本发明属于图像处理，具体涉及一种基于人工智能的包装图案自动检测方法。
背景技术：
1、随着环保意识的增强，环保包装材料在市场上的应用日益广泛。然而，环保包装在生产过程中由于材料特性和生产工艺等因素，容易出现各种图案缺陷，如色差、印刷模糊、裂纹和变形等。这些缺陷不仅影响产品的美观性，还可能对产品的质量和安全性构成潜在威胁。传统的人工检测方法存在效率低下和漏检率高等问题，难以满足大规模生产线的需求。因此，开发一种高效且准确的环保包装图案自动检测方法显得尤为重要。
技术实现思路
1、本发明为了解决以上问题，提出了一种基于人工智能的包装图案自动检测方法。
2、本发明的技术方案是：一种基于人工智能的包装图案自动检测方法包括以下步骤：
3、s1、获取正常包装图案，并拍摄实时包装图案；
4、s2、利用实时包装图案的像素跟踪矩阵和对应的掩矩阵，为实时包装图案构建高维矩阵；
5、s3、利用实时包装图案的高维矩阵，生成正常包装图案与实时包装图案之间的包装相似度，并确定实时包装图案是否合格。
6、进一步地，s2包括以下子步骤：
7、s21、利用均值滤波器对实时包装图案进行卷积处理，得到平滑包装图案；
8、s22、将平滑包装图案中像素点的像素值填入像素跟踪矩阵；
9、s23、确定像素跟踪矩阵中各个元素对应的掩模值，将掩模值填入掩矩阵中；
10、s24、提取掩矩阵中每行非零值的个数，作为每行的更新权重；
11、s25、利用掩矩阵每行的更新权重以及像素跟踪矩阵，得到实时包装图案的高维矩阵。
12、上述进一步方案的有益效果是：在本发明中，像素跟踪矩阵和掩矩阵的行数和列数均与实时包装图案的像素行数和列数相同。将经滤波器处理过的像素值填入像素跟踪矩阵中，可以对图像进行平滑处理，去除噪声。像素跟踪矩阵对应的掩矩阵可以用于图像增强以及图像掩模等任务操作，通过指定每个像素点的二进制数值，得到实时包装图案的高维矩阵，体现包装图案的全局像素。
13、进一步地，s21中，平滑包装图案中像素点的像素值y*的计算公式为：；式中，y表示实时包装图案中相同位置的像素点的像素值，表示实时包装图案中相同位置的像素点对应4邻域像素点的像素值均值，tanh(·)表示双曲正切函数，w表示均值滤波器对应卷积核的权重，b表示均值滤波器对应卷积核的偏置。
14、进一步地，s23中，像素跟踪矩阵中第h行第k列元素对应的掩模值rh,k的计算公式为：；式中，xh,k表示像素跟踪矩阵中第h行第k列元素，xh-1,k-1表示像素跟踪矩阵中第h-1行第k-1列元素，xh+1,k-1表示像素跟踪矩阵中第h+1行第k-1列元素，xh-1,k+1表示像素跟踪矩阵中第h-1行第k+1列元素，xh+1,k+1表示像素跟踪矩阵中第h+1行第k+1列元素。
15、进一步地，s24中，高维矩阵的表达式为：；式中，y表示像素跟踪矩阵，α1表示掩矩阵中第1行的更新权重，αm表示掩矩阵中第m行的更新权重，αm表示掩矩阵中第m行的更新权重，r11表示掩矩阵中第1行第1列的元素，r1n表示掩矩阵中第1行第n列的元素，r1n表示掩矩阵中第1行第n列的元素，rm1表示掩矩阵中第m行第1列的元素，rmn表示掩矩阵中第m行第n列的元素，rmn表示掩矩阵中第m行第n列的元素，rm1表示掩矩阵中第m行第1列的元素，rmn表示掩矩阵中第m行第n列的元素，rmn表示掩矩阵中第m行第n列的元素。
16、进一步地，s3包括以下子步骤：
17、s31、提取高维矩阵的l1范数；
18、s32、提取高维矩阵中每一行的最大值，作为实时包装图案中对应每一行的相似系数；
19、s33、根据高维矩阵的l1范数以及实时包装图案中每一行的相似系数，计算实时包装图案的像素点与正常包装图案中对应像素点之间的相似度；
20、s34、根据实时包装图案的各个像素点与正常包装图案中对应各个像素点之间的相似度，生成正常包装图案与实时包装图案之间的包装相似度，并确定实时包装图案是否合格。
21、上述进一步方案的有益效果是：在本发明中，可以对正常包装图案和实时包装图案进行尺寸修订，使得两个图案的大小相同。高维矩阵是经过滤波及掩膜等操作生成的，通过高维矩阵的特征参数对两张图像中各个像素点的曼哈顿距离进行修正，得到图案之间的相似度，通过可人工设定的阈值来完成图案合格检测。
