CN117183578A - 一种可伸缩印刷基材的定位检测方法及印刷方法 - Google Patents

Abstract

本发明涉及检测技术领域，具体涉及一种可伸缩印刷基材的定位检测方法及印刷方法，检测方法包括：在印刷基材上按照设定时间间隔两侧成组印刷定位色块；凸出印刷位置覆盖印刷材料，印刷基材相对于辊轮的另一侧设置有支撑辊，支撑辊对印刷基材进行支撑，且与辊轮共同对印刷基材进行挤压；在定位色块的边缘选取至少一个基准点，且采集基准点与印刷基材边缘的距离；根据持续产生的各距离持续检测印刷基材在放卷传送过程中的张力及位置。通过本发明可及时有效的判断印刷基材的定位是否精准，以便于操作人员快速的采取相应的措施来对印刷基材的位置和/或张力进行及时有效的调节，从而最终确保粘接剂印刷后的精准性。

Description

一种可伸缩印刷基材的定位检测方法及印刷方法

技术领域

本发明涉及检测技术领域，具体涉及一种可伸缩印刷基材的定位检测方法及印刷方法。

背景技术

在目前的印刷领域中，印刷基材在特定的生产场景中需要局部印刷粘接剂，以供后续实现所需结构的定位粘接。在生产加工过程中，针对通过放卷方式到达粘接剂印刷位置的印刷基材，前道粘接剂的位置及印刷面积，以及后道所需结构的上料位置需要建立准确的关联性，否则容易产生粘接不牢固或粘接剂印刷超出所需结构范围的情况。

在工作过程中，所需结构的上料往往在设定位置实现，精准性较易控制，因此对上述关联性造成影响的主要因素往往来自于粘接剂的位置及印刷面积的偏差，而产生上述问题的主要因素包括：

印刷基材往往具有一定的可伸缩量，在放卷传送过程中因张力偏差而引起的伸缩量变化会造成印刷基材的幅面宽度差异，以及幅面在垂直于传送方向上的位置差异；或者，在印刷基材的卷材上料过程中，卷材的引出方向可能与原本设定的方向产生偏差，即材料的放置方向发生歪斜。

基于上述问题，如何对可伸缩印刷基材进行准确的定位检测，成为了当前需要解决的问题。

发明内容

本发明中提供了一种可伸缩印刷基材的定位检测方法及印刷方法，从而有效解决背景技术中所指出的问题。

为了达到上述目的，本发明所采用的技术方案是：

一种可伸缩印刷基材的定位检测方法，包括：

在印刷基材传送方向的两侧，通过具有凸出印刷位置的辊轮转动，而在所述印刷基材上按照设定时间间隔两侧成组印刷定位色块，一组所述定位色块对应设定数量的粘接剂印刷位置，或者，设定组数的所述定位色块对应一个粘接剂印刷位置；其中，所述凸出印刷位置覆盖印刷材料，所述印刷基材相对于所述辊轮的另一侧设置有支撑辊，所述支撑辊对所述印刷基材进行支撑，且与所述辊轮共同对所述印刷基材进行挤压；

在所述定位色块的边缘选取至少一个基准点，且采集所述基准点与所述印刷基材边缘的距离；

根据持续产生的各所述距离持续检测所述印刷基材在放卷传送过程中的张力及位置。

进一步地，将具有所述凸出印刷位置的辊轮与对粘接剂进行印刷的印版辊同轴一体化设置，所述印版辊同样具有凸出印刷位置，且与所述辊轮的凸出高度相等，位于所述辊轮和印版辊上的凸出印刷位置错位设置，且保证在转动过程中始终具有所述凸出印刷位置与所述印刷基材贴合，且与所述支撑辊共同对所述印刷基材进行挤压。

