一种基于机器视觉的瓦楞纸板生产质量调控方法

摘要

本发明公开了一种基于机器视觉的瓦楞纸板生产质量调控方法，涉及人工智能领域，主要用于生产瓦楞纸板的机械参数控制。包括：获取目标表面灰度图像；获取每个像素点的灰度梯度方向；计算每个像素点的缺陷概率；建立灰度直方图，计算每个灰度级的背景概率值，获取灰度图像的背景区域；计算灰度图像中每个像素点的异常程度，构建灰度图像中所有异常程度序列。计算每个异常程度序列的影响程度值，得到所述目标表面图像的整体影响程度值；根据目标图像的整体影响程度值调节生产机械参数。根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的影响程度，从而调整机械参数，提高了产品质量和生产效率。

权利要求

1.一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，包括：采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向；

根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率；

建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级；

根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值；

根据所述异常程度值计算所述灰度图像中每行像素点的异常程度序列的影响程度值，根据所述灰度图像中所有异常程度序列的影响程度值得到所述目标表面图像的整体影响程度值；

根据所述目标表面图像的整体影响程度值调节生产机械参数。

2.根据权利要求1所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每行像素点的异常程度序列的影响程度值的方法为：根据所述灰度图像中每行像素点的异常程度值构建异常程度序列，得到所述灰度图像的多个异常程度序列，计算所述灰度图像中每个异常程度序列的影响程度值，表达式为：其中， 表示序列 的影响程度值, 表示第 个像素点的异常程度，n表示序列中像素点的个数， 表示双曲线正切函数，为超参数， 为序列 归一化后的混乱程度。

3.根据权利要求2所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述目标表面图像的整体影响程度值的表达式为：其中， 表示所述目标表面图像的整体影响程度值， 表示第 个序列的影响程度值，x表示所述目标表面图像中序列的个数。

4.根据权利要求1所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，获取所述灰度图像的背景灰度级的方法为：建立灰度直方图，计算灰度直方图中每个灰度级的频率值；

通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；

将所述背景概率值最大对应的灰度级作为所述灰度图像的背景灰度级。

5.根据权利要求2所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每个像素点的异常程度的表达式为：其中， 表示第A个像素点的异常程度， 表示第A个像素点的缺陷概率， 表示所述背景灰度级，表示第A个像素点的灰度值。

6.据权利要求5所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每个像素点的缺陷概率的方法为：以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：其中， 表示所述灰度图像中第A个像素点的缺陷概率，表示第A个像素点邻域像素点的个数，表示第A个像素点的梯度方向，表示第个邻域像素点的梯度方向。

7.据权利要求3所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位， 表示生产机械的原温度， 表示生产机械的原胶液液位， 、 表示调控参数。

说明书

一种基于机器视觉的瓦楞纸板生产质量调控方法

技术领域

[0001] 本发明涉及人工智能领域，具体涉及一种基于机器视觉的瓦楞纸板生产质量调控方法。

背景技术

[0002] 瓦楞纸板是包装运输中重要的材料之一，同时也是生产瓦楞纸箱的原材料。瓦楞纸板能够提高单纯纸张的强度的同时，还具备一定的弹性。瓦楞纸板通常会将几层纸粘在
一起，并且还会在中间增加用纸压成，像房顶上瓦陇一样，凹凸相间的行列，所以这种纸板
也被称之为瓦楞纸板。纸张间的粘合状态决定了瓦楞纸板的质量，在瓦楞纸板的生产过程
中粘合剂的状态不稳定会导致多种缺陷，如纸板修边边缘脱胶、纸板透楞、纸板翘曲等空域
特征较为明显的缺陷，此类缺陷容易检测，而对于胶量太大导致的缺陷，其空域特征不明
显，检测难度大。

