CN113034488B - 一种喷墨印刷品的视觉检测方法 - Google Patents
一种喷墨印刷品的视觉检测方法 Download PDFInfo
- Publication number
- CN113034488B CN113034488B CN202110391792.XA CN202110391792A CN113034488B CN 113034488 B CN113034488 B CN 113034488B CN 202110391792 A CN202110391792 A CN 202110391792A CN 113034488 B CN113034488 B CN 113034488B
- Authority
- CN
- China
- Prior art keywords
- image
- product
- standard
- detected
- inspected
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 21
- 238000011179 visual inspection Methods 0.000 title claims description 11
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 238000007639 printing Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000007547 defect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007641 inkjet printing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及印刷检测技术领域,涉及一种喷墨印刷品的视觉检测方法。本发明通过待测产品图像与标准检测模板进行匹配,能够有效提高识别效率,对标准产品图像进行预处理和二值化阈值处理,可有效减少运算量,提高了运算速度,提高了检测的实时性;本发明能够实现印刷产品的自动化漏印检测,节省人力成本,提高工作效率。
Description
技术领域
本发明涉及印刷检测技术领域,涉及一种喷墨印刷品的视觉检测方法。
背景技术
喷墨印刷是一种高效的特种印刷方式,它可以应用于包装工业生产线上,快速打印生产日期、批号和条形码等内容。是一种无接触、无压力、无印版的印刷。但是批量性的大量印刷还是会有一些不良品的存在,需要对印刷的质量进行检测。目前大多数印刷外观都是人工检测,人工检测效率十分低下,检测质量也受到人为、环境等多干扰因素影响,导致了检测成本过高,检测精度无法得到有效保证。
发明内容
本发明要解决的技术问题是提供一种能够有效提高识别效率,减少运算量,节省人力成本,提高工作效率的喷墨印刷品的视觉检测方法。
为了解决上述技术问题,本发明解决其技术问题所采用的技术方案是:
一种喷墨印刷品的视觉检测方法,包括以下步骤:
筛选没有印刷缺陷的产品图像作为标准图像,获得标准产品图像,并对标准产品图像进行预处理和二值化阈值处理后,得到标准产品图像的检测模型;将待测产品图像与检测模型中的标准检测模板进行匹配,根据待测产品图像与标准检测模板的相似程度,确定所述待测产品图像的印刷质量。
在发明一个较佳实施例中,对标准产品图像进行预处理和二值化阈值处理,包括:
获得标准产品图像,对标准产品图像进行预处理获得包含有印刷区域的预设区域图像,对预设区域图像进行二值化处理,获得预设区域图像的二值化数值,通过预设区域图像的二值化数值与设定阈值进行比较以筛选出包含有印刷区域的检测图像。
在发明一个较佳实施例中,对标准产品图像进行预处理和二值化阈值处理之后,包括:
对标准产品图像进行连通性处理来筛选出代表标准图形的最大连通域图像,再对最大连通域图像进行特征值处理以筛选出标准图形轮廓。
在发明一个较佳实施例中,获得待测产品的图像,对待测产品的图像进行处理和二值化阈值处理后得到产品轮廓区域,将产品轮廓区域中心点与标准检测模板中心点重叠以使得产品轮廓区域与标准检测模板进行匹配来筛选出待测产品图像。
在发明一个较佳实施例中,对待测产品图像进行连通性处理来筛选出代表待检测图形的最大连通域,再对待检测图形的最大连通域图像进行特征值处理以筛选出待检测图形轮廓。
在发明一个较佳实施例中,通过对待测产品图像进行仿射变换、透视变换、颜色抖动或者对比度增强的处理以引入轻微的扰动来获得多个包含有印刷区域的待测产品图像,对待测产品图像二值化阈值处理后以筛选出与标准检测模板匹配度最高的待测产品图像。
在发明一个较佳实施例中,根据待测产品图像与标准检测模板的相似程度,包括:
将待测产品图像与标准检测模板进行叠加,使得待检测图形轮廓与标准图形轮廓重合,通过检测产品轮廓的中心点与标准图形轮廓的中心点的距离,确定所述待测产品图像的印刷质量。
在发明一个较佳实施例中,检测产品轮廓与标准图形轮廓重合时,将检测产品轮廓的中心点A、标准图形轮廓的中心点B分别投影在标准检测平面H上获得投影点A、投影点B,当投影点A与投影点B重合或者投影点A在投影点B附近时,则待测产品图像与标准检测模板相似度达到要求,表示待测产品合格;否则,待测产品图像与标准检测模板相似度未达要求,表示待测产品不合格。
