CN114419043A - 一种利用光学手段对印刷新材料进行检测的方法及*** - Google Patents

一种利用光学手段对印刷新材料进行检测的方法及*** Download PDF

Info

Publication number
CN114419043A
CN114419043A CN202210320084.1A CN202210320084A CN114419043A CN 114419043 A CN114419043 A CN 114419043A CN 202210320084 A CN202210320084 A CN 202210320084A CN 114419043 A CN114419043 A CN 114419043A
Authority
CN
China
Prior art keywords
printing
index
image
sequence
obtaining
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
CN202210320084.1A
Other languages
English (en)
Other versions
CN114419043B (zh
Inventor
陆逸平
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.)
Nantong People Color Printing Co ltd
Original Assignee
Nantong People 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 Nantong People Color Printing Co ltd filed Critical Nantong People Color Printing Co ltd
Priority to CN202210320084.1A priority Critical patent/CN114419043B/zh
Publication of CN114419043A publication Critical patent/CN114419043A/zh
Application granted granted Critical
Publication of CN114419043B publication Critical patent/CN114419043B/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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明涉及新材料产品检测技术领域，具体涉及一种利用光学手段对印刷新材料进行检测的方法及***。该方法利用包含可见光光源的图像采集设备获得新材料印刷产品的印刷图像,通过第一印刷指标和第二印刷指标获得的整体印刷指标检测印刷质量。本发明通过光学手段放大图像特征，实现了利用光学手段对新材料进行分析及计量。

Description

一种利用光学手段对印刷新材料进行检测的方法及***
技术领域
本发明涉及新材料产品检测技术领域，具体涉及一种利用光学手段对印刷新材料进行检测的方法及***。
背景技术
新材料与传统材料的生产产品相比，新材料的产品具有更优质的性能和更低廉的成本。利用新材料进行产品生产不仅能带来有效的经济效益还可以增加产品性能，提高产品质量。
印刷新材料在产品包装、产品保护等方面拥有很高的生产价值。例如新材料制成的油墨、新材料制成的印刷布或者印刷纸等。印刷新材料不仅能带给产品出色的色彩表现，还能起到延长产品寿命，对产品提供有效的保护等功能。
在印刷新材料进行产品生产过程中，需要对产品进行缺陷检测，保证印刷质量。在现有技术中通过电子设备或者人为进行缺陷检测的效率不高，且因为工作环境影响会出现误检漏检等现象，无法实现对印刷产品质量的自动化有效检测及计量。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种利用光学手段对印刷新材料进行检测的方法及***，所采用的技术方案具体如下：
本发明提出了一种利用光学手段对印刷新材料进行检测的方法，所述方法包括：
利用图像采集设备采集新材料印刷产品的印刷图像；所述图像采集设备包括相机和可见光光源；
根据所述印刷图像中每个像素点的像素值构建像素值序列；将所述像素值序列重构为多个重构向量；根据每个所述重构向量中元素的位置对元素进行标号；将所述重构向量的元素按照像素值大小进行排序，以排序后的标号序列作为排序序列；根据所述排序序列的种类和所述排序序列的熵获得第一印刷指标；
获取标准印刷图像；将所述标准印刷图像的所述像素值序列拟合，获得标准拟合曲线；获得所述印刷图像对应的拟合曲线；获取所述拟合曲线和所述标准拟合曲线的相对熵；根据所述拟合曲线的离散点数量和所述相对熵获得第二印刷指标；
根据所述第一印刷指标和所述第二印刷指标获得整体印刷指标；根据所述整体印刷指标判断所述新材料的印刷质量。
进一步地，所述利用图像采集设备采集新材料印刷产品的印刷图像后还包括：
将所述印刷图像进行伽马变换处理。
进一步地，所述将所述像素值序列重构为多个重构向量包括：
根据预设嵌入维数和预设时间延迟将所述像素值序列重构为高维空间数据；所述高维空间数据包括多个所述重构向量。
进一步地，所述根据所述排序序列的种类和所述排序序列的熵获得第一印刷指标包括：
根据第一印刷指标公式获得所述第一印刷指标。所述第一印刷指标公式包括：
Figure 553296DEST_PATH_IMAGE001
其中，
Figure 100002_DEST_PATH_IMAGE002
为所述第一印刷指标，
Figure 100002_DEST_PATH_IMAGE003
为所述所述排序序列的种类，
Figure 100002_DEST_PATH_IMAGE004
为第
Figure DEST_PATH_IMAGE005
个所述排序序列出现的次数，
Figure 100002_DEST_PATH_IMAGE006
为所述排序序列的数量，
Figure 100002_DEST_PATH_IMAGE007
为第一模型拟合参数。
进一步地，所述获取标准印刷图像包括：
在历史数据库中选择多个高质量印刷图像；以所述第一印刷指标最大的所述高质量印刷图像作为所述标准印刷图像。
进一步地，所述将所述标准印刷图像的所述像素值序列拟合，获得标准拟合曲线包括：
获取所述标准印刷图像的多个颜色通道的通道图像；将每个所述通道图像的所述像素值序列拟合，获得所述通道图像对应的所述标准拟合曲线。
进一步地，所述根据所述拟合曲线的离散点数量和所述相对熵获得第二印刷指标包括：
获取每个所述颜色通道下的所述初始第二印刷指标；以所述初始第二印刷指标的均值作为所述第二印刷指标。
进一步地，所述获取每个所述颜色通道下的所述初始第二印刷指标包括：
根据第二印刷指标公式获得所述初始第二印刷指标，所述第二印刷指标公式包括：
Figure 100002_DEST_PATH_IMAGE008
其中，
Figure 425437DEST_PATH_IMAGE009
为第
Figure 100002_DEST_PATH_IMAGE010
个所述颜色通道下的所述初始第二印刷指标，
Figure 100002_DEST_PATH_IMAGE011
为第
Figure 136910DEST_PATH_IMAGE010
个所述颜色通道下所述拟合曲线的离散点数量，
Figure 100002_DEST_PATH_IMAGE012
为第
Figure 94501DEST_PATH_IMAGE010
个所述颜色通道下所述标准拟合曲线的函数值，
Figure 100002_DEST_PATH_IMAGE013
为第
Figure 300355DEST_PATH_IMAGE010
个所述颜色通道下所述拟合曲线的函数值。
进一步地，所述根据所述第一印刷指标和所述第二印刷指标获得整体印刷指标包括：
根据整体印刷指标公式获得所述整体印刷指标，所述整体印刷指标公式包括：
Figure 100002_DEST_PATH_IMAGE014
其中，
Figure 100002_DEST_PATH_IMAGE015
为所述整体印刷指标，
Figure 100002_DEST_PATH_IMAGE016
为所述第二印刷指标，
Figure DEST_PATH_IMAGE017
为第二模型拟合参数，
Figure 558161DEST_PATH_IMAGE002
为所述第一印刷指标，
Figure 100002_DEST_PATH_IMAGE018
为第三模型拟合参数。
本发明还提出了一种利用光学手段对印刷新材料进行检测的***，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种利用光学手段对印刷新材料进行检测的方法的步骤。
本发明具有如下有益效果：
1.在本发明实施例中利用包含可见光光源的图像采集设备对新材料印刷后的图像信息进行采集，放大了待检测产品的图像特征，使后续检测出的印刷指标参考性更强，并且能够有效放大不同印刷质量产品的整体印刷指标差异，做到对印刷质量的有效评估。
2.本发明实施例在考虑到图像整体像素值特征的同时通过细分的重构向量考虑到了图像中细节的像素值特征。获得表示印刷色彩均匀程度的第一印刷指标,进一步通过整体印刷指标对印刷质量做到有效的检测评估与判断，实现了利用光学手段，即可见光下的图像信息对新材料的分析及计量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种利用光学手段对印刷新材料进行检测的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种利用光学手段对印刷新材料进行检测的方法及***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种利用光学手段对印刷新材料进行检测的方法及***的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种利用光学手段对印刷新材料进行检测的方法流程图，该方法包括：
步骤S1：利用图像采集设备采集新材料印刷产品的印刷图像；图像采集设备包括相机和可见光光源。
在印刷新材料产品的生产过程中，可将待检测产品放置在检测台上，通过图像采集设备采集待检测产品印刷面的图像信息，获得印刷图像。
在本发明实施例中，图像采集设备中的相机部署至检测台的正上方，高度适中，相机视野能够包含整个产品印刷面。为了放大产品印刷面的图像特征，可根据印刷面的色彩对图像采集设备的可见光光源类型进行调整，可见光类型包括白光、纯色光等多种类型，针对产品的印刷色彩可自行设置，在此不做限制。
需要说明的是，因为产品生产环境复杂，所以在图像采集过程中，可见光光源对于待检测产品的照射会出现不均匀的影响，因此在获得印刷图像后，需要将印刷图像进行伽马变换，增加图像整体的细节表现，提高图像质量，方便后续的特征检测。
步骤S2：根据印刷图像中每个像素点的像素值构建像素值序列；将像素值序列重构为多个重构向量；根据每个重构向量中元素的位置对元素进行标号；将重构向量的元素按照像素值大小进行排序，以排序后的标号序列作为排序序列；根据排序序列的种类和排序序列的熵获得第一印刷指标。
一个印刷图像可视为多个像素值组成的矩阵，因此将像素值矩阵进行转换可获得印刷图像对应的像素值序列。在本发明实施例中，将印刷图像转换为灰度图像，即每个像素点的灰度值为像素值，像素值序列为印刷图像中像素点的像素值从左往右从上往下的排列而成。
为了进一步对图像细节进行分析，将印刷图像的像素值序列重构为多个重构向量。具体包括：
根据预设嵌入维数m和预设时间延迟
Figure DEST_PATH_IMAGE019
将所述像素值序列重构为高维空间数据
Figure DEST_PATH_IMAGE020
：
Figure DEST_PATH_IMAGE021
其中，
Figure 410841DEST_PATH_IMAGE020
为高维空间数据，
Figure DEST_PATH_IMAGE022
为第
Figure 918046DEST_PATH_IMAGE005
个重构向量，
Figure 396432DEST_PATH_IMAGE006
为重构向量的数量，即一个高维空间数据包括
Figure 39903DEST_PATH_IMAGE006
个重构向量。
Figure DEST_PATH_IMAGE023
，其中，
Figure DEST_PATH_IMAGE024
为像素值序列内元素的数量。
需要说明的是，像素值序列可表示为：
Figure DEST_PATH_IMAGE025
，
Figure DEST_PATH_IMAGE026
为第
Figure DEST_PATH_IMAGE027
个像素值。重构向量可表示为：
Figure DEST_PATH_IMAGE028
。
在本发明实施例中，嵌入维数设置为4，时间延迟设置为2。序列的相空间重构为本领域技术人员熟知的技术手段，在此不对重构原理进行赘述。
根据重构结果可知，一个重构向量的长度较小，因此可表示图像中的局部细节信息。如果产品印刷色彩均匀，则在印刷图像中，重构向量具有一定的重复性和相似性。为了方便分析重构向量的重复性，根据每个重构向量中元素的位置对元素进行标号，将重构向量的元素按照像素值大小进行排序，以排序后的标号序列作为排序序列，如果印刷色彩均匀，则在一个色彩区域中，重构向量的像素值均相等，且存在多个重构向量相同，此时对应的排序序列也具有大量的重复性；如果色彩存在色差，则重构向量内的像素值会出现波动，导致排序序列出现变化，即排序序列种类越多说明印刷色差不均匀。进一步结合排序序列的熵可获得表示印刷色彩均匀程度的第一印刷指标，具体包括：
根据第一印刷指标公式获得第一印刷指标。第一印刷指标公式包括：
Figure DEST_PATH_IMAGE029
其中，
Figure 827599DEST_PATH_IMAGE002
为第一印刷指标，
Figure 759783DEST_PATH_IMAGE003
为排序序列的种类，
Figure 838598DEST_PATH_IMAGE004
为第
Figure 602154DEST_PATH_IMAGE005
个排序序列出现的次数，
Figure 577063DEST_PATH_IMAGE006
为排序序列的数量，
Figure 527702DEST_PATH_IMAGE007
为第一模型拟合参数。在本发明实施例中，第一拟合参数设置为5。
在第一印刷指标公式中，
Figure DEST_PATH_IMAGE030
表示排序序列的熵，熵值越大说明排序序列越混乱，则印刷颜色越不均匀，第一印刷指标越小。第一印刷指标越大，说明产品的印刷越均匀。
步骤S3：获取标准印刷图像；将标准印刷图像的像素值序列拟合，获得标准拟合曲线；获得印刷图像对应的拟合曲线；获取拟合曲线和标准拟合曲线的相对熵；根据拟合曲线的离散点数量和相对熵获得第二印刷指标。
对于印刷产品的印刷效果而言，越接近印刷模板说明印刷效果越好。因此获取标准印刷图像，标准印刷图像为高质量印刷效果的产品的图像，以标准印刷图像作为参考，可分析当前待检测产品的印刷效果的好坏。
优选的，为了获得更好的标准印刷图像作为参考，在历史数据库中选择多个高质量印刷图像。以第一印刷指标最大的高质量印刷图像作为标准印刷图像。
将像素值序列透射至二维空间中可获得多个散点，对其散点进行曲线拟合可获得标准印刷图像的标准拟合曲线以及待检测产品的印刷图像的拟合曲线。通过标准拟合曲线和拟合曲线之间的相关性可对印刷效果进行分析。可利用标准拟合曲线和拟合曲线函数值之间的相对熵表示其相关性，即相对熵越大则相关性越差。
对于一个高质量的印刷图像而言，其像素值分布呈现一定的规律性，即二维空间中的散点会尽可能的集中分布在拟合曲线附近，如果拟合曲线出现离散点，则说明此时的颜色分布混乱，印刷效果差，因此可通过离散点数量和相对熵获得第二印刷指标。
优选的，因为产品印刷的效果色彩丰富，因此在分析印刷效果时，将图像根据颜色通道进行各自分析。即获取标准印刷图像的多个颜色通道的通道图像，将每个通道图像的像素值序列拟合，获得通道图像对应的标准拟合曲线。需要说明的是，印刷图像也经过相同处理，获得每个颜色通道下的拟合曲线。
在本发明实施例中，颜色通道选用R、G、B三种颜色通道，即每个图像包括三个颜色通道的通道值，以及三个拟合曲线。
获取每个颜色通道下的初始第二印刷指标，以初始第二印刷指标的均值作为第二印刷指标。获取初始第二印刷指标具体包括：
根据第二印刷指标公式获得初始第二印刷指标，第二印刷指标公式包括：
Figure DEST_PATH_IMAGE031
其中，
Figure 879049DEST_PATH_IMAGE009
为第
Figure 497112DEST_PATH_IMAGE010
个颜色通道下的初始第二印刷指标，
Figure 402444DEST_PATH_IMAGE011
为第
Figure 840379DEST_PATH_IMAGE010
个颜色通道下拟合曲线的离散点数量，
Figure 526575DEST_PATH_IMAGE012
为第
Figure 202407DEST_PATH_IMAGE010
个颜色通道下标准拟合曲线的函数值，
Figure 315856DEST_PATH_IMAGE013
为第
Figure 506666DEST_PATH_IMAGE010
个颜色通道下拟合曲线的函数值。
第二印刷指标公式中，
Figure DEST_PATH_IMAGE032
为标准拟合曲线和拟合曲线函数值之间的相对熵。相对熵越大，离散点数量越大，则第二印刷指标越小，印刷效果越差。
在本发明实施例中，以二维空间中的散点到拟合曲线的距离大于5的散点作为离散点。
步骤S4：根据第一印刷指标和第二印刷指标获得整体印刷指标；根据整体印刷指标判断新材料的印刷质量。
第一印刷指标表示印刷图像中的印刷色彩均匀性，第二印刷指标表示印刷图像的印刷效果的优劣。因此可根据第一印刷指标和第二印刷指标共同获得印刷图像的整体印刷指标，具体包括：
根据整体印刷指标公式获得整体印刷指标，整体印刷指标公式包括：
Figure 934237DEST_PATH_IMAGE014
其中，
Figure 261313DEST_PATH_IMAGE015
为整体印刷指标，
Figure 545663DEST_PATH_IMAGE016
为第二印刷指标，
Figure 161453DEST_PATH_IMAGE017
为第二模型拟合参数，
Figure 455031DEST_PATH_IMAGE002
为第一印刷指标，
Figure 636613DEST_PATH_IMAGE018
为第三模型拟合参数。在本发明实施例中，第二模型拟合参数设置为0.5，第三模型拟合参数设置为10。
可根据整体印刷指标对当前新材料印刷产品的印刷质量进行判断。在本发明实施例中，人为选取一张印刷质量最低标准的印刷产品的印刷图像，获取该印刷图像的整体印刷指标，以该整体印刷指标作为印刷质量评价的阈值，当待检测产品的整体印刷指标小于该阈值时，认为该产品的印刷质量不佳，不能满足出厂要求，可通知工作人员对该低质量产品进行处理或者修补。
综上所述，本发明实施例利用包含可见光光源的图像采集设备获得新材料印刷产品的印刷图像。将印刷图像中的像素值序列重构为多个重构序列，获得重构序列的排序序列，通过排序序列的种类和熵获得第一印刷指标。根据像素值序列获得拟合曲线，以标准印刷图像作为参考，通过标准拟合曲线与拟合曲线的相对熵和拟合曲线的离散点获得第二印刷指标。通过第一印刷指标和第二印刷指标获得的整体印刷指标判断印刷质量。本发明实施例通过光学手段放大图像特征，通过对图像特征的提取及量化，实现了对新材料印刷产品的印刷质量检测及计量。
本发明还提出了一种利用光学手段对印刷新材料进行检测的***，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现任意一项一种利用光学手段对印刷新材料进行检测的方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述方法包括：
利用图像采集设备采集新材料印刷产品的印刷图像；所述图像采集设备包括相机和可见光光源；
根据所述印刷图像中每个像素点的像素值构建像素值序列；将所述像素值序列重构为多个重构向量；根据每个所述重构向量中元素的位置对元素进行标号；将所述重构向量的元素按照像素值大小进行排序，以排序后的标号序列作为排序序列；根据所述排序序列的种类和所述排序序列的熵获得第一印刷指标；
获取标准印刷图像；将所述标准印刷图像的所述像素值序列拟合，获得标准拟合曲线；获得所述印刷图像对应的拟合曲线；获取所述拟合曲线和所述标准拟合曲线的相对熵；根据所述拟合曲线的离散点数量和所述相对熵获得第二印刷指标；
根据所述第一印刷指标和所述第二印刷指标获得整体印刷指标；根据所述整体印刷指标判断所述新材料的印刷质量。
2.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述利用图像采集设备采集新材料印刷产品的印刷图像后还包括：
将所述印刷图像进行伽马变换处理。
3.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述将所述像素值序列重构为多个重构向量包括：
根据预设嵌入维数和预设时间延迟将所述像素值序列重构为高维空间数据；所述高维空间数据包括多个所述重构向量。
4.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述根据所述排序序列的种类和所述排序序列的熵获得第一印刷指标包括：