进一步地，还包括：采集所述定位色块的印刷面积，根据持续产生的各所述印刷面积持续检测所述印刷基材所受挤压力。

进一步地，还包括根据持续产生的各所述距离持续检测所述印刷基材所受挤压力。

进一步地，还包括根据持续产生的各所述印刷面积持续检测所述印刷辊轴线的位置。

进一步地,设置用于向所述辊轮的凸出印刷位置传递印刷材料的传墨辊，所述传墨辊通过吸附性材料吸取印刷材料，且通过与所述辊轮贴合挤压的方式而在所述辊轮的摩擦力作用下被动转动。

进一步地,还设置刮刀，且控制所述刮刀边缘与所述传墨辊的轴线平行，且与所述传墨辊的表面贴合。

进一步地,通过图像采集的方式获得各组所述定位色块的图像，且构建定位色块的图像检测模型，包括：

获取印刷后的定位色块图像数据，并对印刷后两侧定位色块的边缘进行标记；

对完成所述标记的图像进行预处理，并划分为训练集和测试集；

构建定位色块边缘图像检测的卷积神经网络模型，并使用所述训练集和测试集对所述卷积神经网络模型进行训练和验证；

根据验证结果对所述卷积神经网络模型进行优化，并使用优化后的所述卷积神经网络模型进行所述定位色块图像检测。

进一步地,还包括对所述定位色块图像进行处理，包括：

选择锐化核，将所述锐化核在定位色块的边缘图像上滑动并执行卷积操作，卷积神经网络模型包括：

卷积层，从印刷基材上的定位色块图像中提取与边缘相关的特征，获得特征图；池化层，减小所述特征图的空间尺寸，同时保留关键信息；全连接层，将所述池化层提取的特征映射到最终输出；输出层，输出定位色块的边缘检测结果；

其中，所述全连接层的每个神经元均具有与所述池化层中每个特征映射的特征值相连的权重集，所述卷积神经网络模型中还包括增强学习算法，用于使得所述卷积神经网络模型通过与图像采集环境和印刷材料的交互调整所述权重集；

调整所述锐化核的权重，对所述边缘图像重复进行所述卷积操作；

比较不同权重锐化后的所述边缘图像，选择清晰度最优的锐化图像；

将所述锐化图像与原定位色块图像进行叠加处理，得到最终的锐化图像。

一种可伸缩印刷基材的印刷方法，采用如上所述的可伸缩印刷基材的定位检测方法进行印刷基材的定位检测，且在检测结果产生异常时，进行报警。

通过本发明的技术方案，可实现以下技术效果：

通过本发明可及时有效的判断印刷基材的定位是否精准，以便于操作人员快速的采取相应的措施来对印刷基材的位置和/或张力进行及时有效的调节，从而最终确保粘接剂印刷后的精准性。

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，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地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，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他的附图。

图1为可伸缩印刷基材的印刷装置示意图；

图2为在印刷基材传送方向两侧的一组定位色块与一个粘接剂印刷位置对应，且定位色块和粘接剂的印刷形状均为矩形的示意图；

图3为在印刷基材传送方向两侧的一组定位色块与沿幅面方向并列设置的三个粘接剂印刷位置对应，且定位色块和粘接剂的印刷形状也同样为矩形的示意图；

图4为在印刷基材传送方向两侧的两组定位色块与一个粘接剂印刷位置对应，且定位色块的印刷形状为圆形，而粘接剂印刷的印刷形状为矩形的示意图；

图5为图1中A处的局部放大图；

图6为构建定位色块的图像检测模型的流程图；

图7为对定位色块图像进行处理的流程图；

附图标记：1、印刷基材；2、凸出印刷位置；3、辊轮；4、定位色块；5、粘接剂印刷位置；6、支撑辊；7、印版辊；8、传墨辊；9、墨槽；10、刮刀；11、阻挡结构。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

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。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例一

一种可伸缩印刷基材的定位检测方法，包括：

在印刷基材1传送方向的两侧，通过具有凸出印刷位置2的辊轮3转动，而在印刷基材1上按照设定时间间隔两侧成组印刷定位色块4，一组定位色块4对应设定数量的粘接剂印刷位置5，或者，设定组数的定位色块4对应一个粘接剂印刷位置5；其中，凸出印刷位置2覆盖印刷材料，印刷基材1相对于辊轮3的另一侧设置有支撑辊6，支撑辊6对印刷基材1进行支撑，且与辊轮3共同对印刷基材1进行挤压；在定位色块4的边缘选取至少一个基准点，且采集基准点与印刷基材1边缘的距离；根据持续产生的各距离持续检测印刷基材1在放卷传送过程中的张力及位置，此处优选为最短距离。