在发明一个较佳实施例中,当标准产品图像需要由多张图像拼合时,包括:
获得多帧用于拼接的产品图像,根据一帧产品图像的特征点查找相邻产品图像中相同的特征点来获得产品图像的拼接位置,对多帧产品图像的拼接位置进行匹配得到所述标准产品图像。
在发明一个较佳的实施例中,对标准产品图像进行预处理和二值化阈值处理包括:
获取标准产品图像中的像素信息;
当所述像素信息的饱和度大于75、内侧灰度小于34,外侧灰度大于195,则将对应的像素块赋值255,渐变像素个数为1个;
当所述像素信息的饱和度小于46、内侧灰度小于80,外侧灰度大于165,则将对应的像素块赋值0,渐变像素个数为3个。
本发明的有益效果:
本发明通过待测产品图像与标准检测模板进行匹配,能够有效提高识别效率,对标准产品图像进行预处理和二值化阈值处理,可有效减少运算量,提高了运算速度,提高了检测的实时性;本发明能够实现印刷产品的自动化漏印检测,节省人力成本,提高工作效率。
附图说明
图1是本发明的一种喷墨印刷品的视觉检测方法示意图。
图2是本发明的筛选图像示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1-2所示,一种喷墨印刷品的视觉检测方法,包括以下步骤:
步骤S10,筛选没有印刷缺陷的产品图像作为标准图像,获得标准产品图像;
步骤S20,对标准产品图像进行预处理和二值化阈值处理后,得到标准产品图像的检测模型;
步骤S30,将待测产品图像与检测模型中的标准检测模板进行匹配,根据待测产品图像与标准检测模板的相似程度,确定所述待测产品图像的印刷质量。
本发明通过待测产品图像与标准检测模板进行匹配,能够有效提高识别效率,对标准产品图像进行预处理和二值化阈值处理,可有效减少运算量,提高了运算速度,提高了检测的实时性;本发明能够实现印刷产品的自动化漏印检测,节省人力成本,提高工作效率。
在本实施例中,通过筛选出标准产品图像,作为标准检测模板方便后期对比,调试阶段提前先选用印刷效果良好(没有印刷缺陷)的产品作为后期比对模板,模板质量越高,则后期生产良率越高。
具体的,获取待检测产品在传送带上印刷产品的图像作为初始图像,将图像导入至已经建立好的检测模型中,得到其产品特征;将其处理的信息与检测模型中的标准检测模板进行对比,得到缺陷特征,若有缺陷则输出与标准检测模板对比后的缺陷位置及大小;若无缺陷则为OK产品流出。
本发明可全自动测量,无需太多人工操作,其更加接近于人工检查判定的过程,检测标准更易合理化,检测更高效且检测结果更加合理。
作为可选的实施方式,在步骤S20,包括:
对标准产品图像进行预处理获得包含有印刷区域的预设区域图像,对预设区域图像进行二值化处理,获得预设区域图像的二值化数值,通过预设区域图像的二值化数值与设定阈值进行比较以筛选出包含有印刷区域的检测图像。
在本实施例中,通过预处理截取检测位置所在的大致区域,即包含有印刷区域的预设区域图像,可针对产品的尺寸面积过大的情况下,减少计算耗费的时间,避免对产能的影响,产生实际的经济效益。
参照图2所示,根据阈值对比筛选标准产品图像,表示图像像素点Src(x,y)值分布情况,水平线表示预设阈值,灰色区域表预设区域图像的二值化的数值,如下式:
由上式克制,通过预设区域图像的二值化的数值与预设阈值的比较,可快速筛选出所需要的包含有印刷区域的检测图像。
作为可选的实施方式,在步骤S21,包括:
对标准产品图像进行连通性处理来筛选出代表标准图形的最大连通域图像,再对最大连通域图像进行特征值处理以筛选出标准图形轮廓。
对检测图像的进行连通性处理获得的最大连通域图像可减少噪声对检测模型的影响,缩短了待测产品图像的预处理时间;特征值处理:选择所有特征中的部分特征构建检测模型,去除与喷墨印刷品相关性较小的特征(标志、定位点等表示信息)或者对背景信息和亮度信息进行过滤,识别准确性高,增强对特征和特征值之间的理解降低学习任务的难度,提升模型的效率,使其可以大大减少训练检测模型的时间,也可以增加模型的可解释性。
作为可选的实施方式,在步骤S30,包括
获得待测产品的图像,对待测产品的图像进行处理和二值化阈值处理后得到产品轮廓区域,即得到待测产品的一个大致轮廓,将产品轮廓区域中心点与标准检测模板中心点重叠以使得产品轮廓区域与标准检测模板进行匹配来筛选出待测产品图像。
在实施例中,获得产品轮廓的中心点与标准图形轮廓的中心点,通过移位使得产品轮廓区域与标准检测模板重合,移位距离根据所测中心距离进行获得,通过检测模型计算出产品轮廓区域与标准检测模板重合区域,以此快速对待测产品图像进行筛选,有效减少检测模型计算量,缩短检测时间。
对待测产品图像进行连通性处理来筛选出代表待检测图形的最大连通域,再对待检测图形的最大连通域图像进行特征值处理以筛选出待检测图形轮廓。
通过对待测产品图像进行仿射变换、透视变换、颜色抖动或者对比度增强的处理以引入轻微的扰动来获得多个包含有印刷区域的待测产品图像,对待测产品图像二值化阈值处理后以筛选出与标准检测模板匹配度最高的待测产品图像。
通过引入轻微的扰动来获得多个不同的待测产品图像来对图像数据进行有效采集、扩充,增加了样本的代表性,防止因数据少而导致与检测模型中的标准检测模板出现过拟合现象,减少噪声对检测模型的影响,增强了模型的鲁棒性,缩短了待测产品图像的预处理时间,使得检测速度更快。