根据第一印刷指标公式获得所述第一印刷指标,所述第一印刷指标公式包括：
Figure 294216DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为所述第一印刷指标，
Figure DEST_PATH_IMAGE003
为所述所述排序序列的种类，
Figure DEST_PATH_IMAGE004
为第
Figure 883461DEST_PATH_IMAGE005
个所述排序序列出现的次数，
Figure DEST_PATH_IMAGE006
为所述排序序列的数量，
Figure DEST_PATH_IMAGE007
为第一模型拟合参数。
5.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述获取标准印刷图像包括：
在历史数据库中选择多个高质量印刷图像；以所述第一印刷指标最大的所述高质量印刷图像作为所述标准印刷图像。
6.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述将所述标准印刷图像的所述像素值序列拟合，获得标准拟合曲线包括：
获取所述标准印刷图像的多个颜色通道的通道图像；将每个所述通道图像的所述像素值序列拟合，获得所述通道图像对应的所述标准拟合曲线。
7.根据权利要求6所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述根据所述拟合曲线的离散点数量和所述相对熵获得第二印刷指标包括：
获取每个所述颜色通道下的所述初始第二印刷指标；以所述初始第二印刷指标的均值作为所述第二印刷指标。
8.根据权利要求7所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述获取每个所述颜色通道下的所述初始第二印刷指标包括：
根据第二印刷指标公式获得所述初始第二印刷指标，所述第二印刷指标公式包括：
Figure DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为第
Figure DEST_PATH_IMAGE010
个所述颜色通道下的所述初始第二印刷指标，
Figure DEST_PATH_IMAGE011
为第
Figure 360402DEST_PATH_IMAGE010
个所述颜色通道下所述拟合曲线的离散点数量，
Figure DEST_PATH_IMAGE012
为第
Figure 224453DEST_PATH_IMAGE010
个所述颜色通道下所述标准拟合曲线的函数值，
Figure DEST_PATH_IMAGE013
为第
Figure 304405DEST_PATH_IMAGE010
个所述颜色通道下所述拟合曲线的函数值。
9.根据权利要求1所述的一种利用光学手段对印刷新材料进行检测的方法，其特征在于，所述根据所述第一印刷指标和所述第二印刷指标获得整体印刷指标包括：
根据整体印刷指标公式获得所述整体印刷指标，所述整体印刷指标公式包括：
Figure DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
为所述整体印刷指标，
Figure DEST_PATH_IMAGE016
为所述第二印刷指标，
Figure 595709DEST_PATH_IMAGE017
为第二模型拟合参数，
Figure 66004DEST_PATH_IMAGE002
为所述第一印刷指标，
Figure DEST_PATH_IMAGE018
为第三模型拟合参数。
10.一种利用光学手段对印刷新材料进行检测的***，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
CN202210320084.1A 2022-03-29 2022-03-29 一种利用光学手段对印刷新材料进行检测的方法及*** Active CN114419043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210320084.1A CN114419043B (zh) 2022-03-29 2022-03-29 一种利用光学手段对印刷新材料进行检测的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210320084.1A CN114419043B (zh) 2022-03-29 2022-03-29 一种利用光学手段对印刷新材料进行检测的方法及***

