本发明涉及pe薄膜，具体为一种高分子pe薄膜表面晶点检测方法及系统。
背景技术：
1、聚乙烯(pe)薄膜表面的晶点产生的原因在于晶点部位的聚合物分子量超过了周围同种聚合物的分子量。由于分子量高，晶点部位的聚合物具有较高的熔点和粘度。在熔化时，晶点部位的熔体具有较高的粘度；晶点部位聚合物在吹膜或流延时，不能与周围的同种聚合物相互均匀分散、混合，并在熔体吹成或流延成薄膜后，先于周围的同种聚合物凝固；因此，形成“箭头状”或“球状”过度聚合物的凝固体，通常被称为“晶点”。
2、传统的高分子pe薄膜表面晶点检测方法依赖于手操，导致结果的主观性和不一致性。其次，数据处理效率较低，处理大量图像和复杂算法需要较长时间。此外，缺乏自动化和集成性，需要手动设置参数和多次试验来获取最佳结果。
3、目前，在现有技术文献对pe薄膜表面晶点检测中仍存在一些缺陷。如专利公开号cn115219512b的中国专利提出了一种pe膜表面晶点检测设备，该专利将pe膜料放置于暗箱内，通过无影补光组件的照射补光由视觉扫描机构进行视觉检测，进行晶点识别捕捉从而完成对pe薄膜的自动化晶点检测。如文献(“基于机器视觉的薄膜晶点测定系统”，《塑料工业》，宋建等，2022-03-20)提出了一种薄膜晶点测定系统，该系统采用条纹背光源使晶点特征突显，在傅里叶变换后的频谱图中抑制条纹背景的频率，消除条纹背景得到晶点轮廓，从而提高晶点检测的精确度。
4、虽然这些技术方法采用无影补光组件和条纹背光源凸显晶点特征来提高pe薄膜晶点检测的准确性，但pe薄膜表面的光反射和折射以及摄像头拍摄图像上的干扰噪声还是会降低pe薄膜晶点的检测效果；同时，这些技术方法的晶点图像识别系统并没有考虑到薄膜表面其他缺陷特征会对晶点识别产生影响。
5、为此，提出一种高分子pe薄膜表面晶点检测方法及系统。
技术实现思路
1、本发明的目的在于一种高分子pe薄膜表面晶点检测方法及系统，首先，使用显微摄像头采集pe薄膜表面的晶点图像；其次，对采集到的晶点图像进行预处理操作，使用基于动态因子的残差高斯滤波进行去噪，有效提高了模型对晶点特征的检测能力；然后，提出了一个基于晶点特征增强的晶点检测模型，该模型通过提取晶点多尺度特征，引入了晶点特征增强模块来增强晶点特征，提高了晶点检测模型的检测性能；最后，提出了一个晶点检测功能，该功能通过不同晶点特征的综合评估值对高分子pe薄膜的质量进行评估，有效帮助相关人员对pe薄膜质量进行监督。
2、为实现上述目的，本发明提供如下技术方案：
3、一种高分子pe薄膜表面晶点检测方法，包括：
4、使用显微摄像头获取pe薄膜表面的晶点图像；
5、对所述晶点图像进行预处理，得到预处理图像；其中，所述预处理包括：基于动态因子的残差高斯滤波、直方图均衡和晶点边缘检测；
6、根据所述预处理图像构建晶点图像数据集；
7、构建基于晶点特征增强的晶点检测模型，将所述晶点图像数据集输入至所述基于晶点特征增强的晶点检测模型进行训练，得到最终晶点检测模型；其中，所述基于晶点特征增强的晶点检测模型的特征增强过程是由晶点特征增强模块实现的；
8、将待测试图像输入至所述最终晶点检测模型，得到晶点特征向量；其中，所述晶点特征向量包括：尺寸特征、颜色特征、密度特征和形状特征；
9、根据所述晶点特征向量计算得到晶点检测值；
10、根据所述晶点检测值判断同一批生产的高分子pe薄膜质量检测是否合格。
11、进一步地，使用显微摄像头获取pe薄膜表面的晶点图像；
12、进一步地，对所述晶点图像进行预处理，得到预处理图像；其中，所述预处理包括：使用基于动态因子的残差高斯滤波去除所述晶点图像中的噪声，得到第一图像；使用直方图均衡调整所述第一图像的对比度和亮度，得到第二图像；对所述第二图像进行晶点边缘检测，得到所述预处理图像；其中，所述晶点边缘检测的具体实现过程包括：
13、采用canny边缘检测算法对所述第二图像进行边缘检测，得到边缘图像；
14、利用数学形态边缘检测方法对所述边缘图像进行边缘检测，得到所述预处理图像；
15、其中，所述基于动态因子的残差高斯滤波的具体公式表示为：
16、
17、f(m,n,p,θ)＝pθp(m,n)+(1-p)θgau(m,n)；
