CN102735689A - 一种基于图形模式识别的纸张纸病检测系统 - Google Patents
一种基于图形模式识别的纸张纸病检测系统 Download PDFInfo
- Publication number
- CN102735689A CN102735689A CN201210204659XA CN201210204659A CN102735689A CN 102735689 A CN102735689 A CN 102735689A CN 201210204659X A CN201210204659X A CN 201210204659XA CN 201210204659 A CN201210204659 A CN 201210204659A CN 102735689 A CN102735689 A CN 102735689A
- Authority
- CN
- China
- Prior art keywords
- paper
- stain
- image
- ccd
- area
- 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
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明根据纸张质量分级方法,设计了一种基于图像模式识别的CCD纸张纸病检测系统,该系统利用CCD技术对纸张表面质量进行实时检测、动态测量、自动对产品按品质实行分级,检测出纸张表面存在的黑点及空洞等纸病缺陷,对纸张自动进行分类,对于不合格的纸张自动进行报警,并能自动计算出纸张的不合格率和各级纸张的数量及所占的比例,这样不仅提高了检测效率,而且还能自动统计出了纸张的各类数据。
Description
技术领域
本发明涉及模式识别,更具体地讲,涉及一种基于图像模式识别的纸张纸病测试系统。
背景技术
目前生产纸张的厂家很多,但都苦于没有一种好的方法来对生产出来的纸张的外观进行质量检测,很多还是手工进行抽样检测,这样费时又费力。CCD静态纸张检测系统通过使用CCD将纸张图像摄人计算机,然后通过计算机自动对纸张图像进行分析,检测出纸张上面所存在的黑点以及空洞等,能对纸张外观质量自动进行分类,对于不合格的纸张可以自动进行报警,并能自动计算出纸张的不合格率以及各级纸张所占的比例。这样不仅提高了检测效率,而且还能自动地统计出纸张的各类数据,这些数据对于生产厂家来说无疑是非常重要的。
目前常用的目测方法不能满足生产过程中自动化要求。基于图像处理技术的CCD非接触测量技术是一项发展比较快的技术,它是一种很先进的测量方法。具有的体积小、重量轻、分辨率高、精度高、稳定性能良好等特点,使得测量系统不须配置复杂的运动机械结构。此之前,非接触精密测量主要采用激光进行测量。与激光测量相比,基于图像处理技术的CCD测量在价格及某些测量性能方面有很大的优势。基于图像处理技术的CCD测量技术有以下优点:
a) 低成本:与激光等非接触测量相比,用图像处理技术进行测量的成本相当低。
b) 复杂形状测量:通过各种图像处理技术的结合,可以实现对复杂图形的测量。
c) 使用寿命长,测量精度高,测量方便、性能稳定可靠。
d) 非接触、精度高、测量速度快、等优点。
目前这项技术在国外已经比较普及,但在国内尚属起步阶段,本文介绍的是一种基于图像模式识别的CCD纸张纸病检测系统,该系统利用CCD技术对纸张表面质量进行实时检测、动态测量、自动对产品按品质实行分级,检测出纸张表面存在的黑点及空洞等纸病缺陷,对纸张自动进行分类,对于不合格的纸张自动进行报警,并能自动计算出纸张的不合格率和各级纸张的数量及所占的比例,这样不仅提高了检测效率,而且还能自动统计出了纸张的各类数据。
发明内容
本发明的目的在于提供本发明根据纸张质量分级方法,设计了一种基于图像模式识别的CCD纸张纸病检测系统,该系统利用CCD技术对纸张表面质量进行实时检测、动态测量、自动对产品按品质实行分级,检测出纸张表面存在的黑点及空洞等纸病缺陷,对纸张自动进行分类,对于不合格的纸张自动进行报警,并能自动计算出纸张的不合格率和各级纸张的数量及所占的比例,这样不仅提高了检测效率,而且还能自动统计出了纸张的各类数据。
为了解决上述技术问题,本发明提供一种基于图像模式识别的CCD纸张纸病检测系统,包括如下步骤:
S1: 从CCD获取图像;
S2: 基色选取;
S3: 二值化;
S4: 一次滤波;
S5: 图像分析;
S6: 二次滤波。
进一步,从CCD获取图像的步骤包括:
S201: 将视频信号转换成数字信号;
S202: 通过视频卡的驱动程序显示在电脑屏幕上;
S203: 将图像拷贝到剪贴板;
S204: 从剪贴板中将图片读出来;
进一步,图像分析的步骤包括:
S301: 对图像中的每一个黑色像素点(假设此黑色像素点为A)的四个方向(左上,正上,右上,左边)上的点进行判断;
S302: 判断:如果这四个点都为白点,则新建一个黑点块,且将此A点加入到新建的黑点块;如果这四个点中有一个点为黑点(设为B),则将A点加入B点所在的黑点块(根据判断顺序,B点必然已属于某一黑点块);
