CN108267455B - 塑料薄膜印刷字符缺陷检测装置及方法 - Google Patents
塑料薄膜印刷字符缺陷检测装置及方法 Download PDFInfo
- Publication number
- CN108267455B CN108267455B CN201810189016.XA CN201810189016A CN108267455B CN 108267455 B CN108267455 B CN 108267455B CN 201810189016 A CN201810189016 A CN 201810189016A CN 108267455 B CN108267455 B CN 108267455B
- Authority
- CN
- China
- Prior art keywords
- module
- defect
- image
- detection
- compensation
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 131
- 239000002985 plastic film Substances 0.000 title claims abstract description 24
- 229920006255 plastic film Polymers 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000005286 illumination Methods 0.000 claims abstract description 17
- 230000005611 electricity Effects 0.000 claims abstract description 16
- 230000000750 progressive effect Effects 0.000 claims abstract description 8
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 239000003973 paint Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及塑料薄膜印刷字符缺陷检测装置及其方法,装置包括静电发生模块、传送模块、光照模块和采集模块;静电发生模块安装于传送模块;传送模块上设置有检测区域,检测区域上方安装光照模块和采集模块。本发明能够使塑料薄膜产品按照预定速度平整传送,通过调整光照亮度及角度,利用CCD面阵相机定时完整的采集图像数据,并采用递进补偿算法和双向差影法准确有效的确定印刷字符缺陷的有无及其类型,同时对缺陷信息进行自动报警和剔除操作。整个系统无需人员参与,实现了整个系统的智能性,可实现字符缺陷的自动检测、分类与剔除,避免人工参与成本高、速度慢、识别率低等问题,准确而高效的实现对印刷字符缺陷的检测。
Description
技术领域
本发明属于印刷缺陷检测领域,具体涉及一种塑料薄膜印刷字符缺陷检测装置及方法。
背景技术
在日常生活中,人们通过塑料薄膜上的字符了解产品信息,字符印刷质量的好坏直接影响到印刷产品信息传播的结果。但是在印刷过程中由于不确定因素的干扰,导致印刷字符会出现印刷不清、漏印、白点、褶皱、拖笔、断笔画等缺陷,造成产品字符信息的不完全,从而对人们了解产品信息造成影响,因此印刷产品的字符缺陷问题不容忽视。
早期传统缺陷检测方法依靠人工检测,但人工检测方法成本高、速度慢、识别率低,难以满足包装产品批量化生产的要求。现今通常的机器视觉检测方法对印刷字符缺陷检测的精度和速度虽有所提高,但字符信息窄小且检测难度大,现有技术往往无法达到高质量的生产要求,难以实现印刷字符缺陷的快速准确检测。
发明内容
本发明的目的是提供一种能够自主检测、自动报警和剔除的塑料薄膜印刷字符缺陷检测装置及方法。
本发明所采用的技术方案为:
塑料薄膜印刷字符缺陷检测装置,其特征在于:
包括静电发生模块、传送模块、光照模块和采集模块;
静电发生模块安装于传送模块;传送模块上设置有检测区域,检测区域上方安装光照模块和采集模块。
传送模块包括传送装置及其电机驱动,传送装置上安装有编码器,编码器和电机驱动接入单片机。
