CN113436196B - 基于图像识别技术的二维码膜生产管理*** - Google Patents
基于图像识别技术的二维码膜生产管理*** Download PDFInfo
- Publication number
- CN113436196B CN113436196B CN202110992843.4A CN202110992843A CN113436196B CN 113436196 B CN113436196 B CN 113436196B CN 202110992843 A CN202110992843 A CN 202110992843A CN 113436196 B CN113436196 B CN 113436196B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional code
- processing module
- result information
- image processing
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 49
- 238000005516 engineering process Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 8
- 239000012528 membrane Substances 0.000 claims abstract description 5
- 241001156002 Anthonomus pomorum Species 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000003746 surface roughness Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 239000002985 plastic film Substances 0.000 description 2
- 229920006255 plastic film Polymers 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007592 spray painting technique Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000007788 roughening Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别技术的二维码膜生产管理***，其包括用于对二维码膜生产线做控制的线上终端，还包括：图像采集装置，其用于采集印刷二维码后的样本膜的图像并输出；以及，一次图像处理模块，其连接于图像采集装置，且用于对图像采集装置输出的图像信息执行失焦检测，传输一次结果信息至线上终端；所述线上终端用于引入基于膜样效果的调整模型对结果信息分析，并输出对应的生产调控信息。本申请具有改善二维码膜印刷清晰度的效果。
Description
技术领域
本申请涉及复合膜生产加工技术领域，尤其是涉及一种基于图像识别技术的二维码膜生产管理***。
背景技术
随着互联网发展，二维码的普及越来越广，使人们的日常生活无论是消费或者上网都更加的便捷，随之而来的，印刷及喷绘二维码的底材需求也越来越大。
目前，市面上的二维码底片大多是由纸质类、纸质过塑、PVC等塑料薄膜类材料做成。纸质类的容易受天气等环境因素发生受潮破损等问题，而塑料薄膜类的行业标准及技术参数参差不齐，很容易出现喷绘不清、晕墨等问题的产品，因此本申请提出一种新的技术方案。
发明内容
为了改善二维码的产品质量，本申请提供一种基于图像识别技术的二维码膜生产管理***。
一种基于图像识别技术的二维码膜生产管理***，包括用于对二维码膜生产线做控制的线上终端，还包括：
图像采集装置，其用于采集印刷二维码后的样本膜的图像并输出；以及，
一次图像处理模块，其连接于图像采集装置，且用于对图像采集装置输出的图像信息执行失焦检测，传输一次结果信息至线上终端；
所述线上终端用于引入基于膜样效果的调整模型对结果信息分析，并输出对应的生产调控信息。
可选的，所述一次图像处理模块以无参考图的方式执行失焦检测。
可选的，还包括二次图像处理模块；所述二次图像处理模块连接于一次图像处理模块，且用于对合格的一次结果信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量，传输二次结果信息至线上终端；
可选的，还包括粗糙度检测模块，所述粗糙度检测模块用于检测样本膜的印刷面粗糙度，并传输至线上终端；所述线上终端还用于建立粗糙度与二维码清晰度的关系曲线。
可选的，还包括故障处理模块，所述故障处理模块连接于一次图像处理模块、二次图像处理模块以及线上终端，用于对比相邻两次抽样对应的结果信息，并在一致时传输自检指令至二次图像处理模块以及线上终端。
可选的，所述二次图像处理模块用于响应自检指令，对前一次抽样的图像信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量，并将当前结果信息与原结果信息比对，做一致性判定；所述线上终端用于响应自检指令，输出控制二维码生产线的设备的自检的信息并获取反馈。
可选的，所述还包括综合模块，所述综合模块连接二次图像处理模块以及线上终端，用于统计各个清晰度不合格节点之间二维码膜的生产总量、生产时间，并计算生产效率。
综上所述，本申请包括以下至少一种有益技术效果：
1、基于现场抽样做失焦检测，辨别其清晰度，判别是否合格，并在不合格后及时用于对生产设备调控；且失焦检测以无参考图的方式进行，避免单一二维码图样带来的偶然性干扰，检测结果更真实有效；
