本发明涉及缺陷检测，具体为一种基于机器视觉的纸箱表面缺陷检测方法。
背景技术：
1、纸箱作为最普遍、最经济的包装形式之一，广泛应用于物流、电商、食品、医药、家居等几乎所有行业，用于保护商品、便于搬运、信息传递（印刷）和品牌展示，基于机器视觉的纸箱表面缺陷检测方法的出现，是为了解决传统人工检测方式在效率、精度、一致性、成本方面存在的严重不足，以应对日益增长的纸箱质量需求，并充分利用日益成熟的机器视觉技术（包括先进的成像技术、图像处理算法以及机器学习/深度学习），该方法旨在实现纸箱缺陷检测的自动化、智能化和高精度，从而保障物流、电商等行业的产品质量和用户体验，并提升生产效率，该方法通过集成先进的光学成像技术、高效的图像处理算法和强大的机器学习/深度学习模型，能够实现对纸箱表面缺陷的自动化、高精度、高效率检测，不仅能够显著提升产品质量一致性，降低人工成本，还能为纸箱制造企业提供实时的数据支持，驱动生产过程的智能化升级；
2、现有的基于机器视觉的纸箱表面缺陷检测方法，无法及时通过纸箱的图像判断纸箱表面是否存在缺陷，当存在缺陷时无法及时判断缺陷类型，无法结合纸箱上的运输信息判断当前的缺陷是否会对纸箱内部的物品造成损害，无法及时判断纸箱表面的运输信息是否在转运过程中造成信息缺失，在运输信息缺失时无法及时查询到对应的运输信息并及时对原缺失信息进行调换，容易因纸箱表面缺陷导致纸箱内的物品损坏，容易增加运输成本，容易降低客户的满意度，容易造成货物丢失，其实用性存在一定的局限性。
技术实现思路
1、本发明提供了一种基于机器视觉的纸箱表面缺陷检测方法，用于促进解决背景技术中所提问题。
2、本发明提供如下技术方案：一种基于机器视觉的纸箱表面缺陷检测方法，包括：
3、采集目标快递的纸箱图像；
4、识别目标快递的纸箱是否存在表面缺陷；
5、若目标快递的纸箱不存在表面缺陷，则不执行措施；
6、若目标快递的纸箱存在表面缺陷，则提取目标快递的纸箱表面的运输信息；
7、判断目标快递的纸箱表面的运输信息是否完整；
8、若运输信息完整，则根据缺陷情况判断是否需要采取补救措施；
9、若需要采取补救措施，则根据缺陷情况采取相应措施；
10、若不需要采取补救措施，则对目标快递进行标记并提示收发件人；
11、若运输信息不完整，则查询匹配目标快递的运输信息，直至判定运输信息完整。
12、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：采集目标快递的纸箱图像，具体为：
13、利用传感器获取纸箱在传送带上的位置与角度信息：
14、；
15、根据纸箱位置和角度，计算摄像头的对焦偏移量：
16、；；
17、根据纸箱速度，动态调整曝光时间：；
18、依据环境光强，计算图像亮度：；
19、判断图像亮度是否满足要求：；
20、若，则判定图像亮度满足要求；
21、若，则判定图像亮度不满足要求，则调整曝光时间：
22、；
23、用调整后的参数拍摄纸箱表面，得到图像；
24、计算运动模糊：；
25、定义一个图像质量分析函数，判断图像是否合格：
26、；
27、若，则判定图像合格，保存图像；
28、若，则判定图像不合格，重复执行采集目标快递的纸箱图像，直至获得合格图像。
29、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：识别目标快递的纸箱是否存在表面缺陷，具体为：
30、使用canny算子识别纸箱表面的异常边缘；
31、检测纸箱表面是否出现异常颜色；
32、检测纸箱表面是否出现异常纹理；
33、定义一个综合判断函数，判断目标快递的纸箱是否存在表面缺陷：
34、；
35、若，则判定目标快递的纸箱存在表面缺陷；
36、若，则判定目标快递的纸箱不存在表面缺陷。
