CN117871461A - 基于近红外光谱的彩色印刷油墨颜色鉴别方法 - Google Patents

基于近红外光谱的彩色印刷油墨颜色鉴别方法 Download PDF

Info

Publication number
CN117871461A
CN117871461A CN202410272468.XA CN202410272468A CN117871461A CN 117871461 A CN117871461 A CN 117871461A CN 202410272468 A CN202410272468 A CN 202410272468A CN 117871461 A CN117871461 A CN 117871461A
Authority
CN
China
Prior art keywords
ink
sample
laboratory
apparent
samples
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.)
Pending
Application number
CN202410272468.XA
Other languages
English (en)
Inventor
黄定强
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.)
Shandong Shangte New Material Co.,Ltd.
Original Assignee
Fujian Haihong 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 Fujian Haihong Color Printing Co ltd filed Critical Fujian Haihong Color Printing Co ltd
Priority to CN202410272468.XA priority Critical patent/CN117871461A/zh
Publication of CN117871461A publication Critical patent/CN117871461A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明涉及油墨颜色鉴别技术领域，具体为基于近红外光谱的彩色印刷油墨颜色鉴别方法，通过对各油墨样品对应的表观参数进行检测和分析，并基于此分析得到各合格油墨样品和各不合格油墨样品，进而进行相应的处理，不仅确保了油墨样品的质量，便于后续对油墨样品的分析更加精准，同时还能提高实验分析结果的严谨性；通过对近红外光谱仪器对各合格油墨样品进行检测，并分析得到各可测样品对应的油墨参数以及各待测样品，同时通过色谱技术对各待测样品对应的油墨参数进行分析，不仅能够消除近红外光谱在测试不同颜色的印刷油墨时，存在吸收峰的重叠现象，同时在很大程度上提升了印刷油墨颜色分析结果的准确性。