如图1所示，通过本发明可及时有效的判断印刷基材1的定位是否精准，以便于操作人员快速的采取相应的措施来对印刷基材1的位置和/或张力进行及时有效的调节，从而最终确保粘接剂印刷后的精准性。

在实施过程中，定位色块4优选为墨迹色块，当然，可实现后续边缘准确识别选取基准点的其他材料也可用于在印刷基材1表面印刷以获得定位色块4，后续印刷基材1边缘会通过裁切而舍弃，并不会影响所需结构与印刷基材1之间的连接及后续的使用。

针对每组定位色块4与粘接剂印刷位置5的数量对应关系，可根据定位色块4及粘接剂印刷面积的大小及形状而具体设定；如图2所示，展示了在印刷基材1传送方向两侧的一组定位色块4与一个粘接剂印刷位置5对应的方式，且定位色块4和粘接剂的印刷形状均为矩形；如图3所示，展示了在印刷基材1传送方向两侧的一组定位色块4与沿幅面方向并列设置的三个粘接剂印刷位置5对应的方式，当然三个的数量选择以及沿幅面的方向选择仅仅是一种举例，具体的数量和方向可根据需要调节，在此种方式中，定位色块4和粘接剂的印刷形状也同样为矩形；如图4所示，展示了在印刷基材1传送方向两侧的两组定位色块4与一个粘接剂印刷位置5对应的方式，且定位色块4的印刷形状为圆形，而粘接剂印刷的印刷形状为矩形；上述各图中的箭头均表示印刷基材1的传送方向，在上述描述中所提及的各种数量对应关系及印刷形状均在本发明的保护范围内。

另外需要说明的是在对应的定位色块4与粘接剂印刷位置5之间，定位色块4的印刷需要优先于粘接剂的印刷，因为只有在采集得到的距离符合要求后，再进行粘接剂的印刷才可获得合格的产品。

在定位色块4边缘选取基准点的过程中，优选具有特殊性的一组或一个基准点，其中，选择一组基准点的情况往往是与印刷基材1边缘平行的边缘线上的一组点，而一个基准点的情况往往是离边缘最近点、图形角点等，当然上述各种选取方式仅仅是具体的举例，并不作为本发明保护范围的限定。

在印刷基材1传送的过程中，当印刷基材1的张力不稳定时，具体会发生以下情况：

当印刷基材1的张力过大时，印刷基材1因伸缩量变大会产生一定程度的宽度减小，而辊轮3的凸出印刷位置2是确定的，因此会使得定位色块4到达印刷基材1边缘的距离减小，即图2~4中的H1和H2减小；此种情况下可通过H1和H2均减小的检测结果可判断出印刷基材1的张力过大，因此需对印刷基材1的张力进行调节控制，才能够保证印刷基材1的定位准确性。在实施过程中，H1和H2的初始值可以是相等的，也可以是不相等的，均在本发明的保护范围内。而对于张力过小的情况，可通过人工的方式进行识别，因为此种方式下可伸缩印刷基材1的下垂度等较易识别。

另外，当H1和H2之间的差值不等于初始设定值时，还可对于印刷基材1是否歪斜的情况进行识别，当其中一侧增大而另一侧减小时，则可说明印刷基材1向距离增大的一次歪斜。

在本发明中，为了节省动力， 作为上述实施例的优选，将具有凸出印刷位置2的辊轮3与对粘接剂进行印刷的印版辊7同轴一体化设置，印版辊7同样具有凸出印刷位置2，且与辊轮3的凸出高度相等，位于辊轮3和印版辊7上的凸出印刷位置2错位设置，且保证在转动过程中始终具有凸出印刷位置2与印刷基材1贴合，且与支撑辊6共同对印刷基材1进行挤压。