37、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：提取目标快递的纸箱表面的运输信息，具体为：
38、对于目标快递的纸箱图像，将彩色图像转换为灰度图像：
39、；
40、将灰度图像转换为二值图像：；
41、对灰度图像进行边缘检测，检测文字边缘：；
42、根据边缘检测结果，进行连通域分析，找出文字区域：
43、；
44、对每个文字区域进行文字识别：；
45、对二值图像进行条形码解码，识别条形码内容：
46、；
47、对二值图像进行二维码解码，识别二维码内容：
48、；
49、整合所有提取信息，生成一个结构化数据，定为运输信息：
50、。
51、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：判断目标快递的纸箱表面的运输信息是否完整，具体为：
52、定义一个包含所有关键字段的运输信息模板，记为：
53、；
54、提取运输信息；
55、对于运输信息，调整为运输信息集合，记为：
56、；
57、定义要求匹配函数，验证每个单个字段是否符合模板的要求：
58、；
59、若，则判定提取到的字段信息符合模板中指定的格式要求；
60、若，则判定提取到的字段信息不符合模板中指定的格式要求；
61、定义运输信息完整性判定函数，判断目标快递的纸箱表面的运输信息是否完整：
62、；
63、若，则判定运输信息完整；
64、若，则判定运输信息不完整。
65、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：根据缺陷情况判断是否需要采取补救措施，具体为：
66、根据不同的缺陷类型，为每种缺陷类型分别分配权重：
67、；
68、对于每种缺陷类型，评估其严重程度：；
69、计算目标快递的纸箱的缺陷总评分：
70、；
71、定义一个补救判定函数，判断是否需要采取补救措施：
72、；
73、若，则判定需要采取补救措施；
74、若，则判定不需要采取补救措施。
75、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：查询匹配目标快递的运输信息，直至判定运输信息完整，具体为：
76、提取运输信息模板；
77、提取运输信息；
78、提取运输信息对应的运输信息集合：
79、提取运输信息集合中，所有的元素，形成匹配需求集合，记为：；
80、查询匹配候选记录；
81、定义一个验证匹配函数，检查的运输信息是否与目标纸箱的残存运输信息一致：；
82、若，则判定匹配成功；
83、则使用的完整运输信息更新目标纸箱的运输信息；
84、重复执行根据缺陷情况判断是否需要采取补救措施；
85、若，则判定匹配失败；
86、则执行再次验证。
87、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：查询匹配候选记录，具体为：
88、获取匹配需求集合；
89、获取中转站数据库：；
90、获取目标快递的纸箱图像，记为；
91、在中转站数据库中搜索包含匹配需求集合中信息的纸箱记录，形成候选纸箱记录集合：；；
92、对于每个候选纸箱记录，获取其存储的纸箱图像；
93、对于每个候选图像，计算其与目标纸箱图像的相似度：
94、；
95、提取相似度最高的候选记录：；
96、则相似度最高的候选记录的相似度为：。
97、作为本发明所述基于机器视觉的纸箱表面缺陷检测方法的一种可选方案，其中：执行再次验证，具体为：
98、从中转站数据库中筛选出所有运输信息不完整的纸箱记录，提取其图像：；
99、对每个提取的图像，计算其与目标快递图像的相似度：
100、；
101、筛选出与目标快递图像相似的图像，定为相似图像：
102、；