18、其中，采用的高斯模板是3*3的滑动窗口，(m,n)为所述滑动窗口的中心点，(x,y)是领域内以(m,n)为原点的点坐标，σ为高斯函数标准差，u表示3*3滑动窗口的值域；g()为高斯滤波计算的点权重，p()为像素点输入值，gau()为高斯滤波转换值；f()为最终的图像输出，p和θ为动态因子，可根据学习结果进行动态调整。
19、进一步地，根据所述预处理图像构建晶点图像数据集；
20、进一步地，构建基于晶点特征增强的晶点检测模型，将所述晶点图像数据集输入至所述基于晶点特征增强的晶点检测模型进行训练，得到最终晶点检测模型；
21、其中，所述基于晶点特征增强的晶点检测模型包括：输入层、多尺度特征图提取层、晶点特征增强模块、特征融合层和特征向量输出层；其中，所述基于晶点特征增强的晶点检测模型的具体实现过程包括：
22、输入所述晶点图像数据集至所述输入层进行特征提取，得到晶点特征图；
23、进一步地，将所述晶点特征图输入至所述多尺度特征图提取层，得到多尺度晶点特征图；
24、进一步地，将所述多尺度晶点特征图输入至所述晶点特征增强模块，得到多尺度晶点增强特征图；
25、进一步地，将所述多尺度晶点增强特征图输入至所述特征融合层，特征融合得到晶点融合特征图；
26、进一步地，将所述晶点融合特征图输入至所述特征向量输出层，得到晶点特征向量；其中，所述晶点特征向量包括：尺寸特征、颜色特征、密度特征和形状特征。
27、所述基于晶点特征增强的晶点检测模型的特征增强过程是由晶点特征增强模块实现的；其中，所述晶点特征增强模块的具体实现过程包括：
28、所述多尺度晶点特征图经尺寸为1×1的平均池化，得到池化晶点特征图；
29、进一步地，所述池化晶点特征图经尺寸为7×7的卷积核，得到卷积晶点特征图；
30、进一步地，所述卷积晶点特征图经非线性激活函数，得到晶点特征加权特征图掩膜；
31、进一步地，将所述晶点特征加权特征图掩膜作用于所述多尺度晶点特征图，得到晶点加权特征图；
32、进一步地，将所述晶点加权特征图与所述多尺度晶点特征图相加，得到所述多尺度晶点增强特征图；所述晶点特征增强模块的具体公式为：
33、e(x)＝x+sigmoid(f7×7(avgpool(x)))*x；
34、其中，e()表示为所述晶点特征增强模块的增强函数；x表示为所述多尺度晶点特征图；sigmoid()表示为非线性激活函数；f7×7()表示为卷积核大小为7×7的卷积运算；avgpool()表示为平均池化函数。
35、进一步地，将待测试图像输入至所述最终晶点检测模型，得到晶点特征向量；其中，所述晶点特征向量包括：尺寸特征、颜色特征、密度特征和形状特征；
36、进一步地，根据所述晶点特征向量计算得到晶点检测值；其中，所述晶点检测值的具体实现过程包括：
37、获取所述晶点特征向量中的尺寸特征、颜色特征、密度特征和形状特征；其中，所述形状特征可分为圆状特征、椭圆状特征以及纤维状特征；所述尺寸特征包括长度特征和宽度特征；
38、进一步地，对所述晶点特征向量中的每项特征设置评估阈值，并设定相应评估权重；
39、进一步地，对所述晶点特征向量中的每项特征进行评估，得到多个评估分数；
40、进一步地，根据多个所述评估分数进行综合评分，得到所述晶点检测值；其中，所述晶点检测值的计算公式为：
41、
42、ω1+ω2+ω3+ω4+ω5＝1；
43、其中，m表示为所述晶点特征向量样本的个数；jdv表示为所述晶点检测值；coli表示为晶点颜色评估值；mdi表示为晶点密度评估值；yzi表示为第i个特征样本的圆状特征个数；表示为第i个特征样本的第j1个圆状特征的最大宽度；表示为第j1个圆状特征的最大长度；tzi表示为第i个特征样本的椭圆状特征个数；表示为第i个特征样本的第j2个椭圆状特征的最大宽度；表示为第j2个椭圆状特征的最大长度；xwi表示为第i个特征样本的纤维状特征个数；表示为第i个特征样本的第j3个纤维状特征的最大宽度；表示为第j3个纤维状特征的最大长度；ω1表示为晶点颜色系数；ω2表示为晶点密度系数；ω3表示为圆状特征系数；ω4表示为椭圆状特征系数；ω5表示为纤维状特征系数。