通过此种方式，可使得一体化的辊轮3与印版辊7在无动力的情况下进行转动而实现印刷，具体地，通过凸出印刷位置2与印刷基材1之间的摩擦力而实现被动转动；在实施过程中，位于辊轮3和印版辊7上的凸出印刷位置2错位设置一方面可保证上述定位色块4的印刷优先于粘接剂印刷的需求，另一方面可保证辊轮3与印版辊7的一体化结构始终受到摩擦力而保证转动的连续性。

在实施过程中，上述对印刷基材1的挤压也必然会对其定位造成影响，作为上述实施例的优选，还包括：采集定位色块4的印刷面积，根据持续产生的各印刷面积持续检测印刷基材1所受挤压力。

本优选方案中，以印刷面积为S为例，当印刷基材1所受挤压力过大时，该挤压力来自于辊轮3和印版辊7相对于支撑辊6对印刷基材1进行施压的结果，当挤压力过大时，辊轮3及印版辊7一体结构的转动速度往往会赶不上稳定传送的印刷基材1速度，因此会因为印刷过程放缓而使得印刷面积S增大，即图2~图4中的定位色块4面积增大；此种情况下，通过印刷面积S的增大检测结果可判断出印刷基材1所受挤压力过大，因此需对印刷基材1的所受挤压力进行调节控制，才能够保证印刷基材1的定位准确性，而该挤压力的调节可通过提高一体化的辊轮3与印版辊7高度而实现。反之，辊轮3及印版辊7一体结构可能会与印刷基材1间产生打滑现象而使得印刷面积S减小，从而可通过降低一体化的辊轮3与印版辊7高度而实现挤压力调节。在实施过程中，两侧的印刷面积S初始值可以是相等的，也可以是不相等的，均在本发明的保护范围内。

同样出于检测所受挤压力而判断印刷基材1定位的目的，还包括根据持续产生的各距离持续检测印刷基材1所受挤压力。

本优选方案中，可进一步利用上述实施例中所获得的距离；具体地，当印刷基材1所受的挤压力过大时，必然会在印刷过程中使得被挤压位置更加扁平，此种情况会增加印刷基材1在幅面方向上的延展性，而使得两侧的距离均增大，即图2~4中的H1和H2增大。因此基于此种检测方式，可准确的获得挤压力增大的检测结果，从而判断出印刷基材1可能出现的定位偏差。

另外，在实施过程中，当印版辊7和辊轮3轴线方向发生偏差时，也同样会造成印刷基材1受力不均匀而发生位置偏差的情况，为了解决该问题，作为进一步利用印刷面积S的一种优化方式，还包括根据持续产生的各印刷面积持续检测印刷辊轴线的位置，进而可通过轴线的位置对印刷基材1的定位进行判断；具体地，当因为轴线偏差，而使得印刷基材1在同一时间一侧所受压力大，而另一侧所受压力小时，往往使得一侧的印刷面积S增大，而另一侧的印刷面积S减小，基于此种情况，可准确的获得印刷辊轴线的偏差情况，从而判断出印刷基材1可能出现的定位偏差。

在上述过程中，定位色块4印刷效果是极为关键的，因为印刷结构作为后续步骤的基础，决定了检测的准确性，作为上述实施方式的优选，设置用于向辊轮3的凸出印刷位置2传递印刷材料的传墨辊8，传墨辊8通过吸附性材料吸取印刷材料，且通过与辊轮3贴合挤压的方式而在辊轮3的摩擦力作用下被动转动。

如图5所示，展示了一种具体的实施方式，以采用黑色墨汁为例，需设置墨槽9而供应黑色墨汁，当然传墨辊8可设置轴线平行的多个依次贴合，而最终需要有一个传墨辊8与辊轮3贴合。而对于传墨辊8，吸取印刷材料的部分优选是表层结构，内层为刚性结构，从而保证结构的形状稳定性。本优选方案中，通过传墨辊8吸取印刷材料而后再向辊轮3传递，可使得辊轮3凸出印刷位置2的墨层更加均匀，从而提高定位色块4印刷后的效果及边缘清晰性。在实施过程中，针对粘接剂在印版辊7上的涂覆也可采用此种方式，对应设置传胶辊也可保证粘接剂的印刷效果。

