双重识别功能的印刷套印标记设计及误差分析

在传统的十字线套印标记和圆形套印标记基础上,设计了一种既适于人眼识别又适合数字图像检测的套印标记。利用CCD成像,获取了套印标记图像,然后对图像进行了预处理,分割图像,获取了同心圆中四色的圆心坐标,最后计算了套印偏差参数。实验结果表明:套印标记中的同心圆的设计,避免了图像分割时四色重叠的问题;套印偏差识别精度高,在分辨率达到300dpi及以上时,测量误差小于0.04mm,且识别速度快,能满足套印标记实时检测要求。     

基于K-means聚类十字线的套印偏差检测方法研究

目的研究并改进基于十字线套准标识符的印刷品套印偏差检测算法,以提升偏差量检测精度。方法使用K-means聚类算法对分色后得到的C,M,Y,K图像分别进行聚类处理,然后分割图像并提取出各色前景像素,进而使用C,M,Y图像中的前景十字线分别减去K图像中的十字线,以消除四色重叠区域的干扰,最后提取十字线中心并计算偏差量。结果使用15幅印刷品图像样张进行实验,改进的基于K-means聚类十字线的套印偏差检测算法的检测结果,比大津法更接近人工测量值,误差在±0.04mm以内。结论基于K-means聚类的十字线分割法对前景十字线的提取,较大津法抗叠印干扰性更强。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

基于机器视觉的IC卡印刷缺陷检测

针对工厂对IC卡印刷表面经常出现的印刷缺陷检测需求,介绍一套基于视觉的自动检测IC卡上污点、拖墨、色差、套印四种主要缺陷的系统的研究。并使用数据库记录功能解决定位缺陷来源的问题。配合工位采用差影法获取缺陷图像,对点线缺陷的分析,提出基于行间行程差单次扫描连通域分析法解决点线缺陷统计问题;对色差缺陷识别,提出基于印刷色差公式的多区域综合识别方法;对套印缺陷,提出基于神经网络识别缺陷字符并对比缺陷图像与标准图像横纵投影。最后,对500张卡片进行测试,测试结果证明本文的算法检测速度和精度相比于传统人工检测有非常大的提高。     

凹版印刷多色套准控制系统设计

目的 为减小凹版印刷过程中套印误差、提高印刷质量.方法 分析凹版印刷产生误差的主要原因,基于模糊控制设计一种多色套准控制系统.论述基于图像处理的套印误差检测原理.根据多色套印的生产需求,设计一种模糊比例-积分-微分(PID)控制器.利用模糊推理,该控制器可对PID参数进行自适应调整,进而实现高精度、高速度印刷.最后,采用数字信号处理器(DSP)搭建控制系统架构,并进行实验研究.结果 实验结果表明,套印偏差最大值只有0.018 mm,远小于行业标准;套印偏差检测速度明显大于印刷速度,可确保印刷过程的实时性.结论 所述多色套准控制系统具有精度高、速度高等特点,可满足印刷、包装等相关行业的要求.     

基于机器视觉的易拉罐打标区域定位方法

目的 为了提高易拉罐打标效率和打标位置精度,降低劳动强度,提出一种基于机器视觉的易拉罐打标区域定位方法。方法 首先建立模板库,获取即将打标的不同图案的易拉罐表面图像,对图像进行柱面反投影,使有一定弧度的图像展开,并利用模板匹配原理对图像进行拼接,得到易拉罐表面完整图像;其次采用ORB算法在模板库中确定易拉罐表面图案种类,利用模板匹配方法确定该种类图案的打标区域在待打标易拉罐上的位置,从而进行定位打标。结果 实验结果表明,该方法能实现直径为40～65 mm易拉罐的打标区域快速定位,定位误差为±2°。结论 基于机器视觉的易拉罐打标区域定位方法能实现易拉罐打标过程的自动化,可以快速、准确地定位出打标区域,且灵活性较高,降低了劳动成本,能满足企业的生产加工需要。     

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。     

基于机器视觉的线束末端包覆质量检测系统研究

目的为了自动、准确地识别汽车线束末端包覆质量,以工业机器人和工业相机为基础,设计一种基于机器视觉的汽车线束末端包覆质量检测系统。方法该系统使用置于工业机器人手臂的CCD工业相机采集图像信息,首先运用HALCON对系统进行标定,其次通过梯度腐蚀等预处理,角点检测等方法得到线束的节点坐标,然后以归一化匹配标准为基础,提出多区域双层的多阈值模板匹配算法对线束末端包覆质量快速识别,计算线束末端未包覆长度并得到线束节点坐标修正值,最后进行未包覆段补包。结果实验表明,此系统在检测端末节点数少于10个的线束末端包覆质量的准确度维持在97.22%以上。补包后偏差量的绝对值小于2 mm,且重复性精度为1.07 mm。结论该检测系统稳定可靠,能满足实际生产中对线束包覆质量的检测,提高了线束包覆生产线的自动化和智能化水平。     