静电发生模块包括静电发生器和静电涂料,静电发生器安装于传送装置,静电涂料涂覆于传送装置表面。
光照模块包括两块亮度及角度均可调的LED面光源。
采集模块包括计数器和CCD面阵相机。
塑料薄膜印刷字符缺陷检测方法,其特征在于:
基于静电发生模块、传送模块、光照模块、采集模块、缺陷辨识模块和响应模块构建塑料薄膜印刷字符缺陷检测系统;
静电发生模块用于对传送模块施加静电粒子,使待检测塑料薄膜产品在静电作用下平整吸附于装置表面;
传送模块用于使产品按预定速度传送至检测区域;
光照模块用于对产品表面进行均匀照射以提高成像质量;
采集模块用于图像数据的完整采集与传输;
缺陷辨识模块用于处理图像数据并将缺陷信息传递给响应模块;
响应模块用于实现缺陷信息的自主报警和剔除工作。
传送模块包括传送装置、编码器、电机驱动和单片机;
传送模块通过传送装置将产品传送至检测区域,单片机通过编码器获取当前传送速度,进而调节电机驱动的电压高低,从而实现传送装置的速度控制。
采集模块包括计数器和CCD面阵相机,采集模块根据相机摆放位置计算检测区域长度,利用编码器获取传送速度,从而计算出拍照间隔时间,触发CCD面阵相机拍照,同时利用计数器对拍摄次数进行计数,三者相互配合实现图像数据的完整采集,并将图像数据传送至缺陷辨识模块。
缺陷辨识模块包括图像预处理、变形补偿、缺陷检测和缺陷分类四部分图像处理算法;
缺陷辨识模块先对图像进行滤波、分割的预处理操作,采用递进补偿算法对字符图像进行变形补偿,然后通过双向差影法实现字符缺陷的检测,当检测结果为存在字符缺陷时,则对缺陷类型进行识别与分类,最后将缺陷信号传送至响应模块。
响应模块包括报警子模块和剔除子模块;
报警子模块用于接收缺陷信号并发出警报,随后将缺陷位置传送至剔除子模块;
剔除子模块用于通过剔废电磁阀对缺陷位置进行剔除。
本发明具有以下优点:
本发明提供了一种塑料薄膜印刷字符缺陷检测装置,该装置能够使塑料薄膜产品按照预定速度平整传送,通过调整光照亮度及角度,利用CCD面阵相机定时完整的采集图像数据,并采用递进补偿算法和双向差影法准确有效的确定印刷字符缺陷的有无及其类型,同时对缺陷信息进行自动报警和剔除操作。整个系统无需人员参与,实现了整个系统的智能性,可实现字符缺陷的自动检测、分类与剔除,避免人工参与成本高、速度慢、识别率低等问题,准确而高效的实现对印刷字符缺陷的检测。
附图说明
图1为本发明的关系结构框图;
图2为本发明的检测装置立体结构图;
图3为传送模块流程图
图4为采集模块流程图;
图5为缺陷辨识模块流程图;
图6为响应模块流程图。
具体实施方式
下面结合具体实施方式对本发明进行详细的说明。
本发明涉及一种塑料薄膜印刷字符缺陷检测装置及方法,装置包括静电发生模块、传送模块、光照模块和采集模块。
静电发生模块作用于传送模块上,用于使传送模块中的传送装置表面持续存在静电吸附力,完成待检测薄膜产品的平整传送;传送模块完成产品的固定与传输;光照模块作用于被检测对象上,用于使检测区域内的产品表面存在均匀光照;采集模块完成图像数据的完整获取并传输。
所述静电发生模块,包括静电涂料和静电发生器,用于对传送装置表面施加静电粒子,使待检测塑料薄膜产品在静电作用下平整吸附于装置表面。所述静电涂料附着于传送装置表面,所述静电发生器向涂料表面持续释放静电粒子使其带有静电吸附力,二者相互作用使待检测塑料薄膜产品平整舒展的吸附于传送装置上,以防止产生机械形变。
所述传送模块,包括传送装置、编码器、电机驱动和单片机,用于使产品按照预定速度传送至检测区域。单片机通过编码器获取当前传送速度,进而调节PWM波控制电机驱动的电压高低,从而实现传送装置的速度控制。
所述光照模块,包括两块亮度及角度均可调的LED面光源,用于分别从左右两侧对产品表面进行均匀照射以提高成像质量。所述光照模块以距离产品表面hcm(50cm≤h≤100cm)的距离分别从左右两侧以倾斜角度为θ(20°≤θ≤70°)的照明方式对检测区域进行照射,并根据相机摆放位置调整光源亮度和角度,以获得表面光照均匀的待检测塑料薄膜产品。
所述采集模块,包括计数器和CCD面阵相机,与传送模块中的编码器配合工作,用于通过CCD面阵相机定时完整的采集待检测塑料薄膜产品的图像信息,并将图像数据传送至缺陷辨识模块。采集模块根据相机摆放位置计算检测区域长度,利用编码器获取传送速度,从而计算出拍照间隔时间,触发CCD面阵相机拍照,同时利用计数器对拍摄次数进行计数,三者相互配合实现图像数据的完整采集,并将图像数据传送至缺陷辨识模块。
基于上述装置和缺陷辨识模块以及响应模块构建出塑料薄膜印刷字符缺陷检测系统,其中,缺陷辨识模块完成图像处理操作,并将缺陷信号传送至响应模块,响应模块完成对缺陷信号的响应工作,并对缺陷产品进行剔除操作。
所述缺陷辨识模块,包括图像预处理、变形补偿、缺陷检测和缺陷分类四部分图像处理算法,用于通过递进补偿算法及双向差影法等图像处理技术提取出所述图像数据的缺陷信息,并传递给响应模块。所述缺陷辨识模块先对图像进行滤波、分割等预处理操作,采用递进补偿算法对字符图像进行变形补偿,然后通过双向差影法实现字符缺陷的检测,当检测结果为存在字符缺陷时,则对缺陷类型进行识别与分类,最后将缺陷信号传送至响应模块。
所述响应模块,包括报警子模块和剔除子模块,用于对缺陷信息进行响应,实现对字符缺陷的自主报警和剔除工作。所述报警子模块用于接收缺陷信号并发出警报,随后将缺陷位置传送至剔除子模块;所述剔除子模块用于通过剔废电磁阀对缺陷位置进行剔除。
参见图3,本发明的传送模块流程图。单片机通过编码器获取到传送装置的当前速度Vn,与预定速度V进行比较,若Vn>V,说明当前速度较快,调节PWM波控制电机驱动的电压降低;若Vn<V,说明当前速度较慢,调节PWM波控制电机驱动的电压升高;直至当前速度与预定速度一致即实现了传送装置的速度控制。
参见图4,本发明的采集模块流程图。当检测区域有被测塑料薄膜产品进入时,采集模块接收到控制信号,立即按照计算好的时间间隔触发CCD面阵相机进行拍照,同时启动计数器对拍照次数进行计数,并将获取的图像数据传送至缺陷辨识模块进行图像处理操作。
参见图5,本发明的缺陷辨识模块流程图。当接收到图像数据后,所述缺陷辨识模块将对图像进行预处理、变形补偿、缺陷检测与缺陷分类四部分图像处理操作。具体如下:
(1)预处理
在图像处理中,采集到的图像往往不能满足直接进行分析处理的要求,有必要对图像进行预处理操作。所述缺陷辨识模块先对图像进行了灰度变换,通过提取每个像素点的RGB分量计算出每点的加权灰度值,将彩色图像转变成为灰度图像;再通过中值滤波法消除图像中的噪声干扰;最后为提高校正精度,对图像进行了多次分割,初次分割确定字符区域,二次分割对字符区域进行均分以便于对细小字符进行准确检测。
(2)变形补偿——递进补偿算法
由于印刷品中的字符信息所占面积小、边缘复杂,虽然传送过程尽可能保持产品平整平稳,但仍因传送抖动等原因不可避免的会产生畸变,使得待检测图像与标准图像在空间上无法实现完全对准,易造成字符信息的漏检误检,故有必要对待测图像进行变形补偿。
所述缺陷辨识模块采用一种递进补偿算法实现图像的变形补偿,具体步骤如下:①先在待检测图像上均匀的选取四个特征点利用仿射变换建立变换矩阵对其进行初次补偿;②通过对初次补偿后缺陷图像中疑似误检情况的判断确定畸变较大区域;③将距畸变较大区域最近的特征点向该区域移动,并以移动后的位置为新特征点位置重新建立变换矩阵,对待检测图像进行二次补偿;④将两次补偿后的缺陷图像进行对比,若对比结果在误差范围以内,则说明误检消除,特征点选取最佳,该次补偿效果最好,输出该次补偿后的待检测图像即可;⑤若对比结果在误差范围外,则重复步骤②③④直至输出最佳补偿后待检测图像为止。
(3)缺陷提取——双向差分法
变形补偿后,可将补偿后的待检测图像与标准图像进行差分比较,找出待检测图像与标准图像之间的不一致之处,从而判定待检测图像是否合格。但传统单向差分的结果会造成缺陷图像中只存在明缺陷或者暗缺陷,无法同时将所有缺陷提取出来。
故所述缺陷辨识模块采用双向差分法同时提取出明暗两种缺陷信息,具体步骤如下:先对补偿后待检测图像与标准图像分别进行正负差操作,再将两者相加得到最终结果。用g(x,y)表示待检测图像,h(x,y)表示标准图像,m(x,y)表示正差结果,n(x,y)表示负差结果,则双向差分结果p(x,y)可表示如下:
m(x,y)=h(x,y)-g(x,y) (1)
n(x,y)=g(x,y)-h(x,y) (2)
p(x,y)=m(x,y)+n(x,y) (3)
(4)缺陷分类——支持向量机(SVM)
当检测到字符图像存在缺陷时,需要对缺陷信息进行特征提取,并根据提取出的特征量对缺陷进行分类。其中特征量包括:长宽比、面积、圆形度、缺陷在原始图像中的灰度均值等。