为了进一步的提高印刷材料在辊轮3上的涂覆均匀性，作为进一步的优选，还设置刮刀10，且控制刮刀10边缘与传墨辊8的轴线平行，且与传墨辊8的表面贴合。通过刮刀10的设置，可使得传墨辊8上所吸附的印刷材料也同样获得均匀性，多余的印刷材料因刮刀10的阻挡而下落至墨槽9中，当然，在使用过程中刮刀10的边缘可能会对传墨辊8表面造成适当的压力，从而限制印刷材料的吸附量，此种情况下刮刀10的固定端可设置安装位置可调的结构，从而便于上述压力的调节。

在上述实施例中，可优选设置整体的刮刀10而通过对两侧的传墨辊8以及中间的传胶辊同时进行吸附材料的限制，但此种情况下，需要在刮刀10上述设置阻挡结构11而使得墨汁等印刷材料和粘接剂之间不会产生混合的影响区域。

作为上述实施例的优选，为了准确获得定位色块4图形边缘，从而准确识别印刷面积及基准点，本发明中提供了优化的方式，通过图像采集的方式获得各组定位色块4的图像，且构建定位色块4的图像检测模型，如图6所示，包括：

S1：获取印刷后的定位色块4图像数据，并对印刷后两侧定位色块4的边缘进行标记；

S2：对完成标记的图像进行预处理，并划分为训练集和测试集；

S3：构建定位色块4边缘图像检测的卷积神经网络模型，并使用训练集和测试集对卷积神经网络模型进行训练和验证；

S4：根据验证结果对卷积神经网络模型进行优化，并使用优化后的卷积神经网络模型进行定位色块4图像检测。

本优选方案中，通过构建卷积神经网络模型，能够自动检测定位色块4的图像，无需人工干预，可以提高生产效率，并减少人力成本；卷积神经网络是深度学习的一种强大工具，能够学习和提取图像特征，从而实现高精度的边缘检测，模型可以在训练和验证阶段不断优化，以提供更准确的边缘检测结果；这种方法相对稳定，不容易受到光线、角度或其他环境变化的影响。

综上，本优选方案中利用卷积神经网络提供了一种自动、高精度、鲁棒性强的方法，用于印刷后的定位色块4图像检测，有望提高生产效率和质量控制水平。

在本发明中，图像中边缘的检测对于定位检测是尤为关键的，准确的边缘检测会获得精准的面积计算结果，以及精准的基准点选择结果，但实际实施的过程中，印刷材料难免存在一定的晕染或微小范围流动，必然会给精准的边缘检测带来影响，为了解决此问题，作为上述实施例的优选，还包括对定位色块4图像进行处理，如图7所示，包括：

A1:选择锐化核，将锐化核在定位色块4的边缘图像上滑动并执行卷积操作，卷积神经网络模型包括：

卷积层，从印刷基材1上的定位色块4图像中提取与边缘相关的特征，获得特征图；池化层，减小特征图的空间尺寸，同时保留关键信息；全连接层，将池化层提取的特征映射到最终输出；输出层，输出定位色块4的边缘检测结果；

其中，全连接层的每个神经元均具有与池化层中每个特征映射的特征值相连的权重集，卷积神经网络模型中还包括增强学习算法，用于使得卷积神经网络模型通过与图像采集环境和印刷材料的交互调整权重集；

A2:调整锐化核的权重，对边缘图像重复进行卷积操作；

A3:比较不同权重锐化后的边缘图像，选择清晰度最优的锐化图像；

A4:将锐化图像与原定位色块4图像进行叠加处理，得到最终的锐化图像。

在上述优化方案中，可对定位色块4的边缘图像进行精准识别，将锐化图像与原始图像叠加，以实现更精准的边缘图像识别和定位，该过程结合了原始图像的上下文信息和锐化图像的边缘特征，使图像的边缘和细节更加清晰和准确，从而提高了对印刷基材1上定位色块4的精准性。