基于霍夫变换与模板匹配的栅格地图拼接方法

单个机器人在面对大尺度环境时,建图结果往往存在较大误差。由多个机器人创建出局部地图后进行拼接可以很好地解决这一问题。本文提出了一种基于霍夫变换与模板匹配的地图拼接方法。首先,利用霍夫变换检测局部地图中的直线段,根据最长直线段斜率将局部地图正交方向重对准。然后利用Harris角点检测算法检测局部地图中的角点,并以角点为中心,提取模板图像。最后利用模板匹配算法将模板图像与另一局部地图进行匹配,获取两局部地图之间的刚体变换矩阵,实现地图拼接。实验表明,该方法对尺度较大的现实环境具有很好的实用性。     

机器视觉波纹阻火盘表面波高测量方法

针对目前波纹阻火盘采用人工取点的方式对波高进行测量引起的效率低、误差大等问题,提出一种基于机器视觉的波纹阻火盘表面波高测量方法。该方法先利用线阵CCD相机配合二维运动平台扫描的方式获取图像,再利用改进的FLANN自适应特征点匹配筛选算法优化拼接过程,提高线阵图像配准准确度,然后采用基于Zernike矩的亚像素边缘检测算法准确获取边缘定位,并结合该文提出的波高尺寸测量原理以及最小二乘法,确定最大波高对应的两个像素点的坐标,最后根据线阵相机标定结果计算得到实际波高尺寸。利用波纹阻火盘线阵图像进行实验,并与影像仪法测量结果进行对比,实验结果表明该测量方法测量误差在±0.02 mm以内,满足实际工业生产需要。     

四色套印偏差视觉检测系统软件设计与实现

针对计算机视觉自动检测和彩色套印偏差检测的特点与要求,分析了彩色套印偏差视觉检测系统软件的功能和结构,以及套印标志图像的分割方法,在VC++开发环境下,采用面向对象的软件开发方法设计了软件系统。程序设计了自动检测和手动检测2种工作方式,将检测数据存储到数据库,并可以计算生成报表打印输出。配合相应的硬件,该软件可以较好地解决彩色套印偏差自动检测的问题,并已应用于印刷机套印精度的检测,大大地提高了检测效率。     

改进NCC算法在铝塑药板包装缺陷检测中的应用

目的 鉴于传统归一化互相关算法（Normalized cross correlation, NCC）存在计算量大及无法适应图像旋转的缺陷,提出一种改进算法,能快速完成对泡罩区域的提取,以及对铝塑药板缺损、漏装等缺陷的识别。方法 首先对原始图像进行预处理,然后通过仿射变换使其变换至指定位置,接着提取其单个泡罩区域作为模板并构建积分图,最后获取待测图像,变换至相同位置后进行查表式匹配。结果 与传统方法相比,改进后算法速度得到极大提升,对为1920×1200图片的匹配时间仅为21 ms,对实验样品的检测误检率为0,漏检率为3.5%。结论 改进后的NCC匹配算法在满足精度要求的同时具有较快的速度优势,能较好地适用于铝塑泡罩包装缺陷检测中对泡罩区域的快速提取,药粒缺损10%以上缺陷及漏装缺陷的识别。     

印品检测过程中基于SIFT 算法缩小匹配范围的方法

针对多个CCD 采集多幅图像会产生一定的重叠区域,为了实现印品在线检测的要求,提出了一种结合SIFT 和缩小匹配范围的图像检测方法。该方法基于SIFT 提取特征点,改进了局部搜索范围,利用RANSAC 算法计算图像坐标变换矩阵,采用多分辨率融合方法对拼接图像进行融合处理。结果表明,采用该方法可以减少匹配和图像检验时间,降低估算概率,完成检测图像拼接。     

基于改进 SIFT的图像快速自适应匹配算法

目的分析SIFT算法特征点描述子生成比较缓慢和匹配过程距离比阈值无法自适应调节的问题,探索一种改进SIFT的图像快速自适应匹配算法。方法通过简化特征点描述子的生成过程,提高算法效率,并通过自适应地调节距离比阈值参数,提高算法的鲁棒性。结果与原算法相比,图像快速自适应匹配算法的匹配点数减少,匹配准确度高,计算时间缩短。结论该算法在匹配效率和准确度方面具有明显优势,能够将计算机视觉用于工业无损检测、印品图像检测、印刷网点图像检测和包装图像检测中,具有较好的推广价值。     

基于机器视觉的丝网印刷样板尺寸测量方法

丝网印刷样板种类和样式多,每片样板上待测目标也较多,不宜采用一致的梯度阈值参数定位边缘实施测量;此外,传统视觉检测采用定位矩形框建立测量坐标系的方式会引入测量误差,因此,提出一种基于机器视觉的丝网印刷样板的尺寸测量方法。采用一种由粗到细的测量策略,借助每一类待测目标的模板进行信息统计,针对性地设置阈值参数,改善测量精度。在测量阶段,利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位,再使用由模板信息统计获取的阈值参数进行边缘精细定位,建立局部坐标系,完成测量。实验结果表明:在同等实验条件下,此方法能够有效提高测量精度,算法改进后测量结果的平均相对误差由原来的4.02%降到1.47%,并且无需用户介入调整测量参数,适用于不同种类丝网印刷样板的灵活测量。