(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211197638.X (22)申请日 2022.09.29 (71)申请人 江苏浚荣升新材 料科技有限公司 地址 226000 江苏省南 通市经济技 术开发 区谷东路2 9号 (72)发明人 李小虎　江俊仪　 (74)专利代理 机构 深圳政科创新专利代理事务 所(普通合伙) 44880 专利代理师 谢庚生 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/45(2017.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) (54)发明名称 一种金属模具的污浊清理方法 (57)摘要 本发明涉及模 具清洁技术领域， 具体涉及一 种金属模具的污浊清理方法， 该方法采集模具图 像以得到 灰度图像； 根据灰度图像中每个像素点 对应八邻域区域内的纹理信息， 得到每个像素点 的第一油污程度指标； 获取灰度图像中每个像素 点的角点值， 结合每个角点值和灰度值计算角点 检测的相似性阈值的评价值， 基于评价值获取优 化相似性阈值， 利用优化相似性阈值得到灰度图 像中每个像素点的新角点值， 新角点值即为第二 油污程度指标； 结合第一油污程度指标和第二油 污程度指标 获取每个像素点的污染程度， 基于污 染程度获取标签模具图像， 利用标签模具图像训 练神经网络， 以对模具进行污浊清洗。 本方案在 在保证清洗效果的情况 下增加了清洗效率。 权利要求书1页 说明书6页 附图1页 CN 115272339 A 2022.11.01 CN 115272339 A 1.一种金属模具的污浊清理方法， 其特 征在于， 该 方法包括以下步骤： 采集待清晰的模具图像， 对所述模具图像进行 灰度化， 得到对应的灰度图像； 基于灰度共生矩阵获取灰度图像中每个像素点对应八邻域 区域内的纹理信 息， 将以像 素点的灰度值的相反数为幂指数、 常数e为底数得到的指数函数结果乘以对应像素点的纹 理信息， 分别得到每个像素点的第一油污程度指标； 利用SUSA N角点检测算法获取灰度图像 中每个像素点的角点值， 根据角点值将像素点分为多个类别， 基于每个类别中每个像素点 与灰度图像的中心像素点之间的角点值差值， 得到相似像素点， 将相似像素点数量符合相 似性阈值的类别作为边缘像素点区域； 计算边缘像素点区域的轮廓不规则程度； 结合每个 像素点的灰度值、 角点值以及轮廓不规则程度获取相似性阈值的评价值， 基于评价值获取 优化相似性阈值， 利用优化相似性阈值得到灰度图像中每个像素点的新角点值， 新角点值 即为对应 像素点的第二油污程度指标； 根据灰度图像 中每个像素点的第 一油污程度指标和第 二油污程度指标， 获取每个像素 点的污染程度， 基于污染程度获取每个像素点的清洗时间， 将清洗时间作为每个像素点的 标签， 得到标签模具图像， 利用标签模 具图像训练神经网络， 以通过训练好的神经网络对模 具进行污浊清洗 。 2.如权利要求1所述的一种金属模具的污浊清理方法， 其特征在于， 所述计算边缘像素 点区域的轮廓不 规则程度的方法， 包括： 获取边缘像素点区域中每个像素点的斜率， 统计每种斜率下连续像素点的第一数量， 分别得到每种斜率下 的平均第一数量， 获取平均第一数量的第一均值， 以第一均值的相反 数为幂指数、 常数 e为底数的指数函数的结果即为轮廓不 规则程度。 3.如权利要求1所述的一种金属模具的污浊清理方法， 其特征在于， 所述结合每个像素 点的灰度值、 角点 值以及轮廓不 规则程度获取相似性阈值的评价 值的方法， 包括： 计算每个像素点的角点值和灰度值之间的相关性； 分别计算当前像素点与其八邻域内 每个像素点的相似性的差值绝对值， 进而得到平均差值绝对值， 将平均差值绝对值作为当 前像素点的角点检测效果 值； 获取灰度图像 中所有像素点的角点检测效果值的总和， 以及所有像素点的总数量与轮 廓不规则程度的乘积， 进而得到角点检测效果值的总和与乘积之间的比值， 根据以比值的 相反数为幂指数、 常数e为底数的指数函数结果得到相似性阈值的评价值， 评价值与对应的 指数函数 结果呈负相关 关系。 4.如权利要求1所述的一种金属模具的污浊清理方法， 其特征在于， 所述基于评价值获 取优化相似性阈值的方法， 包括： 设置优化阈值， 当相似性阈值大于优化阈值时， 确认相似性阈值 为优化相似性阈值。 5.如权利要求1所述的一种金属模具的污浊清理方法， 其特征在于， 所述污染程度的获 取方法， 包括： 获取第一油污程度指标和第 二油污程度指标的第 一乘积， 根据以第 一乘积的相反数为 幂指数、 常数e为底数的指数函数结果得到对应像素点的污染程度， 污染程度与对应指数函 数结果之和为1。权　利　要　求　书 1/1 页 2 CN 115272339 A 2一种金属模具 的污浊清理 方法 技术领域 [0001]本发明涉及模具清洁技 术领域， 具体涉及一种金属模具的污浊清理方法。 背景技术 [0002]模具清洗是模具保养维护中的一道关键工序， 也是制约模具维护的瓶颈， 因为模 具制造开 发的速度远快于模具清洗的速度， 而模具经过快速清洗后马上又要进入下一次的 生产， 这样 留给模具清洗的时间就非常有限。 如果在结束上一次生产后没有进行任何清洗 处理就直接将模具复位， 并继续进行生产， 直到根据模具生产出来的产品出现问题， 才对模 具进行清洗， 此时就大大降低了产品生产效率， 并且浪费一定的生产资源， 为了解决上述问 题， 亟需一种高效的金属模具污浊清理的方法。 发明内容 [0003]为了解决上述技术问题， 本发明的目的在于提供一种金属模具的污浊清理方法， 所采用的技 术方案具体如下： 采集待清晰的模具图像， 对所述模具图像进行 灰度化， 得到对应的灰度图像； 基于灰度共生矩阵获取灰度图像中每个像素点对应八邻域区域内的纹理信息， 将 以像素点的灰度值的相反数为幂指数、 常数e为底数得到的指数函数结果乘以对应像素点 的纹理信息， 分别得到每个像素点的第一油污程度指标； 利用SUSA N角点检测算法获取灰度 图像中每个像素点的角点值， 根据角点值将像素点分为多个类别， 基于每个类别中每个像 素点与灰度图像的中心像素点之间的角点值差值， 得到相似像素点， 将相似像素点数量符 合相似性阈值的类别作为边缘像素点区域； 计算边缘像素点区域的轮廓不规则程度； 结合 每个像素点的灰度值、 角点值以及轮廓不规则程度获取相似性阈值的评价值， 基于评价值 获取优化相似性阈值， 利用优化相似性阈值得到灰度图像中每个像素点的新角点值， 新角 点值即为对应 像素点的第二油污程度指标； 根据灰度图像中每个像素点的第一油污程度指标和第二油污程度指标， 获取每个 像素点的污染程度， 基于污染程度获取每个像素点的清洗时间， 将清洗时间作为每个像素 点的标签， 得到标签模具图像， 利用标签模具图像训练神经网络， 以通过训练好的神经网络 对模具进行污浊清洗 。 [0004]进一步的， 所述计算 边缘像素点区域的轮廓不 规则程度的方法， 包括： 获取边缘像素点区域中每个像素点的斜率， 统计每种斜率下连续像素点的第一数 量， 分别得到每种斜率下的平均第一数量， 获取平均第一数量的第一均值， 以第一均值的相 反数为幂指数、 常数 e为底数的指数函数的结果即为轮廓不 规则程度。 [0005]进一步的， 所述结合每个像素点的灰度值、 角点值以及轮廓不规则程度获取相似 性阈值的评价 值的方法， 包括： 计算每个像素点的角点值和灰度值之间的相关性； 分别计算当前像素点与其八邻 域内每个像素点的相似性的差值绝对值， 进而得到平均差值绝对值， 将平均差值绝对值作说　明　书 1/6 页 3 CN 115272339 A 3