[0003] 胶量太大导致的缺陷会使纸板表面凹凸不平，对此类纸板进行印刷时会产生诸多问题，如糊版、漏印等，导致产品质量低甚至报废。传统纸板质量检测通常是通过人工观察
进行检测筛选的，根据缺陷情况对生产机器进行调控，但这种方法效率低、成本高，检测效
果易受工作人员状态影响；采用机器视觉进行缺陷检测通常采用阈值分割进行处理，但这
种方法仅能针对空域特征明显的缺陷，无法检测空域特征不明显的缺陷且无法判断缺陷的
严重程度，进而无法准确的调控生产机器。

发明内容

[0004] 本发明提供一种基于机器视觉的瓦楞纸板生产质量调控方法，以解决现有的问题，包括：获取目标表面灰度图像；获取每个像素点的灰度梯度方向；计算每个像素点的缺
陷概率；建立灰度直方图，计算每个灰度级的背景概率值，获取灰度图像的背景区域；计算
灰度图像中每个像素点的异常程度，构建灰度图像中所有异常程度序列。计算每个异常程
度序列的影响程度值，得到所述目标表面图像的整体影响程度值；根据目标图像的整体影
响程度值调节生产机械参数。

[0005] 根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品
质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合
格率。

[0006] 本发明采用如下技术方案，一种基于机器视觉的瓦楞纸板生产质量调控方法，包括：

[0007] 采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。

[0008] 根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。

[0009] 建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级。

[0010] 根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。

[0011] 根据所述异常程度值计算所述灰度图像中每行像素点的异常程度序列的影响程度值，根据所述灰度图像中所有异常程度序列的影响程度值得到所述目标表面图像的整体
影响程度值。

[0012] 根据所述目标表面图像的整体影响程度值调节生产机械参数。

[0013] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每行像素点的异常程度序列的影响程度值的方法为：

[0014] 根据所述灰度图像中每行像素点的异常程度值构建异常程度序列，得到所述灰度图像的多个异常程度序列，计算所述灰度图像中每个异常程度序列的影响程度值，表达式
为：

[0015]

[0016] 其中， 表示序列 的影响程度值, 表示第 个像素点的异常程度，n表示序列中像素点的个数， 表示双曲线正切函数，为超参数， 为序列 归一化后的混
乱程度。

[0017] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述目标表面图像的整体影响程度值的表达式为：

[0018]

[0019] 其中， 表示所述目标表面图像的整体影响程度值， 表示第 个序列的影响程度值，x表示所述目标表面图像中序列的个数。

[0020] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，获取所述灰度图像的背景区域的方法为：

[0021] 建立灰度直方图，计算灰度直方图中每个灰度级的频率值；

[0022] 通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；

[0023] 将所述背景概率值最大对应的灰度级作为所述灰度图像的背景灰度级。

[0024] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每个像素点的异常程度的表达式为：

[0025]

[0026] 其中， 表示第A个像素点的异常程度， 表示第A个像素点的缺陷概率， 表示所述背景灰度级，表示第A个像素点的灰度值。

[0027] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每个像素点的缺陷概率的方法为：

[0028] 以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：

[0029]

[0030] 其中， 表示所述灰度图像中第A个像素点的缺陷概率，表示第A个像素点邻域像素点的个数，表示第A个像素点的梯度方向，表示第个邻域像素点的梯度方向。

[0031] 进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：

[0032]

[0033] 其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位， 表示生产机械的原温度， 表示生产机械的原胶液液位， 、 表示调控参数。

[0034] 本发明的有益效果是：根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准
控制上胶量，提高产品质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率
的同时保证了产品的合格率。

附图说明

[0035] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可
以根据这些附图获得其他的附图。

[0036] 图1为本发明实施例的一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图；

[0037] 图2为本发明实施例的另一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图。

具体实施方式

[0038]  下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0039] 实施例1

[0040] 如图1所示，给出了本发明实施例的一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图，包括：