2、基于样本的检测分两部分，一次可简易，如Brenner算法处理，节省资源的同时快速完成粗筛；之后对合格一次的图像二次检测，一方面提高检测准确度，另一方面配合高标准的生产需求；
3、对样本进行粗糙度检测，建立其与清晰度之间的关系曲线，供工作人员参考，引入人工介入，避免样本膜反光产生的干扰上述检测时，***误响应而影响正常生产加工。
附图说明
图1是本申请的***架构图；
图2是本申请的高斯模糊处理的流程图。
具体实施方式
以下结合附图1-2对本申请作进一步详细说明。
本申请实施例公开一种基于图像识别技术的二维码膜生产管理***，其旨在配合二维码生产线，赋予产品更优异的喷绘印刷性能。
参照图1，基于图像识别技术的二维码膜生产管理***包括硬件形式的线上终端和图像采集装置，还包括以硬件为基础构建的软体模块，包括一次图像处理模块。
其中，线上终端指的是二维码生产线上用于对设备给料、表面粗化处理等控制的总综合PC，且PC联网。
图像采集装置包括高清摄像机组，其安装于厂区的检测室，或检测制样工区。生产过程中，在检测位安装用于印刷二维码的设备，以便后续按生产需求，对生产出的二维码抽样现场印刷二维码；印刷好的膜样，放置于高清摄像机组拍摄区内的平台上，以实现样本膜的图像采集和输出；图像采集装置输出的数据，可上传至某一预搭建的云台，或厂区的服务器等待分析处理。
一次图像处理模块，其基于图像识别技术构建，预置于指定的硬件基础，如云台服务器。一次图像处理模块用于对上述采集的图像信息执行失焦检测，以评判其清晰度，具体的：
考虑二维码的样式繁多，若测试仅仅是固定的图样，则难以保证印刷质量是否存在巧合，因此上述样本膜上的二维码设定为随机，以保障检测效果；在此基础上，上述失焦检测以无参考图的方式执行，无参考图的方式包括：
对灰度化的图像进行Brenner算法处理，即利用Brenner梯度函数计算相邻两个像素灰度差的平方，以得到清晰度结果；Brenner梯度函数如：
其中，
表示图像对应
对应像素点
的灰度值，
为图像清晰度计
算结果。该清晰度计算方式，相对简易，之所以选择，是因为其为初次分析处理，没必要精度
过高。
一次图像处理模块失焦检测所得的一次结果信息反馈至线上终端，线上终端用于引入基于膜样效果的调整模型对结果信息分析，并输出对应的生产调控信息，即本***可根据实时抽样的样本测试结果，用于对生产线的控制参数做实时调控，改进生产工艺，以有效改善生产的二维码的质量。
上述粗处理图像，可快速的分辨出清晰度较差的样本；而对于一次检测合格的产品，本***还包括二次图像处理模块，并利用该模块做更高精度分析处理，一方面提高检测准确度，另一方面配合更高标准的生产需求。二次图像处理模块连接于一次图像处理模块，且用于对合格（符合第一阈值）的一次结果信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量。高斯模糊处理用于使清晰度相对可以的各个二维码图像以高频分量展示差异化，做深度评价，其流程如图2所示。二次结果信息，同样反馈至在线上终端。
补充解释：图2中上部分，从待评图像--相邻像素灰度值的变化，即为上述原图像相邻像素值的变化量；
图2中下部分，从模糊图像--相邻像素灰度值的变化，即为上述处理后图像相邻像素值的变化量；
图2中的比较分析即上述比较原图像和处理后图像相邻像素值的变化量。
对于线上终端的引入基于膜样效果的调整模型对结果信息分析，如： 一次结果信息不符合预设的第一阈值时，判定调大生产过程中的增塑成分A个点，A为设定的最小单次调节量；若二次结果信息不符合预设的第二阈值时，则调取原设定配方，根据配方再次输出其对应的控制参数（剔除设备偏移干扰），且连续两次偏移调节，则判定为需要提示用户。模型调整的具体设置，由工作人员人工改变各个工艺参数，并检测结果验证所得，过程中记录各个参数调节量及结果变化量，得到关系表，调整模型依据关系表训练。
本***还包括粗糙度检测模块，粗糙度检测模块用于检测样本膜的印刷面粗糙度，并传输至线上终端。之所以检测样本膜的粗糙度，或者说，膜的反光度，是因为图像采集过程中由于膜反光问题，存在一定的干扰，为此需要对其剔除。
粗糙度检测模块包括人造光源和光谱检测机构；以人造光源，如激光照射样本膜，再利用光谱检测机构对其反射光接收和检测，即可根据得到的光强变化来评估样本膜的粗糙度。光谱检测机构的检测结果传输至线上终端，记录历次的检测结果，建立粗糙度与二维码清晰度的关系曲线，可供工作人员参考，判断清晰度检测是否受到样本膜粗糙度干扰，以及时人工干预***的自动化调整，避免***做出有误的调控而影响正常生产加工。
本***还包括故障处理模块，故障处理模块连接于一次图像处理模块、二次图像处理模块以及线上终端。故障处理模块用于对比相邻两次抽样对应的结果信息，即将第N次样本膜的一次结果信息和第N-1次样本膜的一次结果信息对比，将第N次样本膜的二次结果信息和第N-1次样本膜的二次结果信息对比；对比结果为两次一致时，传输自检指令至二次图像处理模块以及线上终端。
上述没有传输给一次图像处理模块，是因为一次图像处理为粗处理，分辨级别不高，正常生产也会出现，而二次图像处理则不相同。
二次图像处理模块用于响应自检指令，对前一次抽样的图像信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量，并将当前结果信息与原结果信息比对，做一致性判定；线上终端用于响应自检指令，输出控制二维码生产线的设备的自检的信息并获取反馈。两者自检后，***即可评估出故障是出现在图像处理环节、生产线的设备，还是说排除两者；当排除两者，可认为故障出现在样本二维码印刷环节。
根据上述内容，可方便工作人员在检测异常时，及时找出故障点，以排除。
在前述中，有提到生产线设备在使用过程中存在控制偏移的问题（老化、温度过高等导致），为此本***还包括综合模块，综合模块连接二次图像处理模块以及线上终端。综合模块接收和获取三者的运行数据并记录，用于统计各个清晰度不合格（二次结果不合格）节点之间二维码膜的生产总量、生产时间，并计算生产效率。依据上述信息，可方便工作人员确认生产线设备的维修节点，改进生产计划，合理利用设备，改善产品质量。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (4)
1.一种基于图像识别技术的二维码膜生产管理***，包括用于对二维码膜生产线做控制的线上终端，其特征在于，还包括：
图像采集装置，其用于采集印刷二维码后的样本膜的图像并输出；以及，
一次图像处理模块，其连接于图像采集装置，且用于对图像采集装置输出的图像信息执行失焦检测，传输一次结果信息至线上终端；
所述线上终端用于引入基于膜样效果的调整模型对结果信息分析，并输出对应的生产调控信息；
无参考图的方式包括：
对灰度化的图像进行Brenner算法处理，即利用Brenner梯度函数计算相邻两个像素灰度差的平方，以得到清晰度结果；Brenner梯度函数如：
其中，
表示图像对应
对应像素点
的灰度值，
为图像清晰度计算结果；
所述一次图像处理模块以无参考图的方式执行失焦检测；
还包括二次图像处理模块；所述二次图像处理模块连接于一次图像处理模块，且用于对合格的一次结果信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量，传输二次结果信息至线上终端；
还包括粗糙度检测模块，粗糙度检测模块包括人造光源和光谱检测机构，所述粗糙度检测模块用于检测样本膜的印刷面粗糙度，并传输至线上终端；所述线上终端还用于建立粗糙度与二维码清晰度的关系曲线，判断清晰度检测是否受到样本膜粗糙度干扰。
2.根据权利要求1所述的基于图像识别技术的二维码膜生产管理***，其特征在于：还包括故障处理模块，所述故障处理模块连接于一次图像处理模块、二次图像处理模块以及线上终端，用于对比相邻两次抽样对应的结果信息，并在一致时传输自检指令至二次图像处理模块以及线上终端。
3.根据权利要求2所述的基于图像识别技术的二维码膜生产管理***，其特征在于：所述二次图像处理模块用于响应自检指令，对前一次抽样的图像信息执行高斯模糊处理，比较原图像和处理后图像相邻像素值的变化量，并将当前结果信息与原结果信息比对，做一致性判定；所述线上终端用于响应自检指令，输出控制二维码生产线的设备的自检的信息并获取反馈。
4.根据权利要求1所述的基于图像识别技术的二维码膜生产管理***，其特征在于：还包括综合模块，所述综合模块连接二次图像处理模块以及线上终端，用于统计各个清晰度不合格节点之间二维码膜的生产总量、生产时间，并计算生产效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992843.4A CN113436196B (zh) | 2021-08-27 | 2021-08-27 | 基于图像识别技术的二维码膜生产管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992843.4A CN113436196B (zh) | 2021-08-27 | 2021-08-27 | 基于图像识别技术的二维码膜生产管理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113436196A CN113436196A (zh) | 2021-09-24 |
| CN113436196B true CN113436196B (zh) | 2021-12-10 |
Family
ID=77798208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110992843.4A Active CN113436196B (zh) | 2021-08-27 | 2021-08-27 | 基于图像识别技术的二维码膜生产管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113436196B (zh) |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1309565C (zh) * | 2004-09-02 | 2007-04-11 | 中国印钞造币总公司 | 印刷质量在线自动控制*** |
| US8050502B2 (en) * | 2006-06-21 | 2011-11-01 | Namco Bandai Games Inc. | Two-Dimensional code generation method, two-dimensional code, two-dimensional code recognition method, and image recognition device |
| DE102014210690A1 (de) * | 2014-06-05 | 2015-12-17 | Heidelberger Druckmaschinen Ag | Verfahren zur Identifikation von Druckkontrollelementen für die Qualitätsdatenerfassung |
| CN108109147B (zh) * | 2018-02-10 | 2022-02-18 | 北京航空航天大学 | 一种模糊图像的无参考质量评价方法 |
