基于AI的缺陷检测技术在印刷生产中的应用

在印刷品缺陷检测工序环节,人工缺陷检测效率低,长时间的工作会导致误检率和漏检率增大。随着AI技术的持续发展,将人工智能技术应用于印刷生产中可大大提高生产效率。文章介绍了基于传统机器学习和基于人工智能算法的缺陷检测技术发展背景。论述了缺陷检测技术在印刷业中的应用,总结了当前缺陷检测技术存在的不足,展望未来可能的研究趋势。     

基于小目标的手机外包装盒印刷质量自动检测算法研究

本文针对手机外包装印刷过程中出现的小目标缺印问题,提出了基于图像识别的改进YOLOv5算法智能检测。在原算法的基础上,通过对小目标检测进行深入研究,改进了原算法的小目标检测,最后采用改进的EIOU损失函数,从而针对手机外包装印刷过程出现的小目标缺陷问题进行检测。通过实验结果表明对同一数据集的手机外包装盒印刷缺陷,本研究的准确率达到82.0%,平均精度均值达到83.5%。该研究能够有效针对手机外包装印刷过程中出现的小目标缺陷进行高速和准确的识别,为手机外包装印刷检测过程中小目标缺陷检测提供了一种解决思路。     

印刷缺陷在线检测

印刷缺陷是指由于印刷过程中印刷工艺和印刷参数等因素的影响,使得印刷品出现色差、套印不准、墨杠和表面缺陷等现象。     

浅谈印刷质量缺陷检测识别技术

在印刷质量在线检测中,根据印刷质量在线检测系统的工作流程可知,通过对待检测的印品图像进行图像采集、去噪预处理、图像配准以及差分后,最后得到需要进行缺陷分析和识别的缺陷图像.印刷缺陷检测是印刷质量在线检测系统的最后一个部分,它主要根据制定的印刷缺陷检测标准对待检测的印品图像中出现的缺陷进行检测和识别,得到待检测印品图像中缺陷出现的相应位置、大小、形状等信息,从而判定待检测印品质量是否合格.因此,为了精确地对印刷质量进行检测,印刷缺陷检测技术是整个印刷质量在线检测系统的关键部分.     

基于数字图像处理技术的日用陶瓷碗缺陷检测系统研究

本文提出一种基于日用陶瓷碗的缺陷检测方法。利用数字图像处理方法和Matlab仿真软件可对获取的陶瓷碗图像进行预处理并提出一种有效的碗口缺陷检测方法,以便快速准确地检测目标物品是否为缺陷图像。实验证明,本文所介绍的日用陶瓷碗检测技术能够有效地对有缺陷的碗口进行检测。     

图像处理技术在印刷缺陷检测中的应用

在印刷生产过程中,由于受印刷工艺、印刷设备和生产环境等因素的影响,最终的印刷品可能会出现缺陷,如色差、套印不准、墨杠、背面蹭脏等等,从而导致印刷次品的产生。目前,大多数的印刷企业对印刷缺陷的检测主要采用在印刷过程中对印品进行抽样检测以及印后逐个进行目测分拣缺     

基于像素分布的自适应阈值分割模型应用于印刷图像缺陷检测的研究

为了解决传统印刷图像缺陷检测算法检测精度不足的问题,本研究提出了一种采用基于像素分布的自适应阈值分割模型的印刷图像缺陷检测算法.该算法充分利用印刷图像像素间的相互关系,利用自适应迭代运算确定图像缺陷阈值,提取图像缺陷区域.实验证明,利用该模型能准确地检测出印刷图像缺陷,可以有效地运用在印刷复制过程中的图像的检测环节中.     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好,定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好、定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

一种基于方差分析的运动目标检测算法

为了实现对视频序列中运动目标的实时检测,提出了一种新的运动目标检测方法.该方法对相邻两帧进行差分处理,并通过对帧差结果进行方差分析构建背景模型;用方差作为阈值将差分图像划分为运动变化区域和背景区域;将运动区域与构建的背景模型拟合,区分出运动目标和显露区域,并将显露区域收入背景,实现背景的更新.实验结果表明,该方法运算速度快、准确率高,能够对运动目标进行实时检测.     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

基于机器视觉的织物疵点检测技术探讨

针对传统人工视觉检测技术的缺陷,建立一种基于机器视觉的织物疵点检测技术方案。在深入讨论检测系统硬件设计的基础上,重点讨论了织物疵点检测流程、获取织物特征的拟合方法、疵点特征提取流程、织物疵点分类与织物等级评定等。同时,讨论了织物疵点自动检测系统实际应用时应注意的几个关键问题。为快速、准确、有效的检测织疵,提升检测技术水平和加强产品质量控制,具有十分重要的现实意义。     

基于小波变换和阈值分割的织物疵点边缘检测

The edge detection of fabric defects is the base of geometrical features extraction and the essential process of the fabric defects identification, This paper proposed a method for fabric defects edge detection based on discrete stationary wavelet transform （DSWT） and optimal threshold segmentation algorithm （OTSA）. Firstly, the background of fabric defects picture was removed, then it was executed through DSWT and enhanced by the Laplacian operator. Finally, the edge detection was carded out with both OTSA and morphological operation. By contrast, this method is better than the classic ones, and is effective to fabric defect edge detection.     

