CN105842244A - 利用纸张固有信息的纸张身份识别追溯*** - Google Patents
利用纸张固有信息的纸张身份识别追溯*** Download PDFInfo
- Publication number
- CN105842244A CN105842244A CN201610174648.XA CN201610174648A CN105842244A CN 105842244 A CN105842244 A CN 105842244A CN 201610174648 A CN201610174648 A CN 201610174648A CN 105842244 A CN105842244 A CN 105842244A
- Authority
- CN
- China
- Prior art keywords
- paper
- image
- fluorescent fiber
- pixel
- crosscutting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8411—Application to online plant, process monitoring
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Paper (AREA)
Abstract
本发明为利用纸张固有信息的纸张身份识别追溯***,解决纸张的生产通过喷码机将标识码喷印在纸张上作为纸张身份识别码,导致纸张成本和废品率高的问题。本发明包含荧光纤维丝检测***、中心服务器,荧光纤维丝检测***安装在各工序纸张外观质量检测***之前,所述荧光纤维丝检测***包括计算机、相机、红外LED光源、紫外荧光LED光源,所述纸张外观质量检测***为已有商品***,荧光纤维丝检测***、纸张外观质量检测***通过网络与中心服务器连接,纸张外观质量检测***提供纸张质量信息,荧光纤维丝检测***提供唯一的纸张身份识别码,中心服务器通过纸张身份识别码将每张纸在各工序中获得的纸张质量信息进行存储。
Description
技术领域:
本发明***属于工业检测控制领域,特别涉及一种对于在纸张生产流程中,在不通过外部标示(喷码、打孔等)的情况下,利用纸张本身的固有信息实现单张纸张的在线跟踪与追溯的方法。
背景技术:
纸张的生产目前没有任何追溯***,部分生产厂商计划采用喷码的方式,即通过喷码机将标识码喷印在纸张上作为纸张身份识别码,通过该喷码标示来进行纸张的追溯,但是这种方式会导致纸张成本的提升,并增加因喷码故障带来的纸张损失,喷错码或没喷码的纸张需要作废。
发明内容:
本发明的目的是提供一种能追踪每大张纸在每道生产工艺工序中的唯一纸张身份识别码,能够将前后工序中纸张外观质量检测***对每大张纸的检测结果与纸张身份识别码对应匹配,从而将生产过程中不同生产工序中检测的同一纸张的质量信息进行汇总记录的利用纸张固有信息的纸张身份识别追溯***。
本发明是这样实现的:
利用纸张固有信息的纸张身份识别追溯***,防伪纸带荧光纤维丝,纸张生产的各工序安装有纸张外观质量检测***,各工序的纸张外观质量检测***之前增加荧光纤维丝检测***,所述荧光纤维丝检测***包括计算机、相机、红外LED光源、紫外荧光LED光源,红外LED光源位于纸张背面,与相机形成透视成像,拍摄纸张的透视成像图,通过透视成像能使纸张中的横切标记成像为亮度高于纸张表面的对象,紫外荧光LED光源位于纸张正面,与相机形成反射成像,拍摄纸张的正面反射图像,通过紫外荧光LED光源能让纸张表面的荧光纤维丝发亮,形成亮度高于纸张表面的对象,所述外观质量检测检测***为已有商品***,能够得到纸张质量信息,荧光纤维丝检测***、纸张外观质量检测***通过网络与中心服务器连接,纸张外观质量检测***将纸张质量信息直接发送到中心服务器,荧光纤维丝检测***通过检测得到每张纸唯一的纸张身份识别码,中心服务器通过纸张身份识别码将各工序中获得的纸张质量信息进行汇总存储。
所述荧光纤维丝检测***的计算机为研华6606工控机,光源采用了深圳市中钞科信公司定制的紫外荧光LED光源、深圳市中钞科信公司定制的红外LED光源,相机采用DALSA公司的02K40线阵CCD相机,成像分辨率中的横向和纵向分辨率均为0.1mm/pixal,所述中心服务器为联想D40工作站,所述外观质量检测检测***采用的是深圳市中钞科信金融科技有限公司生产的纸张外观质量检测***,纸张外观质量检测***获得纸张生产过程中的质量信息,包括纸张穿孔、蹭脏、白点、脏浆、杂质、浆块、褶子、纸张大小、水印位置、裁切位置。
