应用于印刷品质量检测的机器视觉系统——全画面印刷质量检测系统的研究

传统印刷图像质量检测方法采用测控条检测,其结果的可重复性和稳定性都不能得到保证.本文应用机器视觉技术,结合印刷质量检测原理与数字图像处理技术,建立了全画面印刷图像质量检测系统,提出了系统的理论设计与模型.系统使用彩色面阵CCD,采集印刷品图像,视频信号经图像采集卡,通过计算机PCI总线传输到内存中,在系统的软件中对图像进行处理和分析.实验主要完成了数字图像的数据转换和印刷品的墨量显示.     

自动孔板印刷机中图像检测系统的设计与实现

设计与实现了自动孔板印刷机中印刷图像质量检测系统。该系统主要包括孔板印刷中多路印刷图像的获取、特征的提取和匹配以及质量监控处理等功能模块。在RG Chromaticity空间中采用模板匹配的方法设计了相关的算法,实现了对印刷图像的错位、漏印、渗溢以及颜色不均等质量因素的快速实时检测,并成功地应用于自动丝网印刷设备中。经过测试和运行取得了良好的质量监控效果和经济效益。     

基于DSP的印刷品质量在线检测系统设计

研究一种基于高速处理芯片TMS320C5416的印刷品质量在线检测系统.对印刷品质量在线检测系统的图像采集部分做了分析,确定了以线阵CCD为中心的印刷品图像采集系统;分析TMS320C5416的特点,介绍了各硬件设备的原理及在系统中的应用.对图像定位、图像匹配算法进行比较,实现了缺陷产品的自动检测技术.     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

基于图像配准的食品包装印刷缺陷检测与实现

传统食品包装印刷缺陷检测系统采集的实时图像和标准图像在空间上存在着较大的差异,在缺陷检测前首先要将实时图像与标准图像配准,再进行图像缺陷检测与识别。针对传统检测方法检测时间长、分拣效率低、漏检率高和对人视觉要求高等缺点,在图像增强处理的基础上,提出了一种适用于食品包装印刷缺陷检测的图像配准算法。该算法利用小波变换改进算法对图像边缘进行检测,有效地解决了噪声所产生的误检问题。实验仿真结果表明,该算法具有较高的稳定性和可靠性,能够精确检测出小于0.1 mm的刀丝和拉条等细微缺陷,实现了食品包装印刷品的无损检测。     

印刷品缺陷检测的初步方案

印刷品缺陷检测技术有着重要的实际意义。介绍了基于数字图像处理的印刷品缺陷检测系统的设计,并对主要模块即图像采集及预处理、模板制作、图像对准、缺陷检测进行了分析研究。实验结果表明,充分考虑人眼视觉特性,将动态阈值法引入缺陷检测,能够显著提高印刷质量检测系统的检测精度。     

印刷品缺陷检测的初步方案

印刷品缺陷检测技术有着重要的实际意义。介绍了基于数字图像处理的印刷品缺陷检测系统的设计，并对主要模块即图像采集及预处理、模板制作、图像对准、缺陷检测进行了分析研究。实验结果表明，充分考虑人眼视觉特性，将动态阈值法引入缺陷检测，能够显著提高印刷质量检测系统的检测精度。     

基于FPGA和DSP的印刷品数字水印检测器的设计

采用高端CMOS图像传感器进行图像采集,基于DCT和M序列算法实现数字水印提取,基于FPGA采用DA算法实现二维DCT变换。与基于PC机和扫描仪的印刷品数字水印检测设备相比,大大提高了图片数字水印检测的速度,实现了印刷品数字水印的快速检测。     

基于浅层特征的印刷品分拣识别系统

针对印刷领域印刷品的识别问题,设计了一种基于浅层特征的视觉识别系统.浅层特征适用于对精准特定目标的识别,SIFT是一种被广泛使用且效果良好的浅层特征.该系统首先建立一个小型样本图像数据库,然后采用SIFT算法进行特征提取并与样本图像进行匹配识别.另外,该系统实现了在线学习的功能.经过实验验证,该系统可以实时、准确的实现对印刷品内容的识别.     

