取标准边缘点的正常平均模糊度。
[0093]
以每个标准边缘点在第一梯度图像和第二梯度图像中梯度方向的改变量作为对应标准边缘点的权重，结合对应的模糊程度获取标准边缘点的正常平均模糊度。
[0094]
对于模糊不均匀的区域，标准边缘点能够代表正常区域的模糊程度，但是出现缺陷的位置随机，可能会存在部分属于图案的边缘点与缺陷区域边缘点存在相交的位置，保护膜会对边缘点产生模糊作用，但是保护膜对图案产生的模糊作用并不会大幅改变图案原边缘点的方向，因此以标准边缘点在第一梯度图像和第二梯度图像中梯度方向的改变量δθr作为权重，结合该对应的模糊程度得到表征正常区域的正常平均模糊度
[0095]
[0096]
其中，cr表示第r个标准边缘点的模糊程度，m表示标准边缘点的数量。
[0097]
当梯度方向改变量δθr越大，表示第r个标准边缘点为缺陷区域影响产生的边缘点的概率越大，此时对该边缘点的模糊程度的参考权重较低；当梯度方向改变量δθr越小，表示第r个标准边缘点为正常区域的边缘点的概率越大，此时对该边缘点的模糊程度的参考权重较高，由此得到正常平均模糊度。
[0098]
2、获取缺陷类型指数。
[0099]
对于每个类别，获取中心点到每个第二边缘点形成的向量作为对应第二边缘点的第一向量，基于第二边缘点的梯度方向获取对应的正弦值和余弦值，并组成第二向量，计算第一向量和第二向量之间的夹角余弦值；获取每个第二边缘点的模糊程度和正常平均模糊度的差值的平方作为模糊差异，计算模糊差异和夹角余弦值的乘积，并获取每个类别中所有乘积的平均值作为对应类别的缺陷程度，以表面图像中所有缺陷程度的和作为缺陷类型指数。
[0100]
挤出机温度低会造成保护膜表面出现晶点，温度过高又会造成保护膜表面出现焦点。晶点是塑化不良的塑料颗粒，其灰度值大于正常区域中像素点的灰度值；而焦点发黑，使得由焦点形成的灰度值低于正常区域，因此可以根据缺陷区域的灰度值判断缺陷的具体类型。
[0101]
记第k类别中第g个第二边缘点的模糊程度为c
kg
，中心点与第g个第二边缘点所组成的第一向量为基于第二边缘点的梯度方向获取对应的正弦值sinθ
kg
和余弦值cosθ
kg
，组成第二向量(cosθ
kg
,sinθ
kg
)，计算第一向量和第二向量之间的夹角余弦值
[0102]
由于晶点的灰度值大于塑料膜本身的灰度值，而梯度方向指向灰度增长最快的方向，因此晶点区域中心点与边缘点形成的向量与边缘点本身梯度方向存在相同方向的分量，则二者的夹角余弦值为正，即cosθ》0；而焦点区域中心点的灰度值低于塑料膜本身灰度值，因此其所得夹角余弦值为负，因此将该夹角余弦值映射为正负表示：
[0103][0104]
则缺陷类型指数的计算公式为：
[0105][0106]
其中，nk表示第k个类别中第二边缘点的数量。
[0107]
基于缺陷类型指数的正负判断缺陷类型：当p《0时，该区域属于晶点区域；当p》0时，该区域为焦点区域。
[0108]
3、调整温度。
[0109]
获取缺陷类型指数和缺陷类型指数绝对值的比值，作为正常平均模糊度的负指数，得到的结果乘上异常程度，得到温度调整程度；基于温度调整程度对当前温度进行调整，得到调整后的温度。
[0110]
当前温度为t，根据缺陷类型以及异常程度进行温度调整，调整后的温度t
′
可表示为：
[0111][0112]
其中，通过判断温度调整方向，当图像中的缺陷区域为晶点区域时，p《0，此时挤出机的温度过低，需要将挤出机的温度调高；当缺陷区域为焦点区域时，p》0，此时挤出机的温度过高，需要将挤出机的温度降低。
[0113]
表示当前温度的温度调整程度，当缺陷出现的越密集，影响范围越广时，异常程度越大，当前温度越不适宜，需要进行温度调整的幅度越大。当前温度较低时，平均模糊程度越高，表明此时保护膜越厚，保护膜的质量越差；同理，当前温度较高时，平均模糊程度越低质量越差。
[0114]
综上所述，本发明实施例采集塑料保护膜未撑展时的荧光屏的俯视图像作为参考图像，以及塑料保护膜撑展后的塑料保护膜的俯视图像作为表面图像；对参考图像和表面图像分别进行梯度检测，得到参考图像的第一梯度图像和第一边缘点，以及表面图像的第二梯度图像和第二边缘点；根据第二边缘点以及第二边缘点的邻域像素点的灰度值获取每个第二边缘点的模糊程度；基于所有模糊程度获取第二梯度图像的模糊均匀程度，当模糊均匀程度不为零时，通过将参考图像和表面图像进行对比在第二梯度图像中筛选出与第一边缘点重合的标准边缘点，组成第一组，剩余的第二边缘点组成第二组；基于第二组中的第二边缘点的坐标将第二组中所有点分为多个类别，每个类别形成一个缺陷区域，根据每两个缺陷区域之间的距离以及缺陷区域的面积得到第二梯度图像的异常程度；获取所有标准边缘点的正常平均模糊度；基于每个类别中的每个点与类别中心形成的向量、模糊程度、梯度方向以及正常平均模糊度获取表面图像的缺陷类型指数；根据缺陷类型指数、异常程度和正常平均模糊度调整挤出机温度。本发明实施例能够根据缺陷类型确定温度调整方向，根据缺陷程度确定温度调整幅度，从而实现塑料保护膜生产过程中温度的自动控制，减少了人工干预。
[0115]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0116]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0117]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，均应包含在本技术的保护范围之内。