根据待测产品图像与标准检测模板的相似程度,包括:
将待测产品图像与标准检测模板进行叠加,使得待检测图形轮廓与标准图形轮廓重合,通过检测产品轮廓的中心点与标准图形轮廓的中心点的距离,确定所述待测产品图像的印刷质量。
获取待检测图形轮廓的中心点求取与标准图形轮廓的中心点的距离,通过产品图形面积来筛选出重影与漏失区域,同时根据两者中心点距离的偏移量确定待测产品图像的印刷质量。
检测产品轮廓与标准图形轮廓重合时,将检测产品轮廓的中心点A、标准图形轮廓的中心点B分别投影在标准检测平面H上获得投影点A、投影点B,当投影点A与投影点B重合或者投影点A在投影点B附近时,则待测产品图像与标准检测模板相似度达到要求,表示待测产品合格;否则,待测产品图像与标准检测模板相似度未达要求,表示待测产品不合格。
在本实施例中,通过检测模型来判断检测产品轮廓的中心点A、标准图形轮廓的中心点B是否重合来区分重影;将空间中的中心点A、中心点B两点,同时位于一根垂直于标准检测平面H的投影线上,即投影点A与投影点B在标准检测平面H上重合在一起。向标准检测平面H作投射时,投射线先遇到中心点A,后遇到中心点B,中心点A为可见点,中心点B为不可见点,以此说明中心点A、B两点重影或者投影点A在投影点B附近。
投影点A在以投影点B为圆心,半径为0.005mm-0.05mm的区域内,表示待测产品合格。
当标准产品图像需要由多张图像拼合时,包括:
获得多帧用于拼接的产品图像,根据一帧产品图像的特征点查找相邻产品图像中相同的特征点来获得产品图像的拼接位置,对多帧产品图像的拼接位置进行匹配得到所述标准产品图像。
在本实施例中,通过多帧图像的拼接位置,对多帧图像的相似区域进行对比来得到所述标准产品图像。
本发明可针对较大产品图像,需要多个相机进行拍摄取像情况下,采用上述方法拼接产品图像,有效缩短了从获取图像到拼接图像的响应时间,提高了拼接效率,在获取用于拼接的若干帧图像之后,对多帧产品图像的拼接位置进行匹配,可进一步提高了图像的成像质量。
通过将产品轮廓区域中心点与标准检测模板中心点重叠以使得产品轮廓区域与标准检测模板进行匹配,再使得待检测图形轮廓与标准图形轮廓重合,通过检测产品轮廓的中心点与标准图形轮廓的中心点的距离,通过前者中心点位置匹配可以获得待检测图形轮廓的位置关系,在筛选合格待检测图形轮廓的同时得到待检测图形轮廓的方向性,使其可以直接与标准图形轮廓进行对应重合,有效减少了运算量,进一步提高精度。
具体的,对标准产品图像进行预处理和二值化阈值处理包括:
获取标准产品图像中的像素信息;
当所述像素信息的饱和度大于75、内侧灰度小于34,外侧灰度大于195,则将对应的像素块赋值255,渐变像素个数为1个;
当所述像素信息的饱和度小于46、内侧灰度小于80,外侧灰度大于165,则将对应的像素块赋值0,渐变像素个数为3个。
通过内侧灰度与外侧灰度两者相差大于100,来提高抓取边缘的对比度,当由黑到白抓取,内侧灰度为201、外侧灰度为34,对比度鲜明,则抓取边缘比较稳;当内侧灰度为150、外侧灰度为60,对比度相对模糊,则抓取边缘精度低,需要更多的渐变像素来确定边缘位置,保证对比度。当由白到黑或者由黑到白的渐变像素个数最好控制在2个或者2个之内最优。
本发明对图像进行加减运算,就是将图像对应的存储矩形点列上的灰度值进行加减运算。图像相加可以将一幅图的内容加到另一幅图像上,可以进行二次曝光,。也可以对同一个场景的多幅图像求平均值,这样可以降低噪声。图像相减可以用于运动检测或去除图像中不需要的加性图案。
本发明灰度变换针对独立的像素点进行处理,通过改变原始图像数据所占有的灰度范围而使图像在视觉上得到改观,即原始图像的灰度值进行翻转,使输出图像的灰度随输入图像的灰度增加而减少。假设对灰度级范围是(0,L-1)的图像求反,则图像灰度t=L-1-s。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (9)
1.一种喷墨印刷品的视觉检测方法,其特征在于,包括以下步骤:
筛选没有印刷缺陷的产品图像作为标准图像,获得标准产品图像,并对标准产品图像进行预处理和二值化阈值处理后,得到标准产品图像的检测模型;将待测产品图像与检测模型中的标准检测模板进行匹配,根据待测产品图像与标准检测模板的相似程度,确定所述待测产品图像的印刷质量;
对标准产品图像进行预处理和二值化阈值处理包括:
获取标准产品图像中的像素信息;
当所述像素信息的饱和度大于75、内侧灰度小于34,外侧灰度大于195,则将对应的像素块赋值255,渐变像素个数为1个;
当所述像素信息的饱和度小于46、内侧灰度小于80,外侧灰度大于165,则将对应的像素块赋值0,渐变像素个数为3个。
2.如权利要求1所述的喷墨印刷品的视觉检测方法,其特征在于,对标准产品图像进行预处理和二值化阈值处理,包括:
获得标准产品图像,对标准产品图像进行预处理获得包含有印刷区域的预设区域图像,对预设区域图像进行二值化处理,获得预设区域图像的二值化数值,通过预设区域图像的二值化数值与设定阈值进行比较以筛选出包含有印刷区域的检测图像。
3.如权利要求2所述的喷墨印刷品的视觉检测方法,其特征在于,对标准产品图像进行预处理和二值化阈值处理之后,包括:
对标准产品图像进行连通性处理来筛选出代表标准图形的最大连通域图像,再对最大连通域图像进行特征值处理以筛选出标准图形轮廓。
4.如权利要求1所述的喷墨印刷品的视觉检测方法,其特征在于,获得待测产品的图像,对待测产品的图像进行处理和二值化阈值处理后得到产品轮廓区域,将产品轮廓区域中心点与标准检测模板中心点重叠以使得产品轮廓区域与标准检测模板进行匹配来筛选出待测产品图像。
5.如权利要求3所述的喷墨印刷品的视觉检测方法,其特征在于,对待测产品图像进行连通性处理来筛选出代表待检测图形的最大连通域,再对待检测图形的最大连通域图像进行特征值处理以筛选出待检测图形轮廓。
6.如权利要求1所述的喷墨印刷品的视觉检测方法,其特征在于,通过对待测产品图像进行仿射变换、透视变换、颜色抖动或者对比度增强的处理以引入轻微的扰动来获得多个包含有印刷区域的待测产品图像,对待测产品图像二值化阈值处理后以筛选出与标准检测模板匹配度最高的待测产品图像。
7.如权利要求5所述的喷墨印刷品的视觉检测方法,其特征在于,根据待测产品图像与标准检测模板的相似程度,包括:
将待测产品图像与标准检测模板进行叠加,使得待检测图形轮廓与标准图形轮廓重合,通过检测产品轮廓的中心点与标准图形轮廓的中心点的距离,确定所述待测产品图像的印刷质量。
8.如权利要求7所述的喷墨印刷品的视觉检测方法,其特征在于,检测产品轮廓与标准图形轮廓重合时,将检测产品轮廓的中心点A、标准图形轮廓的中心点B分别投影在标准检测平面H上获得投影点A、投影点B,当投影点A与投影点B重合或者投影点A在投影点B附近时,则待测产品图像与标准检测模板相似度达到要求,表示待测产品合格;否则,待测产品图像与标准检测模板相似度未达要求,表示待测产品不合格。
9.如权利要求1所述的喷墨印刷品的视觉检测方法,其特征在于,当标准产品图像需要由多张图像拼合时,包括:
获得多帧用于拼接的产品图像,根据一帧产品图像的特征点查找相邻产品图像中相同的特征点来获得产品图像的拼接位置,对多帧产品图像的拼接位置进行匹配得到所述标准产品图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391792.XA CN113034488B (zh) | 2021-04-13 | 2021-04-13 | 一种喷墨印刷品的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391792.XA CN113034488B (zh) | 2021-04-13 | 2021-04-13 | 一种喷墨印刷品的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113034488A CN113034488A (zh) | 2021-06-25 |
CN113034488B true CN113034488B (zh) | 2024-04-19 |
Family
ID=76456628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110391792.XA Active CN113034488B (zh) | 2021-04-13 | 2021-04-13 | 一种喷墨印刷品的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034488B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113620614A (zh) * | 2021-07-27 | 2021-11-09 | 深圳市若菲特科技有限公司 | 玻璃表面油墨去除方法、装置、设备及存储介质 |
CN113870212B (zh) * | 2021-09-24 | 2024-01-05 | 武汉精严科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
CN114486902B (zh) * | 2021-12-03 | 2024-02-06 | 平方和(北京)科技有限公司 | 质量检测***和方法 |
CN114511704B (zh) * | 2022-04-19 | 2022-07-12 | 科大智能物联技术股份有限公司 | 一种基于高速产线的喷印码识别检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
CN105956527A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的障碍物检测结果评估方法和装置 |
CN106529520A (zh) * | 2016-10-09 | 2017-03-22 | 中国传媒大学 | 基于运动员号码识别的马拉松比赛照片管理方法 |
WO2018068415A1 (zh) * | 2016-10-11 | 2018-04-19 | 广州视源电子科技股份有限公司 | 元件错件检测方法和*** |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及*** |
CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