在实施过程中，有助于增强图像中的边缘和细节，使它们更加清晰和易于识别；选择一个合适的锐化核通常依赖于图像的特性和目标，其中，Sobel和Prewitt核常用于增强边缘，锐化核会在使用卷积神经网络模型进行边缘检测后的定位色块4边缘的数字图像上进行卷积操作，锐化核其它卷积核的设计不同，锐化核的设计旨在增强图像中的边缘和细节，通常包含正值和负值，以强调像素值的差异，这意味着锐化核会通过加权周围像素的方式放大边缘和细节。

锐化核是一个矩阵，其中每个元素代表了在卷积操作中对应位置像素的权重，正权重表示加强该像素，负权重表示减弱该像素，调整锐化核的权重的目的是控制锐化操作的强度，较大的正权重和负权重之差，通常会导致更强烈的锐化效果，使边缘更加明显，但也可能引入噪声和伪影，通过调整权重，可以平衡图像增强的强度，以满足应用的需求。

对于锐化核的权重调整，一般锐化核的中心元素值设置为正数，以突出中心像素的贡献，周围元素可以设置为负数或零，以减少对噪音的增强，权重的绝对值应该相加为零，以确保不引入亮度偏移；在实施过程中，可以根据新生成的图像对锐化核进行微调，例如增加某些权重以增强特定方向的边缘，由于锐化操作通常会增强噪音，叠加后的图像可以通过保持原始图像的平滑部分来降低噪音的影响。

针对步骤A1中增强学习算法的引入可使得模型更好的适应不同环境和印刷材料的变化，在实施过程中，可首先选择适当的强化学习算法，如深度强化学习（DRL）方法；而后创建一个模拟环境，以模拟与图像采集环境和印刷材料的交互，这具体可以是一个虚拟环境，模拟印刷材料和采集图像的生成和变化；还需定义奖励函数，从而根据模型性能的变化和适应模拟环境的程度来奖励或惩罚增强学习模型的决策；随后使用模拟环境和奖励函数训练增强学习模型，使其能够逐步优化全连接层中的权重集以适应不同条件下的图像；最后将已训练的增强学习模型整合到卷积神经网络中，以在A1步骤中自动调整权重集。

通过上述过程，有助于模型的适应性、自动权重调整、性能优化、泛化能力的提升以及降低了人工成本，可在印刷基材1上的定位色块4边缘检测任务中提供更高的效率和准确性。

实施例二

一种可伸缩印刷基材的印刷方法，采用如实施例一所述的可伸缩印刷基材的定位检测方法进行印刷基材的定位检测，且在检测结果产生异常时，进行报警。

在本实施例中，如上述实施例中所描述的，报警的类型可具体包括：

当H1持续减小、H2持续减小，则进行印刷基材1张力过大报警；

当H1持续增大、H2持续减小，或H1持续减小、H2持续增大，则进行印刷基材1歪斜报警；

当H1持续增大、H2持续增大，则进行印刷基材1所受挤压力过大报警；

当两侧印刷面积S均持续增大，则进行印刷基材1所受挤压力过大报警；

当两侧印刷面积S均持续减小，则进行印刷基材1所受挤压力过小报警；

当一侧印刷面积S持续减小，而另一侧印刷面积S持续增大，则进行轴线歪斜报警。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种可伸缩印刷基材的定位检测方法，其特征在于，包括：

在印刷基材传送方向的两侧，通过具有凸出印刷位置的辊轮转动，而在所述印刷基材上按照设定时间间隔两侧成组印刷定位色块，一组所述定位色块对应设定数量的粘接剂印刷位置，或者，设定组数的所述定位色块对应一个粘接剂印刷位置；其中，所述凸出印刷位置覆盖印刷材料，所述印刷基材相对于所述辊轮的另一侧设置有支撑辊，所述支撑辊对所述印刷基材进行支撑，且与所述辊轮共同对所述印刷基材进行挤压；