特征量1:长宽比计算
I=L/W (4)
其中,I表示字符图像中缺陷区域的长宽比;L表示缺陷区域最小外接矩形的长度;W表示缺陷区域最小外接矩形的宽度。
特征量2:面积计算
S=∑{f(x,y)=0|x,y∈A} (5)
其中,S表示字符图像中缺陷区域的面积,即在缺陷区域A中对所有灰度值为0的点进行求和计算;f(x,y)表示缺陷区域中点(x,y)处的灰度值。
特征量3:圆形度
C=4πS/P2 (6)
其中,C表示缺陷区域的圆形度;S表示缺陷面积;P表示缺陷区域的周长。
特征量4:缺陷在原始图像中的灰度平均值计算
其中,表示缺陷在原始图像中的灰度平均值;A表示缺陷区域;S表示缺陷区域的像素点个数,即缺陷区域的面积;g(x,y)表示缺陷在原始图像中(x,y)处的灰度值。
提取出以上特征量后,所述缺陷辨识模块利用SVM对缺陷进行分类,具体步骤如下:①将已知缺陷的特征量及其类型作为训练样本输入SVM中;②选用合适的核函数对分类函数进行训练,得到最佳分类核函数参数;③用训练好的分类函数对已知缺陷信息进行测试,若分类准确率达到要求,则可用该分类函数实现字符缺陷信息的分类;④若准确率未达到要求,则重复步骤②③直至准确实现缺陷分类。
参见图6,本发明的响应模块流程图。当接收到缺陷信息后,所述报警子模块用于接收缺陷信号并发出警报,随后将缺陷位置传送至剔除子模块;所述剔除子模块用于通过剔废电磁阀对缺陷位置进行剔除。
上述发明经各个模块之间的相互配合,整个系统无需人员参与,实现了整个系统的智能性,可实现字符缺陷的自动检测、分类与剔除,避免人工参与成本高、速度慢、识别率低等问题,最终准确而高效的实现对印刷字符缺陷的检测。
本发明的内容不限于实施例所列举,本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换,均为本发明的权利要求所涵盖。
Claims (2)
1.塑料薄膜印刷字符缺陷检测方法,其特征在于:
基于静电发生模块、传送模块、光照模块、采集模块、缺陷辨识模块和响应模块构建塑料薄膜印刷字符缺陷检测系统;
静电发生模块用于对传送模块施加静电粒子,使待检测塑料薄膜产品在静电作用下平整吸附于装置表面;
传送模块用于使产品按预定速度传送至检测区域;
光照模块用于对产品表面进行均匀照射以提高成像质量;
采集模块用于图像数据的完整采集与传输;
缺陷辨识模块用于处理图像数据并将缺陷信息传递给响应模块;
响应模块用于实现缺陷信息的自主报警和剔除工作;
传送模块包括传送装置、编码器、电机驱动和单片机;
传送模块通过传送装置将产品传送至检测区域,单片机通过编码器获取当前传送速度,进而调节电机驱动的电压高低,从而实现传送装置的速度控制;
采集模块包括计数器和CCD面阵相机,采集模块根据相机摆放位置计算检测区域长度,利用编码器获取传送速度,从而计算出拍照间隔时间,触发CCD面阵相机拍照,同时利用计数器对拍摄次数进行计数,三者相互配合实现图像数据的完整采集,并将图像数据传送至缺陷辨识模块;
缺陷辨识模块包括图像预处理、变形补偿、缺陷检测和缺陷分类四部分图像处理算法;
缺陷辨识模块先对图像进行滤波、分割的预处理操作,采用递进补偿算法对字符图像进行变形补偿,然后通过双向差影法实现字符缺陷的检测,当检测结果为存在字符缺陷时,则对缺陷类型进行识别与分类,最后将缺陷信号传送至响应模块;
所述递进补偿算法实现图像的变形补偿,具体步骤如下:①先在待检测图像上均匀的选取四个特征点利用仿射变换建立变换矩阵对其进行初次补偿;②通过对初次补偿后缺陷图像中疑似误检情况的判断确定畸变较大区域;③将距畸变较大区域最近的特征点向该区域移动,并以移动后的位置为新特征点位置重新建立变换矩阵,对待检测图像进行二次补偿;④将两次补偿后的缺陷图像进行对比,若对比结果在误差范围以内,则说明误检消除,特征点选取最佳,该次补偿效果最好,输出该次补偿后的待检测图像即可;⑤若对比结果在误差范围外,则重复步骤②③④直至输出最佳补偿后待检测图像为止。
2.根据权利要求1所述的塑料薄膜印刷字符缺陷检测方法,其特征在于:
响应模块包括报警子模块和剔除子模块;
报警子模块用于接收缺陷信号并发出警报,随后将缺陷位置传送至剔除子模块;