22、进一步地，s33中，实时包装图案的像素点与正常包装图案中对应像素点之间的相似度s的计算公式为：；式中，s表示实时包装图案的像素点所在行的相似系数，l1表示高维矩阵的l1范数，rand(0,1)表示在0到1之间产生的随机数，p1表示实时包装图案的像素点的像素值，p2表示正常包装图案中对应像素点的像素值，d(·)表示曼哈顿距离函数。
23、进一步地，s34中，计算所有相似度的均值，作为正常包装图案与实时包装图案之间的包装相似度，若包装相似度大于或等于阈值，则实时包装图案合格，否则实时包装图案不合格。
24、本发明的有益效果是：本发明利用实时包装图案的特征矩阵来计算实时包装图案与预设正常包装图案之间的相似度，判断实时包装图案是否合格，判断过程结合了具体像素点的相似情况；本发明通过图像处理技术实现图案的自动匹配与对比，无需人工干预，大大提高了检测效率，适用于各种不同类型的包装图案，具有较高的通用性和灵活性。
1.一种基于人工智能的包装图案自动检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s2包括以下子步骤：
3.根据权利要求2所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s21中，平滑包装图案中像素点的像素值y*的计算公式为：；式中，y表示实时包装图案中相同位置的像素点的像素值，表示实时包装图案中相同位置的像素点对应4邻域像素点的像素值均值，tanh(·)表示双曲正切函数，w表示均值滤波器对应卷积核的权重，b表示均值滤波器对应卷积核的偏置。
4.根据权利要求2所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s23中，像素跟踪矩阵中第h行第k列元素对应的掩模值rh,k的计算公式为：；式中，xh,k表示像素跟踪矩阵中第h行第k列元素，xh-1,k-1表示像素跟踪矩阵中第h-1行第k-1列元素，xh+1,k-1表示像素跟踪矩阵中第h+1行第k-1列元素，xh-1,k+1表示像素跟踪矩阵中第h-1行第k+1列元素，xh+1,k+1表示像素跟踪矩阵中第h+1行第k+1列元素。
5.根据权利要求2所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s24中，高维矩阵的表达式为：；式中，y表示像素跟踪矩阵，α1表示掩矩阵中第1行的更新权重，αm表示掩矩阵中第m行的更新权重，αm表示掩矩阵中第m行的更新权重，r11表示掩矩阵中第1行第1列的元素，r1n表示掩矩阵中第1行第n列的元素，r1n表示掩矩阵中第1行第n列的元素，rm1表示掩矩阵中第m行第1列的元素，rmn表示掩矩阵中第m行第n列的元素，rmn表示掩矩阵中第m行第n列的元素，rm1表示掩矩阵中第m行第1列的元素，rmn表示掩矩阵中第m行第n列的元素，rmn表示掩矩阵中第m行第n列的元素。
6.根据权利要求1所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s3包括以下子步骤：
7.根据权利要求6所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s33中，实时包装图案的像素点与正常包装图案中对应像素点之间的相似度s的计算公式为：；式中，s表示实时包装图案的像素点所在行的相似系数，l1表示高维矩阵的l1范数，rand(0,1)表示在0到1之间产生的随机数，p1表示实时包装图案的像素点的像素值，p2表示正常包装图案中对应像素点的像素值，d(·)表示曼哈顿距离函数。
8.根据权利要求6所述的基于人工智能的包装图案自动检测方法，其特征在于，所述s34中，计算所有相似度的均值，作为正常包装图案与实时包装图案之间的包装相似度，若包装相似度大于或等于阈值，则实时包装图案合格，否则实时包装图案不合格。