在所述定位色块的边缘选取至少一个基准点，且采集所述基准点与所述印刷基材边缘的距离；

根据持续产生的各所述距离持续检测所述印刷基材在放卷传送过程中的张力及位置。

2.根据权利要求1所述的可伸缩印刷基材的定位检测方法，其特征在于，将具有所述凸出印刷位置的辊轮与对粘接剂进行印刷的印版辊同轴一体化设置，所述印版辊同样具有凸出印刷位置，且与所述辊轮的凸出高度相等，位于所述辊轮和印版辊上的凸出印刷位置错位设置，且保证在转动过程中始终具有所述凸出印刷位置与所述印刷基材贴合，且与所述支撑辊共同对所述印刷基材进行挤压。

3.根据权利要求2所述的可伸缩印刷基材的定位检测方法，其特征在于，还包括：采集所述定位色块的印刷面积，根据持续产生的各所述印刷面积持续检测所述印刷基材所受挤压力。

4.根据权利要求3所述的可伸缩印刷基材的定位检测方法，其特征在于，还包括根据持续产生的各所述距离持续检测所述印刷基材所受挤压力。

5.根据权利要求3所述的可伸缩印刷基材的定位检测方法，其特征在于，还包括根据持续产生的各所述印刷面积持续检测印刷辊轴线的位置。

6.根据权利要求2所述的可伸缩印刷基材的定位检测方法，其特征在于,设置用于向所述辊轮的凸出印刷位置传递印刷材料的传墨辊，所述传墨辊通过吸附性材料吸取印刷材料，且通过与所述辊轮贴合挤压的方式而在所述辊轮的摩擦力作用下被动转动。

7.根据权利要求6所述的可伸缩印刷基材的定位检测方法，其特征在于,还设置刮刀，且控制所述刮刀边缘与所述传墨辊的轴线平行，且与所述传墨辊的表面贴合。

8.根据权利要求1所述的可伸缩印刷基材的定位检测方法，其特征在于,通过图像采集的方式获得各组所述定位色块的图像，且构建定位色块的图像检测模型，包括：

获取印刷后的定位色块图像数据，并对印刷后两侧定位色块的边缘进行标记；

对完成所述标记的图像进行预处理，并划分为训练集和测试集；

构建定位色块边缘图像检测的卷积神经网络模型，并使用所述训练集和测试集对所述卷积神经网络模型进行训练和验证；

根据验证结果对所述卷积神经网络模型进行优化，并使用优化后的所述卷积神经网络模型进行所述定位色块图像检测。

9.根据权利要求8所述的可伸缩印刷基材的定位检测方法，其特征在于,还包括对所述定位色块图像进行处理，包括：

选择锐化核，将所述锐化核在定位色块的边缘图像上滑动并执行卷积操作，卷积神经网络模型包括：

卷积层，从印刷基材上的定位色块图像中提取与边缘相关的特征，获得特征图；池化层，减小所述特征图的空间尺寸，同时保留关键信息；全连接层，将所述池化层提取的特征映射到最终输出；输出层，输出定位色块的边缘检测结果；

其中，所述全连接层的每个神经元均具有与所述池化层中每个特征映射的特征值相连的权重集，所述卷积神经网络模型中还包括增强学习算法，用于使得所述卷积神经网络模型通过与图像采集环境和印刷材料的交互调整所述权重集；

调整所述锐化核的权重，对所述边缘图像重复进行所述卷积操作；

比较不同权重锐化后的所述边缘图像，选择清晰度最优的锐化图像；

将所述锐化图像与原定位色块图像进行叠加处理，得到最终的锐化图像。

10.一种可伸缩印刷基材的印刷方法，其特征在于，采用如权利要求1~9中任一项所述的可伸缩印刷基材的定位检测方法进行印刷基材的定位检测，且在检测结果产生异常时，进行报警。