Description

基于近红外光谱的彩色印刷油墨颜色鉴别方法
技术领域
本发明涉及油墨颜色鉴别技术领域，具体为基于近红外光谱的彩色印刷油墨颜色鉴别方法。
背景技术
在印刷生产中，印刷油墨颜色的准确性是确保印刷品质的关键因素之一，不仅可以提高生产效率，同时还能避免因颜色不准确而导致的废品产生，从而降低生产成本。因此，对彩色印刷油墨颜色进行鉴别具有十分重要的意义。
目前，在印刷油墨的颜色鉴别分析中，最常用的方法是基于近红外光谱对彩色印刷油墨颜色进行鉴别，不仅存在一定的局限性，同时还使得检测分析结果不够准确，具体体现在以下方面：
A：测试样品的质量能够直接的对后续彩色印刷油墨的鉴别产生影响，而当前的印刷油墨鉴别方法通常忽略了对测试样品的质量进行分析和处理，导致彩色印刷油墨颜色的鉴别结果存在不确定性和误差性。
B：近红外光谱测试方法较容易受到实验室内环境的影响，当前的印刷油墨鉴别方法通常忽略了对实验室环境进行检测和管理，导致对近红外光谱测试的油墨数据产生了影响，不利于后续油墨颜色的分析。
C：不同颜色的印刷油墨在近红外光谱中的吸收峰可能有重叠，使得分析结果容易存在误差性，进一步导致印刷油墨颜色分析结果存在片面性。
发明内容
针对上述存在的技术不足，本发明的目的在于提供基于近红外光谱的彩色印刷油墨颜色鉴别方法。
本发明的目的可以通过以下技术方案实现：基于近红外光谱的彩色印刷油墨颜色鉴别方法，包括如下步骤：
Q1、油墨样品制作：从数据库中提取油墨对应的各基材类型，并从中随机选取一个基材类型，作为标定基材，进而通过相应的制作方式得到各油墨样品；
Q2、油墨样品检测：对各油墨样品对应的表观参数进行检测，得到各油墨样品对应的表观参数，并基于各油墨样品对应的表观参数分析得到各油墨样品对应的质检值，通过分析得到各合格油墨样品和各不合格油墨样品，将各不合格油墨样品送至Q1进行样品重新制作，并重复执行步骤Q2，直至各油墨样品均为合格油墨样品，再执行步骤Q3；
优选地，对各油墨样品对应的表观参数进行检测，得到各油墨样品对应的表观参数，具体检测过程为：
通过图像采集技术对各油墨样品对应的表观图像进行采集，得到各油墨样品对应的表观图像，从各油墨样品对应的表观图像中识别出各油墨样品对应表观图像的各异常处，同时获取各油墨样品对应表观图像的各异常处的异常面积，并对各油墨样品对应表观图像的各异常处的异常面积进行求和计算，得到各油墨样品对应表观图像的异常总面积，作为各油墨样品对应表观图像的表观异常面积；
对各油墨样品对应的表观图像进行灰度化处理，得到各油墨样品对应的表观灰度图像；
在各油墨样品对应的表观灰度图像上进行检测点均匀布设，得到各油墨样品对应表观灰度图像上各检测点，同时获取各油墨样品对应表观灰度图像上各检测点的灰度值；
由各油墨样品对应表观图像的表观异常面积和各油墨样品对应表观灰度图像上各检测点的灰度值构成各油墨样品对应的表观参数。
优选地，基于各油墨样品对应的表观参数分析得到各油墨样品对应的质检值，具体分析过程为：
从各油墨样品对应的表观参数中提取各油墨样品对应表观图像的表观异常面积YSi，i表示为各油墨样品的编号，i=1,2,...,n，i为正整数，n表示为油墨样品编号的总数，同时从各油墨样品对应的表观参数中提取各油墨样品对应表观灰度图像上各检测点的灰度值，记为HDi j，j表示为各检测点的编号，j=1,2,...,m，j为正整数，m表示为检测点编号的总数；
获取各油墨样品对应的表观面积，记为BSi，依据公式
计算出各油墨样品对应的质检值ZJi，e为自然常数，HDi (j+1)为第i个油墨样品对应表观灰度图像上第(j+1)检测点的灰度值，a1、a2、a3为设定的权值因子，a1、a2、a3的取值范围均大于0小于1。
优选地，通过分析得到各合格油墨样品和各不合格油墨样品，分析方式为：将各油墨样品对应的质检值与设定的质检值阈值进行对比，若某油墨样品对应的质检值大于设定的质检值阈值，则将该油墨样品记为合格油墨样品，反之，则将该油墨样品记为不合格油墨样品，统计得到各合格油墨样品和各不合格油墨样品。
Q3、干扰检测：对实验室对应的环境参数进行检测，得到实验室对应的环境参数，并基于此分析得到实验室对应的环估值和音估值，基于实验室对应的环估值和音估值分析得到实验室对应的干扰参数，若实验室对应的干扰参数中干扰等级为甲等，则执行Q4，反之，则执行Q5；
优选地，对实验室对应的环境参数进行检测，得到实验室对应的环境参数，检测方式为：
通过温度传感器对实验室对应当前检测时段中各检测时间点的温度进行检测，得到实验室对应当前检测时段中各检测时间点的温度；
通过湿度传感器对实验室对应当前检测时段中各检测时间点的湿度进行检测，得到实验室对应当前检测时段中各检测时间点的湿度；
通过噪音传感器对实验室对应当前检测时段中各检测时间点的噪音强度进行检测，得到实验室对应当前检测时段中各检测时间点的噪音强度；
由实验室对应当前检测时段中各检测时间点的温度、湿度和噪音强度构成实验室对应的环境参数。
优选地，实验室对应的环估值和音估值，具体分析过程如下：
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的温度WDf、湿度SDf，f表示为各检测时间点的编号，f=1,2,...,g，f为正整数，g表示为检测时间点编号的总数；