S303: 如此循环下来,直到将所有黑点判断完毕。则黑点块数即为所建立的黑点块数,同时每一黑点块所占的面积,黑点块的半径等数据也可以根据黑点块内的像素点数来得到。
进一步,检测软件的步骤包括:
S401: 数据获取模块为从CCD器件的移位寄存器中读入纸张信息;
S402: 纸张信息获取后,数据分析和处理模块判断纸张的暇疵的大小、灰度等级、延展方向、分布的范围,以此得出属于哪种纸张的范围,并进行存储和输出;
S403: 然后根据生产实际的经验分析纸张暇疵产生的原因,目的在于在生产中能及时、准确地找出各类暇疵产生的原因,并可以据此给出机检方案,提高检修效率。
进一步,二次滤波功能的步骤包括:
S501: 通过图像分析获得每一黑块所占面积的数据;
S502: 要滤除掉小于某一面积的黑块,只需要对每一黑块所占的面积进行判断,如果此黑块面积大于指定面积,则不滤除(保留),如果此黑点面积小于指定面积,则将其滤除掉(也就是将此黑块内所有像素点都变成白点);
S503: 通过此方法提取出图像信息以后,再对图像中的各项参数进行统计计算时能够很方便的获得结果。
附图说明
图1是本发明提供的一种图像分析处理框图。
图2是CCD纸张检测流程图。
具体实施方式
图1是本发明提供的一种实施方案的系统示意图。本系统主要由从CCD获取图像, 基色选取,二值化,一次滤波,图像分析,二次滤波组成。
图2为CCD纸张检测流程图。CCD静态纸张检测系统通过使用CCD将纸张图像摄人计算机,把图像转换成数字信号,即计算机图像由许多像素点组成,然后通过计算机软件对这些像素进行分析,检测出纸张上面所存在的黑点以及透明点等,统计出该纸张的黑点和透明点的数量和面积,对照预先存人计算机的纸张标准,对纸张质量自动进行分类,对于不合格的纸张可以自动进行报警,并自动计算出纸张的不合格率以及各级纸张所占的比例,系统工作原理和流程图如图2所示。
表1为不合格纸张污点分类表。在生产中,纸张外观质量的分级是由其缺陷类型和多少来决定的,下面简单介绍一下纸张的分类。纸张缺陷主要有:折痕、孔洞透明点和污点,一般纸张发现折痕或透明点就被定为不合格纸,所以污点就被作为划分纸张等级的依据。
表2 为纸张等级分类表。根据生产的要求本系统将纸张分为三种:优质纸张、普通纸张、不合格纸。
测试系统组成: 本系统主要由光源、图像采集部分、电源、PC机、显示输出部分、机械换纸机构、纸张分流机构等部分构成。其中图像采集部分由CCD器件和CCD图像采集卡组成。CCD为光注入方式面阵CCD器件,型号为:用IA-D9-2048型面阵CCD,它采用帧转移方式,每秒14帧,具有多个输出端口,像元尺寸大,像敏元尺寸为12μm(H)×2μm(V),像敏区面积为24·672mm(H)×24·672mm(H),输出数据率高达60MHz,动态范围宽为3000Hz;水平和垂直转移效率为0.999999;工作温度范围为-60℃~+70℃。
工作原理:从CCD中将图像导入到软件中需要进行一些转换,CCD首先将视频信号转换成数字信号,然后再通过视频卡的驱动程序显示在电脑屏幕上。要将图像导入到软件中进行分析,首先要将图像拷贝到剪贴板,然后再从剪贴板中将图片读出来。把图像转换成数字信号,即计算机图像由许多像素点组成,然后通过计算机软件对这些像素进行分析,根据各像元的RGB值进行分类,检测出纸张上面所存在的黑点及空洞等,统计出该纸张的黑点和空洞的数量和面积,对照预先存入计算机的纸张标准,对纸张质量自动进行分类,对于不合格的纸张可以自动报警,并自动计算出纸张的不合格率以及各级纸张所占的比例。
检测速度主要由帧转移速度、程序处理速度、机器的换纸速度来决定。本系统中CCD的帧转移速度为每秒l 4帧,即Tz=14张/s;本系统所采用的软件结构简单,程序处理检测速度约为Tc=20张/s;机械的换纸速度Th=l0张/min。传统的人工检测方法检测速度约为4—6张/min,故本系统的检测速度为T=10张/min。
每个像敏元素接受的纸张面积为:S/(N×N),由此可以得出纸张检测的分辨率。则每个像敏元接受的图纸面积为:S*=S/(N×N)=(860×860)/(2048×2048)=0.18mm2,该系统分辨率就是单个像敏元素的面积,系统的分辨率就是系统的测量精度。
下列因素会影响测量精度:(1)被测物品的反光性。(2)光源的影响。(3)背
景色的影响。(4)对比度的选择。(5)电路电压影响。(6)光路影响。(7)沿光轴方向的振动。
Claims (5)
1.一种基于图形模式识别的纸张纸病检测系统,其特征在于包括以下模块:
S1: 从CCD获取图像;
S2: 基色选取;
S3: 二值化;
S4: 一次滤波;
S5: 图像分析;
S6: 二次滤波。
2.根据权利要求1所述基于图形模式识别的纸张纸病检测系统,其特征在于所述从CCD获取图像的步骤包括:
S201: 将视频信号转换成数字信号;
S202: 通过视频卡的驱动程序显示在电脑屏幕上;
S203: 将图像拷贝到剪贴板;
S204: 从剪贴板中将图片读出来。
3. 根据权利要求1所述基于图形模式识别的纸张纸病检测系统,其特征在于所述的图像分析的步骤包括:
S301: 对图像中的每一个黑色像素点的四个方向上的点进行判断;
S302: 判断:如果这四个点都为白点,则新建一个黑点块,且将此A点加入到新建的黑点块;如果这四个点中有一个点为黑点,则将A点加入B点所在的黑点块;
S303: 如此循环下来,直到将所有黑点判断完毕;则黑点块数即为所建立的黑点块数,同时每一黑点块所占的面积,黑点块的半径等数据也可以根据黑点块内的像素点数来得到。
4. 根据权利要求1所述基于图形模式识别的纸张纸病检测系统,其特征在于所述的检测软件的步骤包括:
S401: 数据获取模块为从CCD器件的移位寄存器中读入纸张信息;
S402: 纸张信息获取后,数据分析和处理模块判断纸张的暇疵的大小、灰度等级、延展方向、分布的范围,以此得出属于哪种纸张的范围,并进行存储和输出;
S403: 然后根据生产实际的经验分析纸张暇疵产生的原因,提高检修效率。
5. 根据权利要求1所述基于图形模式识别的纸张纸病检测系统,其特征在于所述的二次滤波功能的步骤包括:
S501: 通过图像分析获得每一黑块所占面积的数据;
S502: 要滤除掉小于某一面积的黑块,只需要对每一黑块所占的面积进行判断,如果此黑块面积大于指定面积,则不滤除,如果此黑点面积小于指定面积,则将其滤除掉;
S503: 通过此方法提取出图像信息以后,再对图像中的各项参数进行统计计算时能够很方便的获得结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210204659XA CN102735689A (zh) | 2012-06-20 | 2012-06-20 | 一种基于图形模式识别的纸张纸病检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210204659XA CN102735689A (zh) | 2012-06-20 | 2012-06-20 | 一种基于图形模式识别的纸张纸病检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102735689A true CN102735689A (zh) | 2012-10-17 |
Family
ID=46991572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210204659XA Pending CN102735689A (zh) | 2012-06-20 | 2012-06-20 | 一种基于图形模式识别的纸张纸病检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102735689A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104674604A (zh) * | 2015-03-04 | 2015-06-03 | 周迪 | 基于飞行喷射机器人的古籍修复方法 |
CN106093051A (zh) * | 2016-06-06 | 2016-11-09 | 佛山市智人机器人有限公司 | 基于机器视觉的纸卷切面毛刺检测方法及装置 |
CN108318355A (zh) * | 2017-12-31 | 2018-07-24 | 广德大金机械有限公司 | 一种基于对比分析的皮革制品耐折性能智能测试方法 |
US10769774B2 (en) | 2018-01-09 | 2020-09-08 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor |
CN112921706A (zh) * | 2021-01-04 | 2021-06-08 | 义乌市义南纸业有限公司 | 基于在线监测纸张施胶表面性状的格拉辛纸的制作方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2962806B2 (ja) * | 1990-11-06 | 1999-10-12 | 大日本印刷株式会社 | 受像紙シート面の欠点検査方法 |
JP3243394B2 (ja) * | 1995-03-30 | 2002-01-07 | 新日本製鐵株式会社 | 疵検査装置 |
CN101063659A (zh) * | 2006-04-26 | 2007-10-31 | 陈岳林 | 纸张纸病检测系统 |
CN201100862Y (zh) * | 2006-04-26 | 2008-08-13 | 陈岳林 | 纸张纸病捡测系统 |
-
2012
- 2012-06-20 CN CN201210204659XA patent/CN102735689A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2962806B2 (ja) * | 1990-11-06 | 1999-10-12 | 大日本印刷株式会社 | 受像紙シート面の欠点検査方法 |