103、对于每个相似图像，提取其对应的运输车辆信息：
104、；
105、根据运输车辆信息，获取该车辆对应的所有的快递信息：
106、；
107、从获取的快递信息中，去除运输信息完整的快递，留下运输信息不完整的快递：；
108、对于剩下的快递，根据其整体重量与目标快递的整体重量进行对比：
109、；
110、找出重量一致的快递信息：；
111、使用重量一致的快递的完整运输信息更新目标纸箱的运输信息；
112、重复执行根据缺陷情况判断是否需要采取补救措施。
113、本发明具备以下有益效果：
114、1、该基于机器视觉的纸箱表面缺陷检测方法，使用摄像头获取纸箱表面的图像，通过图像处理技术（边缘检测、颜色分析、纹理分析等）识别纸箱是否存在物理、化学或生物缺陷，若纸箱不存在缺陷，则不需要进行后续的处理，高效地获取纸箱表面图像，为后续分析提供基础数据，及时识别纸箱是否存在物理、化学或生物缺陷，避免潜在损失，无需对无缺陷纸箱进行后续处理，节省时间和人力，快速识别和处理纸箱缺陷及运输信息问题，减少物流过程中的延误和错误，及时发现并处理可能对物品造成损坏的纸箱缺陷，降低物品在运输过程中的损坏风险，通过自动化和系统化的流程，减少人为操作失误，提高信息准确性和处理效率，避免对无缺陷纸箱进行不必要的处理，合理分配资源，提高整体运营效率，确保运输信息的准确性和完整性，及时通知客户相关问题，增强客户满意度和信任度。
115、2、该基于机器视觉的纸箱表面缺陷检测方法，若纸箱存在缺陷，则采集纸箱上的运输信息（收件人、寄件人信息及条形码/二维码内容），检查提取的运输信息是否完整，若运输信息完整，则根据运输信息判断是否需要采取补救措施，若需要，则根据缺陷类别采取相应补救措施，若不需要，则标记纸箱信息，提示收件人和寄件人纸箱表面存在缺陷，对有缺陷的纸箱进行进一步分析，确保问题得到妥善解决，确保运输信息的完整性，避免因信息缺失导致的物流问题，根据运输信息快速判断是否需要补救措施，保护物品安全，及时通知相关人员纸箱表面存在缺陷，提高透明度，快速识别和处理纸箱缺陷及运输信息问题，减少物流过程中的延误和错误，及时发现并处理可能对物品造成损坏的纸箱缺陷，降低物品在运输过程中的损坏风险，通过自动化和系统化的流程，减少人为操作失误，提高信息准确性和处理效率，避免对无缺陷纸箱进行不必要的处理，合理分配资源，提高整体运营效率，确保运输信息的准确性和完整性，及时通知客户相关问题，增强客户满意度和信任度。
116、3、该基于机器视觉的纸箱表面缺陷检测方法，若运输信息不完整，则根据运输信息的破损程度，提取可识别的信息片段形成匹配需求集合，查询中转站数据库，找出包含匹配需求集合的纸箱记录形成匹配纸箱集合，提取匹配度最高的纸箱，对比图像和运输信息，若存在一致纸箱，则打印匹配纸箱的运输信息覆盖目标快递的原始运输信息，并判断是否需要补救措施，若不存在一致纸箱，则提取所有运输信息不完整的纸箱图像，对比目标快递图像，提取相似图像对应的运输车辆信息，获取车辆对应的所有快递信息，去除运输信息完整的快递，对比剩余快递重量，确定重量一致的快递信息，打印并覆盖目标快递运输信息，判断是否需要补救措施，通过匹配和修复，尽可能恢复完整的运输信息，确保物流流程顺畅，利用图像和数据库匹配，快速找到最可能的匹配记录，结合重量等多维度信息，提高匹配准确性，快速识别和处理纸箱缺陷及运输信息问题，减少物流过程中的延误和错误，及时发现并处理可能对物品造成损坏的纸箱缺陷，降低物品在运输过程中的损坏风险，通过自动化和系统化的流程，减少人为操作失误，提高信息准确性和处理效率，避免对无缺陷纸箱进行不必要的处理，合理分配资源，提高整体运营效率，确保运输信息的准确性和完整性，及时通知客户相关问题，增强客户满意度和信任度。