从数据库中提取实验室对应的参考环境温度CW和参考环境湿度CS；
依据公式
计算出实验室对应当前检测时段的温估值WG，WD（f+1）为实验室对应当前检测时段中第(f+1)个检测时间点的温度，b1、b2、b3、b4为设定的影响因子，b1、b2、b3、b4的取值范围均大于0小于1；
同理，分析得到实验室对应当前检测时段的湿估值SG；
依据公式HG=WG×c1+SG×c2计算出实验室对应的环估值HG，c1、c2表示为设定的权值因子，c1、c2的取值范围均大于0小于1；
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的噪音强度YQf，从数据库中提取实验室对应的参考噪音强度CY；
依据公式
计算出实验室对应的音估值YG，c3为设定的权值因子，c3的取值范围为大于0小于1。
优选地，基于实验室对应的环估值和音估值分析得到实验室对应的干扰参数，分析方式为：
将实验室对应的环估值与设定的环估值阈值进行对比，若实验室对应的环估值大于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为乙等，若实验室对应的环估值小于或等于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为甲等，影响参数为实验室对应的温湿度；
将实验室对应的音估值与设定的音估值阈值进行对比，若实验室对应的音估值大于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，若实验室对应的音估值小于或等于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，影响参数为实验室对应的噪音；
由此分析得到实验室对应的干扰参数。
Q4、干扰调整：基于实验室对应的干扰参数中干扰等级和影响参数对实验室对应的环境进行相应的调整，并重复执行Q3，直至实验室对应的干扰参数中干扰等级为乙等，再执行Q5；
Q5、数据分析：通过近红外光谱仪器对各合格油墨样品进行检测，得到各合格油墨样品对应的近红外光谱数据，并通过对比分析得到各可测样品对应的油墨参数以及各待测样品，将各可测样品对应的油墨参数置入步骤Q7中处理，将各待测样品置入步骤Q6中进行处理；
优选地，通过对比分析得到各可测样品对应的油墨参数以及各待测样品，具体分析方式为：
基于各合格油墨样品对应的近红外光谱数据构建各合格油墨样品对应近红外光谱的波段图形；
从数据库中提取各油墨颜色对应的近红外光谱波段图形，将各合格油墨样品对应近红外光谱的波段图形与各油墨颜色对应的近红外光谱波段图形进行重合对比，得到各合格油墨样品对应各油墨颜色的近红外光谱的波段图形重合面积，并获取各合格油墨样品对应近红外光谱的波段图形的面积以及各油墨颜色对应近红外光谱波段图形的面积；
通过分析得到各合格油墨样品对应各油墨颜色的图形重合度，将各合格油墨样品对应各油墨颜色的图形重合度与设定的图形重合度阈值进行对比，若某合格油墨样品对应某油墨颜色的图形重合度大于设定的图形重合度阈值，则将该油墨颜色作为该合格油墨样品的匹配油墨颜色，由此得到各合格油墨样品对应的匹配油墨颜色集合；
对各合格油墨样品对应的匹配油墨颜色集合进行识别，若某合格油墨样品对应的匹配油墨颜色集合中只有一个匹配油墨颜色，则将该合格油墨样品记为可测样品，将该匹配油墨颜色作为该可测样品的油墨参数，反之，则将该合格油墨样品记为待测样品，由此统计得到各可测样品对应的油墨参数以及各待测样品。
Q6、再次分析：通过色谱技术对各待测样品进行检测，得到各待测样品对应的色谱参数，由此分析得到各待测样品对应的油墨参数，并将各待测样品对应的油墨参数置入步骤Q7中处理；
优选地，通过色谱技术对各待测样品进行检测，得到各待测样品对应的色谱参数，具体检测方式为：
在各待测样品上进行检测点均匀布设，得到各待测样品对应的各检测点，同时通过色度检测仪对各待测样品对应各检测点的色度进行检测，得到各待测样品对应各检测点的色度；
将各待测样品对应各检测点的色度按照从大到小的顺序依次进行排列，并从中提取各待测样品对应的众数色度，作为各待测样品对应的色谱参数。
优选地，各待测样品对应的油墨参数，具体分析方式为：
将各待测样品对应的色谱参数与设定的各色谱参数对应的油墨颜色进行匹配，得到各待测样品对应的油墨颜色，作为各待测样品对应的油墨参数。
Q7、油墨样品颜色鉴别：将各可测样品对应的油墨参数通过执行端进行相应的处理，将各待测样品对应的油墨参数通过执行端进行相应的处理。
本发明的有益效果：
本发明通过对各油墨样品对应的表观参数进行检测和分析，并基于此分析得到各合格油墨样品和各不合格油墨样品，进而进行相应的处理，不仅确保了油墨样品的质量，便于后续对油墨样品的分析更加精准，同时还能提高实验分析结果的严谨性。
本发明通过对实验室的环境进行检测和分析，得到实验室对应的环估值和音估值，进而进行相应的处理，在最大限度上降低了可控因素的干扰，为后续印刷油墨分析结果提供了可靠的环境基础。
