本發(fā)明涉及印刷檢測(cè)，尤其涉及一種基于機(jī)器視覺的印刷質(zhì)量檢測(cè)方法。

背景技術(shù)：

1、印刷質(zhì)量檢測(cè)是通過光學(xué)儀器、圖像處理或人工智能算法，對(duì)印刷品的顏色精度、文字清晰度、版面完整性及缺陷（如墨點(diǎn)、劃痕、套印偏差）進(jìn)行量化評(píng)估的過程；

2、最常見的檢測(cè)方法是通過工作人員人工檢測(cè)，但是這種方法依賴人力的長(zhǎng)期工作，由于人眼的視覺疲勞容易出現(xiàn)檢測(cè)偏差，現(xiàn)有技術(shù)多依賴圖像分析算法，如基于像素的模板匹配、邊緣檢測(cè)或深度學(xué)習(xí)模型，目前機(jī)器視覺的檢測(cè)方法較為常見，但是在檢測(cè)過程中由于紋理識(shí)別受到環(huán)境影響，包括環(huán)境中的光線和印刷機(jī)自身的振動(dòng)等因素，導(dǎo)致識(shí)別準(zhǔn)確性不高，再加上常用的機(jī)器視覺算法依賴大量的圖像數(shù)據(jù)支持，在實(shí)時(shí)檢測(cè)中效率較低。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于機(jī)器視覺的印刷質(zhì)量檢測(cè)方法，解決了現(xiàn)有技術(shù)容易受到外界環(huán)境影響識(shí)別準(zhǔn)確性低，且識(shí)別效率低下的技術(shù)問題，達(dá)到了降低環(huán)境影響提高識(shí)別準(zhǔn)確性和識(shí)別效率的目的。

2、為解決上述技術(shù)問題，本發(fā)明提供了如下技術(shù)方案：一種基于機(jī)器視覺的印刷質(zhì)量檢測(cè)方法，該方法包括以下步驟：

3、s1、采集印刷圖像的原始圖像，并對(duì)原始圖像進(jìn)行預(yù)處理得到預(yù)處理圖像；

4、s2、根據(jù)預(yù)處理圖像計(jì)算第一特征值?和第二特征值?，基于第一特征值?和第二特征值?得到前置向量?；

5、s3、計(jì)算用于分辨預(yù)處理圖像清晰程度的清晰閾值?，并基于清晰閾值?得到待檢測(cè)圖像集；

6、s4、計(jì)算待檢測(cè)圖像集中任意一張待檢測(cè)圖像?的二相值?得到二值圖像，并基于二值圖像的邊界值?得到印刷邊界；

7、s5、計(jì)算印刷邊界的第一檢測(cè)閾值?和第二檢測(cè)閾值?，并基于第一檢測(cè)閾值?和第二檢測(cè)閾值?篩選出印刷缺失位置；

8、s6、通過經(jīng)驗(yàn)法得到用于生成質(zhì)量檢測(cè)結(jié)果的質(zhì)量合格值?，并將質(zhì)量檢測(cè)結(jié)果發(fā)送給顯示模塊。

9、優(yōu)選的，在s1中，具體實(shí)現(xiàn)步驟如下：

10、s11、將原始圖像轉(zhuǎn)換到rgb空間中得到原始圖像中像素點(diǎn)的rgb值，根據(jù)rgb值計(jì)算原始圖像的灰度值?；

11、s12、根據(jù)灰度值?計(jì)算灰度差值?；

12、s13、將灰度差值?整合為清晰度圖像?，計(jì)算清晰度圖像?的中濾值?；

13、s14、在中濾值?構(gòu)成的中濾圖像中，任意選取兩個(gè)像素點(diǎn)?和并計(jì)算修正角?；

14、s15、根據(jù)修正角?對(duì)中濾圖像進(jìn)行角度修正，并得到修正后的預(yù)處理圖像。

15、優(yōu)選的，在s2中，具體實(shí)現(xiàn)步驟如下：

16、s21、獲取范圍圖像中任意一個(gè)像素點(diǎn)的像素值?作為中心點(diǎn)，并獲取中心點(diǎn)半徑?內(nèi)的?個(gè)鄰域像素點(diǎn)，計(jì)算用于獲取二進(jìn)制結(jié)果的參看值?，計(jì)算公式為：

17、；

18、其中，?表示符號(hào)函數(shù)，?表示中心點(diǎn)的灰度值，?表示鄰域像素點(diǎn)的灰度值；

19、s22、改變中心點(diǎn)半徑為?，重復(fù)s21得到多個(gè)參看值?，根據(jù)多個(gè)參看值?計(jì)算第一特征值?，計(jì)算公式為：