[0041] 101.采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。

[0042] 本实施例所针对的场景为：

[0043] 首先，瓦楞纸板由高温高湿带齿轮的瓦楞辊轴压制凹凸相间的瓦楞形状的纸芯，瓦楞纸芯与带胶水的辊轴接触再与面纸粘合在一起，通过高温干燥后形成瓦楞纸板，采集
瓦楞纸板表面灰度图像。对生产的瓦楞纸板采样，对采集到的瓦楞纸板表面灰度图像进行
分析。

[0044] 102.根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。

[0045] 起泡缺陷的空域特征为球状凸起的未粘合区域，瓦楞纸板的固有色不变，采集到的灰度图像理应不存在灰度梯度，但由于纸板表面的起泡缺陷导致纸板表面凹凸不平，光
照发生变化导致灰度发生变化，同时噪声与外界干扰因素的影响也会导致纸板表面灰度存
在灰度梯度，且灰度梯度存在某种变化风格。

[0046] 缺陷部位的灰度变化为由缺陷的中心往四周逐渐下降，即以某一缺陷像素点为中心点，其邻域的灰度梯度变化方向与中心像素点的梯度变化方向相似，而噪点邻域像素点
的灰度梯度变化方向与中心像素点的梯度变化方向不相似，通常呈散射状分布。

[0047] 103.建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级。

[0048] 起泡缺陷会导致图像的灰度值发生变化，起泡缺陷越严重，缺陷区域像素点的灰度值与正常区域（背景）灰度值差异越大。想要获取像素点的缺陷严重程度需先获取瓦楞纸
板的背景。

[0049] 建立灰度直方图，计算灰度直方图中每个灰度级的频率值；

[0050] 通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；

[0051] 当瓦楞纸板中存在较多的起泡缺陷，即缺陷较为密集，利用灰度直方图的频数最大值或灰度均值代表背景像素的灰度级存在较大的偏差，但所需要的较为理想的背景灰度
级一定位于灰度直方图的频数最大值与灰度均值之间，故建立高斯分布计算所述灰度直方
图中每个灰度级的背景概率值。

[0052] 将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。

[0053] 104.根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。

[0054] 像素点的缺陷概率越大说明该像素点的梯度风格越符合缺陷的风格特征，该像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，则该像
素点的异常程度越大，该像素点的梯度风格与灰度差异呈正相关。

[0055] 每行像素构建像素点异常程度序列，当像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，像素点的异常程度越大，当像素点属于背景
像素或无梯度变化时，该像素点属于正常像素点，即异常程度为0。

[0056] 105.根据所述异常程度值计算所述灰度图像中每行像素点的异常程度序列的影响程度值，根据所述灰度图像中所有异常程度序列的影响程度值得到所述目标表面图像的
整体影响程度值。

[0057] 构建像素点异常程度序列，计算该序列的影响程度，对多个序列的影响程度进行计算，得到瓦楞纸板的整体影响程度。

[0058] 106.根据所述目标表面图像的整体影响程度值调节生产机械参数。

[0059] 瓦楞纸板受缺陷的影响程度越大，则说明生产过程中机械对应参数的偏差越大，根据当前影响程度对生产机械参数进行调节。

[0060] 起泡缺陷产生原因通常为上胶量太大和面、里纸水分烤的太干所导致的，所以根据影响程度对上胶辊轴与温度进行调控。

[0061] 根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品
质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合
格率。

[0062] 实施例2

[0063] 如图2所示，给出了本发明实施例另一种基于机器视觉的瓦楞纸板生产质量调控方法，包括：

[0064] 201.采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。

[0065] 本实施例所针对的场景为：

[0066] 首先，瓦楞纸板由高温高湿带齿轮的瓦楞辊轴压制凹凸相间的瓦楞形状的纸芯，瓦楞纸芯与带胶水的辊轴接触再与面纸粘合在一起，通过高温干燥后形成瓦楞纸板，采集
瓦楞纸板表面灰度图像。

[0067] 对生产的瓦楞纸板采样，对采集到的瓦楞纸板表面灰度图像进行分析，根据灰度图像中各像素点间的关系进行缺陷判断并计算缺陷的严重程度，根据严重程度计算影响程
度。

[0068] 最后，根据瓦楞纸板表面缺陷的影响程度调控上胶辊轴，控制上胶量，避免后续生产的瓦楞纸板出现类似缺陷而影响印刷质量。

[0069] 瓦楞纸板后生产完成，对成品人造板表面进行图像采集，相机位于瓦楞纸板的正上方，保证采集到较为清晰的瓦楞纸板表面图像，调整相机视角，保证采集到的图像仅包含
板材表面图像，调整传送带运行速度 与相机采样频率 ，对刚生产的瓦楞纸板进行采样。
（注：由于纸板生产较快，短时刻生产的纸板质量相近，即存在缺陷即都存在缺陷，为了减少
计算量，故对生产出的纸板进行采样，根据样品纸板的质量对上胶辊轴进行调控）

[0070] 参数 、 为固定参数，即不论检测什么样的瓦楞纸板，第一阶段的参数为通用参数，都是提前设置好，固定相同的。

[0071] 将采集到的图像转化为灰度图像，计算灰度图像的梯度，利用sobel算子计算图像，方向的梯度 。则其对应的梯度方向为 。

[0072] 202.根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。

[0073] 起泡缺陷的空域特征为球状凸起的未粘合区域，瓦楞纸板的固有色不变，采集到的灰度图像理应不存在灰度梯度，但由于纸板表面的起泡缺陷导致纸板表面凹凸不平，光
照发生变化导致灰度发生变化，同时噪声与外界干扰因素的影响也会导致纸板表面灰度存
在灰度梯度，且灰度梯度存在某种变化风格。

[0074] 分析可得，缺陷部位的灰度变化为由缺陷的中心往四周逐渐下降，即以某一缺陷像素点为中心点，其邻域的灰度梯度变化方向与中心像素点的梯度变化方向相似，而噪点
邻域像素点的灰度梯度变化方向与中心像素点的梯度变化方向不相似，通常呈散射状分
布。

[0075] 根据分析得到的风格特征计算像素点的异常程度，中心像素点与其邻域中每一个像素点的梯度方向存在一个余弦相似度，记为i,计算所述灰度图像中每个像素点的缺陷概
率的方法为：

[0076] 以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：

[0077]

[0078] 其中， 表示所述灰度图像中第A个像素点的缺陷概率，表示第A个像素点邻域像素点的个数，表示第A个像素点的梯度方向，表示第个邻域像素点的梯度方向。

[0079] 本实施例用 描述该像素点的梯度风格特征，如果这个像素点的梯度方向与其邻域梯度方向相似，则该像素点为缺陷的概率大，对应 的值越趋近于1.即 越大，越能代表
该像素点为缺陷像素点。

[0080] 203.建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级对应的区域作为所述灰度图像的背景区域。

[0081] 起泡缺陷会导致图像的灰度值发生变化，起泡缺陷越严重，缺陷区域像素点的灰度值与正常区域（背景）灰度值差异越大。想要获取像素点的缺陷严重程度需先获取瓦楞纸
板的背景。

[0082] 获取所述灰度图像的背景区域的方法为：

[0083] 建立灰度直方图，计算灰度直方图中每个灰度级的频率值，表达式为：

[0084]

[0085] 式中 表示第j个灰度级出现的频率，表示第j个灰度级对应像素点出现的频数，B表示图像像素点的总个数。

[0086] 通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；

[0087] 计算背景像素的灰度级，当瓦楞纸板中存在较多的起泡缺陷，即缺陷较为密集，利用灰度直方图的频数最大值或灰度均值代表背景像素的灰度级存在较大的偏差，但所需要
的较为理想的背景灰度级一定位于灰度直方图的频数最大值与灰度均值之间，故建立高斯
分布，高斯分布的均值与方差为以频数最大灰度值 与灰度值均值 之间灰度值的均值为
均值 ：

[0088]

[0089]

[0090] 以频数最大灰度值 与灰度值均值 之间灰度值的方差为方差 ：

[0091]