本发明通过对近红外光谱仪器对各合格油墨样品进行检测，并分析得到各可测样品对应的油墨参数以及各待测样品，同时通过色谱技术对各待测样品对应的油墨参数进行分析，不仅能够消除近红外光谱在测试不同颜色的印刷油墨时，存在吸收峰的重叠现象，同时在很大程度上提升了印刷油墨颜色分析结果的准确性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的方法步骤示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于近红外光谱的彩色印刷油墨颜色鉴别方法，包括如下步骤：
Q1、油墨样品制作：从数据库中提取油墨对应的各基材类型，并从中随机选取一个基材类型，作为标定基材，进而通过相应的制作方式得到各油墨样品；
在一个具体的实施例中，通过相应的制作方式得到各油墨样品：基于油墨的数量从仓库中选取相等的标定基材数量，由此对各油墨在相应标定基材上进行均匀覆盖，得到各油墨对应覆盖的标定基材，作为各油墨样品。
Q2、油墨样品检测：对各油墨样品对应的表观参数进行检测，得到各油墨样品对应的表观参数，具体检测过程为：
通过图像采集技术对各油墨样品对应的表观图像进行采集，得到各油墨样品对应的表观图像，从各油墨样品对应的表观图像中识别出各油墨样品对应表观图像的各异常处，同时获取各油墨样品对应表观图像的各异常处的异常面积，并对各油墨样品对应表观图像的各异常处的异常面积进行求和计算，得到各油墨样品对应表观图像的异常总面积，作为各油墨样品对应表观图像的表观异常面积；
需要说明的是，油墨样品对应表观图像的异常处包括但不限于：斑点、破损、划痕。
对各油墨样品对应的表观图像进行灰度化处理，得到各油墨样品对应的表观灰度图像；
在各油墨样品对应的表观灰度图像上进行检测点均匀布设，得到各油墨样品对应表观灰度图像上各检测点，同时获取各油墨样品对应表观灰度图像上各检测点的灰度值；
由各油墨样品对应表观图像的表观异常面积和各油墨样品对应表观灰度图像上各检测点的灰度值构成各油墨样品对应的表观参数。
基于各油墨样品对应的表观参数分析得到各油墨样品对应的质检值，具体分析过程为：
从各油墨样品对应的表观参数中提取各油墨样品对应表观图像的表观异常面积YSi，i表示为各油墨样品的编号，i=1,2,...,n，i为正整数，n表示为油墨样品编号的总数，同时从各油墨样品对应的表观参数中提取各油墨样品对应表观灰度图像上各检测点的灰度值，记为HDi j，j表示为各检测点的编号，j=1,2,...,m，j为正整数，m表示为检测点编号的总数；
获取各油墨样品对应的表观面积，记为BSi，依据公式
计算出各油墨样品对应的质检值ZJi，e为自然常数，HDi (j+1)为第i个油墨样品对应表观灰度图像上第(j+1)检测点的灰度值，a1、a2、a3为设定的权值因子，a1、a2、a3的取值范围均大于0小于1。
通过分析得到各合格油墨样品和各不合格油墨样品，分析方式为：将各油墨样品对应的质检值与设定的质检值阈值进行对比，若某油墨样品对应的质检值大于设定的质检值阈值，则将该油墨样品记为合格油墨样品，反之，则将该油墨样品记为不合格油墨样品，统计得到各合格油墨样品和各不合格油墨样品。
将各不合格油墨样品送至Q1进行样品重新制作，并重复执行步骤Q2，直至各油墨样品均为合格油墨样品，再执行步骤Q3；
Q3、干扰检测：对实验室对应的环境参数进行检测，得到实验室对应的环境参数，检测方式为：
通过温度传感器对实验室对应当前检测时段中各检测时间点的温度进行检测，得到实验室对应当前检测时段中各检测时间点的温度；
通过湿度传感器对实验室对应当前检测时段中各检测时间点的湿度进行检测，得到实验室对应当前检测时段中各检测时间点的湿度；
通过噪音传感器对实验室对应当前检测时段中各检测时间点的噪音强度进行检测，得到实验室对应当前检测时段中各检测时间点的噪音强度；
由实验室对应当前检测时段中各检测时间点的温度、湿度和噪音强度构成实验室对应的环境参数。
基于此分析得到实验室对应的环估值和音估值，具体分析过程如下：
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的温度WDf、湿度SDf，f表示为各检测时间点的编号，f=1,2,...,g，f为正整数，g表示为检测时间点编号的总数；
从数据库中提取实验室对应的参考环境温度CW和参考环境湿度CS；
依据公式
计算出实验室对应当前检测时段的温估值WG，WD（f+1）为实验室对应当前检测时段中第(f+1)个检测时间点的温度，b1、b2、b3、b4为设定的影响因子，b1、b2、b3、b4的取值范围均大于0小于1；
需要说明的是，对实验室对应当前检测时段中各检测时间点的温度和实验室对应的参考环境温度进行归一化处理后，取其数值，再代入实验室对应当前检测时段的温估值计算公式中进行计算。
依据公式
计算出实验室对应当前检测时段的湿估值SG，SD（f+1）为实验室对应当前检测时段中第(f+1)个检测时间点的湿度，b5、b6、b7、b8为设定的影响因子，b5、b6、b7、b8的取值范围均大于0小于1；
需要说明的是，对实验室对应当前检测时段中各检测时间点的湿度和实验室对应的参考环境湿度进行归一化处理后，取其数值，再代入实验室对应当前检测时段的温估值计算公式中进行计算。
依据公式HG=WG×c1+SG×c2计算出实验室对应的环估值HG，c1、c2表示为设定的权值因子，c1、c2的取值范围均大于0小于1；
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的噪音强度YQf，从数据库中提取实验室对应的参考噪音强度CY；