技术特征：1.基于图像处理的塑料保护膜生产参数控制方法，其特征在于，设置有荧光屏，使得塑料保护膜撑展后，荧光屏处于塑料保护膜撑展区域下方，且荧光屏表面与塑料保护膜撑展面平行，所述方法包括以下步骤：采集塑料保护膜未撑展时的荧光屏的俯视图像作为参考图像，以及塑料保护膜撑展后的塑料保护膜的俯视图像作为表面图像；对参考图像和表面图像分别进行梯度检测，得到参考图像的第一梯度图像和第一边缘点，以及表面图像的第二梯度图像和第二边缘点；根据第二边缘点以及第二边缘点的邻域像素点的灰度值获取每个第二边缘点的模糊程度；基于所有模糊程度获取第二梯度图像的模糊均匀程度，当模糊均匀程度不为零时，通过将参考图像和表面图像进行对比在第二梯度图像中筛选出与第一边缘点重合的标准边缘点，组成第一组，剩余的第二边缘点组成第二组；基于第二组中的第二边缘点的坐标将第二组中所有点分为多个类别，每个类别形成一个缺陷区域，根据每两个缺陷区域之间的距离以及缺陷区域的面积得到第二梯度图像的异常程度；获取所有标准边缘点的正常平均模糊度；基于每个类别中的每个点与类别中心形成的向量、模糊程度、梯度方向以及正常平均模糊度获取所述表面图像的缺陷类型指数；根据缺陷类型指数、异常程度和正常平均模糊度调整挤出机温度。2.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述采集撑展区域的塑料保护膜的表面图像，之前还包括：根据塑料保护膜在冷却过程中的移动速度确定相机的采样频率，以该采样频率采集所述表面图像。3.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述模糊程度的获取方法为：以每个第二边缘点为中心，设置预设大小的滑窗，计算滑窗中心点与每个邻域像素点的灰度差值；获取每个第二边缘点与参考图像中对应位置点的相对灰度差值，根据所述灰度差值和所述相对灰度差值获取每个第二边缘点的模糊程度；所述相对灰度差值与所述模糊程度呈正相关关系。4.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述模糊均匀程度的获取方法为：获取模糊程度的离散程度作为模糊均匀程度。5.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述缺陷区域的获取过程包括：通过聚类将第二组中的第二边缘点的坐标划分为多个类别，每个类别中的所有第二边缘点构成一个缺陷区域；以缺陷区域中所有边缘点横坐标的平均值以及纵坐标的平均值作为该缺陷区域的中心点坐标；对缺陷区域作最小包围框，以该最小包围框的面积作为缺陷区域的面积。6.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述异常程度的获取方法为：将每个缺陷区域作为目标区域，计算目标区域与其他每个缺陷区域之间的距离，以每个距离作为预设值的负指数，得到指数函数结果，将目标区域对应的所有指数函数结果求
和再乘上目标区域的面积，得到区域异常程度，所有缺陷区域的区域异常程度的平均值即为所述异常程度。7.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述正常平均模糊度的获取方法为：以每个标准边缘点在第一梯度图像和第二梯度图像中梯度方向的改变量作为对应标准边缘点的权重，结合对应的模糊程度获取标准边缘点的正常平均模糊度。8.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述缺陷类型指数的获取过程包括：对于每个类别，获取中心点到每个第二边缘点形成的向量作为对应第二边缘点的第一向量，基于第二边缘点的梯度方向获取对应的正弦值和余弦值，并组成第二向量，计算第一向量和第二向量之间的夹角余弦值；获取每个第二边缘点的模糊程度和正常平均模糊度的差值的平方作为模糊差异，计算模糊差异和夹角余弦值的乘积，并获取每个类别中所有乘积的平均值作为对应类别的缺陷程度，以所述表面图像中所有缺陷程度的和作为缺陷类型指数。9.根据权利要求1所述的基于图像处理的塑料保护膜生产参数控制方法，其特征在于，所述挤出机温度的调整过程包括：获取缺陷类型指数和缺陷类型指数绝对值的比值，作为正常平均模糊度的负指数，得到的结果乘上所述异常程度，得到温度调整程度；基于温度调整程度对当前温度进行调整，得到调整后的温度。
技术总结本发明涉及智能温控技术领域，具体涉及基于图像处理的塑料保护膜生产参数控制方法，该方法包括：获取参考图像的第一梯度图像和第一边缘点，以及表面图像的第二梯度图像和第二边缘点；获取每个第二边缘点的模糊程度；在第二梯度图像中筛选出与第一边缘点重合的标准边缘点组成第一组，剩余的第二边缘点组成第二组；获取第二梯度图像的异常程度；获取所有标准边缘点的正常平均模糊度；获取表面图像的缺陷类型指数；根据缺陷类型指数、异常程度和正常平均模糊度调整挤出机温度。本发明能够实现塑料保护膜生产过程中温度的自动控制，提高生产质量。产质量。产质量。
技术研发人员：周健
受保护的技术使用者：德清县飞凡塑料胶粘制品有限公司
技术研发日：2022.07.20
技术公布日：2022/11/1