20、；

21、其中，?表示將參看值?的二進(jìn)制結(jié)果循環(huán)右移?次；

22、s23、通過灰度量化法獲取預(yù)處理圖像的灰度級(jí)?和?，根據(jù)灰度級(jí)?和?計(jì)算處理值?，計(jì)算公式為：

23、；

24、其中，?表示預(yù)處理圖像中像素點(diǎn)的像素值，?和?分別表示像素點(diǎn)在不同角度的偏移量，?和?表示預(yù)處理圖像的長(zhǎng)度和寬度；

25、s24、根據(jù)處理值?分別計(jì)算預(yù)處理圖像的比較值?、熵值?和關(guān)系值?，計(jì)算公式為：

26、；

27、；

28、；

29、其中，?表示?的數(shù)量，?表示處理值?的平均數(shù)，?和?分別表示?和?的標(biāo)準(zhǔn)差；

30、s25、將比較值?、熵值?和關(guān)系值?通過加權(quán)法得到第二特征值?；

31、s26、將第一特征值?和第二特征值?組合成為預(yù)處理圖像的前置向量?。

32、優(yōu)選的，在s3中，具體實(shí)現(xiàn)步驟如下：

33、s31、將預(yù)處理圖像等分為?個(gè)圖像分塊，通過離散余弦變換法得到每個(gè)圖像分塊的dct系數(shù)?，并基于dct系數(shù)?確定高頻區(qū)域?；

34、s32、根據(jù)dct系數(shù)?計(jì)算圖像分塊的前置向量?的頻能值?，計(jì)算公式為：

35、；

36、其中，?表示dct系數(shù)?的數(shù)量；

37、s33、通過隨機(jī)生成器在?之間得到一個(gè)隨機(jī)數(shù)l，根據(jù)隨機(jī)數(shù)l計(jì)算非零極小值；

38、s34、根據(jù)非零極小值?和前置向量?計(jì)算空域?qū)Ρ榷?，計(jì)算公式為：

39、；

40、其中，?表示在?方向上前置向量?的梯度，?表示在?方向上前置向量的梯度，?表示?和?的組數(shù)；

41、s35、根據(jù)頻能值?和空域?qū)Ρ榷?計(jì)算多尺度融合值?，計(jì)算公式為：

42、

43、其中，?和?表示優(yōu)化系數(shù)，且?；

44、s36、計(jì)算用于分辨預(yù)處理圖像清晰程度的清晰閾值?，計(jì)算公式為：

45、；

46、其中，?和?分別代表前置向量?在?方向和?方向的梯度均值，?表示前置向量?的均值；

47、s37、根據(jù)清晰閾值?對(duì)預(yù)處理圖像的清晰程度進(jìn)行分類；

48、若?，則將預(yù)處理圖像標(biāo)記為清晰圖像，其中，表示前置向量的平均值；

49、若?，則將預(yù)處理圖像標(biāo)記為缺陷圖像；

50、s38、將缺陷圖像集合為待檢測(cè)圖像集。

51、優(yōu)選的，在s4中，具體實(shí)現(xiàn)步驟如下：

52、s41、在待檢測(cè)圖像集中任意選取一張具有缺陷的待檢測(cè)圖像?，定義待檢測(cè)圖像?的像素坐標(biāo)為?；

53、s42、在待檢測(cè)圖像?上定義一個(gè)半徑為?的圓形處理元素?，其中，且?；

54、s43、根據(jù)待檢測(cè)圖像?計(jì)算二相值?，計(jì)算公式為：

55、；

56、其中，?表示第?個(gè)二相值，表示腐蝕運(yùn)算，表示膨脹運(yùn)算；

57、s44、根據(jù)二相值?生成二值圖像，在二值圖像上任選一個(gè)邊界像素點(diǎn)，計(jì)算邊界像素點(diǎn)?的邊界值?；

58、s45、根據(jù)邊界值?得到二值圖像的印刷邊界。

59、優(yōu)選的，所述邊界值?的計(jì)算公式為：

60、；

61、其中，?表示基于高斯函數(shù)得到的高斯核的標(biāo)準(zhǔn)差。

62、優(yōu)選的，在s5中，具體實(shí)現(xiàn)步驟如下：

63、s51、在二值圖像上選取左上角的像素點(diǎn)作為原點(diǎn)，建立全局坐標(biāo)系并獲取印刷邊界上界限像素點(diǎn)?的數(shù)量?；