依据公式
计算出实验室对应的音估值YG，c3为设定的权值因子，c3的取值范围为大于0小于1。
基于实验室对应的环估值和音估值分析得到实验室对应的干扰参数，分析方式为：
将实验室对应的环估值与设定的环估值阈值进行对比，若实验室对应的环估值大于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为乙等，若实验室对应的环估值小于或等于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为甲等，影响参数为实验室对应的温湿度；
将实验室对应的音估值与设定的音估值阈值进行对比，若实验室对应的音估值大于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，若实验室对应的音估值小于或等于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，影响参数为实验室对应的噪音；
由此分析得到实验室对应的干扰参数。
若实验室对应的干扰参数中干扰等级为甲等，则执行Q4，反之，则执行Q5；
Q4、干扰调整：基于实验室对应的干扰参数中干扰等级和影响参数对实验室对应的环境进行相应的调整，并重复执行Q3，直至实验室对应的干扰参数中干扰等级为乙等，再执行Q5；
在一个具体的实施例中，基于实验室对应的干扰参数中干扰等级和影响参数对实验室对应的环境进行相应的调整，具体调整方式为：
(1)若实验室对应的干扰参数中影响参数为实验室对应的温湿度，则将实验室对应的环估值与设定的环估值阈值进行作差，得到实验室对应的环估值差，将实验室对应的环估值差与设定的各环估值差对应的温湿度调控参数进行匹配，得到实验室对应的温湿度调控参数，并基于实验室对应的温湿度调控参数进行相应的调控。
(2)若实验室对应的干扰参数中影响参数为实验室对应的噪音，则将实验室对应的音估值与设定的音估值阈值进行作差，得到实验室对应的音估值差，将实验室对应的音估值差与设定的各音估值差对应的噪音调控参数进行匹配，得到实验室对应的噪音调控参数，并基于实验室对应的噪音调控参数进行相应的调控。
(3)若实验室对应的干扰参数中影响参数为实验室对应的温湿度和实验室对应的噪音，则结合上述(1)和(2)进行综合调整。
Q5、数据分析：通过近红外光谱仪器对各合格油墨样品进行检测，得到各合格油墨样品对应的近红外光谱数据，并通过对比分析得到各可测样品对应的油墨参数以及各待测样品，具体分析方式为：
基于各合格油墨样品对应的近红外光谱数据构建各合格油墨样品对应近红外光谱的波段图形；
从数据库中提取各油墨颜色对应的近红外光谱波段图形，将各合格油墨样品对应近红外光谱的波段图形与各油墨颜色对应的近红外光谱波段图形进行重合对比，得到各合格油墨样品对应各油墨颜色的近红外光谱的波段图形重合面积CHr p，r表示为各合格油墨样品的编号，r=1,2,...,t，r为正整数，t表示为合格油墨样品编号的总数，p表示为各油墨颜色的编号，p=1,2,...,x，p为正整数，x表示为油墨颜色编号的总数，并获取各合格油墨样品对应近红外光谱的波段图形的面积HSr以及各油墨颜色对应近红外光谱波段图形的面积YSp；
依据公式CDr p=(CHr p/HSr)×c4+(CHr p/YSp)×c5计算出各合格油墨样品对应各油墨颜色的图形重合度CDr p，c4、c5为设定的权值因子，c4、c5的取值范围均大于0小于1；
将各合格油墨样品对应各油墨颜色的图形重合度与设定的图形重合度阈值进行对比，若某合格油墨样品对应某油墨颜色的图形重合度大于设定的图形重合度阈值，则将该油墨颜色作为该合格油墨样品的匹配油墨颜色，由此得到各合格油墨样品对应的匹配油墨颜色集合；
对各合格油墨样品对应的匹配油墨颜色集合进行识别，若某合格油墨样品对应的匹配油墨颜色集合中只有一个匹配油墨颜色，则将该合格油墨样品记为可测样品，将该匹配油墨颜色作为该可测样品的油墨参数，反之，则将该合格油墨样品记为待测样品，由此统计得到各可测样品对应的油墨参数以及各待测样品。
将各可测样品对应的油墨参数置入步骤Q7中处理，将各待测样品置入步骤Q6中进行处理；
Q6、再次分析：通过色谱技术对各待测样品进行检测，得到各待测样品对应的色谱参数，具体检测方式为：
在各待测样品上进行检测点均匀布设，得到各待测样品对应的各检测点，同时通过色度检测仪对各待测样品对应各检测点的色度进行检测，得到各待测样品对应各检测点的色度；
将各待测样品对应各检测点的色度按照从大到小的顺序依次进行排列，并从中提取各待测样品对应的众数色度，作为各待测样品对应的色谱参数。
由此分析得到各待测样品对应的油墨参数，具体分析方式为：将各待测样品对应的色谱参数与设定的各色谱参数对应的油墨颜色进行匹配，得到各待测样品对应的油墨颜色，作为各待测样品对应的油墨参数。
将各待测样品对应的油墨参数置入步骤Q7中处理；
Q7、油墨样品颜色鉴别：将各可测样品对应的油墨参数通过执行端进行相应的处理，将各待测样品对应的油墨参数通过执行端进行相应的处理。
在一个具体的实施例中，对各可测样品对应的油墨参数通过执行端进行相应的处理，具体为：通过执行端中的显示器对各可测样品对应的油墨参数进行显示，例如：“该可测样品的油墨颜色为藏青色”，“该可测样品的油墨颜色为草绿色”等。