JP3243394B2 (ja) * | 1995-03-30 | 2002-01-07 | 新日本製鐵株式会社 | 疵検査装置 |
CN101063659A (zh) * | 2006-04-26 | 2007-10-31 | 陈岳林 | 纸张纸病检测系统 |
CN201100862Y (zh) * | 2006-04-26 | 2008-08-13 | 陈岳林 | 纸张纸病捡测系统 |
Non-Patent Citations (1)
Title |
---|
陈岳林: "基于图像模式识别的纸张纸病捡测系统", 《光学技术》, vol. 32, no. 1, 31 August 2006 (2006-08-31), pages 182 - 184 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104674604A (zh) * | 2015-03-04 | 2015-06-03 | 周迪 | 基于飞行喷射机器人的古籍修复方法 |
CN104674604B (zh) * | 2015-03-04 | 2016-07-13 | 周迪 | 基于飞行喷射机器人的古籍修复方法 |
CN106093051A (zh) * | 2016-06-06 | 2016-11-09 | 佛山市智人机器人有限公司 | 基于机器视觉的纸卷切面毛刺检测方法及装置 |
CN108318355A (zh) * | 2017-12-31 | 2018-07-24 | 广德大金机械有限公司 | 一种基于对比分析的皮革制品耐折性能智能测试方法 |
US10769774B2 (en) | 2018-01-09 | 2020-09-08 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor |
CN112921706A (zh) * | 2021-01-04 | 2021-06-08 | 义乌市义南纸业有限公司 | 基于在线监测纸张施胶表面性状的格拉辛纸的制作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
CN209300267U (zh) | 一种烟支外观图像处理控制系统及其在线检测装置 | |
CN102253043B (zh) | 一种单目ccd多角度纱线外观数字化分析方法 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN103954634A (zh) | 一种印刷品在线质量检测系统 | |
CN109856156A (zh) | 一种基于aoi的显示面板微小缺陷判定方法与装置 | |
CN101063659A (zh) | 纸张纸病检测系统 | |
CN106556611A (zh) | 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法 | |
CN102914545A (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及系统 | |
CN101105459A (zh) | 一种空瓶瓶口缺陷的检测方法及装置 | |
CN102735689A (zh) | 一种基于图形模式识别的纸张纸病检测系统 | |
CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN113325001A (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
CN102854195B (zh) | 彩色滤光片上缺陷坐标的检测方法 | |
CN102323272A (zh) | 基于机器视觉技术的滤纸缺陷检测系统及其检测方法 | |
CN109523540A (zh) | 基于霍夫变换的纱线断头检测方法 | |
CN102928340A (zh) | 基于图像分析同时测定煤的显微组分含量和镜质体反射率的方法及其专用设备 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN106018179A (zh) | 一种基于图像处理的胶料表面黏性测量方法及装置 | |
CN203858032U (zh) | 布匹色差检测装置 | |
CN203908956U (zh) | 一种用于检测工件表面缺陷的系统 | |
Wang et al. | Design of machine vision applications in detection of defects in high-speed bar copper | |
Kunze et al. | Efficient deployment of deep neural networks for quality inspection of solar cells using smart labeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121017 |