CN104015479B - 一种胶印机异常状态检测装置及检测方法 - Google Patents

Abstract

本发明一种胶印机异常状态检测装置，包括电子检测仪器和检测标识，电子检测仪器包括壳体，壳体底部设置有检测窗口，壳体内顶部设置有工业面阵相机，检测窗口与工业面阵相机同轴设置，壳体内还相对设置有LED光源和反射镜；检测标识包括“田”字形检测基准标识，“田”字形检测基准标识上均匀设置有第一色组套准标识、第二色组套准标识、第三色组套准标识和第四色组套准标识；检测方法为：使用检测标识制作检测印版；印刷检测印张；采集印有检测标识的检测印张图像；对图像进行处理及数据分析从而判断胶印机状态是否异常。本发明解决了现有胶印机异常状态检测过分依赖人工经验，检测精度低、自动化程度低的问题，提高了检测效率。

Description

一种胶印机异常状态检测装置及检测方法

技术领域

本发明属于印刷机设备调试与检测技术领域，本发明涉及一种胶印机异常状态检测装置，本发明还涉及胶印机异常状态的检测方法。

背景技术

新购胶印机、翻新胶印机以及使用中的胶印机都需要对胶印机的状态进行判定，特别是使用中胶印机的状态检测对于印品的质量控制有着重要的意义。对于现有的胶印机状态监测，最常用的信息来源是振动信息和印品图像信息。然而由于胶印机的复杂结构，部件之间相互影响使得测得的振动信号不够准确，只能针对单一部件的运行状态进行监测；现有的基于图像的状态监测方法主要基于单变量统计过程控制，对于印品的多变量信息无法全面考虑。

印品图像的套印信息是决定印品色彩质量的重要指标。对套印信息的检测可以分为在线检测和离线检测：在线检测主要利用色标检测光电传感器检测各色标斑点对光照的散射，但结构复杂，光照稳定性要求高，响应时间对检测精度影响大；离线检测方法多采用人眼通过放大镜连续观测套印十字套准线，对于大量的数据而言，其检测误差较大、自动化程度低。

长春市吉海测控技术有限责任公司生产了一套JH-RGS自动套色系统，应用工业相机拍摄色标点，并进行图像处理计算出各个色标点的相对位置偏差，实现印刷套准功能，但是胶印机采用叠印式套印标记，色标会出现多种交叉现象，因此，此系统并不适用于胶印机的套色检测。

西安理工大学孟璇的硕士学位论文“单张纸胶印机自动套准的研究”中提出应用模版匹配法和差影法进行套准检测，但是由于多色印刷叠印式套印标志套印模式的复杂性，容易引起模板匹配的误差，导致检测精度低的缺陷。

20世纪80年代，德国海德宝公司推出了CPC计算机控制系统，并随之衍生出CP2000系统，控制系统可以在控制台上用放大镜观察印张的套准标记线，确定个颜色的套准误差，但海德堡公司技术保密性强，无法实现广泛的应用，且并未对检测数据进行进一步的分析处理，无法完成胶印机状态的自动化检测。

日本太洋电机产业株式会社提出了DT-777C型号套色系统，可以在横向和纵向两个方向调机并实现PS预套准，但是需要整机引进，成本高，且适用于多色凹版印刷，无法满足胶印机的印刷需求。

发明内容

本发明的目的是提供一种胶印机异常状态检测装置，解决了现有胶印机异常状态检测过分依赖人工经验，检测精度低、自动化程度低的问题。

本发明的另一个目的是提供利用该装置检测胶印机异常状态的方法。

本发明所采用的技术方案是：一种胶印机异常状态检测装置，包括电子检测仪器和检测标识，电子检测仪器包括壳体，壳体底部设置有检测窗口，壳体内顶部设置有工业面阵相机，检测窗口与工业面阵相机同轴设置，壳体内还相对设置有LED光源和反射镜；检测标识包括“田”字形检测基准标识，“田”字形检测基准标识上均匀设置有第一色组套准标识、第二色组套准标识、第三色组套准标识和第四色组套准标识。

本发明的特点还在于，

工业面阵相机连接有数据传输线；LED光源连接有电源线。

第一色组套准标识为黑色套准标识、第二色组套准标识为青色套准标识、第三色组套准标识为品色套准标识、第四色组套准标识为黄色套准标识；第一色组套准标识、第二色组套准标识、第三色组套准标识和第四色组套准标识的大小均为3×2.5mm；“田”字形检测基准标识的大小为10×10mm。

本发明所采用的另一个技术方案是：利用上述装置检测胶印机异常状态的方法，包括以下步骤：

步骤1：制作检测印版

按照印刷色序将多个检测标识依次设置在相应印版上，检测基准标识的基准线在黑色印版上，得到检测印版；

步骤2：印刷检测印张

使用步骤1得到的检测印版连续印刷多张样张，得到印有检测标识的检测印张；

步骤3：采集图像

将步骤2得到的印有检测标识的检测印张置于电子检测仪器的检测窗口处，电子检测仪器对步骤2得到的印有检测标识的检测印张进行图像采集并传送到计算机中；

步骤4：图像处理及数据分析

采集步骤3传送到计算机中印有检测标识的检测印张图像的套印偏差数据，测量各色组套准标识与检测基准标识边框的横向及纵向距离，得到多变量套准偏差数据，将多变量套准偏差数据进行排列得到多变量套准偏差数据矩阵，然后进行多元统计分析，从而判断胶印机印刷状态是否异常。

本发明的特点还在于，

步骤1中多个检测标识均匀分布在印版的非图文区域。

步骤4中多元统计分析采用主元分析法，具体包括以下步骤：

步骤4.1：计算统计量阈值

首先根据胶印机在正常状态下印刷的连续印张建立数学模型，计算胶印机正常状态下的连续印张的统计量阈值Q′；

假设X∈R^m×n是生产稳定状况下的运行数据，由m个样本n个向量构成，首先对数据进行标准化得到矩阵，利用公式(1)求取矩阵的协方差阵R的特征向量p_i和特征值λ_i，根据公式(2)计算出谱分解系数t_i，将分解为式(3)的形式：

Rp_i＝λ_ip_i (1)

其中i＝1,2…n，为特征向量的转置；

然后选取累积方差贡献率CPV来确定主元数，将协方差矩阵R的特征值λ_i从大到小排列，根据式(4)计算前k个特征值所占的累积比例，根据下限值N确定主元数k；

由此得到主元模型式(5)并由式(6)计算得到新的主元Y:

Y＝XT_k (6)

y_i＝t_1ix₁+t_2ix₂+…+t_kix_k (7)

其中,E为残差矩阵，T_k为主元得分系数矩阵，i＝1,2…k，k<n；得到的新的主元Y相互独立，且数据维数由n维降低到k维，降低了数据的复杂程度；

平方预测误差统计量表征某个样本的测量值对于主元模型的偏离程度，主要刻画新主元没有包含的信息成分，设置信区间为α，通过式(8)计算统计量阈值Q′：

其中，λ_i是协方差矩阵R的第i个特征值，c_α是正态分布在置信区间α下的临界值；

步骤4.2：计算统计量值

为确保连续印张对胶印机状态的反应能力，对得到的多变量套准偏差数据矩阵进行分组，计算的特征向量并根据特征向量的选取对各组数据矩阵进行特征提取，通过式(9)计算印张的统计量值Q：

其中，P_k＝(p₁,p₂,…p_k)是前k个主元负载向量构成的特征向量矩阵，为P_k的转置矩阵，为的转置矩阵，I为单位矩阵；

步骤4.3：绘制多元统计量控制图并进行状态判断

根据步骤4.1得到的统计量阈值Q′和步骤4.2得到的统计量值Q，绘制多元统计量控制图，以统计量阈值Q′作为状态判断标准，判断胶印机状态是否异常，若统计量值Q大于统计量阈值Q′，则胶印机出现异常，并对异常状态及时报警。

本发明的有益效果是：本发明一种胶印机异常状态检测装置，利用电子检测仪器，通过检测标识获取多变量套准偏差数据，并通过计算和多元统计分析来判断胶印机是否异常，解决了现有胶印机异常状态检测过分依赖人工经验，检测精度低、自动化程度低的问题，在一定程度上可以替代人工检测，可在生产中同时进行检测，提高了检测效率。

附图说明

图1是本发明胶印机异常状态检测装置电子检测仪器的结构示意图；

图2是本发明胶印机异常状态检测装置检测标识的结构示意图；

图3是本发明胶印机异常状态检测方法的流程图；

图4是本发明胶印机异常状态检测方法的多元统计分析流程图；

图5是本发明胶印机异常状态检测装置检测标识在全开或双开幅面胶印机印版上的分布图；

图6是本发明一种胶印机异常状态检测装置检测标识在四开或小幅面胶印机印版上的分布图；

图7是本发明实施例绘制的多元统计量控制图。

图中，1.电子检测仪器，2.检测窗口，3.LED光源，4.电源线，5.检测标识，6.工业面阵相机，7.壳体，8.数据传输线，9.反射镜，10.检测基准标识，11.第一色组套准标识，12.第二色组套准标识，13.第三色组套准标识，14.第四色组套准标识。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种胶印机异常状态检测装置，如图1和图2所示，包括电子检测仪器1和检测标识5，如图1所示，电子检测仪器1包括壳体7，壳体7底部设置有检测窗口2，壳体7内顶部设置有工业面阵相机6，工业面阵相机6连接有数据传输线8，检测窗口2与工业面阵相机6同轴设置，壳体7内还相对设置有LED光源3和反射镜9，LED光源3连接有电源线4；如图2所示，检测标识5包括大小为10×10mm的“田”字形检测基准标识10，“田”字形检测基准标识10上均匀设置有大小均为3×2.5mm的第一色组套准标识11、第二色组套准标识12、第三色组套准标识13和第四色组套准标识14；第一色组套准标识11为黑色套准标识、第二色组套准标识12为青色套准标识、第三色组套准标识13为品色套准标识、第四色组套准标识14为黄色套准标识。

利用上述装置检测胶印机异常状态的方法，基于该胶印机异常状态检测装置，如图3所示，具体包括以下步骤：

步骤1：制作检测印版

按照印刷色序将多个检测标识5依次设置在相应印版上，多个检测标识5均匀分布在印版的非图文区域，检测基准标识10的基准线在黑色印版上，得到检测印版；

步骤2：印刷检测印张

使用步骤1得到的检测印版连续印刷100张样张，得到100张印有检测标识的检测印张；

步骤3：采集图像

将步骤2得到的100张印有检测标识的检测印张置于电子检测仪器1的检测窗口2处，电子检测仪器1的LED光源3发出光线，通过反射镜9反射到检测窗口2处的印有检测标识的检测印张上，利用工业面阵相机6采集步骤2得到的100张印有检测标识的检测印张的印品标识图像，然后通过数据传输线8将采集到的图像传送到计算机中；

步骤4：图像处理及数据分析

采集步骤3传送到计算机中的100张印有检测标识的检测印张图像的套印偏差数据，测量各色组套准标识与检测基准标识10边框的横向及纵向距离，得到多变量套准偏差数据，将多变量套准偏差数据进行排列得到多变量套准偏差数据矩阵，然后进行多元统计分析，从而判断胶印机印刷状态是否异常；其中，多元统计分析采用主元分析法，具体包括以下步骤：

步骤4.1：计算统计量阈值

首先根据胶印机在正常状态下印刷的连续印张建立数学模型，计算胶印机正常状态下的连续印张的统计量阈值Q′；

假设X∈R^m×n是生产稳定状况下的运行数据，由m个样本n个向量构成，首先对数据进行标准化得到矩阵，利用公式(1)求取矩阵的协方差阵R的特征向量p_i和特征值λ_i，根据公式(2)计算出谱分解系数t_i，将分解为式(3)的形式：

Rp_i＝λ_ip_i (1)

其中i＝1,2…n，为特征向量的转置；

然后选取累积方差贡献率CPV(cumulative percent variance)来确定主元数，将协方差矩阵R的特征值λ_i从大到小排列，根据式(4)计算前k个特征值所占的累积比例，根据下限值N(一般为85％)确定主元数k；

由此得到主元模型式(5)并由式(6)计算得到新的主元Y:

Y＝XT_k (6)

y_i＝t_1ix₁+t_2ix₂+…+t_kix_k (7)

其中,E为残差矩阵，T_k为主元得分系数矩阵,i＝1,2…k，k<n；得到的新的主元Y相互独立，且数据维数由n维降低到k维，降低了数据的复杂程度；

平方预测误差统计量表征某个样本的测量值对于主元模型的偏离程度，主要刻画新主元没有包含的信息成分，设置信区间为α，通过式(8)计算统计量阈值Q′：

其中，λ_i是协方差矩阵R的第i个特征值，c_α是正态分布在置信区间α下的临界值；

步骤4.2：计算统计量值

为确保连续印张对胶印机状态的反应能力，对得到的多变量套准偏差数据矩阵进行分组，计算的特征向量并根据特征向量的选取对各组数据矩阵进行特征提取，通过式(9)计算印张的统计量值Q：

其中，P_k＝(p₁,p₂,…p_k)是前k个主元负载向量构成的特征向量矩阵，为P_k的转置矩阵，为的转置矩阵，I为单位矩阵；

步骤4.3：绘制多元统计量控制图并进行状态判断

根据步骤4.1得到的统计量阈值Q′和步骤4.2得到的统计量值Q，绘制多元统计量控制图，如图4所示，以统计量阈值Q′作为状态判断标准，判断胶印机状态是否异常，若统计量值Q大于统计量阈值Q′，则胶印机出现异常，并对异常状态及时报警。

如图2所示，检测标识5主要用于检测胶印机各个色组套准标识之间的偏差数据，检测标识5中的第一色组套准标识11和检测基准标识10是胶印机套准状态检测中的第一步印刷内容，第二色组套准标识12、第三色组套准标识13和第四色组套准标识14是胶印机套准状态检测中的第二步印刷内容。

如图5所示，对于全开或双开幅面胶印机，检测标识5均匀分布于印版两端和中间的非图文区域，每一行的检测标识数量可根据需求设置3个；如图6所示，对于四开或小幅面胶印机，检测标识5均匀分布于印版2两端的非图文区域，每一行的检测标识数量同样可根据需求设置3个。

多元统计分析方法采用数据降维效果好的主元分析法，通过主元数的确定对套印的多变量套准偏差数据进行特征提取，获得特征变量，以完成对多变量套准偏差数据的降维处理。

实施例

实验机器为四开胶印机，参照图6在印版的非图文区域的两端各均匀设置3个检测标识5，安装印版并开机印刷，去除开机和停机产生的5～10张不稳定印张，连续采集100张印有检测标识5的检测印张。将印有检测标识5的检测印张置于检测窗口2，进行标识图像采集，并测量印有检测标识的检测印张图像的套印偏差数据，得到大小为100×6多变量套准偏差数据矩阵；

为保证连续印张反映胶印机运行状态，对多变量套准偏差数据矩阵进行分组，每组大小为5，共分为20组。对得到的20组数据矩阵进行特征提取，得到大小为20×5的特征数据矩阵，并计算检测印张的统计量值Q；根据胶印机正常运行状态下统计量阈值Q′＝14.5660，以及检测印张的统计量值绘制统计量控制图，结果如图7所示；

由图7可以看出，第17组样本数据超出了统计量阈值，根据点出界就判异的准则，判断第17组数据出现故障，则套印过程出现异常，即发出警报，要求对胶印机进行调节处理；

本发明可以应用于胶印机的装配、调试和印刷生产过程，有效的实现对于印刷机状态的监测，有效的发现胶印机套印过程中出现的故障，对异常状态的胶印机发出警报；同样可以应用于墨量、实地密度、蹭脏等胶印机异常状态的检测，实现胶印机状态的自动化控制，适用于胶印机在线和离线的状态监测，为胶印机的状态监测、维修和调节节省时间和生产成本。

Claims (3)

1.一种胶印机异常状态检测装置进行检测的方法，其特征在于，基于胶印机异常状态检测装置，包括电子检测仪器(1)和检测标识(5)，所述电子检测仪器(1)包括壳体(7)，所述壳体(7)底部设置有检测窗口(2)，所述壳体(7)内顶部设置有工业面阵相机(6)，所述检测窗口(2)与所述工业面阵相机(6)同轴设置，所述壳体(7)内还相对设置有LED光源(3)和反射镜(9)；所述检测标识(5)包括“田”字形检测基准标识(10)，所述“田”字形检测基准标识(10)上均匀设置有第一色组套准标识(11)、第二色组套准标识(12)、第三色组套准标识(13)和第四色组套准标识(14)，所述第一色组套准标识(11)为黑色套准标识、第二色组套准标识(12)为青色套准标识、第三色组套准标识(13)为品色套准标识、第四色组套准标识(14)为黄色套准标识；所述第一色组套准标识(11)、第二色组套准标识(12)、第三色组套准标识(13)和第四色组套准标识(14)的大小均为3×2.5mm；所述“田”字形检测基准标识(10)的大小为10×10mm，所述工业面阵相机(6)连接有数据传输线(8)；所述LED光源(3)连接有电源线(4)，包括以下步骤：

步骤1：制作检测印版

按照印刷色序将多个检测标识(5)依次设置在相应印版上，检测基准标识(10)的基准线在黑色印版上，得到检测印版；

步骤2：印刷检测印张

使用所述步骤1得到的检测印版连续印刷多张样张，得到印有检测标识的检测印张；

步骤3：采集图像

将所述步骤2得到的印有检测标识的检测印张置于电子检测仪器(1)的检测窗口(2)处，电子检测仪器(1)对所述步骤2得到的印有检测标识的检测印张进行图像采集并传送到计算机中；

步骤4：图像处理及数据分析

采集所述步骤3传送到计算机中印有检测标识的检测印张图像的套印偏差数据，测量各色组套准标识与检测基准标识(10)边框的横向及纵向距离，得到多变量套准偏差数据，将多变量套准偏差数据进行排列得到多变量套准偏差数据矩阵，然后进行多元统计分析，从而判断胶印机印刷状态是否异常。

2.如权利要求1所述的一种胶印机异常状态检测装置进行检测的方法，其特征在于，所述步骤1中多个检测标识(5)均匀分布在所述印版的非图文区域。

3.如权利要求1所述的一种胶印机异常状态检测装置进行检测的方法，其特征在于，所述步骤4中多元统计分析采用主元分析法，具体包括以下步骤：

步骤4.1：计算统计量阈值

首先根据胶印机在正常状态下印刷的连续印张建立数学模型，计算胶印机正常状态下的连续印张的统计量阈值Q′；

假设X∈R^m×n是生产稳定状况下的运行数据，由m个样本n个向量构成，首先对数据进行标准化得到矩阵利用公式(1)求取矩阵的协方差阵R的特征向量p_i和特征值λ_i，根据公式(2)计算出谱分解系数t_i，将分解为式(3)的形式：

Rp_i＝λ_ip_i (1)

$t_i=\stackrel{\&OverBar;}{X}{p}_i---\left(2\right)$

$\stackrel{\&OverBar;}{X}=t_1{p}_1^T+t_2{p}_2^T+...+t_n{p}_n^T---\left(3\right)$

其中i＝1,2…n，为特征向量的转置；

然后选取累积方差贡献率CPV来确定主元数，将协方差矩阵R的特征值λ_i从大到小排列，根据式(4)计算前k个特征值所占的累积比例，根据下限值N确定主元数k；

$\underset{i=1}{\overset{k}{\&Sigma;}}{\mathrm{\&lambda;}}_i/\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{\&lambda;}}_i\&GreaterEqual;N---\left(4\right)$

由此得到主元模型式(5)并由式(6)计算得到新的主元Y:

$\stackrel{\&OverBar;}{X}=t_1{p}_1^T+t_2{p}_2^T+...+t_k{p}_k^T+E---\left(5\right)$

Y＝XT_k (6)

y_i＝t_1ix₁+t_2ix₂+…+t_kix_k

(7)

其中,E为残差矩阵，T_k为主元得分系数矩阵，i＝1,2…k，k<n；得到的新的主元Y相互独立，且数据维数由n维降低到k维，降低了数据的复杂程度；

平方预测误差统计量表征某个样本的测量值对于主元模型的偏离程度，主要刻画新主元没有包含的信息成分，设置信区间为α，通过式(8)计算统计量阈值Q′：

$Q^{\&prime;}={\mathrm{\&theta;}}_1{\&lsqb;\frac{c_{\mathrm{\&alpha;}}\sqrt{2{\mathrm{\&theta;}}_2{h}_0^2}}{{\mathrm{\&theta;}}_1}+1+\frac{{\mathrm{\&theta;}}_2{h}_0(h_0-1)}{{\mathrm{\&theta;}}_1^2}\&rsqb;}^{1/h_0}---\left(8\right)$

其中，λ_i是协方差矩阵R的第i个特征值，c_α是正态分布在置信区间α下的临界值；

步骤4.2：计算统计量值

为确保连续印张对胶印机状态的反应能力，对得到的多变量套准偏差数据矩阵进行分组，计算的特征向量并根据特征向量的选取对各组数据矩阵进行特征提取，通过式(9)计算印张的统计量值Q：

$Q={\stackrel{\&OverBar;}{X}}_h(I-P_k{P}_k^T){\stackrel{\&OverBar;}{X}}_h^T---\left(9\right)$

其中，P_k＝(p₁,p₂,…p_k)是前k个主元负载向量构成的特征向量矩阵，为P_k的转置矩阵，为的转置矩阵，I为单位矩阵；

步骤4.3：绘制多元统计量控制图并进行状态判断

根据步骤4.1得到的统计量阈值Q′和步骤4.2得到的统计量值Q，绘制多元统计量控制图，以统计量阈值Q′作为状态判断标准，判断胶印机状态是否异常，若统计量值Q大于统计量阈值Q′，则胶印机出现异常，并对异常状态及时报警。