64、s52、在印刷邊界上獲取多個(gè)界限像素點(diǎn)?，計(jì)算印刷邊界的均心坐標(biāo)；

65、s53、根據(jù)均心坐標(biāo)?計(jì)算均心距?；

66、s54、根據(jù)均心距?計(jì)算用于衡量均心距?平均情況的心均值?；

67、s55、計(jì)算用于評(píng)估均心距?波動(dòng)情況的標(biāo)差值?，計(jì)算公式為：

68、；

69、其中，?表示第?個(gè)標(biāo)差值；

70、s56、根據(jù)均心距?計(jì)算鄰點(diǎn)均值?，計(jì)算公式為：

71、；

72、其中，?表示與均心坐標(biāo)?相鄰的像素點(diǎn)的均心距；

73、s57、分別計(jì)算用于識(shí)別印刷缺失位置的第一檢測(cè)閾值?和第二檢測(cè)閾值?；

74、s58、根據(jù)第一檢測(cè)閾值?和第二檢測(cè)閾值?對(duì)二值圖像中的印刷缺失位置進(jìn)行識(shí)別；

75、若?且?，則將對(duì)應(yīng)位置的界限像素點(diǎn)?標(biāo)記為印刷缺失位置；

76、否則，不進(jìn)行標(biāo)記；

77、s59、將標(biāo)記的印刷缺失位置集合為印刷缺失集。

78、優(yōu)選的，所述第一檢測(cè)閾值?和第二檢測(cè)閾值?的計(jì)算公式分別為：

79、；

80、；

81、其中，?和?分別表示標(biāo)差值?的最大值和最小值，?和?分別表示鄰點(diǎn)均值?的最大值和最小值。

82、優(yōu)選的，在s6中，具體實(shí)現(xiàn)步驟如下：

83、s61、通過計(jì)數(shù)法統(tǒng)計(jì)出印刷缺失集中的印刷缺失位置的數(shù)量?；

84、s62、通過經(jīng)驗(yàn)法設(shè)定質(zhì)量合格值?，依據(jù)質(zhì)量合格值?篩選出符合要求的二值圖像；

85、若?，則說明二值圖像為合格圖像；

86、若?，則說明二值圖像為不合格圖像；

87、s63、根據(jù)質(zhì)量合格值?的篩選結(jié)果生成質(zhì)量檢測(cè)結(jié)果，并將質(zhì)量檢測(cè)結(jié)果發(fā)送給顯示模塊。

88、借由上述技術(shù)方案，本發(fā)明提供了一種基于機(jī)器視覺的印刷質(zhì)量檢測(cè)方法，至少具備以下有益效果：

89、1、本發(fā)明通過對(duì)圖像的預(yù)處理，以及對(duì)圖像中紋理的詳細(xì)識(shí)別，能夠?qū)D像進(jìn)行預(yù)處理和修正，將光線和印刷機(jī)振動(dòng)產(chǎn)生的圖像偏移進(jìn)行糾正，進(jìn)而對(duì)預(yù)處理圖像進(jìn)行多種特征識(shí)別，使圖像紋理的多種特征的融合，既能夠降低外界環(huán)境對(duì)圖像的影響，提升圖像識(shí)別準(zhǔn)確性，還能夠提升圖像紋理特征的識(shí)別準(zhǔn)確性，提高了識(shí)別效率。

90、2、本發(fā)明通過將預(yù)處理圖像進(jìn)行等分處理，并根據(jù)圖像的頻能值和空余對(duì)比度對(duì)圖像進(jìn)行識(shí)別，利用梯度計(jì)算的方法進(jìn)行多尺度融合，能夠準(zhǔn)確識(shí)別圖像的清晰程度，進(jìn)而完成圖像的初步篩選，相比于現(xiàn)有技術(shù)更加簡(jiǎn)單高效，清晰程度識(shí)別準(zhǔn)確性高。

91、3、本發(fā)明中通過先用高斯核卷積圖像，抑制高頻噪聲，在對(duì)平滑后的圖像應(yīng)用二階導(dǎo)數(shù)精確定位邊緣，既能夠降低高頻噪聲的影響，還能夠準(zhǔn)確定位圖像的邊緣，提升圖像分析的準(zhǔn)確性，并且運(yùn)算步驟簡(jiǎn)單高效，提升了處理效率。

92、4、本發(fā)明通過建立二維坐標(biāo)系并結(jié)合圖像輪廓的形態(tài)特點(diǎn)進(jìn)行缺陷識(shí)別，不僅能夠提升算法的魯棒性，而且避免大量數(shù)據(jù)的訓(xùn)練，利用輪廓的特殊性對(duì)缺失進(jìn)行高效識(shí)別，既具有高魯棒性，又比傳統(tǒng)區(qū)域閾值的獲取更加準(zhǔn)確高效，并且計(jì)算簡(jiǎn)化，大幅提升了計(jì)算的效率。