所述荧光纤维丝检测***利用荧光纤维丝随机分布的特点,通过相机对纸张中的荧光纤维丝进行拍摄,每个工序的荧光纤维丝检测***均需要拍摄每张纸的图像,荧光纤维丝检测***采用紫外荧光LED光源对纸张表面的荧光纤维丝进行成像拍摄和检测,拍摄图像中:纸张横切标记在横向位于所拍图像的正中间,在纵向位于所拍图像的最下方,所拍图像长度和宽度均为600毫米,以每个荧光纤维丝外接矩形中心与横切标记外接矩形中心的欧式距离为索引,以荧光纤维丝外接矩形中心在以横切标记外接矩形中心建立的坐标系的横向和纵向的坐标、每个荧光纤维丝的面积、外接矩形长度和宽度作为特征建立纸张的身份识别码,所述纸张横切标记为纸张生产中在纸张中以水印形式在纸张中添加的水印图案,为长方形的水印,在透视成像下可以看到,纸张横切标记在每张纸中只有一个,且其位置在每张纸中都是固定的,以横切标记外接矩形中心作为坐标系的原点,荧光纤维丝外接矩形中心与横切标记外接矩形中心的欧式距离为:荧光纤维丝的外接矩形的中心与横切标记的外接矩形的中心的直线距离,外接矩形:与图像保持水平,并能包含目标对象的最小矩形,目标对象即上述荧光纤维丝和横切标记,荧光纤维丝的面积:单个荧光纤维丝的面积为图像中单个荧光纤维丝的像素点。
荧光纤维丝检测***对纸张表面的荧光纤维丝进行检测分析的流程如下:
1图像预处理,
通过大津算法将拍摄图像中的横切标记和荧光纤维丝提取出来:
在拍摄图像中,荧光纤维丝和横切标记都是亮度高于纸面背景的对象,通过大津算法把拍摄图像变换为二值化图像,从而让横切标记和荧光纤维丝成为明显的目标对象,在进行图像提取的时候,图像采用RGB通道的G通道图像,大津算法步骤如下:
1)、对图像进行直方图统计,获得拍摄图像每个灰度级的像素点数,每个灰度级记为i,i为变量,取值范围为0到255,
2)、将图像的每个灰度级分为AB两类,每个灰度级i的A类记为WAi,WAi为灰度级小于i的像素占总像素的比例,μAi为灰度级i的A类平均灰度;
WAi= 灰度级小于等于i的像素总数/图像像素总数,
μAi = 灰度级小于等于i的像素的灰度级总和/灰度级小于等于i的像素总数,
每个灰度级i的B类记为WBi,WBi为灰度级大于i的像素占总像素的比例,μBi为灰度级i的B类平均灰度;
WBi= 灰度级大于i的像素总数/图像像素总数,
μBi = 灰度级大于i的像素的灰度级总和/灰度级大于i的像素总数,
μ为图像平均灰度级,
μ = 图像灰度级总和/ 图像像素总数,
Ti为每个灰度级的方差,
Ti = WAi(μai-μ)2+ Wbi(μbi-μ)2
通过上述公式计算得到0到255共256个方差值Ti,在这256个方差中最大的值对应的灰度级就是图像的分割阈值,
3)、通过上述分割阈值直接将图像二值化,高于分割阈值的像素点灰度级为1,低于分割阈值的像素点灰度级为0,
2、采用BLOB 分析算法对图像进行分析,面积、长度和宽度采用的单位均为像素,
算法步骤:
1)按像素对图像预处理中得到的二值化的图像进行分析,将二值化图像中值为1的像素点按照八邻域进行连通性分析,将八邻域相邻的所有像素合成为一个BLOB块,计算二值化图中所有的BLOB块;
2)对上一步得到的图像中所有的BLOB块进行筛选,将像素点个数大于判定阈值的BLOB块筛选出来,判定阈值为荧光纤维丝标准像素面积的一半,荧光纤维丝标准像素面积通过标准荧光纤维丝面积除以图像像素分辨率0.1mm/pixal获得;
3)对筛选出来的每一个BLOB块计算其像素点的总体像素面积,记录BLOB块外接矩形的中心在以图像左上角为原点,以像素为单位的坐标系中的位置,BLOB块外接矩形的长度和宽度,BLOB块外接矩形为与图像保持水平,并能包含BLOB块的最小外接矩形;
3、横切标记提取:
在步骤2获得的BLOB块中,将面积、长度和宽度符合横切标记的BLOB块找到并记录位置,面积、长度和宽度的单位均为像素,横切标记为纸张上的固定水印,其面积、长度和宽度是固定的,将计算得到的BLOB块的面积、长度和宽度同横切标记的面积、长度和宽度进行对比,对比的策略是BLOB块面积、长度和宽度同横切标记标准值误差在10%以内的是符合横切标记的BLOB块。
4、荧光纤维丝提取:
将上述步骤中提取的符合横切标记BLOB块去除,图像中剩下的BLOB块都是荧光纤维丝,将剩下的BLOB块的坐标系转化为以横切标记外接矩形中心为原点的坐标系,计算剩下BLOB块的外接矩形中心到横切标记外接矩形中心的欧式距离,欧式距离即荧光纤维丝的外接矩形中心到横切标记外接矩形中心的直线距离,将剩下的BLOB块按照上述得到的欧式距离按从小到大进行排序,对于欧式距离相同的BLOB块则再按照以横切标记外接矩形中心为原点的坐标系的X方向位置从左向右进行排序,取排序结果中前30个荧光纤维丝作为身份识别码的参数。
5、归一化:
将上述步骤计算得到的30个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度转化为以毫米为单位,转化通过单个像素的分辨率完成,具体方式为:
上述计算得到的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度的单位均为像素,像素横向和纵向分辨率均为0.1mm/像素,这里将横向分辨率和纵向分辨率统称为像素分辨率,
归一化后x坐标 = 原像素为单位的长度 * 像素分辨率,
归一化后y坐标= 原像素为单位的宽度* 像素分辨率,
归一化后面积 = 原像素为单位的面积 * 像素分辨率 * 像素分辨率,
归一化后外接矩形长度= 原像素为单位的外接矩形长度 * 像素分辨率,
归一化后外接矩形宽度= 原像素为单位的外接矩形宽度 * 像素分辨率,
6、身份识别码分析与识别,
将每个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度一共5个参数作为每个荧光纤维丝的特征值,形成每一个荧光纤维丝的特征向量,每张纸取30个特征向量,这30个特征向量形成了本发明中所述的纸张身份识别码,即纸张身份识别码包含30个特征向量,每个特征向量包含5个特征值,在进行识别时,30个特征向量只需要有25个特征向量匹配成功则视为该纸张身份识别码匹配成功,单个特征向量的匹配方法为对待匹配特征向量中的5个特征值进行比较,当单个特征值差异在10%以内,则认为该特征值匹配成功,当5个特征值差异分别在10%以内,则单个特征向量匹配成功,
单个特征值比较计算方法为:单个特征值差异 = | 待匹配特征向量单个特征值-样本特征向量单个特征值 |/样本特征向量单个特征值,
待匹配特征向量为当前工序计算得到的纸张身份识别码中的纸张特征向量,
样本特征向量为首道工序提取的所有纸张身份识别码中的纸张特征向量,
当前识别得到的纸张身份识别码将同首道工序提取的所有纸张身份识别码进行匹配。
本发明有如下优点:
在采用了本发明后,能够除了在前期投入一部分资金外,在设备安装后不产生新增费用的情况下进行纸张的追溯,不增加厂商生产工序的复杂度,不在纸张上做任何标记,避免了由喷码带来的纸张损失。在使用了本发明***后就能追踪每大张纸在每道生产工艺工序中的状态,能将所有的生产工序中对同一大张纸不同的检测结果汇总到一起,保证所有在生产过程中由各纸张外观质量检测***发现的有缺陷的同一大张纸张都被本发明***记录下来,形成该大张纸在全生产流程的质量跟踪,保证每一大张纸都有迹可循,保证出厂纸张的品质,即使有质量问题的纸张出了厂,也能够帮助厂家追溯纸张的生产过程,找到有质量问题的纸张出厂的原因并及时解决。
附图说明:
图1为本发明***图。
图2为荧光纤维丝检测***成像图。
图3为荧光纤维丝二值化图。
具体实施方式:
利用纸张固有信息的纸张身份识别追溯***,防伪纸带荧光纤维丝,纸张生产的各工序安装有纸张外观质量检测***,各工序的纸张外观质量检测***之前增加荧光纤维丝检测***,所述荧光纤维丝检测***包括计算机、相机、红外LED光源、紫外荧光LED光源,红外LED光源位于纸张背面,与相机形成透视成像,拍摄纸张的透视成像图,通过透视成像能使纸张中的横切标记成像为亮度高于纸张表面的对象,紫外荧光LED光源位于纸张正面,与相机形成反射成像,拍摄纸张的正面反射图像,通过紫外荧光LED光源能让纸张表面的荧光纤维丝发亮,形成亮度高于纸张表面的对象,所述外观质量检测检测***为已有商品***,能够得到纸张质量信息,荧光纤维丝检测***、纸张外观质量检测***通过网络与中心服务器连接,纸张外观质量检测***将纸张质量信息直接发送到中心服务器,荧光纤维丝检测***通过检测得到每张纸唯一的纸张身份识别码,中心服务器通过纸张身份识别码将各工序中获得的纸张质量信息进行汇总存储。
所述荧光纤维丝检测***的计算机为研华6606工控机,光源采用了深圳市中钞科信公司定制的紫外荧光LED光源、深圳市中钞科信公司定制的红外LED光源,相机采用DALSA公司的02K40线阵CCD相机,成像分辨率中的横向和纵向分辨率均为0.1mm/pixal,所述中心服务器为联想D40工作站,所述外观质量检测检测***采用的是深圳市中钞科信金融科技有限公司生产的纸张外观质量检测***,纸张外观质量检测***获得纸张生产过程中的质量信息,包括纸张穿孔、蹭脏、白点、脏浆、杂质、浆块、褶子、纸张大小、水印位置、裁切位置。
