(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210680258.5 (22)申请日 2022.06.16 (65)同一申请的已公布的文献号 申请公布号 CN 114782475 A (43)申请公布日 2022.07.22 (73)专利权人 南通金石包装印刷有限公司 地址 226000 江苏省南 通市通州区二甲镇 袁灶绣品工业园区 (72)发明人 罗盼利　 (51)Int.Cl. G06T 7/13(2017.01) G06T 7/11(2017.01) G06T 5/20(2006.01) G06T 5/00(2006.01) G06T 7/136(2017.01)G06T 7/90(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06T 7/00(2017.01) 审查员 唐进岭 (54)发明名称 基于人工智能系统的瓦楞纸箱压线缺陷检 测优化方法 (57)摘要 本发明涉及人工智能领域， 具体涉及基于人 工智能系统的瓦楞纸箱压线缺陷检测优化方法。 包括获取瓦楞纸板压线区域图像； 对压线区域图 像进行边缘检测得到边缘线区域； 对边缘线区域 进行聚类得到边缘簇区域， 获取各缺失边缘区域 高斯滤波前后的平均灰度梯度； 计算各缺失边缘 区域的最优 标准差； 提取各缺失边缘区域像素点 的灰度梯度进行升序排序得到各缺失边缘区域 的灰度梯度集合； 确定各缺失边缘区域的低灰度 梯度阈值； 根据每个缺失边缘的低灰度梯度阈值 和灰度梯度集合对缺失边缘进行检测。 本发明通 过对缺失边缘对边缘检测算法进行优化， 并且能 够提高边缘检测的精度和泛化能力， 排除噪声边 缘的影响， 还能够减少重复检测调节的过程。 权利要求书2页 说明书7页 附图1页 CN 114782475 B 2022.09.02 CN 114782475 B 1.基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 包括以下步骤： 获取瓦楞纸板 压线区域图像； 利用canny边缘检测算法对压线区域图像进行边缘检测得到压线区域图像的边缘线区 域； 对得到的边缘线区域进行聚类得到若干边缘簇区域， 获取相邻 两个边缘簇区域在经过 边缘检测中的高斯滤波过程前后的平均灰度梯度； 提取相邻 两个边缘簇区域之间缺失边缘区域， 利用每相邻 两个边缘簇区域获取平均 灰 度梯度的差值及该两个边缘簇区域之间各边缘的欧氏距离计算出相邻两个边缘簇区域之 间的缺失边 缘区域的最优标准差； 提取缺失边缘区域中每个像素点的灰度梯度， 并对缺失边缘区域中像素点的灰度梯度 进行升序排序得到该缺失边缘区域的灰度梯度集合， 得到每个缺 失边缘区域的灰度梯度集 合； 根据每个缺失边缘区域的高斯滤波标准差与最优标准差的差值和灰度梯度集合长度 得到低灰度梯度阈值的位置， 根据得到的每个低灰度梯度阈值在对应的灰度梯度集合中的 位置确定每 个缺失边 缘区域的低灰度梯度阈值； 根据每个缺失边缘的高斯滤波最优标准差和低灰度梯度阈值对每个缺失边缘区域进 行压线检测。 2.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 获取压线区域图像的边 缘线区域的方法为： 对压线区域图像进行灰度化处理， 然后对得到的灰度图像利用高斯滤波器进行平滑图 像处理； 计算图像中每个像素点的梯度强度和方向， 采用非极大值抑制算法消除边缘检测带来 的杂散响应； 利用双阈值分割算法确定真实边缘和噪声边缘， 抑制孤立的弱边缘完成边缘检测得到 压线区域图像的边 缘线区域。 3.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 所述计算每 个边缘簇区域的最优标准差的过程如下： 获取高斯滤波后相邻的两个边缘簇区域之间各边缘的欧氏距离， 相邻 两边缘簇区域之 间的缺失边 缘的最优标准差的计算公式如下： 式中： 为相邻两边缘簇区域之间的缺失边缘的最优标准差， 为与缺失边缘区域 相邻的两个 边缘簇区域的平均灰度梯度， 为与缺失边缘区域相邻的两个 边缘簇区域高 斯滤波后的平均灰度梯度， 为与该缺失边缘相邻的两个边缘簇区域之间各边缘的欧氏距 离。 4.根据权利要求1或3所述的基于人工智能系统 的瓦楞纸箱压线缺陷检测优化方法， 其权　利　要　求　书 1/2 页 2 CN 114782475 B 2特征在于： 所述相邻的两个边 缘簇区域之间各边 缘的欧氏距离 为： 分别获取两个边缘簇 内的边缘线， 一个边缘簇的每条边缘线到另一个边缘簇 内的每条 边缘线之间的距离为相邻的两个边 缘簇区域之间各边 缘的欧氏距离 。 5.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 所述得到缺失边 缘区域的灰度梯度集 合的方法为： 将与缺失边缘相邻的边缘簇区域内的边缘像素点的梯度方向作为指导方向， 沿指导方 向的垂直方向对缺失边 缘区域进行滑窗处 理并提取缺失边 缘区域的像素点的灰度梯度； 分别进行四个方向上的灰度梯度提取， 选择四个方向中灰度梯度的最大值作为该像素 点的灰度梯度， 得到缺失边 缘区域中所有像素点的灰度梯度； 对所有像素点的灰度梯度进行升序排序得到缺失边 缘区域的灰度梯度集 合。 6.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 所述得到低灰度梯度阈值的位置， 根据低灰度梯度阈值的位置确定每个缺失边缘 区域的低灰度梯度阈值的方法为： 式中： 为低灰度梯度阈值的灰度梯度集合索引长度， 为缺失边缘的灰度梯度集合长 度， 为高斯滤波调节前的标准差， 为高斯滤波调节后 缺失边缘区域的最优标准差， 为 主成分调节参数； 得到的低灰度梯度阈值的灰度梯度集合索引长度 即为该缺失边缘区域的最优灰度梯 度阈值在灰度梯度集合中的位数， 该位数在缺失边缘区域灰度梯度集合中对应的灰度梯度 即为该缺失边 缘区域的最优灰度梯度。 7.根据权利要求6所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 所述确定主成分调节参数 的方法为： 获取利用初始阈值进行边缘检测保留下来的边缘像素点， 对保留下来的边缘像素点进 行聚类， 根据聚类簇中边缘像素点的灰度梯度方向的垂直方向向量进行主成分分析， 获取 方向一致的数量最多的像素点方向作为主成分方向， 主成分方向的像素点与聚类簇中所有 像素点的比值即为主成分调节参数。 8.根据权利要求1所述的基于人工智能系统的瓦楞纸箱压线缺陷检测优化方法， 其特 征在于： 所述对每 个缺失边 缘区域进行压线检测的方法是： 根据各缺失边 缘区域的低灰度梯度阈值分别对 对应的缺失边 缘区域进行边 缘检测； 对边缘检测得到的每个缺失边缘区域所有边缘像素点进行主成分分析， 将不满足主成 分方向的边缘像素点筛除， 只保留主成分方向上 的边缘像素点， 得到所有缺失边缘区域的 压线边缘； 得到的初始检测的边缘线区域中的压线边缘与所有缺失边缘区域中的压线边缘的总 和作为最终的边 缘检测结果， 完成瓦楞纸箱压线缺陷检测的优化过程。权　利　要　求　书 2/2 页 3 CN 114782475 B 3