Publications (2)

Publication Number Publication Date
CN114419043A true CN114419043A (zh) 2022-04-29
CN114419043B CN114419043B (zh) 2022-06-17

Family

ID=81263731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210320084.1A Active CN114419043B (zh) 2022-03-29 2022-03-29 一种利用光学手段对印刷新材料进行检测的方法及***

Country Status (1)

Country Link
CN (1) CN114419043B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114771120A (zh) * 2022-06-18 2022-07-22 南通人民彩印有限公司 微接触印刷过程压力控制方法、装置及人工智能***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130002653A (ko) * 2011-06-29 2013-01-08 목포대학교산학협력단 나도스케일 깊이의 산업 재료의 표면 밑 구조를 영상화할 수 있는 영상화 방법 및 영상화 장치
CN109583425A (zh) * 2018-12-21 2019-04-05 西安电子科技大学 一种基于深度学习的遥感图像船只集成识别方法
CN111149109A (zh) * 2017-08-31 2020-05-12 绳线解决方案有限公司 颜色校准算法
CN113888536A (zh) * 2021-12-01 2022-01-04 武汉市利友印务有限公司 一种基于计算机视觉的印刷品重影检测方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130002653A (ko) * 2011-06-29 2013-01-08 목포대학교산학협력단 나도스케일 깊이의 산업 재료의 표면 밑 구조를 영상화할 수 있는 영상화 방법 및 영상화 장치
CN111149109A (zh) * 2017-08-31 2020-05-12 绳线解决方案有限公司 颜色校准算法
CN109583425A (zh) * 2018-12-21 2019-04-05 西安电子科技大学 一种基于深度学习的遥感图像船只集成识别方法
CN113888536A (zh) * 2021-12-01 2022-01-04 武汉市利友印务有限公司 一种基于计算机视觉的印刷品重影检测方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114771120A (zh) * 2022-06-18 2022-07-22 南通人民彩印有限公司 微接触印刷过程压力控制方法、装置及人工智能***
CN114771120B (zh) * 2022-06-18 2022-09-02 南通人民彩印有限公司 微接触印刷过程压力控制方法、装置及人工智能***

Also Published As

Publication number Publication date
CN114419043B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN108765412B (zh) 一种带钢表面缺陷分类方法
Karimi et al. An intelligent system for quality measurement of Golden Bleached raisins using two comparative machine learning algorithms
Kaur et al. Evaluation of plum fruit maturity by image processing techniques
Silvén et al. Wood inspection with non-supervised clustering
CN103034838B (zh) 一种基于图像特征的特种车辆仪表类型识别与标定方法
CN112534243B (zh) 检查装置与方法及计算机能读取的非临时性的记录介质
Behera Image-processing in textiles
CN114419043B (zh) 一种利用光学手段对印刷新材料进行检测的方法及***
CN114693676B (zh) 一种新材料纺织品漂白缺陷光学检测方法及装置
CN117314919B (zh) 基于机器视觉的包装袋生产分析方法、***及存储介质
Liu et al. Quantitative potato tuber phenotyping by 3D imaging
CN104198325A (zh) 基于计算机视觉的烟丝中梗丝比例测定方法
CN114372980A (zh) 一种工业缺陷检测方法及***
CN113298137A (zh) 一种基于局部相似度数据引力的高光谱影像分类方法
CN116402742A (zh) 一种汽车钣金件表面缺陷的视觉检测方法及***
CN115424057A (zh) 一种基于拍照识别使用的物联网物流分类管理识别装置
CN115223164A (zh) 一种基于人工智能的甜瓜成熟度检测方法及***
CN110826571B (zh) 一种用于图像快速识别及特征匹配的图像遍历算法
CN116912674A (zh) 基于改进的YOLOv5s网络模型复杂水环境下目标检测方法及***
CN112307827B (zh) 对象识别装置，***和方法
CN111768402A (zh) 一种基于mu-svm的冰鲜鲳鱼新鲜度评估方法
CN115575790A (zh) 微米发光二极管芯片缺陷检测方法、设备及存储介质
AU2010333914A1 (en) Method and apparatus for predicting information about trees in images
CN110046639A (zh) 一种基于超像素权重密度的高光谱影像噪声标签检测方法
CN116842210A (zh) 一种基于纹理特征的纺织品印花纹理智能检索方法

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