所述荧光纤维丝检测***利用荧光纤维丝随机分布的特点,通过相机对纸张中的荧光纤维丝进行拍摄,每个工序的荧光纤维丝检测***均需要拍摄每张纸的图像,荧光纤维丝检测***采用紫外荧光LED光源对纸张表面的荧光纤维丝进行成像拍摄和检测,拍摄图像中:纸张横切标记在横向位于所拍图像的正中间,在纵向位于所拍图像的最下方,所拍图像长度和宽度均为600毫米,以每个荧光纤维丝外接矩形中心与横切标记外接矩形中心的欧式距离为索引,以荧光纤维丝外接矩形中心在以横切标记外接矩形中心建立的坐标系的横向和纵向的坐标、每个荧光纤维丝的面积、外接矩形长度和宽度作为特征建立纸张的身份识别码,所述纸张横切标记为纸张生产中在纸张中以水印形式在纸张中添加的水印图案,为长方形的水印,在透视成像下可以看到,纸张横切标记在每张纸中只有一个,且其位置在每张纸中都是固定的,以横切标记外接矩形中心作为坐标系的原点,荧光纤维丝外接矩形中心与横切标记外接矩形中心的欧式距离为:荧光纤维丝的外接矩形的中心与横切标记的外接矩形的中心的直线距离,外接矩形:与图像保持水平,并能包含目标对象的最小矩形,目标对象即上述荧光纤维丝和横切标记,荧光纤维丝的面积:单个荧光纤维丝的面积为图像中单个荧光纤维丝的像素点。
荧光纤维丝检测***对纸张表面的荧光纤维丝进行检测分析的流程如下:
1图像预处理,
通过大津算法将拍摄图像中的横切标记和荧光纤维丝提取出来:
在拍摄图像中,荧光纤维丝和横切标记都是亮度高于纸面背景的对象,通过大津算法把拍摄图像变换为二值化图像,从而让横切标记和荧光纤维丝成为明显的目标对象,在进行图像提取的时候,图像采用RGB通道的G通道图像,大津算法步骤如下:
1)、对图像进行直方图统计,获得拍摄图像每个灰度级的像素点数,每个灰度级记为i,i为变量,取值范围为0到255,
2)、将图像的每个灰度级分为AB两类,每个灰度级i的A类记为WAi,WAi为灰度级小于i的像素占总像素的比例,μAi为灰度级i的A类平均灰度;
WAi= 灰度级小于等于i的像素总数/ 图像像素总数,
μAi = 灰度级小于等于i的像素的灰度级总和/ 灰度级小于等于i的像素总数,
每个灰度级i的B类记为WBi,WBi为灰度级大于i的像素占总像素的比例,μBi为灰度级i的B类平均灰度;
WBi= 灰度级大于i的像素总数/ 图像像素总数,
μBi = 灰度级大于i的像素的灰度级总和/ 灰度级大于i的像素总数,
μ为图像平均灰度级,
μ = 图像灰度级总和/ 图像像素总数,
Ti为每个灰度级的方差,
Ti = WAi(μai-μ)2+ Wbi(μbi-μ)2
通过上述公式计算得到0到255共256个方差值Ti,在这256个方差中最大的值对应的灰度级就是图像的分割阈值,
3)、通过上述分割阈值直接将图像二值化,高于分割阈值的像素点灰度级为1,低于分割阈值的像素点灰度级为0,
2、采用BLOB 分析算法对图像进行分析,面积、长度和宽度采用的单位均为像素,
算法步骤:
1)按像素对图像预处理中得到的二值化的图像进行分析,将二值化图像中值为1的像素点按照八邻域进行连通性分析,将八邻域相邻的所有像素合成为一个BLOB块,计算二值化图中所有的BLOB块,
2)对上一步得到的图像中所有的BLOB块进行筛选,将像素点个数大于判定阈值的BLOB块筛选出来,判定阈值为荧光纤维丝标准像素面积的一半,荧光纤维丝标准像素面积通过标准荧光纤维丝面积除以图像像素分辨率0.1mm/pixal获得,
3)对筛选出来的每一个BLOB块计算其像素点的总体像素面积,记录BLOB块外接矩形的中心在以图像左上角为原点,以像素为单位的坐标系中的位置,BLOB块外接矩形的长度和宽度,BLOB块外接矩形为与图像保持水平,并能包含BLOB块的最小外接矩形,
3、横切标记提取,
在步骤2获得的BLOB块中,将面积、长度和宽度符合横切标记的BLOB块找到并记录位置,面积、长度和宽度的单位均为像素,横切标记为纸张上的固定水印,其面积、长度和宽度是固定的,将计算得到的BLOB块的面积、长度和宽度同横切标记的面积、长度和宽度进行对比,对比的策略是BLOB块面积、长度和宽度同横切标记标准值误差在10%以内的是符合横切标记的BLOB块,
4、荧光纤维丝提取,
将上述步骤中提取的符合横切标记BLOB块去除,图像中剩下的BLOB块都是荧光纤维丝,将剩下的BLOB块的坐标系转化为以横切标记外接矩形中心为原点的坐标系,计算剩下BLOB块的外接矩形中心到横切标记外接矩形中心的欧式距离,欧式距离即荧光纤维丝的外接矩形中心到横切标记外接矩形中心的直线距离,将剩下的BLOB块按照上述得到的欧式距离按从小到大进行排序,对于欧式距离相同的BLOB块则再按照以横切标记外接矩形中心为原点的坐标系的X方向位置从左向右进行排序,取排序结果中前30个荧光纤维丝作为身份识别码的参数,
5、归一化
将上述步骤计算得到的30个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度转化为以毫米为单位,转化通过单个像素的分辨率完成,具体方式为:
上述计算得到的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度的单位均为像素,像素横向和纵向分辨率均为0.1mm/像素,这里将横向分辨率和纵向分辨率统称为像素分辨率,
归一化后x坐标 = 原像素为单位的长度 * 像素分辨率,
归一化后y坐标= 原像素为单位的宽度* 像素分辨率,
归一化后面积 = 原像素为单位的面积 * 像素分辨率 * 像素分辨率,
归一化后外接矩形长度= 原像素为单位的外接矩形长度 * 像素分辨率,
归一化后外接矩形宽度= 原像素为单位的外接矩形宽度 * 像素分辨率,
6、身份识别码分析与识别,
将每个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度一共5个参数作为每个荧光纤维丝的特征值,形成每一个荧光纤维丝的特征向量,每张纸取30个特征向量,这30个特征向量形成了本发明中所述的纸张身份识别码,即纸张身份识别码包含30个特征向量,每个特征向量包含5个特征值,在进行识别时,30个特征向量只需要有25个特征向量匹配成功则视为该纸张身份识别码匹配成功,单个特征向量的匹配方法为对待匹配特征向量中的5个特征值进行比较,当单个特征值差异在10%以内,则认为该特征值匹配成功,当5个特征值差异分别在10%以内,则单个特征向量匹配成功,
单个特征值比较计算方法为: 单个特征值差异 =| 待匹配特征向量单个特征值 – 样本特征向量单个特征值 | / 样本特征向量单个特征值,
待匹配特征向量为当前工序计算得到的纸张身份识别码中的纸张特征向量,
样本特征向量为首道工序提取的所有纸张身份识别码中的纸张特征向量,
当前识别得到的纸张身份识别码将同首道工序提取的所有纸张身份识别码进行匹配。
Claims (3)
1.利用纸张固有信息的纸张身份识别追溯***,防伪纸带荧光纤维丝,纸张生产的各工序安装有纸张外观质量检测***,其特征在于各工序的纸张外观质量检测***之前增加荧光纤维丝检测***,所述荧光纤维丝检测***包括计算机、相机、红外LED光源、紫外荧光LED光源,红外LED光源位于纸张背面,与相机形成透视成像,拍摄纸张的透视成像图,通过透视成像能使纸张中的横切标记成像为亮度高于纸张表面的对象,紫外荧光LED光源位于纸张正面,与相机形成反射成像,拍摄纸张的正面反射图像,通过紫外荧光LED光源能让纸张表面的荧光纤维丝发亮,形成亮度高于纸张表面的对象,所述外观质量检测检测***为已有商品***,能够得到纸张质量信息,荧光纤维丝检测***、纸张外观质量检测***通过网络与中心服务器连接,纸张外观质量检测***将纸张质量信息直接发送到中心服务器,荧光纤维丝检测***通过检测得到每张纸唯一的纸张身份识别码,中心服务器通过纸张身份识别码将各工序中获得的纸张质量信息进行汇总存储。
2.根据权利要求1所述的利用纸张固有信息的纸张身份识别追溯***,其特征在于所述荧光纤维丝检测***的计算机为研华6606工控机,光源采用了深圳市中钞科信公司的紫外荧光LED光源、深圳市中钞科信公司的红外LED光源,相机采用DALSA公司的02K40线阵CCD相机,成像分辨率中的横向和纵向分辨率均为0.1mm/pixal,所述中心服务器为联想D40工作站,所述外观质量检测检测***采用的是深圳市中钞科信金融科技有限公司生产的纸张外观质量检测***,纸张外观质量检测***获得纸张生产过程中的质量信息,包括纸张穿孔、蹭脏、白点、脏浆、杂质、浆块、褶子、纸张大小、水印位置、裁切位置。
3.根据权利要求1所述的利用纸张固有信息的纸张身份识别追溯***,其特征在于所述荧光纤维丝检测***利用荧光纤维丝在防伪纸张中随机分布的特点,通过相机对纸张中的荧光纤维丝进行拍摄,每个工序的荧光纤维丝检测***均需要拍摄每张纸的图像,荧光纤维丝检测***采用紫外荧光LED光源对纸张表面的荧光纤维丝进行成像拍摄和检测,拍摄图像中:纸张横切标记在横向位于所拍图像的正中间,在纵向位于所拍图像的最下方,所拍图像长度和宽度均为600毫米,以荧光纤维丝外接矩形中心在以横切标记外接矩形中心建立的坐标系的横向和纵向的坐标、每个荧光纤维丝的面积、外接矩形长度和宽度作为特征建立纸张的身份识别码,所述纸张横切标记为纸张生产中在纸张中以水印形式在纸张中添加的水印图案,为长方形的水印,在透视成像下可以看到,纸张横切标记在每张纸中只有一个,且其位置在每张纸中都是固定的,以横切标记外接矩形中心作为坐标系的原点,荧光纤维丝外接矩形中心与横切标记外接矩形中心的欧式距离为:荧光纤维丝的外接矩形的中心与横切标记的外接矩形的中心的直线距离,外接矩形:与图像保持水平,并能包含目标对象的最小矩形,目标对象即上述荧光纤维丝和横切标记,荧光纤维丝的面积:单个荧光纤维丝的面积为图像中单个荧光纤维丝的像素点,荧光纤维丝检测***对纸张表面的荧光纤维丝进行检测分析的流程如下:
1图像预处理:
通过大津算法将拍摄图像中的横切标记和荧光纤维丝提取出来:
在拍摄图像中,荧光纤维丝和横切标记都是亮度高于纸面背景的对象,通过大津算法把拍摄图像变换为二值化图像,从而让横切标记和荧光纤维丝成为明显的目标对象,在进行图像提取的时候,图像采用RGB通道的G通道图像,大津算法步骤如下:
1)、对图像进行直方图统计,获得拍摄图像每个灰度级的像素点数,每个灰度级记为i,i为变量,取值范围为0到255,
2)、将图像的每个灰度级分为AB两类,每个灰度级i的A类记为WAi,WAi为灰度级小于等于i的像素占图像总像素的比例,μAi为灰度级i的A类平均灰度;
WAi= 灰度级小于等于i的像素总数/ 图像像素总数,
μAi = 灰度级小于等于i的像素的灰度级总和/ 灰度级小于等于i的像素总数,
每个灰度级i的B类记为WBi,WBi为灰度级大于i的像素占总像素的比例,μBi为灰度级i的B类平均灰度;
WBi= 灰度级大于i的像素总数/ 图像像素总数,
μBi = 灰度级大于i的像素的灰度级总和/ 灰度级大于i的像素总数,
μ为图像平均灰度级,
μ = 图像灰度级总和/ 图像像素总数,
Ti为每个灰度级的方差,
Ti = WAi(μai-μ)2+ Wbi(μbi-μ)2
通过上述公式计算得到0到255共256个方差值Ti,在这256个方差中最大的值对应的灰度级就是图像的分割阈值,
3)、通过上述分割阈值直接将图像二值化,高于分割阈值的像素点灰度级为1,低于分割阈值的像素点灰度级为0;
2、采用BLOB 分析算法对图像进行分析,面积、长度和宽度采用的单位均为像素,
算法步骤:
1)按像素对图像预处理中得到的二值化的图像进行分析,将二值化图像中值为1的像素点按照八邻域进行连通性分析,将八邻域相邻的所有像素合成为一个BLOB块,计算二值化图中所有的BLOB块,
2)对上一步得到的图像中所有的BLOB块进行筛选,将像素点个数大于判定阈值的BLOB块筛选出来,判定阈值为荧光纤维丝标准像素面积的一半,荧光纤维丝标准像素面积通过标准荧光纤维丝面积除以图像像素分辨率0.1mm/pixal获得,
3)对筛选出来的每一个BLOB块计算其像素点的总体像素面积,记录BLOB块外接矩形的中心在以图像左上角为原点、以像素为单位的坐标系中的位置,BLOB块外接矩形的长度和宽度,BLOB块外接矩形为与图像保持水平,并能包含BLOB块的最小外接矩形,
3、横切标记提取:
在步骤2获得的BLOB块中,将面积、长度和宽度符合横切标记的BLOB块找到并记录位置,面积、长度和宽度的单位均为像素,横切标记为纸张上的固定水印,其面积、长度和宽度是固定的,将计算得到的BLOB块的面积、长度和宽度同横切标记的面积、长度和宽度进行对比,对比的策略是BLOB块面积、长度和宽度同横切标记标准值误差在10%以内的是符合横切标记的BLOB块,
4、荧光纤维丝提取:
将上述步骤中提取的符合横切标记BLOB块去除,图像中剩下的BLOB块都是荧光纤维丝,将剩下的BLOB块的坐标系转化为以横切标记外接矩形中心为原点的坐标系,计算剩下BLOB块的外接矩形中心到横切标记外接矩形中心的欧式距离,欧式距离即荧光纤维丝的外接矩形中心到横切标记外接矩形中心的直线距离,将剩下的BLOB块按照上述得到的欧式距离按从小到大进行排序,对于欧式距离相同的BLOB块则再按照以横切标记外接矩形中心为原点的坐标系的X方向位置从左向右进行排序,按照上述得到的欧式距离按从小到大进行排序,取排序结果中前30个荧光纤维丝作为身份识别码的参数,
5、归一化:
将上述步骤计算得到的30个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度转化为以毫米或平方毫米为单位,转化通过单个像素的分辨率完成,具体方式为:
上述计算得到的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度的单位均为像素,像素横向和纵向分辨率均为0.1mm/像素,这里将横向分辨率和纵向分辨率统称为像素分辨率,
归一化后x坐标 = 原像素为单位的长度 * 像素分辨率,
归一化后y坐标= 原像素为单位的宽度* 像素分辨率,
归一化后面积 = 原像素为单位的面积 * 像素分辨率 * 像素分辨率,
归一化后外接矩形长度= 原像素为单位的外接矩形长度 * 像素分辨率,
归一化后外接矩形宽度= 原像素为单位的外接矩形宽度 * 像素分辨率,
6、身份识别码分析与识别,