对各待测样品对应的油墨参数通过执行端进行相应的处理，具体为，通过执行端中的显示器对各待测样品对应的油墨参数进行显示，例如：“该待测样品的油墨颜色为粉红色”，“该待测样品的油墨颜色为鹅黄色”等。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明提交文件所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，包括如下步骤：
Q1、油墨样品制作：从数据库中提取油墨对应的各基材类型，并从中随机选取一个基材类型，作为标定基材，进而通过相应的制作方式得到各油墨样品；
Q2、油墨样品检测：对各油墨样品对应的表观参数进行检测，得到各油墨样品对应的表观参数，并基于各油墨样品对应的表观参数分析得到各油墨样品对应的质检值，通过分析得到各合格油墨样品和各不合格油墨样品，将各不合格油墨样品送至Q1进行样品重新制作，并重复执行步骤Q2，直至各油墨样品均为合格油墨样品，再执行步骤Q3；
Q3、干扰检测：对实验室对应的环境参数进行检测，得到实验室对应的环境参数，并基于此分析得到实验室对应的环估值和音估值，基于实验室对应的环估值和音估值分析得到实验室对应的干扰参数，若实验室对应的干扰参数中干扰等级为甲等，则执行Q4，反之，则执行Q5；
Q4、干扰调整：基于实验室对应的干扰参数中干扰等级和影响参数对实验室对应的环境进行相应的调整，并重复执行Q3，直至实验室对应的干扰参数中干扰等级为乙等，再执行Q5；
Q5、数据分析：通过近红外光谱仪器对各合格油墨样品进行检测，得到各合格油墨样品对应的近红外光谱数据，并通过对比分析得到各可测样品对应的油墨参数以及各待测样品，将各可测样品对应的油墨参数置入步骤Q7中处理，将各待测样品置入步骤Q6中进行处理；
Q6、再次分析：通过色谱技术对各待测样品进行检测，得到各待测样品对应的色谱参数，由此分析得到各待测样品对应的油墨参数，并将各待测样品对应的油墨参数置入步骤Q7中处理；
Q7、油墨样品颜色鉴别：将各可测样品对应的油墨参数通过执行端进行相应的处理，将各待测样品对应的油墨参数通过执行端进行相应的处理。
2.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述对各油墨样品对应的表观参数进行检测，得到各油墨样品对应的表观参数，具体检测过程为：
通过图像采集技术对各油墨样品对应的表观图像进行采集，得到各油墨样品对应的表观图像，从各油墨样品对应的表观图像中识别出各油墨样品对应表观图像的各异常处，同时获取各油墨样品对应表观图像的各异常处的异常面积，并对各油墨样品对应表观图像的各异常处的异常面积进行求和计算，得到各油墨样品对应表观图像的异常总面积，作为各油墨样品对应表观图像的表观异常面积；
对各油墨样品对应的表观图像进行灰度化处理，得到各油墨样品对应的表观灰度图像；
在各油墨样品对应的表观灰度图像上进行检测点均匀布设，得到各油墨样品对应表观灰度图像上各检测点，同时获取各油墨样品对应表观灰度图像上各检测点的灰度值；
由各油墨样品对应表观图像的表观异常面积和各油墨样品对应表观灰度图像上各检测点的灰度值构成各油墨样品对应的表观参数。
3.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述基于各油墨样品对应的表观参数分析得到各油墨样品对应的质检值，具体分析过程为：
从各油墨样品对应的表观参数中提取各油墨样品对应表观图像的表观异常面积YSi，i表示为各油墨样品的编号，i=1,2,...,n，i为正整数，n表示为油墨样品编号的总数，同时从各油墨样品对应的表观参数中提取各油墨样品对应表观灰度图像上各检测点的灰度值，记为HDi j，j表示为各检测点的编号，j=1,2,...,m，j为正整数，m表示为检测点编号的总数；
获取各油墨样品对应的表观面积，记为BSi，依据公式
计算出各油墨样品对应的质检值ZJi，e为自然常数，HDi (j+1)为第i个油墨样品对应表观灰度图像上第(j+1)检测点的灰度值，a1、a2、a3为设定的权值因子，a1、a2、a3的取值范围均大于0小于1。
4.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述通过分析得到各合格油墨样品和各不合格油墨样品，分析方式为：
将各油墨样品对应的质检值与设定的质检值阈值进行对比，若某油墨样品对应的质检值大于设定的质检值阈值，则将该油墨样品记为合格油墨样品，反之，则将该油墨样品记为不合格油墨样品，统计得到各合格油墨样品和各不合格油墨样品。
5.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述对实验室对应的环境参数进行检测，得到实验室对应的环境参数，检测方式为：
通过温度传感器对实验室对应当前检测时段中各检测时间点的温度进行检测，得到实验室对应当前检测时段中各检测时间点的温度；
通过湿度传感器对实验室对应当前检测时段中各检测时间点的湿度进行检测，得到实验室对应当前检测时段中各检测时间点的湿度；
通过噪音传感器对实验室对应当前检测时段中各检测时间点的噪音强度进行检测，得到实验室对应当前检测时段中各检测时间点的噪音强度；
由实验室对应当前检测时段中各检测时间点的温度、湿度和噪音强度构成实验室对应的环境参数。
6.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述实验室对应的环估值和音估值，具体分析过程如下：
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的温度WDf、湿度SDf，f表示为各检测时间点的编号，f=1,2,...,g，f为正整数，g表示为检测时间点编号的总数；
从数据库中提取实验室对应的参考环境温度CW和参考环境湿度CS；
依据公式
计算出实验室对应当前检测时段的温估值WG，WD（f+1）为实验室对应当前检测时段中第(f+1)个检测时间点的温度，b1、b2、b3、b4为设定的影响因子，b1、b2、b3、b4的取值范围均大于0小于1；
同理，分析得到实验室对应当前检测时段的湿估值SG；
依据公式HG=WG×c1+SG×c2计算出实验室对应的环估值HG，c1、c2表示为设定的权值因子，c1、c2的取值范围均大于0小于1；
从实验室对应的环境参数中提取实验室对应当前检测时段中各检测时间点的噪音强度，从数据库中提取实验室对应的参考噪音强度，通过分析得到实验室对应的音估值。
7.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述基于实验室对应的环估值和音估值分析得到实验室对应的干扰参数，分析方式为：
将实验室对应的环估值与设定的环估值阈值进行对比，若实验室对应的环估值大于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为乙等，若实验室对应的环估值小于或等于设定的环估值阈值，则判定实验室对应温湿度的干扰等级为甲等，影响参数为实验室对应的温湿度；
将实验室对应的音估值与设定的音估值阈值进行对比，若实验室对应的音估值大于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，若实验室对应的音估值小于或等于设定的音估值阈值，则判定实验室对应噪音的干扰等级为乙等，影响参数为实验室对应的噪音；
由此分析得到实验室对应的干扰参数。
8.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述通过对比分析得到各可测样品对应的油墨参数以及各待测样品，具体分析方式为：
基于各合格油墨样品对应的近红外光谱数据构建各合格油墨样品对应近红外光谱的波段图形；
从数据库中提取各油墨颜色对应的近红外光谱波段图形，将各合格油墨样品对应近红外光谱的波段图形与各油墨颜色对应的近红外光谱波段图形进行重合对比，得到各合格油墨样品对应各油墨颜色的近红外光谱的波段图形重合面积，并获取各合格油墨样品对应近红外光谱的波段图形的面积以及各油墨颜色对应近红外光谱波段图形的面积；
通过分析得到各合格油墨样品对应各油墨颜色的图形重合度，将各合格油墨样品对应各油墨颜色的图形重合度与设定的图形重合度阈值进行对比，若某合格油墨样品对应某油墨颜色的图形重合度大于设定的图形重合度阈值，则将该油墨颜色作为该合格油墨样品的匹配油墨颜色，由此得到各合格油墨样品对应的匹配油墨颜色集合；
对各合格油墨样品对应的匹配油墨颜色集合进行识别，若某合格油墨样品对应的匹配油墨颜色集合中只有一个匹配油墨颜色，则将该合格油墨样品记为可测样品，将该匹配油墨颜色作为该可测样品的油墨参数，反之，则将该合格油墨样品记为待测样品，由此统计得到各可测样品对应的油墨参数以及各待测样品。
9.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述通过色谱技术对各待测样品进行检测，得到各待测样品对应的色谱参数，具体检测方式为：
在各待测样品上进行检测点均匀布设，得到各待测样品对应的各检测点，同时通过色度检测仪对各待测样品对应各检测点的色度进行检测，得到各待测样品对应各检测点的色度；
将各待测样品对应各检测点的色度按照从大到小的顺序依次进行排列，并从中提取各待测样品对应的众数色度，作为各待测样品对应的色谱参数。
10.根据权利要求1所述的基于近红外光谱的彩色印刷油墨颜色鉴别方法，其特征在于，所述各待测样品对应的油墨参数，具体分析方式为：
将各待测样品对应的色谱参数与设定的各色谱参数对应的油墨颜色进行匹配，得到各待测样品对应的油墨颜色，作为各待测样品对应的油墨参数。
CN202410272468.XA 2024-03-11 2024-03-11 基于近红外光谱的彩色印刷油墨颜色鉴别方法 Pending CN117871461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410272468.XA CN117871461A (zh) 2024-03-11 2024-03-11 基于近红外光谱的彩色印刷油墨颜色鉴别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410272468.XA CN117871461A (zh) 2024-03-11 2024-03-11 基于近红外光谱的彩色印刷油墨颜色鉴别方法

Publications (1)

Publication Number Publication Date
CN117871461A true CN117871461A (zh) 2024-04-12

Family

ID=90588794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410272468.XA Pending CN117871461A (zh) 2024-03-11 2024-03-11 基于近红外光谱的彩色印刷油墨颜色鉴别方法

Country Status (1)

Country Link
CN (1) CN117871461A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63144075A (ja) * 1986-12-05 1988-06-16 Toppan Moore Co Ltd 真贋判定可能な印刷物
JPH03114872A (ja) * 1989-09-29 1991-05-16 Dainippon Printing Co Ltd 印刷物及びその識別方法
JPH03114871A (ja) * 1989-09-29 1991-05-16 Dainippon Printing Co Ltd 印刷物及びその識別方法
JP2004297738A (ja) * 2003-02-12 2004-10-21 Konica Minolta Holdings Inc 画像情報処理方法、画像情報処理装置、画像出力システム、画像形成方法及びコンピュータプログラム
CN111141386A (zh) * 2020-01-09 2020-05-12 四川长虹电器股份有限公司 一种基于近红外光谱的印刷油墨颜色鉴别方法
CN113777056A (zh) * 2021-08-13 2021-12-10 昆山格博尔智能科技有限责任公司 基于多光谱cmos图像芯片的油墨配色检测方法
WO2022051461A1 (en) * 2020-09-04 2022-03-10 Sun Chemical Corporation Fully integrated digital color management system
WO2023011760A1 (de) * 2021-08-03 2023-02-09 Giesecke+Devrient Currency Technology Gmbh Lumineszierende druckfarbe für den sicherheitsdruck, gegenstand mit lumineszenzmerkmal und herstellungsverfahren
CN116691152A (zh) * 2023-07-27 2023-09-05 深圳市精一瑞兰印刷有限公司 一种基于人工智能的印刷颜色质量管理***
CN117549667A (zh) * 2024-01-11 2024-02-13 福建省海泓彩印有限公司 一种印刷生产线质量追踪管理***及其使用方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63144075A (ja) * 1986-12-05 1988-06-16 Toppan Moore Co Ltd 真贋判定可能な印刷物
JPH03114872A (ja) * 1989-09-29 1991-05-16 Dainippon Printing Co Ltd 印刷物及びその識別方法
JPH03114871A (ja) * 1989-09-29 1991-05-16 Dainippon Printing Co Ltd 印刷物及びその識別方法
JP2004297738A (ja) * 2003-02-12 2004-10-21 Konica Minolta Holdings Inc 画像情報処理方法、画像情報処理装置、画像出力システム、画像形成方法及びコンピュータプログラム
CN111141386A (zh) * 2020-01-09 2020-05-12 四川长虹电器股份有限公司 一种基于近红外光谱的印刷油墨颜色鉴别方法
WO2022051461A1 (en) * 2020-09-04 2022-03-10 Sun Chemical Corporation Fully integrated digital color management system
WO2023011760A1 (de) * 2021-08-03 2023-02-09 Giesecke+Devrient Currency Technology Gmbh Lumineszierende druckfarbe für den sicherheitsdruck, gegenstand mit lumineszenzmerkmal und herstellungsverfahren
CN113777056A (zh) * 2021-08-13 2021-12-10 昆山格博尔智能科技有限责任公司 基于多光谱cmos图像芯片的油墨配色检测方法
CN116691152A (zh) * 2023-07-27 2023-09-05 深圳市精一瑞兰印刷有限公司 一种基于人工智能的印刷颜色质量管理***
CN117549667A (zh) * 2024-01-11 2024-02-13 福建省海泓彩印有限公司 一种印刷生产线质量追踪管理***及其使用方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MEHWISH SHARIF等: "Forensic Discrimination Potential of Blue, Black, Green, and Red Colored Fountain Pen Inks Commercially Used in Pakistan, by UV/Visible Spectroscopy, Thin Layer Chromatography, and Fourier Transform Infrared Spectroscopy", INTERNATIONAL JOURNAL OF ANALYTICAL CHEMISTRY, vol. 2019, no. 5980967, 6 January 2019 (2019-01-06), pages 1 - 10 *
严美芳等: "印刷包装材料", vol. 1, 31 October 2017, 文化发展出版社, pages: 155 - 163 *
李燕: "基于可见—短波红外光谱数据的印刷品光谱分析方法研究", 中国优秀硕士学问论文全文数据库 工程科技I辑, no. 4, 15 April 2018 (2018-04-15), pages 024 - 514 *
管力明;胡更生;卢红伟;林剑;: "近红外光谱在印刷品颜色检测中的应用", 中南大学学报(自然科学版), vol. 40, no. 06, 26 December 2009 (2009-12-26), pages 1655 - 1659 *

Similar Documents

Publication Publication Date Title
AU2007352792B2 (en) Lumber inspection method, device and program
CN104049068B (zh) 生鲜畜肉新鲜度的无损测定装置及测定方法
Tao et al. Smartphone-based detection of leaf color levels in rice plants
US8705837B2 (en) Method for inspection and detection of defects on surfaces of disc-shaped objects and computer system with a software product for carrying out the method
TWI468670B (zh) 用於設定光學檢驗參數的裝置及方法
JP2010536046A5 (zh)
CN109030480B (zh) 样品分析方法、装置、可读存储介质及计算机设备
JP2023525776A (ja) 色基準カードの品質を評価する方法
CN113065538A (zh) 基于图像识别的压力传感器检测方法、装置及设备
CN117372334A (zh) 基于图像数据的纺织品色差检测方法
CN117871461A (zh) 基于近红外光谱的彩色印刷油墨颜色鉴别方法
KR101901812B1 (ko) 전자눈 분석을 이용한 쌀 신곡과 구곡의 판별 방법
CN109856133B (zh) 一种利用多种光照强度、多种色彩照明的试纸检测方法
US20010048765A1 (en) Color characterization for inspection of a product having nonuniform color characteristics
RU2439560C1 (ru) Способ компьютерного определения изменения окраски текстильных полотен при оценке ее устойчивости к физико-химическим воздействиям
CN114486895A (zh) 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法
CN115512136A (zh) 试纸色差识别方法和装置、电子设备及存储介质
KR101158329B1 (ko) 자동 지폐 검사를 위한 형광 패턴 추출 장치 및 방법
CN113850756A (zh) 一种基于模板比对的标签缺陷检测方法
CN111415715A (zh) 一种基于多元光谱数据的智能校正方法、***及装置
CN111257402A (zh) 鉴别食品添加剂冰醋酸中合成醋酸的方法
Mehdizadeh et al. Smartphone application assisted optoelectronic nose for monitoring milk freshness
KR102433769B1 (ko) 실시간 박테리아 측정을 통한 사후 경과 시간 추정 방법 및 이를 위한 시스템
CN111508397B (zh) 显示面板的检测方法和显示面板的检测装置
CN117288692B (zh) 一种酿酒粮食中单宁含量的检测方法

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
TA01 Transfer of patent application right

Effective date of registration: 20240715

Address after: 276000, First Floor, Building 4 #, First Door on the Right Side of the Central Zone of the National Forest Products Industry Science and Technology Demonstration Park, Shixing Village, Tanyi Town, Feixian County, Linyi City, Shandong Province

Applicant after: Shandong Shangte New Material Co.,Ltd.

Country or region after: China

Address before: 350011 3rd Floor, Building 9 (Printing Building), No. 16 Kangshan Road, Dongmen, Jin'an District, Fuzhou City, Fujian Province

Applicant before: Fujian Haihong Color Printing Co.,Ltd.

Country or region before: China