基于Siamese-YOLOv4的印刷品缺陷目标检测

在印刷工业生产中,针对直接使用YOLOv4网络进行印刷缺陷目标检测精度低、所需训练样本数量大的问题,提出了一种基于Siamese-YOLOv4的印刷品缺陷目标检测方法。首先,使用了一种图像分割和随机参数变化的策略对数据集进行增强;然后,在主干网络中增加了孪生相似性检测网络,并在相似性检测网络中引入Mish激活函数来计算出图像块的相似度,在此之后将相似度低于阈值的区域作为缺陷候选区域;最后,训练候选区域图像,从而实现缺陷目标的精确定位与分类。实验结果表明：Siamese-YOLOv4模型的检测精度优于主流的目标检测模型,在印刷缺陷数据集上,Siamese-YOLOv4网络对卫星墨滴缺陷的检测准确率为98.6%,对脏点缺陷的检测准确率为97.8%,对漏印缺陷的检测准确率为93.9%;检测的平均精度均值（mAP）达到了96.8%,相较于YOLOv4算法、Faster R-CNN算法、SSD算法、EfficientDet算法分别提高了6.5个百分点、6.4个百分点、14.9个百分点、10.6个百分点。所提Siamese-YOLOv4模型一方面在印刷品缺陷检测中有较低的误检率和漏检率,另一方面通过相似性检测网络计算图像块的相似度从而提高了检测的精度,表明所提缺陷检测方法可应用于印刷质检以提高印刷企业的缺陷检测水平。     

基于机器视觉的印刷标签检测系统的改进

针对图像采集的非同步性和传送平台存在的抖动等因素造成采集图像质量降低的问题,提出了一种简单可行的高可靠性机器视觉印刷标签检测系统。通过比较几种边缘检测算法,采用Canny这种相对高可靠性的边缘检测算法制作边缘掩膜,通过在模板图像上加盖边缘掩膜,在差影比较后对差影图像进行形态学去噪来消除轮廓伪影和人眼难以识别的微小缺陷。该方法运用在印刷标签质量检测系统中,有效地降低了印刷标签误检率,并且符合人眼识别特性。     

基于视觉选择性注意机制的目标检测的研究

视觉选择性注意模型的应用是当今认知信息处理领域的研究热点。根据人类视觉感知理论,在介绍具有代表性的视觉注意模型（Itti模型）的基础上,在特征提取的初级阶段引入新的低层视觉特征,形成一种新的引导注意的显著图,从而实现较为准确的目标检测。结果证明该方法在一定程度上避免了漏检测现象的发生,使得注意区域更能接近生物视觉系统的实际。     

基于视觉传感器的PCB缺陷检测系统的研究与实现

为了实现PCB缺陷的在线自动检测,设计了一种PCB缺陷自动检测系统,该系统主要由机器臂、电气控制系统以及视觉传感器系统等组成。通过可编程控制的图像采集系统获取高质量的原始视觉图像,利用图像处理实现对缺陷目标的自动检测及识别。实验结果验证了该系统检测PCB板缺陷的高效性和实时性。     

骨组织模型3D打印建模中CT图像序列选择的策略分析

骨组织模型的精确3D打印对骨科手术前进行手术方案规划、术中定位和术后评估手术效果均有不可替代的作用.然而,打印等比例的、与患者完全匹配的、精确的骨组织模型涉及术前CT影像扫描、3D建模、3D打印及打印后处理一系列流程.其中,对于3D打印前的重建,CT扫描图像序列的选择直接影响打印模型的质量.通过比较骨窗序列和标准序列C...     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

Hough变换在数码印花飞线检测中的应用

针对织物数码印花过程中出现的飞线问题, 以Hough变换理论为基础, 结合图像处理技术, 构建了一套数码印花飞线自动检测系统. 通过Hough变换提取出图像的直线特征信息后, 利用互相关系数检测出数码印花过程中出现的飞线问题, 最后通过人工检测和检测结果比较发现, 该系统较好地完成了数码印花飞线的自动检测.