将每个荧光纤维丝的在以横切标记外接矩形中心为原点的坐标系下的x坐标、y坐标、面积、外接矩形长度、外接矩形宽度一共5个参数作为每个荧光纤维丝的特征值,形成每一个荧光纤维丝的特征向量,每张纸取30个特征向量,这30个特征向量形成了本发明中所述的纸张身份识别码,即纸张身份识别码包含30个特征向量,每个特征向量包含5个特征值,在进行识别时,30个特征向量只需要有25个特征向量匹配成功则视为该纸张身份识别码匹配成功,单个特征向量的匹配方法为对待匹配特征向量中的5个特征值进行比较,当单个特征值差异在10%以内,则认为该特征值匹配成功,当5个特征值差异分别在10%以内,则单个特征向量匹配成功,
单个特征值比较计算方法为:单个特征值差异 =| 待匹配特征向量单个特征值-样本特征向量单个特征值 |/样本特征向量单个特征值,
待匹配特征向量为当前工序计算得到的纸张身份识别码中的纸张特征向量,
样本特征向量为首道工序提取的所有纸张身份识别码中的纸张特征向量,
当前识别得到的纸张身份识别码将同首道工序提取的所有纸张身份识别码进行匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610174648.XA CN105842244A (zh) | 2016-03-25 | 2016-03-25 | 利用纸张固有信息的纸张身份识别追溯*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610174648.XA CN105842244A (zh) | 2016-03-25 | 2016-03-25 | 利用纸张固有信息的纸张身份识别追溯*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105842244A true CN105842244A (zh) | 2016-08-10 |
Family
ID=56583366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610174648.XA Pending CN105842244A (zh) | 2016-03-25 | 2016-03-25 | 利用纸张固有信息的纸张身份识别追溯*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105842244A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111276106A (zh) * | 2020-02-19 | 2020-06-12 | 京东方科技集团股份有限公司 | 一种基于面积统计的异常标注方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007031695A1 (fr) * | 2005-09-15 | 2007-03-22 | Arjowiggins | Article securise, notamment un document de securite et/ou de valeur |
CN101450591A (zh) * | 2007-11-29 | 2009-06-10 | 上海东港印刷有限公司 | 一种防伪票证的制作方法 |
CN101578400A (zh) * | 2006-12-27 | 2009-11-11 | 韩国造币公社 | 防伪用功能性纤维 |
CN201936372U (zh) * | 2010-07-07 | 2011-08-17 | 张健 | 鹰眼便携式票据鉴别仪 |
CN102296485A (zh) * | 2011-08-22 | 2011-12-28 | 保定钞票纸业有限公司 | 一种具有多观察效果的水印纸及其制备方法 |
CN103024245A (zh) * | 2012-12-14 | 2013-04-03 | 西安电子科技大学 | 追溯打印纸质文档来源的***及方法 |
CN202995869U (zh) * | 2012-11-20 | 2013-06-12 | 清华大学 | 一种纵向支票鉴别仪 |
-
2016
- 2016-03-25 CN CN201610174648.XA patent/CN105842244A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007031695A1 (fr) * | 2005-09-15 | 2007-03-22 | Arjowiggins | Article securise, notamment un document de securite et/ou de valeur |
