彩色印刷品缺陷在线检测方法的研究与探讨

介绍彩色印刷品图像在线检测的基本流程.探讨相比于灰度图像缺陷在线检测的几个关键技术,对彩色印刷图像颜色缺陷在线检测提出一些新思路.     

多模板检测算法在印刷品缺陷检测中的应用

提出了一种新的模板匹配方法,能够有效的去除剪影图像中的轮廓伪影,保存真正的印刷缺陷.其模板制作过程简单,匹配算法高效,能够满足在印刷品线检测的实时性要求.     

工业干扰环境下基于模板匹配的印刷品缺陷检测

目的提出一套应用于实际工业干扰环境下的印刷品缺陷检测算法,解决在工业环境中由于受灰尘干扰和传送装置振动干扰等因素影响,一些传统的印刷品缺陷检测算法在检测速度和精度等方面已经无法胜任的问题。方法算法主要包括图像预处理、模板制作、模板匹配、灰尘处理、缺陷提取等5部分,其中图像预处理主要包括图像去噪、图像旋转、图像归边、图像剪裁和图像平移等环节。结果该算法在实际工业流水线上的运行结果表明,若检测400 mm×400 mm的印刷品,检测速度最快可小于1 s,检测精度可达到0.1 mm。结论该算法能够对传统预处理添加图像归边处理,以及对印刷品帧差结果图进行形态学处理,克服了工业环境下灰尘和传送装置振动等的干扰。     

印刷品缺陷在线检测算法的研究

介绍了基于数字图像处理的印刷品缺陷在线检测系统的原理和工作流程.提出了一种改进的图像配准算法对标准模板图像和待测图像进行匹配.实验结果表明,该算法计算速度快、检测精度高,满足了系统设计的要求.     

运用肤色信息和模板匹配的彩色人脸检测

人脸是一个复杂的模式,在图像中自动地对其进行定位和分割是进行人脸识别的第一步。本文提出一种运用肤色信息和模板匹配的人脸检测方法。该方法先进行肤色分割,然后对每一个人脸候选区域进行形状比例的分析,最后进行模板匹配。实验结果表明,该方法对任意背景下,任意姿态及任意数目的人脸检测非常有效。     

基于卷积神经网络的印刷品颜色缺陷检测

目的 提取样本图像颜色直方图特征对卷积神经网络进行训练,达到快速、高准确率检测图像颜色缺陷的目的.方法 将标准图像从RGB颜色空间转换至HSV颜色空间,通过改变图像H,S,V三分量值获取训练样本和测试样本;在HSV颜色空间中非均匀量化图像的颜色直方图,得到所有训练样本和测试样本的颜色直方图特征;利用样本图像颜色直方图特征训练卷积神经网络,然后对测试样本进行检测,研究检测的速度、准确率,并将该检测方法与逐像素、超像素、BP神经网络和支持向量机方法进行对比.结果 对于图片尺寸为512×512的彩色图像,卷积神经网络检测单幅图片的平均检测时间约为57.66 ms,训练样本图像为50000张时,卷积神经网络方法对10000张测试样本进行检测的准确率为99.77％.结论 卷积神经网络方法在保证高准确率的前提下大幅提高检测精度,对于印刷品色差缺陷在线检测具有良好的应用价值.     

印刷品外观缺陷机器视觉的检测与识别

介绍了印刷品缺陷机器视觉检测系统的构成,探讨了应用图像差分、数学形态学的原理进行缺陷检测与识别的基本方法.     

基于边缘与非边缘分开处理的印刷品缺陷检测

针对印刷品缺陷检测问题,通过对经典缺陷识别算法的研究,提出了一种边缘点与非边缘点分开处理的印刷品检测缺陷识别算法。算法以统计过程原理为出发点,根据边缘点和非边缘点不同的像素特征,对非边缘点采用统计阈值法处理,对边缘点采用邻域平均值与梯度值相结合的算法处理。该算法经过实验证明,能够有效地剔除伪疵点,提取出真正的缺陷。     

基于深度智能视觉的表面缺陷检测研究进展

基于深度智能视觉的表面缺陷检测研究在制造业中起着越发重要的作用,本文阐述深度智能视觉的表面缺陷检测在现代工业质检中的重要性,对现有研究进展进行梳理总结。深度智能视觉以机器视觉和深度学习为技术基础,为不同工业场景提供高精高效的表面缺陷检测算法。本文从检测细粒度的角度将表面缺陷检测分为表面缺陷分类、定位、分割检测3个部分,并分别对分类、定位、分割方法进行系统综述,梳理现有表面缺陷检测研究的问题和思路。分类检测针对数据和缺陷图形特征问题进行研究,因其基础性和易拓展性于不同工业场景的应用呈现分散发展;定位检测以模型框架、矩形框检测和标注成本为主要问题,表现出追求轻量化和特征融合机制的研究趋势;分割检测更关注图像细节特征。通过研究分类、定位、分割的多任务模型框架以探索分类、分割检测之间的互补性。最后总结目前表面缺陷检测研究存在的问题,并对发展趋势进行展望。     

彩色印刷品缺陷快速精确检测方法研究

目的为解决在不同光照强度下,彩色印刷品缺陷检测的实时性和精确性问题,基于CIE L*u*v颜色空间和SURF算法,提出一种面向彩色印刷品缺陷的快速精确检测方法。方法采用中值滤波器,对采集到的待检测印刷图像进行滤波去噪;将采集到的样张图像与待检测印刷图像由RGB颜色空间转换到CIE L*u*v颜色空间;基于SURF算法,构建CIE L*u*v颜色描述向量的122维特征描述符;使用双线程并行方法,计算样张图像与待检测印刷图像中兴趣点间的欧式距离进行匹配,以兴趣点的全部匹配成功来表明待检测印刷图像无缺陷。结果在光照度150~650 lux范围内,能够对常见的位置偏移、墨迹沾染、色彩改变等印刷质量缺陷进行检测,其平均耗时为650 ms。结论该方法所需硬件配置简单,对光照强弱变化有较好的适应性,对常见的印刷质量缺陷能够给予快速精确的检测。     

基于多对象匹配与融合字符特征的印刷质量检验方法

目的 为了增强字符配准对字符位姿变化的鲁棒性和识别能力,以及印刷质量检验精度和缺陷类型分析对不同字符产品的自适应性,提出一种基于多对象匹配与融合字符特征的印刷质量检验方法。方法 采用多张合格字符样品图像进行模板构建;借助多对象匹配来配准多个待检验的字符,消除字符位姿的变化对字符配准的影响;进行逐像素的比对,检验字符区域的质量;利用灰度阈值分割以及Sobel边缘检测,将字符区域分成3个待检验的局部特征区域：边缘、前景、后景;进而获取边缘完整性,前景面积和灰度,背景面积和灰度这些显著的字符特征,由多张字符样品训练每个特征的自适应的合格范围;将其组合,形成融合字符特征,分析缺陷的类型。结果 测试数据表明,针对不同种类、不同精度要求的字符产品,所提方法对于字符质量的判断准确率达到100%,对缺陷类型的分类准确率保持在84.2%以上。结论 所提字符质量检验方法拥有良好的鲁棒性与自适应性,在包装、印刷等行业具备较高的应用价值。     

基于模板匹配的啤酒箱印刷质量检测方案

目的快速且精准地检测啤酒箱常见的印刷缺陷。方法以啤酒箱面纸为检测目标,通过提取模板图像中形状和灰度值信息构建差异模型的模板匹配方法,对啤酒箱印刷中常见的缺陷特征进行检测,根据检测结果判断印刷质量是否合格,并通过检测验证实验对质量检测方案的效果进行评估。结果通过对所采集的500张图像进行检测实验并统计结果,该方法的平均准确率达到96.18%,漏检率小于0.9%,误判率为3.08%,平均检测耗时低于10 ms。结论使用该方法对啤酒箱面纸这类胶印制品进行质量检测的效果优秀且稳定,可以对细小划痕等高精度要求的缺陷进行精准检测,而且检测速度也快于其他方法。     

基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。     

色空间转换在印刷品质量检测中的应用研究

在基准印品和待检印品配准的基础上,建立颜色空间转换模型,将图像的RGB值转换为色度值,并计算对应点色差,利用色差对印品颜色质量进行判定.     

印刷品质量检测过程中的色空间转换方法研究

在标准图像和待测图像配准的基础上,采用几何插值法进行RGB到Lab的色彩空间转换。首先在原色空间中进行了非均匀分割,建立了查找表,然后在分割得到的栅格中应用四面体插值算法完成了到目标空间的转换,并且计算了对应点的色差,对转换后的色差分布进行了分析,以用于对印刷品是否存在偏色进行判定,效果较好。     

基于字符连通域特征的车牌汉字字符识别技术

本文通过对待识别字符和标准车牌汉字字符库中的各个标准字符的重合部分的连通域数目及相似度进行分析,定义了待识别字符相对于标准汉字字符的连通域特征和相似度特征,由此提出了一种"基于字符连通域特征"的车牌汉字字符识别方法.该方法通过分析待识别汉字字符相对于标准字符模板的连通域特征对待识别字符进行初步识别,然后再通过分析字符的...     

基于Color Master胶印专色墨精确配制方案的研究

针对包装印刷中胶印专色油墨精确配制这个瓶颈问题,以X-RiteColor Master油墨配色系统为平台,进行了专色油墨精确配制的方案设计和实验。研究结果表明,配色系统色种数据库的建立与优化、标准墨色分光光谱数据的采集、面向印刷条件和样本的配方筛选,是专色油墨精确配制的关键。建立的专色油墨精确配制方案,不仅配色精度高、速度快、色差小,而且适合实际生产应用。     

基于兴趣点特征匹配的印刷图像缺陷检测

提出了1种基于兴趣点特征匹配的印刷图像缺陷检测方法.首先利用SIFT特征检测器,获取图像中具有旋转和平移不变性的特征点,然后采用最近邻方法进行特征点匹配,最后使用最小二乘优化算法,计算2幅图像特征点对的变换矩阵来实现缺陷图像的检测.实验结果表明:该方法能够快速准确地提取出2幅图像间的对应特征点,大大降低了误匹配的概率,在图像发生较大平移和旋转的情况下,仍能准确地实现图像的对准及缺陷图像的检测.