CN103808731A - 一种在印刷品检测系统中使用的缺陷检测方法 - Google Patents

Abstract

本发明涉及一种在印刷品检测系统中使用的缺陷检测方法，其包括：1、将成型后的产品划分成多个关注区域，每个关注区域对应有一个缺陷关注度；2、采集产品图像；3、将采集的产品图像与标准图像进行对比，找出颜色不同的像素点；4、基于找出的颜色不同的像素点，获得缺陷平均颜色值和缺陷面积；5、根据获得的缺陷关注度、缺陷面积、缺陷平均颜色值和缺陷位置处的标准颜色值，来得到缺陷评估值；6、将得到的缺陷评估值和阈值进行比较，缺陷评估值大于或等于阈值的产品为一级不合格品，反之为二级不合格品。

Description

一种在印刷品检测系统中使用的缺陷检测方法

技术领域

本发明涉及检测领域，具体而言，涉及一种在印刷品检测系统中使用的缺陷检测方法。

背景技术

印刷质量自动检测技术凭借其高速、稳定、可全天候运转等优势，有效避免了传统人工目检方式存在的由于个体差别、疲劳等因素导致的漏检、错检的情况，并能解决人员使用量大、企业成本高、检测效率低的问题，已经成为行业发展的必然趋势。

随着印刷质量检测系统越来越广泛的应用，印刷品的检测系统也在不断升级，由最初需要一个检测工位，发展到现在需要三个甚至四个检测工位。检测效果也有了很大提高，由最初只能检测印刷问题，到现在可以检测凹凸、光油、烫金等印刷质量以外的缺陷问题，同时印刷质量的检测精度也有了很大的提高。有的检测系统还增加了背面检测，产品在输送台传送一次，就能把该产品的正面和背面全部检测到。但是，不管现有的印刷检测系统怎么变化，都是仅仅涉及到检测效果和检测效率这两方面的提高。

目前印刷品的检测系统及其检测方法都是只能将产品按照合格品和不合格品分开。在产品的检测过程中双张或多张粘在一起输送或者产品输送中跑错位的情况是不可避免的，通常为了确保合格品中不会混入不合格品，会把未检测的产品直接踢到不合格品中。因此在使用印刷检测设备检测后，还需要人工对不合格品进行二次核查，将混入未检测的合格品挑选出来。但是，这样的操作流程必然导致检测效率不高。

发明内容

本发明提供了一种在印刷品检测系统中使用的缺陷检测方法，其包括：

a）将成型后的产品划分成多个关注区域，每个关注区域对应有一个缺陷关注度；

b）采集产品图像；

c）将采集的产品图像与标准图像进行对比，找出颜色不同的像素点；

d）基于找出的颜色不同的像素点，获得缺陷面积和缺陷平均颜色值以及与该缺陷面积相对应的标准图像上相应区域的标准平均颜色值；

e）根据获得的缺陷平均颜色值以及相对应的标准平均颜色值，得到所述缺陷面积的颜色差异；

f）根据获得的缺陷关注度、缺陷面积和该缺陷面积的颜色差异，来得到缺陷评估值；

g）将得到的缺陷评估值和阈值进行比较，缺陷评估值大于或等于阈值的产品为一级不合格品，反之为二级不合格品。

其中所述缺陷关注度分为3级，其值分别为1、2和3。

其中在d)步骤中，将所采集的产品图像的表示方式由RGB空间表示转换成用Lab空间表示，该空间转换公式如下：

L=116*f(Y/Y_W)-16

a=500*(f(X/X_W)-f(Y/Y_W))

b=200*(f(Y/Y_W)-f(Z/Z_W))

其中，

$f\left(t\right)=\left\{\begin{array}{cc}{t}^{1/3},& t>{(24/116)}^3\\ (841/108)*t+16/116,& t{\≤(24/116)}^3\end{array}\right.$

$\left|\begin{array}{c}{X}_W\\ Y_W\\ Z_W\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}255\\ 255\\ 255\end{array}\right|$

$\left|\begin{array}{c}X\\ Y\\ Z\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}R\\ G\\ B\end{array}\right|$

L表示像素的亮度，取值范围是[0,100],表示从纯黑到纯白；

a表示从洋红色到绿色的范围，取值范围是[-86.1813，98.2352]；

b表示从黄色到蓝色的范围，取值范围是[-107.8617；94.4758]。

其中所述缺陷面积就是组成该缺陷面积的像素点的个数，所述缺陷平均颜色值的计算公式如下：

$L=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{L}_i,a=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{a}_i,b=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{b}_i,$

其中A是缺陷面积，

L表示缺陷平均颜色值中的亮度值，

a表示缺陷平均颜色值中的从洋红色至绿色的范围，

b表示缺陷平均颜色值中的从黄色至蓝色的范围，

L_i表示缺陷面积中的第i个像素点的亮度，

a_i表示缺陷面积中的第i个像素点的从洋红色至绿色的范围，

b_i表示缺陷面积中的第i个像素点的从黄色至蓝色的范围；

所述标准平均颜色值的计算公式如下：

$L_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{L}_{\mathrm{si}},a_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{a}_{\mathrm{si}},b_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{b}_{\mathrm{si}},$

其中A_s表示与缺陷面积相对应的标准图像上相应区域面积，

L_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的亮度值，

a_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从洋红色至绿色的范围，

b_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从黄色至蓝色的范围，

L_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的亮度，

a_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从洋红色至绿色的范围，

b_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从黄色至蓝色的范围。

其中在e)步骤中，所述缺陷面积的颜色差异的计算公式如下：

$\mathrm{\ΔE}=\sqrt{{(L-L_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中ΔE是缺陷面积的颜色差异。

其中在f)步骤中，所述缺陷评估值的计算公式如下：

EV=F*A*ΔE，其中EV是缺陷评估值，F是缺陷关注度，A是缺陷面积，ΔE是缺陷面积的颜色差异。

根据本发明的在印刷品检测系统中使用的缺陷检测方法，通过对不合格产品进行分类，按照缺陷的严重程度，分为一级不合格产品和二级不合格产品，一级不合格产品都是有严重缺陷的产品，二级不合格产品中包含轻微缺陷的产品和未检测到的产品，这就使得不需要人工对所有不合格产品进行二次核查，这大大提高了检测效率。

附图说明

图1是本发明的在印刷品检测系统中使用的缺陷检测方法的流程图。

图2是本发明的一个以烟盒产品图像为例对其划分成多个关注区域的示意图。

具体实施方式

图1是本发明的在印刷品检测系统中使用的缺陷检测方法的流程图。如图1所示，该缺陷检测方法包括：

1、将成型后的产品划分成多个关注区域，每个关注区域对应有一个缺陷关注度。

将成型后的产品按缺陷所在的位置划分成多个关注区域，每个关注区域对应有一个缺陷关注度。明显易看到的位置所划分成的关注区域，

其对应的缺陷关注度的值就越大。隐藏或折叠在里面不易看到的的位置所划分成的关注区域，其对应的缺陷关注度的值就越小。本发明在实践中，经过若干次实验和总结，将缺陷关注度分成3级，即缺陷关注度的值分别为1、2和3。

下面以烟盒产品为例进行详细介绍。图2是本发明的一个以烟盒产品图像为例对其划分成多个关注区域的示意图。如图2所示，将烟盒产品的图像分为5个关注区域，标号为1的关注区域是成型的烟盒产品的正面，标号为2的关注区域是所述烟盒产品的背面，标号为3的关注区域是所述烟盒产品的侧面，标号为4的关注区域是所述烟盒产品的隐藏在里面的区域，标号为5的关注区域是所述烟盒产品的粘合位置，是无法看到的位置。所述烟盒产品的关注区域1是比较显眼的位置，对该关注区域的检测要求最高；关注区域5是所述烟盒产品的看不到的位置，

对检测要求的精度最低。

上述每个关注区域对应有一个缺陷关注度。还以图2所示的烟盒产品图像为例，关注区域1和2所对应的缺陷关注度为3，关注区域3和4所对应的缺陷关注度为2，关注区域5所对应的缺陷关注度为1。该缺陷关注度越大，缺陷的评估值就越大，从而这个缺陷产品被判断为一级不合格品的机会就越大。

上述划分方法也适合于药盒、化妆品盒等。

2、采集产品图像。

一般来说，对于展开成平面的产品图像，只需要采集一幅图像即可。

3、将采集的产品图像与标准图像进行对比，找出颜色不同的像素点。

具体而言，通过摄像头采集的产品图像，每个图像是由大量的像素点组成。用采集的图像和标准图像（即模板图像）进行比较，找出颜色不同的像素点。一个颜色不同的像素点就是一个缺陷点。

4、基于找出的颜色不同的像素点，获得缺陷面积和缺陷平均颜色值以及与该缺陷面积相对应的标准图像上相应区域的标准平均颜色值。

通过找出的颜色不同的像素点的个数，就可以得出缺陷点个数的总和，继而得到缺陷面积。缺陷面积就是图像中的为缺陷点的像素点的个数总和。换句话说，缺陷面积的大小就是缺陷点个数的多少。

下面来具体说明如何获得缺陷平均颜色值。

对于像素的颜色的表示可以有不同的表示方法，比如RGB空间、Lab空间、HSV空间等。本发明所采集的产品图像是使用RGB空间表示的，每个像素点具有一组颜色值，通常是红色值、绿色值和蓝色值，需要先将其转换成用Lab空间表示。Lab空间是一个标准空间，表示人眼看到的所有颜色，其也应用在印刷行业。通过下面空间转换公式，将用R、G、B表示的颜色转换成使用L、a、b表示的颜色，从而能够更加接近于人眼对缺陷的判断，该Lab颜色空间中的L分量用于表示像素的亮度，表示从纯黑到纯白；a表示从洋红色到绿色的范围；b表示从黄色到蓝色的范围。本发明的空间转换公式如下：

L=116*f(Y/Y_W)-16

a=500*(f(X/X_W)-f(Y/Y_W))

b=200*(f(Y/Y_W)-f(Z/Z_W))

其中，

L=[0，100]

a=[-86.1813，98.2352]

b=[-107.8617，94.4758]

$f\left(t\right)=\left\{\begin{array}{cc}{t}^{1/3},& t>{(24/116)}^3\\ (841/108)*t+16/116,& t{\≤(24/116)}^3\end{array}\right.$

$\left|\begin{array}{c}{X}_W\\ Y_W\\ Z_W\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}255\\ 255\\ 255\end{array}\right|$

$\left|\begin{array}{c}X\\ Y\\ Z\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}R\\ G\\ B\end{array}\right|$

缺陷面积是由许多个像素点组成，每个像素点具有三个数值表示颜色，将其转换成用Lab空间表示后，这三个数值分别是L_i、a_i和b_i。用L、a和b表示缺陷的平均颜色值，即为缺陷平均颜色值，计算公式如下：

$L=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{L}_i,a=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{a}_i,b=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{b}_i,$

其中A是缺陷面积，也就是组成缺陷面积的像素点的个数，

L表示缺陷平均颜色值中的亮度值，

a表示缺陷平均颜色值中的从洋红色至绿色的范围，

b表示缺陷平均颜色值中的从黄色至蓝色的范围，

L_i表示缺陷面积中的第i个像素点的亮度，

a_i表示缺陷面积中的第i个像素点的从洋红色至绿色的范围，

b_i表示缺陷面积中的第i个像素点的从黄色至蓝色的范围。

L_s、a_s和b_s是与产品图像的缺陷区域相对应的标准图像上相应区域的标准平均颜色值，所述标准平均颜色值的计算公式如下：

$L_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{L}_{\mathrm{si}},a_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{a}_{\mathrm{si}},b_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{b}_{\mathrm{si}},$

其中A_s表示与缺陷面积相对应的标准图像上相应区域面积，

L_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的亮度值，

a_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从洋红色至绿色的范围，

b_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从黄色至蓝色的范围，

L_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的亮度，

a_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从洋红色至绿色的范围，

b_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从黄色至蓝色的范围。

5、根据获得的缺陷平均颜色值以及相对应的标准平均颜色值，得到所述缺陷面积的颜色差异。

通过获得的缺陷平均颜色值和标准平均颜色值，就能够得到缺陷面积的颜色差异ΔE， $\mathrm{\ΔE}=\sqrt{{(L-L_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2},$ 其中L、a和b以及L_s、a_s和b_s的定义与上述相同。颜色差异ΔE越大，缺陷越严重，具有该缺陷的产品被判为一级不合格品的概率就越高。反之，缺陷颜色ΔE差异越小，具有该缺陷的产品被判为二级不合格品的概率就越高。

6、根据获得的缺陷关注度、缺陷面积和该缺陷面积的颜色差异，来得到缺陷评估值。

具体而言，本发明用缺陷评估值表示缺陷的严重程度，该缺陷评估值EV=F*A*ΔE，

其中EV是缺陷评估值，F是缺陷关注度，A是缺陷面积，ΔE是缺陷面积的颜色差异。

将颜色差异ΔE的计算公式带入上式，得到：

$\mathrm{EV}=F*A*\sqrt{{(L-L_s)}^2+{(a-a_S)}^2+{(b-b_S)}^2}$

7、将得到的缺陷评估值和阈值进行比较，缺陷评估值大于或等于阈值的产品为一级不合格品，反之为二级不合格品。

当产品中只要有一个缺陷的评估值大于或等于设定的阈值时，该产品就被判为一级不合格品。否则，当产品中所有缺陷的缺陷评估值都小于设定的阈值时，该产品就被判为二级不合格品。

根据本发明的在印刷品检测系统中使用的缺陷检测方法，通过对不合格产品进行分类，而且二级不合格产品可以是未检测到的产品和轻微缺陷的产品，这就不需要人工对所有不合格产品进行二次核查，大大提高了检测效率。

Claims (6)

1.一种在印刷品检测系统中使用的缺陷检测方法，其包括：

a）将成型后的产品划分成多个关注区域，每个关注区域对应有一个缺陷关注度；

b）采集产品图像；

c）将采集的产品图像与标准图像进行对比，找出颜色不同的像素点；

d）基于找出的颜色不同的像素点，获得缺陷面积和缺陷平均颜色值以及与该缺陷面积相对应的标准图像上相应区域的标准平均颜色值；

e）根据获得的缺陷平均颜色值以及相对应的标准平均颜色值，得到所述缺陷面积的颜色差异；

f）根据获得的缺陷关注度、缺陷面积和该缺陷面积的颜色差异，来得到缺陷评估值；

g）将得到的缺陷评估值和阈值进行比较，缺陷评估值大于或等于阈值的产品为一级不合格品，反之为二级不合格品。

2.根据权利要求1所述的在印刷品检测系统中使用的缺陷检测方法，其中所述缺陷关注度分为3级，其值分别为1、2和3。

3.根据权利要求1所述的在印刷品检测系统中使用的缺陷检测方法，其中在d)步骤中，将所采集的产品图像的表示方式由RGB空间表示转换成用Lab空间表示，该空间转换公式如下：

L=116*f(Y/Y_W)-16

a=500*(f(X/X_W)-f(Y/Y_W))

b=200*(f(Y/Y_W)-f(Z/Z_W))

其中，

$f\left(t\right)=\left\{\begin{array}{cc}{t}^{1/3},& t>{(24/116)}^3\\ (841/108)*t+16/116,& t{\≤(24/116)}^3\end{array}\right.$

$\left|\begin{array}{c}{X}_W\\ Y_W\\ Z_W\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}255\\ 255\\ 255\end{array}\right|$

$\left|\begin{array}{c}X\\ Y\\ Z\end{array}\right|=\left|\begin{array}{ccc}0.412453& 0.357580& 0.180423\\ 0.212671& 0.715160& 0.072169\\ 0.019334& 0.119193& 0.950227\end{array}\right|*\left|\begin{array}{c}R\\ G\\ B\end{array}\right|$

L表示像素的亮度，取值范围是[0,100],表示从纯黑到纯白；

a表示从洋红色到绿色的范围，取值范围是[-86.1813，98.2352]；

b表示从黄色到蓝色的范围，取值范围是[-107.8617；94.4758]。

4.根据权利要求3所述的在印刷品检测系统中使用的缺陷检测方法，其中所述缺陷面积就是组成该缺陷面积的像素点的个数，所述缺陷平均颜色值的计算公式如下：

$L=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{L}_i,a=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{a}_i,b=\frac{1}{A}\underset{i}{\mathrm{\Σ}}{b}_i,$

其中A是缺陷面积，

L表示缺陷平均颜色值中的亮度值，

a表示缺陷平均颜色值中的从洋红色至绿色的范围，

b表示缺陷平均颜色值中的从黄色至蓝色的范围，

L_i表示缺陷面积中的第i个像素点的亮度，

a_i表示缺陷面积中的第i个像素点的从洋红色至绿色的范围，

b_i表示缺陷面积中的第i个像素点的从黄色至蓝色的范围；

所述标准平均颜色值的计算公式如下：

$L_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{L}_{\mathrm{si}},a_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{a}_{\mathrm{si}},b_s=\frac{1}{A_s}\underset{i}{\mathrm{\Σ}}{b}_{\mathrm{si}},$

其中A_s表示与缺陷面积相对应的标准图像上相应区域面积，

L_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的亮度值，

a_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从洋红色至绿色的范围，

b_s表示与缺陷面积相对应的标准图像上相应区域的标准平均颜色值中的从黄色至蓝色的范围，

L_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的亮度，

a_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从洋红色至绿色的范围，

b_si表示与缺陷面积相对应的标准图像上相应区域的第i个像素点的从黄色至蓝色的范围。

5.根据权利要求1所述的在印刷品检测系统中使用的缺陷检测方法，其中在e)步骤中，所述缺陷面积的颜色差异的计算公式如下：

$\mathrm{\ΔE}=\sqrt{{(L-L_s)}^2+{(a-a_s)}^2+{(b-b_s)}^2}$

其中ΔE是缺陷面积的颜色差异。

6.根据权利要求1所述的在印刷品检测系统中使用的缺陷检测方法，其中在f)步骤中，所述缺陷评估值的计算公式如下：

EV=F*A*ΔE，其中EV是缺陷评估值，F是缺陷关注度，A是缺陷面积，ΔE是缺陷面积的颜色差异。

Images