CN110940670A (zh) * | 2019-11-25 | 2020-03-31 | 佛山缔乐视觉科技有限公司 | 基于机器视觉的柔印标签印刷首稿检测***及其实现方法 |
CN111650220A (zh) * | 2020-07-15 | 2020-09-11 | 博科视(苏州)技术有限公司 | 一种基于视觉的图文缺陷检测方法 |
-
2021
- 2021-04-13 CN CN202110391792.XA patent/CN113034488B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
CN105956527A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的障碍物检测结果评估方法和装置 |
CN106529520A (zh) * | 2016-10-09 | 2017-03-22 | 中国传媒大学 | 基于运动员号码识别的马拉松比赛照片管理方法 |
WO2018068415A1 (zh) * | 2016-10-11 | 2018-04-19 | 广州视源电子科技股份有限公司 | 元件错件检测方法和*** |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及*** |
CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
CN110940670A (zh) * | 2019-11-25 | 2020-03-31 | 佛山缔乐视觉科技有限公司 | 基于机器视觉的柔印标签印刷首稿检测***及其实现方法 |
CN111650220A (zh) * | 2020-07-15 | 2020-09-11 | 博科视(苏州)技术有限公司 | 一种基于视觉的图文缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
在人眼识别中虹膜定位算法;黄姜江;李冶;吴岩;;吉林大学学报(信息科学版);20091115(06);第640-645页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113034488A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034488B (zh) | 一种喷墨印刷品的视觉检测方法 | |
CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
TWI467515B (zh) | 掃描文件之彩色捨去 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测***和方法 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN103424409B (zh) | 一种基于dsp的视觉检测*** | |
CN102275382B (zh) | 一种彩色印刷品套准偏差自动检测方法 | |
CN111242896A (zh) | 一种彩色印刷标签缺陷检测与质量评级方法 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN109886954B (zh) | 一种印刷品缺陷检测方法 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN109472271A (zh) | 印刷电路板图像轮廓提取方法及装置 | |
Yangping et al. | Real-time Defect Detection Method for Printed Images Based on Grayscale and Gradient Differences. | |
CN115641332A (zh) | 产品边缘外观缺陷的检测方法及装置、介质、设备 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN114266743A (zh) | 基于hsv和cnn的fpc缺陷检测方法、***及存储介质 | |
CN114445707A (zh) | 瓶装水标签缺陷智能化视觉精细检测方法 | |
JP4241361B2 (ja) | キャップ天面の検査方法 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN117333467B (zh) | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及*** | |
KR100827906B1 (ko) | 기판 검사 장치 | |
CN109584212B (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
CN115457563A (zh) | 一种零漏检兼低误识的船体水尺读取方法 | |
JP4814116B2 (ja) | 実装基板外観検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |