CN113592870A - 基于自适应焦距的印刷缺陷检测方法 - Google Patents

基于自适应焦距的印刷缺陷检测方法 Download PDF

Info

Publication number
CN113592870A
CN113592870A CN202111167099.0A CN202111167099A CN113592870A CN 113592870 A CN113592870 A CN 113592870A CN 202111167099 A CN202111167099 A CN 202111167099A CN 113592870 A CN113592870 A CN 113592870A
Authority
CN
China
Prior art keywords
acquisition range
camera
range
period
current
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.)
Granted
Application number
CN202111167099.0A
Other languages
English (en)
Other versions
CN113592870B (zh
Inventor
黄胜玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhuoyuan Printing Co ltd
Original Assignee
Wuhan Haichuan Color Printing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Haichuan Color Printing Co ltd filed Critical Wuhan Haichuan Color Printing Co ltd
Priority to CN202111167099.0A priority Critical patent/CN113592870B/zh
Publication of CN113592870A publication Critical patent/CN113592870A/zh
Application granted granted Critical
Publication of CN113592870B publication Critical patent/CN113592870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及工业检测领域，具体涉及一种基于自适应焦距的印刷缺陷检测方法。包括获取当前相机焦距计算当前相机采集范围，获取当前采集范围的像素点数量及其行像素点数量，得到当前采集范围中单个像素代表的实际长度；获取印刷产品的周期及一个周期中的行像素点数量，求出当前周期分类数；计算每组数据的调整程度，确定最优调整程度；对调整后的每个周期类别进行标号；求出当前采集范围的采样频率对印刷产品进行采集，对每次采集的图像相同标号区域的同一位置进行检测，确定异常区域。本发明通过调节相机采样频率，对印刷图像相同类别的区域进行比较，提高检测结果的可靠性。

Description

基于自适应焦距的印刷缺陷检测方法
技术领域
本发明涉及工业检测领域，具体涉及一种基于自适应焦距的印刷缺陷检测方法。
背景技术
由于印刷生产的工艺不成熟，印刷产品上通常存在缺印、漏印和多印等缺陷，而这些存在缺陷的印刷产品会影响用户的使用体验，所以需要检测出这些有缺陷的产品，禁止这些瑕疵产品流入市场。现有的印刷缺陷检测方法大多是人工目测，或者将待测图像与标准模板进行对比，但由于现实环境中存在众多干扰因素，所获得的印刷图像往往与标准图像存在不同程度的差异，并且无法判断这些差异是否为缺陷，给印刷缺陷的检测带来了很大的困难。
发明内容
为了克服上述现有技术的缺点，本发明的目的是提供一种基于自适应焦距的印刷缺陷检测方法。
为达到上述目的，本发明采用以下技术方案，一种基于自适应焦距的印刷缺陷检测方法。
包括以下步骤：
S1：获取当前相机焦距，利用当前相机焦距得到当前相机采集范围，获取当前采集范围的行像素点数量，根据获得的当前相机采集范围及其行像素点数量，得到当前采集范围中单个像素代表的实际长度；
获取印刷产品的周期及一个周期中的行像素点数量，确定印刷产品的周期与当前相机采集范围的最大公因数，根据获取的最大公因数与一个周期中的行像素点数量求出当前周期分类数；
S2：确定相机采集范围的调整范围，在调整范围内每次增加相同像素点数量对相机的采集范围进行调整，求出每次调整后的采集范围对应的周期分类数及其对应的单个像素长度；
计算出每次调整后对应的调整程度，根据得到的所有调整程度确定采集范围调整量的最优调整程度；
S3：根据最优调整程度确定出调节后的相机的焦距和周期分类数，根据周期分类数对印刷产品每个周期内的图像进行分类并标号；
获取调整相机焦距后的印刷产品图像，对印刷产品图像中同一标号的相同位置进行异常检测。
当前周期分类数的获取方法如下：
S101:获取当相机镜头与印刷产品之间的距离即相机的工作距离、相机成像平面的大小以及当前相机的焦距，计算当前相机的范围的公式如下：
Figure 198870DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE003
为相机的工作距离；
Figure 703801DEST_PATH_IMAGE004
为相机成像平面的大小；
Figure DEST_PATH_IMAGE005
为当前相机的焦距；
S102:获取当前相机的采集范围与采集范围中的行像素点数量，当前相机的采集范围与采集范围中的行像素点数量的比值即为当前相机单个像素代表的实际长度；
S103:获取印刷产品周期与当前相机的采集范围，利用辗转相除法确定印刷产品周期与当前相机的采集范围的最大公约数；
获取印刷产品一个周期中的行像素点数量；
当前周期分类数的计算公式如下：
Figure DEST_PATH_IMAGE007
式中：
Figure 798796DEST_PATH_IMAGE008
为当前周期分类数，
Figure DEST_PATH_IMAGE009
为印刷产品在初始采集范围下一个周期中的行像素点数量，
Figure 654756DEST_PATH_IMAGE010
为印刷产品周期与当前相机的采集范围的最大公约数。
确定视野调整量的最优调整程度的方法如下：
计算获取的采集范围调整范围-周期分类数-单个像素长度的集合中每种情况下对应的调整程度，计算公式如下：
Figure 24558DEST_PATH_IMAGE012
式中：
Figure DEST_PATH_IMAGE013
为采集范围调整程度，
Figure 383995DEST_PATH_IMAGE014
为初始周期分类数，
Figure 446629DEST_PATH_IMAGE008
为当前周期分类数，
Figure DEST_PATH_IMAGE015
为采集范围的行像素数量变化量，
Figure 255797DEST_PATH_IMAGE016
为初始采集范围中单个像素代表的实际长度，
Figure DEST_PATH_IMAGE017
为当前采集范围中单个像素代表的实际长度；
获取视野调整量的调整程度的最大值
Figure 898131DEST_PATH_IMAGE018
为视野调整量的最优调整程度。
相机采集范围的调整范围的确定方法如下：
测量印刷产品的周期
Figure 100002_DEST_PATH_IMAGE019
,单位为毫米，以及印刷图像的宽度
Figure 174392DEST_PATH_IMAGE020
，单位为毫米；计算最小采集范围在初始单个像素代表的实际长度下对应的行像素数量为
Figure DEST_PATH_IMAGE021
，计算公式如下：
Figure 611189DEST_PATH_IMAGE022
式中：
Figure DEST_PATH_IMAGE023
为印刷图像的宽度，
Figure 910584DEST_PATH_IMAGE024
为初始单个像素代表的实际长度。
则当
Figure DEST_PATH_IMAGE025
时，相机采集范围的调整范围的横坐标的区间为
Figure 825450DEST_PATH_IMAGE026
；当
Figure DEST_PATH_IMAGE027
时，相机采集范围的调整范围的横坐标的区间为
Figure 221796DEST_PATH_IMAGE028
,且所有横坐标的取值x均为整数，即
Figure DEST_PATH_IMAGE029
；其中
Figure 829495DEST_PATH_IMAGE030
为初始相机采集范围。
以最优调整程度调节相机的焦距的计算过程如下：
计算以最优调整程度调整后的相机采集范围，计算公式如下：
Figure 616186DEST_PATH_IMAGE032
式中：
Figure DEST_PATH_IMAGE033
为以最优调整程度调整后的采集范围，
Figure 100002_DEST_PATH_IMAGE034
为最优调整程度对应的采集范围中单个像素代表的实际长度，
Figure DEST_PATH_IMAGE035
为以最优调整程度调整后的采集范围中的行像素数量；
Figure 600322DEST_PATH_IMAGE036
为对
Figure DEST_PATH_IMAGE037
向下取整；
计算以最优调整程度调整后的相机采集范围对应的焦距，计算公式如下：
Figure 788858DEST_PATH_IMAGE039
式中：
Figure DEST_PATH_IMAGE040
为以最优调整程度调整后的相机采集范围对应的焦距。
对调整后的采集范围内的每个周期类别进行标号的步骤如下：
获取最优调整程度对应的周期分类数，对印刷产品的每个周期进行分类；
计算以最优调整程度调整后的采集范围内的每个周期类别的长度，计算公式如下：
Figure DEST_PATH_IMAGE042
以最优调整程度调整后的采集范围内包含的周期类别数为
Figure 833037DEST_PATH_IMAGE043
，将采集范围表示为
Figure 100002_DEST_PATH_IMAGE044
；
以
Figure 107024DEST_PATH_IMAGE045
为标记值对采集范围中的每个类别进行循环标号，其中
Figure DEST_PATH_IMAGE046
为最优调整程度对应的周期分类数。
确定异常区域的方法如下：
在一定的采集时间内，对采集的印刷产品图像中标记值相同的区域进行各个位置像素值的统计，将每个位置的像素值进行统计，选取其中的众数为该位置的像素标准值
Figure 100002_DEST_PATH_IMAGE047
；
设置一个误差阈值
Figure 629272DEST_PATH_IMAGE048
，若该像素点的像素值在
Figure DEST_PATH_IMAGE049
的范围内，则认为该像素点是正常像素点，若该像素点的像素值不在
Figure 937894DEST_PATH_IMAGE049
的范围内，则认为该像素点是异常像素点；
将异常像素点连接而成的区域，即为印刷产品的异常区域。
采集时间的确定方法如下：
获取印刷产品的移动速度，计算以最优调整程度调整后的采集范围完全移出的时间，计算公式如下：
Figure DEST_PATH_IMAGE051
式中：
Figure 684133DEST_PATH_IMAGE052
为以最优调整程度调整后的采集范围完全移出的时间，
Figure DEST_PATH_IMAGE053
为印刷产品的移动速度；
计算调整后对应的相机采样频率，其中
Figure 445416DEST_PATH_IMAGE054
，得到的相机采样频率即为相机的采集时间。
本发明的有益效果是：本发明使用自适应调节相机焦距的方法，使相机采集的图像合理分类，优化相机的采集范围，再根据优化调整后的相机采集范围与焦距，调节相机采样频率，对印刷图像相同类别的区域进行比较，提高了检测结果的可靠性，对缺陷部分的检测更精确。
附图说明
图1是本发明的算法流程示意图；
图2是本发明中S1的具体过程示意图；
图3（a）是本实施例中采集范围不包含一个完整周期的示意图；
图3（b）是本实施例中采集范围至少存在一个完整周期的示意图；
图4是本发明中批量印刷产品示意图；
图5是本发明中相机成像原理示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例1
该方法包括：
S1：获取当前相机焦距，确定当前相机采集范围及其行像素点数量，计算当前采集范围中单个像素代表的实际长度，获取印刷产品的周期及一个周期中的行像素点数量，确定印刷产品的周期与当前相机采集范围的最大公因数，求出当前周期分类数；
S2：确定相机采集范围的调整范围，在调整范围内进行调整，求出每次调整后的采集范围对应的周期分类数与单个像素长度，计算出每次调整后对应的调整程度，确定最优调整程度；
S3：根据最优调整程度确定出调节后的相机的焦距和周期分类数，根据周期分类数对印刷产品每个周期内的图像进行分类并标号，获取调整相机焦距后的印刷产品图像，对印刷产品图像中同一标号的相同位置进行异常检测。
以下内容对上述步骤展开说明：
本实施例通过计算调整性价比，以最小的视野调整量找到最佳类别数量，用来降低对后续图像对比操作过程中的比较次数，降低计算复杂度，计算原理如下（
Figure DEST_PATH_IMAGE055
）：
计算当前相机的采集范围
Figure 505775DEST_PATH_IMAGE056
占印刷周期
Figure DEST_PATH_IMAGE057
的比例：
Figure DEST_PATH_IMAGE059
所得化简的最终结果
Figure 934483DEST_PATH_IMAGE060
中的分子
Figure DEST_PATH_IMAGE061
对应完整周期的数量，分母
Figure 786377DEST_PATH_IMAGE062
的值为一个周期划分的类别数，即需要
Figure 97272DEST_PATH_IMAGE062
个类别才能得到
Figure 695744DEST_PATH_IMAGE061
个完整的印刷周期，所以求解周期分类数的过程即可转化为求解采集范围与印刷周期最小公因子的过程。
如图3(a)所示，
Figure DEST_PATH_IMAGE063
为初始相机采集范围，
Figure 510116DEST_PATH_IMAGE033
为调整后的相机采集范围，即以最优调整程度调整后的采集范围，当
Figure 801420DEST_PATH_IMAGE064
时，即采集范围内不包含一个完整的印刷周期时，调整前的
Figure DEST_PATH_IMAGE065
，即需要8个类别才能完整的表示5个印刷周期，这5个印刷周期结束后，才会出现相同的类别标号；而调整后的
Figure 537295DEST_PATH_IMAGE066
,即只需要2个类别就可以表示1个完整的周期，该过程只调节了1/8的采集范围，就减少了6个类别，故这样的分组方式优于调整前的分组方式；
如图3(b)所示，
Figure 470616DEST_PATH_IMAGE063
为初始相机采集范围，
Figure 405074DEST_PATH_IMAGE033
为调整后的相机采集范围，以最优调整程度调整后的采集范围，当
Figure DEST_PATH_IMAGE067
时，即采集范围内存在至少一个完整的印刷周期时,原理同上，调整前的
Figure 336121DEST_PATH_IMAGE068
，而调整后的
Figure DEST_PATH_IMAGE069
,该过程只调节了1/14的采集范围，就减少了4个类别，故这样的分组方式优于调整前的分组方式。
S1：获取当前相机焦距，确定当前相机采集范围及其行像素点数量，计算当前采集范围中单个像素代表的实际长度，获取印刷产品的周期及一个周期中的行像素点数量，确定印刷产品的周期与当前相机采集范围的最大公因数，求出当前周期分类数。
逻辑层次：大批量印刷往往是先印刷，印刷结束后再对印刷产品进行分割，在印刷过程中会出现连续性的周期图像，如图4所示。
1.根据相机成像模型，结合相机镜头与印刷产品之间的距离，即工作距离，以及相机成像平面CCD的大小，得到相机的采集范围与焦距之间的关系，原理如图5所示；
其中工作距离D与相机成像平面CCD的大小L为已知量，视野长度范围即为相机的采集范围，记作G，则相机当前采集范围的计算公式如下：
Figure 293712DEST_PATH_IMAGE002
式中：
Figure 561883DEST_PATH_IMAGE056
为相机当前的采集范围，
Figure 288530DEST_PATH_IMAGE003
为相机的工作距离，
Figure 452795DEST_PATH_IMAGE004
为相机成像平面的大小，
Figure 960000DEST_PATH_IMAGE005
为相机的当前焦距。
初始的焦距记为
Figure 703965DEST_PATH_IMAGE070
，初始的采集范围记为
Figure 347436DEST_PATH_IMAGE063
，则
Figure 151444DEST_PATH_IMAGE063
可以表示为：
Figure 614786DEST_PATH_IMAGE072
2.相机的分辨率为
Figure DEST_PATH_IMAGE073
，则所得图像的横轴上的像素数量为
Figure DEST_PATH_IMAGE074
，纵轴上的像素数量为
Figure DEST_PATH_IMAGE075
，其中图像的横轴与印刷前进方向平行；单个像素代表的实际长度为
Figure 896863DEST_PATH_IMAGE076
，则：
Figure 660420DEST_PATH_IMAGE078
初始的单个像素代表的实际长度记为
Figure 166488DEST_PATH_IMAGE024
，则
Figure 585968DEST_PATH_IMAGE024
可以表示为：
Figure 734052DEST_PATH_IMAGE080
3.对应类别数的
Figure DEST_PATH_IMAGE081
的计算过程如下：
1)当
Figure 289798DEST_PATH_IMAGE056
的取值为
Figure 232347DEST_PATH_IMAGE082
时，即相机视野范围为
Figure DEST_PATH_IMAGE084A
个像素长度时，计算
Figure DEST_PATH_IMAGE084AA
与
Figure DEST_PATH_IMAGE085
的最小公因数
Figure 808297DEST_PATH_IMAGE086
，则对应的周期分类数
Figure DEST_PATH_IMAGE087
：
Figure 760072DEST_PATH_IMAGE007
式中：
Figure 170325DEST_PATH_IMAGE009
为印刷产品一个周期中的行像素数量；
Figure 549354DEST_PATH_IMAGE009
的计算公式如下：
Figure DEST_PATH_IMAGE089
2)计算此时单个像素代表的实际长度
Figure 677847DEST_PATH_IMAGE090
，其中
Figure DEST_PATH_IMAGE091
为相机分辨率所对的行像素数量；
3)记录
Figure 370996DEST_PATH_IMAGE092
,更新
Figure DEST_PATH_IMAGE093
的值，即令
Figure 166914DEST_PATH_IMAGE094
，重复上述操作计算，直到
Figure DEST_PATH_IMAGE096A
时停止操作。
S2：确定相机采集范围的调整范围，在调整范围内进行调整，求出每次调整后的采集范围对应的周期分类数与单个像素长度，计算出每次调整后对应的调整程度，确定最优调整程度。
逻辑层次：连续的整数个印刷周期可以分成有限的若干个区域，每个区域对应一种类别，每个周期分成的区域数量就是周期分类数；合理地调节视野采集范围，可以使采集范围内的连续的周期所分的类别数量减少；最优的调整使视野采集范围调整量较小时，周期分类数的减少程度较大，调整焦距后的精度较高，综合三个因素，视野调整量的最大调整程度的记为最优调整程度，此时调节的“性价比”最高。
该步骤的过程如下：
a) 根据
Figure DEST_PATH_IMAGE097
在
Figure 920107DEST_PATH_IMAGE098
范围内调整时的分类数变化情况，得到采集范围变化量-周期分类数-单个像素长度
Figure DEST_PATH_IMAGE099
的点的集合。
b) 根据点集内相对于初始状态
Figure 535896DEST_PATH_IMAGE100
的调整程度性价比
Figure DEST_PATH_IMAGE101
，从而得到视野调整量的最优调整程度。
以下对该步骤进行展开描述：
a)根据
Figure 32736DEST_PATH_IMAGE056
在
Figure 214319DEST_PATH_IMAGE102
范围内调整时的分类数变化情况，得到采集范围变化量-周期分类数-单个像素长度
Figure DEST_PATH_IMAGE103
的点的集合。
由于印刷产品存在周期性，所以若采集范围内存在多个周期，其类别
Figure 138412DEST_PATH_IMAGE104
的变化规律也具有周期性，所以可以直接将采集范围
Figure DEST_PATH_IMAGE105
的变化范围限定在一个印刷周期内；即当
Figure 303814DEST_PATH_IMAGE106
时，
Figure 73187DEST_PATH_IMAGE105
的变化范围为
Figure DEST_PATH_IMAGE107
；当
Figure 578118DEST_PATH_IMAGE108
时，
Figure 204271DEST_PATH_IMAGE056
的变化范围为
Figure DEST_PATH_IMAGE109
;
测量印刷产品的周期
Figure 794653DEST_PATH_IMAGE019
,单位为毫米，以及印刷图像的宽度
Figure 430033DEST_PATH_IMAGE020
，单位为毫米；计算最小采集范围在初始单个像素代表的实际长度下对应的行像素数量为
Figure 586208DEST_PATH_IMAGE021
，计算公式如下：
Figure 586525DEST_PATH_IMAGE022
式中：
Figure 460940DEST_PATH_IMAGE023
为印刷图像的宽度，
Figure 572116DEST_PATH_IMAGE024
为初始单个像素代表的实际长度。
初始采集范围对应的行像素数量为
Figure 582797DEST_PATH_IMAGE091
，则当
Figure 816332DEST_PATH_IMAGE106
时，所得点集的横坐标区间为
Figure 115727DEST_PATH_IMAGE026
；当
Figure 92910DEST_PATH_IMAGE027
时，相机采集范围的调整范围的横坐标的区间为
Figure 426939DEST_PATH_IMAGE028
，且所有横坐标的取值均为整数，即
Figure 831376DEST_PATH_IMAGE029
；
b)根据点集内相对于初始状态(
Figure 149225DEST_PATH_IMAGE110
)的调整程度性价比
Figure DEST_PATH_IMAGE111
，从而得到视野调整量的最优调整程度。
逻辑层次：视野调整量记为
Figure 142150DEST_PATH_IMAGE112
，视野调整量的调整程度为
Figure 330686DEST_PATH_IMAGE111
，当视野调整的范围
Figure DEST_PATH_IMAGE113
变化的越小，类别变化的数目
Figure 906024DEST_PATH_IMAGE114
减少的越多，一个像素代表的实际长度越小越精确，调整程度最优，故调整程度可以表示为：
Figure 914431DEST_PATH_IMAGE012
若
Figure DEST_PATH_IMAGE115
，则最优调整程度的取值为
Figure 233417DEST_PATH_IMAGE116
，此时最优调整比例对应的相机采集范围长度为
Figure DEST_PATH_IMAGE117
个像素，对应的周期分类数为
Figure 542039DEST_PATH_IMAGE118
，对应的单个像素德尔长度为
Figure DEST_PATH_IMAGE119
，则一个类的长度
Figure 225961DEST_PATH_IMAGE120
，以最优调整程度调整后的采集范围实际长度
Figure DEST_PATH_IMAGE121
应调整为：
Figure 252823DEST_PATH_IMAGE032
其中
Figure 109921DEST_PATH_IMAGE036
为对
Figure 273049DEST_PATH_IMAGE036
向下取整，加上原来的整数周期的数量才为当前采集范围的真正长度。
S3：根据最优调整程度确定出调节后的相机的焦距和周期分类数，根据周期分类数对印刷产品每个周期内的图像进行分类并标号，获取调整相机焦距后的印刷产品图像，对印刷产品图像中同一标号的相同位置进行异常检测。
逻辑层次：将相机根据最优调整程度对相机的采样范围与焦距进行相应的调整，计算当前采集范围完全移出时的时间，确定相机的采样频率，对采集范围内的周期分类区域进行标号；根据采样频率的时间间隔，对印刷产品进行采集，对采集后的图像进行检测，确定异常区域。
确定相机采样频率的过程如下：
i. 由相机成像模型可得，调整的焦距
Figure 924610DEST_PATH_IMAGE122
应为：
Figure DEST_PATH_IMAGE123
；
ii.获取调整后的对应的周期分类数对印刷产品的每个周期进行分类；
iii.调整后的对应当前视野范围内的每个类别的长度
Figure 173189DEST_PATH_IMAGE124
为:
Figure 833977DEST_PATH_IMAGE120
；
调整后的采集范围内包含的类的数量为
Figure DEST_PATH_IMAGE125
；即采集范围可以表示为：
Figure DEST_PATH_IMAGE127
其中
Figure DEST_PATH_IMAGE128
，对各个范围进行循环标号，标号的
Figure 320453DEST_PATH_IMAGE129
范围为
Figure 142916DEST_PATH_IMAGE045
，其中
Figure 675528DEST_PATH_IMAGE046
为最优调整程度对应的周期分类数；并记录当前采集范围中最后一个区域标号的值，在下次获取图像后，从该值开始继续进行循环标号；
iv. 根据印刷纸的移动速度（已知量），记为
Figure DEST_PATH_IMAGE130
，计算当前视野范围完全移出的时间
Figure DEST_PATH_IMAGE131
，则采样频率为
Figure DEST_PATH_IMAGE132
。
确定异常区域的过程如下：
根据计算的采样频率，对印刷产品进行采集，（如间隔半个小时内，此期间的光照的变化程度较小），所有采集的图像中类别号
Figure 546532DEST_PATH_IMAGE129
相同的区域进行各个位置像素值的统计，每个位置的像素值都可以得到一个统计图，选取其中的众数为该位置像素点的标准值
Figure DEST_PATH_IMAGE133
，从而获得该区域的参考图像，其类别号设置为与参与统计的区域类别号的值；
将实际获相同类别的印刷图像与上述相同类别号的参考图像进行比对，设置一个误差阈值
Figure 684252DEST_PATH_IMAGE048
，若该像素点的像素值在
Figure 677616DEST_PATH_IMAGE049
的范围内，则认为该像素点是正常像素点，若该像素点的像素值不在
Figure 697525DEST_PATH_IMAGE049
的范围内，则认为该像素点是异常像素点，将异常像素点连接起来形成的区域即为异常区域。
以上实施例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (8)

1.一种基于自适应焦距的印刷缺陷检测方法，其特征在于，包括以下步骤：
S1：获取当前相机焦距，利用当前相机焦距得到当前相机采集范围，获取当前采集范围的行像素点数量，根据获得的当前相机采集范围及其行像素点数量，得到当前采集范围中单个像素代表的实际长度；
获取印刷产品的周期及一个周期中的行像素点数量，确定印刷产品的周期与当前相机采集范围的最大公因数，根据获取的最大公因数与一个周期中的行像素点数量求出当前周期分类数；
S2：确定相机采集范围的调整范围，在调整范围内每次增加相同像素点数量对相机的采集范围进行调整，求出每次调整后的采集范围对应的周期分类数及其对应的单个像素长度；
计算出每次调整后对应的调整程度，根据得到的所有调整程度确定采集范围调整量的最优调整程度；
S3：根据最优调整程度确定出调节后的相机的焦距和周期分类数，根据周期分类数对印刷产品每个周期内的图像进行分类并标号；
获取调整相机焦距后的印刷产品图像，对印刷产品图像中同一标号的相同位置进行异常检测。
2.根据权利要求1所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述当前周期分类数的获取方法如下：
S101:获取当相机镜头与印刷产品之间的距离即相机的工作距离、相机成像平面的大小以及当前相机的焦距，计算当前相机的采集范围的公式如下：
Figure DEST_PATH_IMAGE001
式中：
Figure 435334DEST_PATH_IMAGE002
为相机的工作距离，；
Figure 855951DEST_PATH_IMAGE003
为相机成像平面的大小；
Figure 594100DEST_PATH_IMAGE004
为当前相机的焦距；
S102:获取当前相机的采集范围与采集范围中的行像素点数量，当前相机的采集范围与采集范围中的行像素点数量的比值即为当前相机单个像素代表的实际长度；
S103:获取印刷产品周期与当前相机的采集范围，利用辗转相除法确定印刷产品周期与当前相机的采集范围的最大公约数；
获取印刷产品一个周期中的行像素点数量；
当前周期分类数的计算公式如下：
Figure 973129DEST_PATH_IMAGE005
式中：
Figure 39305DEST_PATH_IMAGE006
为当前周期分类数，
Figure 529192DEST_PATH_IMAGE007
为印刷产品在初始采集范围下一个周期中的行像素点数量，
Figure 590689DEST_PATH_IMAGE008
为印刷产品周期与当前相机的采集范围的最大公约数。
3.根据权利要求1所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述确定视野调整量的最优调整程度的方法如下：
计算获取的采集范围调整范围-周期分类数-单个像素长度的集合中每种情况下对应的调整程度，计算公式如下：
Figure 140619DEST_PATH_IMAGE009
式中：
Figure 818725DEST_PATH_IMAGE010
为采集范围调整程度，
Figure DEST_PATH_IMAGE011
为初始周期分类数，
Figure 987669DEST_PATH_IMAGE006
为当前周期分类数，
Figure 434831DEST_PATH_IMAGE012
为采集范围的行像素数量变化量，
Figure 890083DEST_PATH_IMAGE013
为初始采集范围中单个像素代表的实际长度，
Figure 55485DEST_PATH_IMAGE014
为当前采集范围中单个像素代表的实际长度；
获取视野调整量的调整程度的最大值
Figure 621596DEST_PATH_IMAGE015
为视野调整量的最优调整程度。
4.根据权利要求3所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述相机采集范围的调整范围的确定方法如下：
测量印刷产品的周期
Figure 64210DEST_PATH_IMAGE016
,单位为毫米，以及印刷图像的宽度
Figure 690363DEST_PATH_IMAGE017
，单位为毫米；计算最小采集范围在初始单个像素代表的实际长度下对应的行像素数量为
Figure 343061DEST_PATH_IMAGE018
，计算公式如下：
Figure DEST_PATH_IMAGE019
式中：
Figure 978442DEST_PATH_IMAGE020
为印刷图像的宽度，
Figure 9983DEST_PATH_IMAGE021
为初始单个像素代表的实际长度；
则当
Figure 72617DEST_PATH_IMAGE022
时，相机采集范围的调整范围的横坐标的区间为
Figure 681453DEST_PATH_IMAGE023
；当
Figure 120524DEST_PATH_IMAGE024
时，相机采集范围的调整范围的横坐标的区间为
Figure 396785DEST_PATH_IMAGE025
,且所有横坐标的取值x均为整数，即
Figure 502757DEST_PATH_IMAGE026
；其中
Figure 598889DEST_PATH_IMAGE027
为初始相机采集范围。
5.根据权利要求1所述的一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述以最优调整程度调节相机的焦距的计算过程如下：
计算以最优调整程度调整后的相机采集范围，计算公式如下：
Figure 576072DEST_PATH_IMAGE028
式中：
Figure 706839DEST_PATH_IMAGE029
为以最优调整程度调整后的采集范围，
Figure 111276DEST_PATH_IMAGE030
为最优调整程度对应的采集范围中单个像素代表的实际长度，
Figure 694704DEST_PATH_IMAGE031
为以最优调整程度调整后的采集范围中的行像素数量；
Figure 85365DEST_PATH_IMAGE032
为对
Figure 336218DEST_PATH_IMAGE033
向下取整；
计算以最优调整程度调整后的相机采集范围对应的焦距，计算公式如下：
Figure DEST_PATH_IMAGE034
式中：
Figure 177135DEST_PATH_IMAGE035
为以最优调整程度调整后的相机采集范围对应的焦距。
6.根据权利要求1所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述对调整后的采集范围内的每个周期类别进行标号的步骤如下：
获取最优调整程度对应的周期分类数，对印刷产品的每个周期进行分类；
计算以最优调整程度调整后的采集范围内的每个周期类别的长度，计算公式如下：
Figure 247859DEST_PATH_IMAGE036
以最优调整程度调整后的采集范围内包含的周期类别数为
Figure 442211DEST_PATH_IMAGE037
，将采集范围表示为
Figure 547570DEST_PATH_IMAGE038
；
以
Figure 28230DEST_PATH_IMAGE039
为标记值对采集范围中的每个类别进行循环标号，其中
Figure 586250DEST_PATH_IMAGE040
为最优调整程度对应的周期分类数。
7.根据权利要求1所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述确定异常区域的方法如下：
在一定的采集时间内，对采集的印刷产品图像中标记值相同的区域进行各个位置像素值的统计，将每个位置的像素值进行统计，选取其中的众数为该位置的像素标准值
Figure 708927DEST_PATH_IMAGE041
；
设置一个误差阈值
Figure 544159DEST_PATH_IMAGE042
，若该像素点的像素值在
Figure 461300DEST_PATH_IMAGE043
的范围内，则认为该像素点是正常像素点，若该像素点的像素值不在
Figure 506616DEST_PATH_IMAGE043
的范围内，则认为该像素点是异常像素点；
将异常像素点连接而成的区域，即为印刷产品的异常区域。
8.根据权利要求7所述一种基于自适应焦距的印刷缺陷检测方法，其特征在于，所述采集时间的确定方法如下：
获取印刷产品的移动速度，计算以最优调整程度调整后的采集范围完全移出的时间，计算公式如下：
Figure DEST_PATH_IMAGE044
式中：
Figure 432984DEST_PATH_IMAGE045
为以最优调整程度调整后的采集范围完全移出的时间，
Figure 122722DEST_PATH_IMAGE046
为印刷产品的移动速度；
计算调整后对应的相机采样频率，其中
Figure DEST_PATH_IMAGE047
，得到的相机采样频率即为相机的采集时间。
CN202111167099.0A 2021-10-02 2021-10-02 基于自适应焦距的印刷缺陷检测方法 Active CN113592870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111167099.0A CN113592870B (zh) 2021-10-02 2021-10-02 基于自适应焦距的印刷缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111167099.0A CN113592870B (zh) 2021-10-02 2021-10-02 基于自适应焦距的印刷缺陷检测方法

Publications (2)

Publication Number Publication Date
CN113592870A true CN113592870A (zh) 2021-11-02
CN113592870B CN113592870B (zh) 2021-12-24

Family

ID=78242894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111167099.0A Active CN113592870B (zh) 2021-10-02 2021-10-02 基于自适应焦距的印刷缺陷检测方法

Country Status (1)

Country Link
CN (1) CN113592870B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131354A (zh) * 2022-08-31 2022-09-30 江苏森信达生物科技有限公司 一种基于光学手段的实验室用塑料薄膜缺陷检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008089379A (ja) * 2006-09-29 2008-04-17 Hitachi Information & Control Solutions Ltd 印字検査装置
CN103954634A (zh) * 2014-05-08 2014-07-30 昆明瑞丰印刷有限公司 一种印刷品在线质量检测***
US20150054880A1 (en) * 2013-08-22 2015-02-26 Ricoh Company, Ltd. Substrate Defect Detection Mechanism
CN107948464A (zh) * 2017-09-15 2018-04-20 兰州交通大学 一种印刷品检测图像侧向偏移的几何校正方法及***
CN112884768A (zh) * 2021-03-30 2021-06-01 中国科学院自动化研究所 基于神经网络的3d打印在线质量监测方法、***、装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008089379A (ja) * 2006-09-29 2008-04-17 Hitachi Information & Control Solutions Ltd 印字検査装置
US20150054880A1 (en) * 2013-08-22 2015-02-26 Ricoh Company, Ltd. Substrate Defect Detection Mechanism
CN103954634A (zh) * 2014-05-08 2014-07-30 昆明瑞丰印刷有限公司 一种印刷品在线质量检测***
CN107948464A (zh) * 2017-09-15 2018-04-20 兰州交通大学 一种印刷品检测图像侧向偏移的几何校正方法及***
CN112884768A (zh) * 2021-03-30 2021-06-01 中国科学院自动化研究所 基于神经网络的3d打印在线质量监测方法、***、装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
N.G.SHANKAR，ET AL: "《A real-time print-defect detection system for web offset printing》", 《MEASUREMENT》 *
曾贝: "《基于嵌入式GPU的数码印花缺陷检测客户端软件设计》", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 *
钟辉: "《彩色印刷品图像缺陷自动检测***算法的研究》", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115131354A (zh) * 2022-08-31 2022-09-30 江苏森信达生物科技有限公司 一种基于光学手段的实验室用塑料薄膜缺陷检测方法

Also Published As

Publication number Publication date
CN113592870B (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
CN106127779B (zh) 基于视觉识别的缺陷检测方法及***
CN113077453B (zh) 一种基于深度学习的电路板元器件缺陷检测方法
CN106247969B (zh) 一种基于机器视觉的工业磁芯元件的形变检测方法
CN116277973B (zh) 一种3d打印检测***
CN113592870B (zh) 基于自适应焦距的印刷缺陷检测方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN113012105B (zh) 基于图像处理的纱线毛羽检测评级方法
CN105991997B (zh) 一种电容式图像传感器坏点实时定位的方法
CN102889864A (zh) 带卷边部物体塔形检测***及其检测方法
CN116523913B (zh) 一种丝杆质量智能检测方法
CN111768407A (zh) 基于快速定位的缺陷检测算法
CN115311484A (zh) 一种焊缝数据的优化聚类分割方法
CN114693659B (zh) 基于图像处理的铜管表面清洗效果评估方法及***
CN114332091B (zh) 一种基于人工智能的印刷品缺陷检测方法
CN117232396B (zh) 一种高速生产线产品质量视觉检测***及方法
CN107563266A (zh) 指纹影像检测装置及其方法
CN109297979B (zh) 一种生丝质量检测装置及检测方法
CN109461123B (zh) 一种针对图像质量客观评测点图的几何畸变自动分析方法
CN111626946B (zh) 用于高速物料传输视觉检测***的运动模糊核测量方法
CN107437256B (zh) 应用于轮胎x光图像通道自动划分方法和***
CN104866837A (zh) 字画微观纹理的图像采集装置及其采集方法
CN114494240A (zh) 基于多尺度协作深度学习的无砟轨道板裂缝测量方法
CN109461155B (zh) 一种生丝质量检测方法
CN113409295B (zh) 一种基于cell的边缘缺陷检测方法
CN111199344A (zh) 一种控制烟叶分选过程中纯度的方法

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
TR01 Transfer of patent right

Effective date of registration: 20230726

Address after: No. 1-8, Building 1, Zhonghao Industrial Park, Xinanbao Village, Zhashan Street, Caidian District, Wuhan City, 430000 Hubei Province

Patentee after: Wuhan Zhuoyuan Printing Co.,Ltd.

Address before: 430000 Dongfeng Village, Qiaokou District, Wuhan City, Hubei Province (b-1-2, Changfeng 1st Road)

Patentee before: Wuhan Haichuan Color Printing Co.,Ltd.

TR01 Transfer of patent right