基于随机森林的柔性玻璃平面度及表面缺陷的测量方法

本发明属于表面测量及分析，具体涉及一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法。

背景技术：

1、柔性玻璃是一种具有高度柔韧性和可弯曲性的玻璃材料，广泛应用于柔性显示屏、太阳能电池板等领域。柔性玻璃在制造过程中可能会发生形变和变形，导致平面度不均匀或出现表面缺陷，如凹陷、凸起或划痕等。为了确保柔性玻璃制品的质量和性能，需要对其平面度和表面缺陷进行准确测量和评估。

2、现有的柔性玻璃测量方法主要依赖于人工视觉检查或使用昂贵光学设备，如激光扫描仪、光学显微镜进行测量。然而，对于柔性玻璃这样具有高度柔韧性和可变形性的材料，传统方法并不能提供准确和可靠的测量结果。一方面，依赖人工视觉检查不仅效率低下，且检测结果一致性较差，准确度无法保证。另一方面，采用光学测量方法只能得到玻璃的表面形貌和高度变化，还需要基于这些数据再确定玻璃的平面度及表面缺陷参数，不仅过程繁琐，且成本高昂。

技术实现思路

1、为了克服现有技术的不足，本发明提供一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，以解决传统玻璃测量方法无法针对柔性玻璃进行准确测量的问题。

2、第一方面，本发明提供了一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，所述方法包括：

3、获取待测量的柔性玻璃图像；

4、将所述待测量的柔性玻璃图像输入至预设的预测模型，输出柔性玻璃平面度及表面缺陷的测量结果。

5、在一种可能实施的方式中，在所述将所述待测量的柔性玻璃图像输入至预设的预测模型之前，还包括：基于随机森林网络训练得到所述预测模型。

6、在一种可能实施的方式中，所述基于随机森林网络训练得到所述预测模型，包括：

7、获取原始的柔性玻璃图像；

8、对所述原始的柔性玻璃图像进行特征提取，生成数据集；

9、利用所述数据集训练所述随机森林网络，当所述随机森林网络的预测精度不满足预设值时，对所述随机森林网络进行参数调优，直至所述预测精度满足所述预设值时，生成所述预测模型。

10、在一种可能实施的方式中，所述对所述原始的柔性玻璃图像进行特征提取，包括：

11、通过纹理分析算法提取柔性玻璃表面的纹理特征；

12、通过颜色空间转换和/或颜色直方图法，提取柔性玻璃表面的颜色特征；

13、通过边缘检测和形状描述算法，提取柔性玻璃表面的形状特征。

14、在一种可能实施的方式中，在所述对所述原始的柔性玻璃图像进行特征提取之前，还包括：

15、采用滤波算法对所述原始的柔性玻璃图像进行去噪；

16、对去噪后的柔性玻璃图像进行图像增强，所述图像增强包括调整图像的对比度和/或亮度，增强图像的细节和/或清晰度。

17、在一种可能实施的方式中，所述对所述随机森林网络进行参数调优，包括：

18、采用交叉验证或网格搜索方法确定所述随机森林网络的最佳参数组合；其中，所述随机森林网络的参数包括决策树数量、最大深度以及节点分裂的最小样本数

19、在一种可能实施的方式中，在所述输出柔性玻璃平面度及表面缺陷的测量结果之后，还包括：

20、对所述测量结果进行误差修正和滤波处理，所述误差修正包括去除异常值、平滑数据；

21、对处理后的测量结果进行统计分析，并进行可视化输出。

22、第二方面，本发明还提供了一种基于随机森林的柔性玻璃平面度及表面缺陷的测量系统，所述系统包括：

23、图像获取单元，用于获取待测量的柔性玻璃图像；

24、表面测量单元，用于将所述待测量的柔性玻璃图像输入至预设的预测模型，输出柔性玻璃平面度及表面缺陷的测量结果。

25、第三方面，本发明还提供了一种电子设备，包括显示器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现第一方面任一项所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法的步骤。

26、第四方面，本发明还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行的至少一个程序，所述至少一个程序被所述计算机执行时，使所述计算机执行上述任一项所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法中的步骤。

27、与现有技术相比，本发明的有益效果在于：

28、本发明提供了一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，所述方法包括：获取待测量的柔性玻璃图像；将所述待测量的柔性玻璃图像输入至预设的预测模型，输出柔性玻璃平面度及表面缺陷的测量结果。本发明基于柔性玻璃图像的特征训练得到预测模型，然后将待测量的柔性玻璃图像输入至预设的预测模型，就能够快速、准确地得到柔性玻璃平面度及表面缺陷的测量结果。相比于传统的人工视觉检查和光学测量方法相比，本发明具有测量效率高、成本低、结果一致性强及准确度高等优点。

技术特征：

1.一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，在所述将所述待测量的柔性玻璃图像输入至预设的预测模型之前，还包括：基于随机森林网络训练得到所述预测模型。

3.如权利要求2所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，所述基于随机森林网络训练得到所述预测模型，包括：

4.如权利要求3所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，所述对所述原始的柔性玻璃图像进行特征提取，包括：

5.如权利要求3所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，在所述对所述原始的柔性玻璃图像进行特征提取之前，还包括：

6.如权利要求3所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，所述对所述随机森林网络进行参数调优，包括：

7.如权利要求1所述的基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，其特征在于，在所述输出柔性玻璃平面度及表面缺陷的测量结果之后，还包括：

8.一种基于随机森林的柔性玻璃平面度及表面缺陷的测量系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，包括显示器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述基于随机森林的柔性玻璃平面度及表面缺陷的测量方法的步骤。

10.一种计算机存储介质，所述计算机存储介质存储有计算机可执行的至少一个程序，其特征在于，所述至少一个程序被所述计算机执行时，使所述计算机执行上述权利要求1～7任一项所述基于随机森林的柔性玻璃平面度及表面缺陷的测量方法中的步骤。

技术总结
本发明提供了一种基于随机森林的柔性玻璃平面度及表面缺陷的测量方法，所述方法包括：获取待测量的柔性玻璃图像；将所述待测量的柔性玻璃图像输入至预设的预测模型，输出柔性玻璃平面度及表面缺陷的测量结果。本发明基于柔性玻璃图像的特征训练得到预测模型，然后将待测量的柔性玻璃图像输入至预设的预测模型，就能够快速、准确地得到柔性玻璃平面度及表面缺陷的测量结果。相比于传统的人工视觉检查和光学测量方法相比，本发明具有测量效率高、成本低、结果一致性强及准确度高等优点。

技术研发人员：何晓昀,张德咏,江锦锐,农旭安,许喜俊,谢颖
受保护的技术使用者：广东理工学院
技术研发日：
技术公布日：2024/1/16