[0092] 灰度级的背景概率计算公式为：

[0093]

[0094] 将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。

[0095] 204.根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。

[0096] 选取上述步骤得到的 最大值所对应的灰度级 为背景，根据背景区域像素点的灰度均值与目标灰度图像中每个像素点的灰度值进行对比，结合每个像素点对应的缺陷
概率计算其异常程度值。

[0097] 计算所述灰度图像中每个像素点的异常程度的表达式为：

[0098]

[0099] 其中， 表示第A个像素点的异常程度， 表示第A个像素点的缺陷概率， 表示背景灰度级，表示第A个像素点的灰度值。

[0100] 本实施例用 描述像素点的异常程度，像素点的缺陷概率越大说明该像素点的梯度风格越符合缺陷的风格特征，该像素点的灰度值与背景灰度差异越大，且该像素点的梯
度风格越符合缺陷的风格特征，则该像素点的异常程度越大，该像素点的梯度风格与灰度
差异呈正相关。

[0101] 每行像素构建像素点异常程度序列，当像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，像素点的异常程度越大，当像素点属于背景
像素或无梯度变化时，该像素点属于正常像素点，即异常程度为0，构建像素点异常程度序
列。

[0102] 205.根据所述异常程度值计算所述灰度图像中每行像素点的异常程度序列的影响程度值，根据所述灰度图像中所有异常程度序列的影响程度值得到所述目标表面图像的
整体影响程度值。

[0103] 计算所述异常程度序列的影响程度值的表达式为：

[0104]

[0105] 其中， 表示序列 的影响程度值, 表示第 个像素点的异常程度，n表示序列中像素点的个数， 表示双曲线正切函数，为超参数， 为序列 归一化后的混
乱程度。

[0106] 本实施例中，取 ，起归一化作用， 表示序列 的波动程度， 为排列熵，其表示序列 归一化后的混乱程度，其具体含义为：

[0107]

[0108] 对序列 嵌入一个维度为m的窗口与一个延迟L；该m维的窗口，以延迟L为步长，对序列 进行重构得到多个子序列；将每个子序列以 表示，则
。对每个 内部的每个元素进行排序，本发明
实施例中按照升序排列，若两个元素的值相等，则按照该元素对应的角标进行排序；用符号
序列 表示对每个 内部的每个元素排序后的位置索引结果，该符号序列的数
量为 ，即一个m维的子序列 被映射到 个序列( )中的其中一种。将每个符
号序列的分布概率表示为 , … ，其中 。

[0109] 则序列 的混乱程度为：

[0110]

[0111]

[0112] 其中， 表示灰度差值序列的混乱程度；表示子序列的数量；表示第 个子序列的分布概率, 表示jm出现的次数。

[0113] 为了便于后续的计算，对每行灰度值序列的排列熵进行归一化处理：

[0114]

[0115] 其中， 表示归一化后的混乱程度； 表示序列 的混乱程度； 为符号序列的数量。计算得到的混乱程度的值越大，代表序列 越混乱，即该序列的影响程度越
大。

[0116] 排列熵为现有技术，在本实施例中仅进行如上说明，不对本发明的创造性或保护范围构成任何影响。

[0117] 计算所述目标表面图像的整体影响程度值的表达式为：

[0118]

[0119] 其中， 表示所述目标表面图像的整体影响程度值， 表示第 个序列的影响程度值，x表示所述目标表面图像中序列的个数。

[0120] 的值越大，表示该纸板的缺陷影响程度越大。

[0121] 206.根据所述目标表面图像的整体影响程度值调节生产机械参数。

[0122] 瓦楞纸板受缺陷的影响程度越大，则说明生产过程中机械对应参数的偏差越大，根据当前影响程度对生产机械参数进行调节。

[0123] 根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：

[0124]

[0125] 其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位， 表示生产机械的原温度， 表示生产机械的原胶液液位， 、 表示调控参数。

[0126] 根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品
质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合
格率。

[0127] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。