44、进一步地，根据所述晶点检测值判断同一批生产的高分子pe薄膜质量检测是否合格。
45、一种高分子pe薄膜表面晶点检测系统，其特征在于，包括：设备控制模块、图像采集模块、图像处理模块、晶点检测模块和输出模块；其中，所述设备控制模块用于控制设备的启动、暂停和停止；所述图像采集模块用于通过显微摄像头获取pe薄膜表面的晶点图像；所述图像处理模块用于对获取的晶点图像进行预处理，得到预处理图像；所述晶点检测模块用于对预处理的晶点图像进行检测，得到晶点检测值；所述输出模块包括显示单元和反馈单元；所述显示单元用于显示pe薄膜表面晶点的检测结果；所述反馈单元用于根据所述检测结果向工作人员进行反馈。
46、其中，所述图像处理模块的具体实现过程包括：
47、使用基于动态因子的残差高斯滤波去除所述晶点图像中的噪声，得到第一图像；其中，所述基于动态因子的残差高斯滤波的具体公式表示为：
48、
49、f(m,n,p,θ)＝pθp(m,n)+(1-p)θgau(m,n)；
50、其中，采用的高斯模板是3*3的滑动窗口，(m,n)为所述滑动窗口的中心点，(x,y)是领域内以(m,n)为原点的点坐标，σ为高斯函数标准差，u表示3*3滑动窗口的值域；g()为高斯滤波计算的点权重，p()为像素点输入值，gau()为高斯滤波转换值；f()为最终的图像输出，p和θ为动态因子，可根据学习结果进行动态调整；
51、进一步地，使用直方图均衡调整所述第一图像的对比度和亮度，得到第二图像；
52、进一步地，对所述第二图像进行晶点边缘检测，得到所述预处理图像；其中，所述晶点边缘检测的具体实现过程包括：
53、采用自适应canny边缘检测算法对所述第二图像进行边缘检测，得到边缘图像；
54、利用数学形态边缘检测方法对所述边缘图像进行边缘检测，得到所述预处理图像。
55、所述晶点检测模块是基于晶点特征增强的晶点检测模型，包括：输入层、多尺度特征图提取层、晶点特征增强模块、特征融合层和特征向量输出层；
56、其中，所述基于晶点特征增强的晶点检测模型的具体实现过程包括：
57、输入晶点图像数据集至所述输入层进行特征提取，得到晶点特征图；
58、进一步地，将所述晶点特征图输入至所述多尺度特征图提取层，得到多尺度晶点特征图；
59、进一步地，将所述多尺度晶点特征图输入至所述晶点特征增强模块，得到多尺度晶点增强特征图；其中，所述晶点特征增强模块的具体实现过程包括：
60、所述多尺度晶点特征图经尺寸为1×1的平均池化，得到池化晶点特征图；
61、进一步地，所述池化晶点特征图经尺寸为7×7的卷积核，得到卷积晶点特征图；
62、进一步地，所述卷积晶点特征图经非线性激活函数，得到晶点特征加权特征图掩膜；
63、进一步地，将所述晶点特征加权特征图掩膜作用于所述多尺度晶点特征图，得到晶点加权特征图；
64、进一步地，将所述晶点加权特征图与所述多尺度晶点特征图相加，得到所述多尺度晶点增强特征图；所述晶点特征增强模块的具体公式为：
65、e(x)＝x+sigmoid(f7×7(avgpool(x)))*x；
66、其中，e()表示为所述晶点特征增强模块的增强函数；x表示为所述多尺度晶点特征图；sigmoid()表示为非线性激活函数；f7×7()表示为卷积核大小为7×7的卷积运算；avgpool()表示为平均池化函数；
67、进一步地，将所述多尺度晶点增强特征图输入至所述特征融合层，特征融合得到晶点融合特征图；
68、进一步地，将所述晶点融合特征图输入至所述特征向量输出层，得到晶点特征向量；其中，所述晶点特征向量包括：尺寸特征、颜色特征、密度特征和形状特征；
69、进一步地，根据所述晶点特征向量计算得到晶点检测值；其中，所述晶点检测值的具体实现过程包括：
70、获取所述晶点特征向量中的尺寸特征、颜色特征、密度特征和形状特征；其中，所述形状特征可分为圆状特征、椭圆状特征以及纤维状特征；所述尺寸特征包括长度特征和宽度特征；
71、进一步地，对所述晶点特征向量中的每项特征设置评估阈值，并设定相应评估权重；
72、进一步地，对所述晶点特征向量中的每项特征进行评估，得到多个评估分数；