CN101578400A (zh) * | 2006-12-27 | 2009-11-11 | 韩国造币公社 | 防伪用功能性纤维 |
CN101450591A (zh) * | 2007-11-29 | 2009-06-10 | 上海东港印刷有限公司 | 一种防伪票证的制作方法 |
CN201936372U (zh) * | 2010-07-07 | 2011-08-17 | 张健 | 鹰眼便携式票据鉴别仪 |
CN102296485A (zh) * | 2011-08-22 | 2011-12-28 | 保定钞票纸业有限公司 | 一种具有多观察效果的水印纸及其制备方法 |
CN202995869U (zh) * | 2012-11-20 | 2013-06-12 | 清华大学 | 一种纵向支票鉴别仪 |
CN103024245A (zh) * | 2012-12-14 | 2013-04-03 | 西安电子科技大学 | 追溯打印纸质文档来源的***及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111276106A (zh) * | 2020-02-19 | 2020-06-12 | 京东方科技集团股份有限公司 | 一种基于面积统计的异常标注方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778481B (zh) | 一种大规模人脸模式分析样本库的构建方法和装置 | |
CN101038686B (zh) | 一种基于信息融合的机读旅行证件识别方法 | |
CN106056020B (zh) | 一种基于机器视觉***的条码检测识别方法及*** | |
CN109550712A (zh) | 一种化纤丝尾丝外观缺陷检测***及方法 | |
US20060045322A1 (en) | Method and system for recognizing a candidate character in a captured image | |
CN108090494B (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
CN107341688A (zh) | 一种客户体验的采集方法及*** | |
US8068132B2 (en) | Method for identifying Guignardia citricarpa | |
CN105069466A (zh) | 基于数字图像处理的行人服饰颜色识别方法 | |
CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
CN104794451B (zh) | 基于分块匹配结构的行人比对方法 | |
US11488401B2 (en) | Prostate cancer tissue image classification with deep learning | |
CN110826408B (zh) | 一种分区域特征提取人脸识别方法 | |
CN103177266A (zh) | 储藏物害虫智能识别*** | |
CN107704882A (zh) | 一种基于数字图像处理技术的衣物类型识别方法及*** | |
CN110096980A (zh) | 字符检测识别*** | |
CN108460344A (zh) | 屏幕中的动态区域智能识别***及智能识别方法 | |
CN107016394A (zh) | 一种交叉纤维特征点匹配方法 | |
CN115731228B (zh) | 一种镀金芯片缺陷检测***和方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN110222660B (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及*** | |
Zhang et al. | Automatic detection of layout of color yarns of yarn‐dyed fabric. Part 1: Single‐system‐mélange color fabrics | |
CN105842244A (zh) | 利用纸张固有信息的纸张身份识别追溯*** | |
CN112528740A (zh) | 一种压板状态识别方法 | |
CN114662594B (zh) | 一种目标特征识别分析*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20190215 |