| WO2019208048A1 (ja) * | 2018-04-27 | 2019-10-31 | 京セラドキュメントソリューションズ株式会社 | インク吐出装置、印刷装置、及び、インク吐出装置の制御方法 |
| CN110889304B (zh) * | 2018-09-11 | 2023-04-28 | 杭州海康威视数字技术股份有限公司 | 二维码质量评估方法及装置、存储介质、电子设备、*** |
| CN109795226A (zh) * | 2019-01-25 | 2019-05-24 | 浙江爱迪尔包装股份有限公司 | 一种用冷烫喷印可变二维码的工艺 |
| US10942687B2 (en) * | 2019-06-28 | 2021-03-09 | Ncr Corporation | Print quality monitoring and correction |
| CN211741094U (zh) * | 2019-10-31 | 2020-10-23 | 深圳市凯瑞奇自动化技术有限公司 | 一种用于透明镜印刷烫金工序的表面缺陷检测装置 |
-
2021
- 2021-08-27 CN CN202110992843.4A patent/CN113436196B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113436196A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测***和方法 | |
| CN107437094B (zh) | 基于机器学习的木板分拣方法及*** | |
| CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
| CN109584227A (zh) | 一种基于深度学习目标检测算法的焊点质量检测方法及其实现*** | |
| CN106875373A (zh) | 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法 | |
| CN106546263B (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
| CN107944504B (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| CN106556611A (zh) | 基于机器视觉的彩色印刷品缺陷自动检测***及检测方法 | |
| CN111289538A (zh) | 基于机器视觉的pcb板元件检测***及检测方法 | |
| CN110610199B (zh) | 基于svm和xgboost的印制电路板电阻元件焊点自动光学检测方法 | |
| CN114549512A (zh) | 一种电路板缺陷检测方法、装置、设备及介质 | |
| CN102456142A (zh) | 一种基于计算机视觉的烟气黑度分析方法 | |
| CN114066848B (zh) | 一种fpca外观缺陷视觉检测*** | |
| CN114638797A (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
| CN113077450B (zh) | 基于深度卷积神经网络的樱桃分级检测方法及*** | |
| CN113483682B (zh) | 一种基于机器视觉的缝隙测量方法及*** | |
| CN109444172A (zh) | 一种适用于人工智能检测pcb的自动光学检测装置及其方法 | |
| CN109085178A (zh) | 一种用于增材制造的缺陷指纹精确在线监测方法和反馈策略 | |
| CN113822882A (zh) | 基于深度学习的电路板表面缺陷检测方法与检测装置 | |
| CN113436196B (zh) | 基于图像识别技术的二维码膜生产管理*** | |
| CN110567967A (zh) | 显示面板检测方法、***、终端设备及计算机可读介质 | |
| CN116740449A (zh) | 基于ai计算机视觉技术的刨花形态检测方法及*** | |
| Adamo et al. | An online defects inspection system for satin glass based on machine vision | |
| CN115482227A (zh) | 机器视觉自适应成像环境调整方法 | |
| CN209215256U (zh) | 一种适用于人工智能检测pcb的自动光学检测装置 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Room 101, No. 133 Baisha Commercial Street, Baiyun District, Guangzhou City, Guangdong Province, 510000 Patentee after: Guangdong Xiongxing Holding Group Co.,Ltd. Address before: 510000 group 12, Baisha village, Guangcong Road, Liangtian Town, Baiyun District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU XIONGXING PLASTIC PRODUCTS CO.,LTD. |
|
| CP03 | Change of name, title or address |