73、进一步地，根据多个所述评估分数进行综合评分，得到所述晶点检测值；其中，所述晶点检测值的计算公式为：
74、
75、ω1+ω2+ω3+ω4+ω5＝1；
76、其中，m表示为所述晶点特征向量样本的个数；jdv表示为所述晶点检测值；coli表示为晶点颜色评估值；mdi表示为晶点密度评估值；yzi表示为第i个特征样本的圆状特征个数；表示为第i个特征样本的第j1个圆状特征的最大宽度；表示为第j1个圆状特征的最大长度；tzi表示为第i个特征样本的椭圆状特征个数；表示为第i个特征样本的第j2个椭圆状特征的最大宽度；表示为第j2个椭圆状特征的最大长度；xwi表示为第i个特征样本的纤维状特征个数；表示为第i个特征样本的第j3个纤维状特征的最大宽度；表示为第j3个纤维状特征的最大长度；ω1表示为晶点颜色系数；ω2表示为晶点密度系数；ω3表示为圆状特征系数；ω4表示为椭圆状特征系数；ω5表示为纤维状特征系数；
77、进一步地，根据所述晶点检测值判断同一批生产的高分子pe薄膜质量检测是否合格。
78、与现有技术相比，本发明的有益效果为：
79、1、本发明提出了基于动态因子的残差高斯滤波，在传统高斯滤波的基础上引入残差结构、滑动窗口和动态因子。与经典的高斯滤波相比，基于动态因子的残差高斯滤波处理晶点图像时具有平滑、边缘不模糊和更加清晰的优点，同时利用滑动窗口和动态因子能够自适应不同大小的晶点特征，帮助晶点检测模型更好的进行判断识别，从而提高模型的检测性能。
80、2、本发明提出了一种基于晶点特征增强的晶点检测模型用于对高分子pe薄膜进行晶点检测，该模型包括：输入层、多尺度特征图提取层、晶点特征增强模块、特征融合层和特征向量输出层；该模型通过多尺度特征图提取层提取多尺度晶点特征，并对晶点特征进行特征增强，这样可以获得准确的晶点特征向量，从而提升对pe薄膜表面晶点的检测准确度。
81、3、本发明提出了一个晶点检测功能，该功能是对晶点检测模型学习到的尺寸特征、颜色特征、密度特征和形状特征进行评估，并通过根据评估结果分配权重进行综合评估计算；该功能可以对高分子pe薄膜表面晶点的检测程度做出准确评估以帮助相关人员进行处理，有效的对高分子pe薄膜质量进行监督。
1.一种高分子pe薄膜表面晶点检测方法，其特征在于，包括：
2.根据权利要求1所述的一种高分子pe薄膜表面晶点检测方法，其特征在于，所述预处理包括：
3.根据权利要求2所述的一种高分子pe薄膜表面晶点检测方法，其特征在于，所述基于动态因子的残差高斯滤波的具体公式表示为：
4.根据权利要求1所述的一种高分子pe薄膜表面晶点检测方法，其特征在于，所述基于晶点特征增强的晶点检测模型包括：输入层、多尺度特征图提取层、晶点特征增强模块、特征融合层和特征向量输出层；
5.根据权利要求1所述的一种高分子pe薄膜表面晶点检测方法，其特征在于，所述晶点检测值的具体实现过程包括：
6.一种高分子pe薄膜表面晶点检测系统，其特征在于，包括：设备控制模块、图像采集模块、图像处理模块、晶点检测模块和输出模块；其中，所述设备控制模块用于控制设备的启动、暂停和停止；所述图像采集模块用于通过显微摄像头获取pe薄膜表面的晶点图像；所述图像处理模块用于对获取的晶点图像进行预处理，得到预处理图像；所述晶点检测模块用于对预处理的晶点图像进行检测，得到晶点检测值；所述输出模块包括显示单元和反馈单元；所述显示单元用于显示pe薄膜表面晶点的检测结果；所述反馈单元用于根据所述检测结果向工作人员进行反馈。
7.根据权利要求6所述的一种高分子pe薄膜表面晶点检测系统，其特征在于，所述图像处理模块的具体实现过程包括：
8.根据权利要求7所述的一种高分子pe薄膜表面晶点检测系统，其特征在于，所述基于动态因子的残差高斯滤波的具体公式表示为：
9.根据权利要求6所述的一种高分子pe薄膜表面晶点检测系统，其特征在于，所述晶点检测模块是基于晶点特征增强的晶点检测模型，包括：输入层、多尺度特征图提取层、晶点特征增强模块、特征融合层和特征向量输出层；
10.根据权利要求6所述的一种高分子pe薄膜表面晶点检测系统，其特征在于，所述晶点检测值的具体实现过程包括：