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。     

基于电子鼻技术的糙米黄曲霉毒素污染快速检测方法研究

为验证电子鼻技术用于粮食真菌毒素污染快速检测的可行性,本研究利用Fox3000型电子鼻对受黄曲霉毒素侵染的糙米样品的挥发性物质进行了检测分析,建立了电子鼻响应信号与黄曲霉毒素水平的相关关系模型。结果显示,偏最小二乘判别分析(PLS-DA)法可较好区分不同黄曲霉毒素含量水平的糙米样品,模型的留一交互验证正确率高于80%。PLS回归分析显示电子鼻响应信号与糙米中黄曲霉毒素B_1、B_2、G_1、G_2及总量之间呈现较高相关性,其中对黄曲霉毒素B1的预测精度最高,预测相关系数和均方根误差分别达到0.808和127.3μg/kg。进一步,通过对电子鼻各气体传感器响应信号的载荷分析确定了各传感器贡献率的差异,结合气相色谱-质谱联用(GC-MS)技术揭示了受黄曲霉毒素污染糙米样品的挥发性组分的变化主要体现在酮醛类、醇类、芳香烃类和烷烃类上。结果表明,利用电子鼻对糙米的黄曲霉毒素污染的快速检测具有一定可行性,为粮食真菌毒素污染的早期预警提供一种新思路和新方法。     

基于边缘检测的半色调图像网点面积检测

网点面积率直接影响印刷的质量,而网点面积的检测一直是印刷过程控制中的一个难点。针对此问题介绍了一种基于边缘检测计算网点面积率的方法,可以通过网点面积对印刷过程进行有效控制。使用显微摄影仪器拍摄出印刷品的网点放大图像,对网点放大图像进行高斯降噪,然后使用Canny边缘检测算法提取出网点放大图像的边缘,根据边缘信息对网点放大图像进行局部二值化,图像二值化之后通过黑白像素的比值来计算网点面积率。这种算法得到的网点面积率的值比较稳定,而且可以减少计算量。     

基于高光谱的茄子外部缺陷检测

利用高光谱(900～1700nm)对完好、木栓化和烂果茄子进行识别研究。共采摘了252个茄子样本,包含完好茄子170个,木栓化茄子60个和烂果茄子22个,利用高光谱成像系统采集完好、木栓化和烂果3种区域一共252个样本的高光谱图像,然后提取合理的感兴趣区域(ROI)获得样本光谱数据。采用多种预处理方法进行光谱预处理,建立偏最小二乘(partial least squares method,PLS)判别分析模型,结果表明,经normalize预处理后模型的预测效果最好,因此选择normalize作为预处理方法。基于预处理后的光谱数据,采用连续投影法(SPA)、回归系数法(RC)和竞争性自适应重加权算法(CARS)提取特征波长,并分别建立偏最小二乘(PLS)和多元线性回归(MLR)判别模型进行研究。结果表明:CARS-MLR模型对3种类型样本鉴别效果最佳,其校正集决定系数Rc2为0.94,预测集决定系数Rp2为0.90,RMSEC和RMSEP分别为0.19和0.21,预测集判别准确率达到96.82%。本研究采用高光谱可以对完好、木栓化和烂果茄子进行有效鉴别,为茄子的缺陷无损检测提供了理论参考。     

基于图像最大熵的织物疵点检测方法

对织物表面疵点自动识别方法进行了探讨.将信息熵引入图像处理中,先通过最大熵快速迭代算法对织物疵点区域进行分割,把疵点图像分为背景和目标两部分;然后找出疵点区域的中心并求出疵点区域在纬向和经向上的方差;最后通过两者的比值与设定常数的比较,判断出疵点类型.仿真实验表明该方法对常见织物疵点的检测是有效的.     

印品质量检测综述

印品质量检测在印刷中占有十分重要的地位,并伴随着人们对印刷要求的发展而发展。对印品质量检测的发展历程、发展现状及印品质量的检测过程进行了综述,详细介绍了传统的印品检测方法和基于图像处理的印品质量检测方法。并对基于图像处理的印品质量检测过程中的图像噪声处理、图像匹配、图像的缺陷检测以及套印的检测等相关算法进行了描述和对比,指出,印品质量的在线检测已成为目前研究的热点,然而,要实现快速在线印品质量检测还需要对检测过程中的算法进行改进,可借助模式识别方法对检测出的印品质量缺陷进行分类。     

基于小波奇异性的纸病检测

讨论了在纸幅随机纹理背景下纸病的检测,提出利用纸病处的奇异性来区分其和背景纹理.首先使用光滑函数与纸病信号进行卷积运算,然后选取能够保留纸病奇异性特征且同时削弱随机纹理所产生起伏的适当尺度下的信号,并对其实施进一步小波变换,去除大部分纹理起伏所对应的极大值线,最后利用极大值线与纵轴相交的截距来判断纸病.