剔除子模块用于通过剔废电磁阀对缺陷位置进行剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810189016.XA CN108267455B (zh) | 2018-03-08 | 2018-03-08 | 塑料薄膜印刷字符缺陷检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810189016.XA CN108267455B (zh) | 2018-03-08 | 2018-03-08 | 塑料薄膜印刷字符缺陷检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108267455A CN108267455A (zh) | 2018-07-10 |
CN108267455B true CN108267455B (zh) | 2023-11-28 |
Family
ID=62774743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810189016.XA Active CN108267455B (zh) | 2018-03-08 | 2018-03-08 | 塑料薄膜印刷字符缺陷检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108267455B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110856847A (zh) * | 2018-08-24 | 2020-03-03 | 东莞中科蓝海智能视觉科技有限公司 | 一种基于智能视觉的电容字符检测方法及装置 |
CN109507209A (zh) * | 2019-01-22 | 2019-03-22 | 中科院金华信息技术有限公司 | 一种薄膜印刷缺陷检测系统及方法 |
WO2020179742A1 (ja) | 2019-03-04 | 2020-09-10 | 富士フイルム株式会社 | 検査方法、プログラム、検査装置、及び印刷装置 |
CN110596118A (zh) * | 2019-08-19 | 2019-12-20 | 兰考裕富精密科技有限公司 | 印刷图案检测方法及印刷图案检测装置 |
CN111006949B (zh) * | 2019-12-12 | 2020-11-17 | 河海大学 | 缺陷土工膜的缺陷定量表征与顶破强度预测方法 |
CN112557412A (zh) * | 2020-12-25 | 2021-03-26 | 无锡歌迪亚自动化科技有限公司 | 一种自动喷码印刷缺陷检测系统以及检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000343629A (ja) * | 1999-06-02 | 2000-12-12 | Moriya Sangyo Kk | 包装用容器の製造方法とその装置 |
CN104361590A (zh) * | 2014-11-12 | 2015-02-18 | 河海大学 | 一种控制点自适应分布的高分辨率遥感影像配准方法 |
CN105096317A (zh) * | 2015-07-03 | 2015-11-25 | 吴晓军 | 一种复杂背景中的高性能相机全自动标定方法 |
JP2017015564A (ja) * | 2015-07-01 | 2017-01-19 | 日立化成株式会社 | 薄膜フィルム用検査装置 |
CN206114546U (zh) * | 2016-09-19 | 2017-04-19 | 南京航空航天大学 | 一种印刷缺陷视觉检测系统 |
-
2018
- 2018-03-08 CN CN201810189016.XA patent/CN108267455B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000343629A (ja) * | 1999-06-02 | 2000-12-12 | Moriya Sangyo Kk | 包装用容器の製造方法とその装置 |
CN104361590A (zh) * | 2014-11-12 | 2015-02-18 | 河海大学 | 一种控制点自适应分布的高分辨率遥感影像配准方法 |
JP2017015564A (ja) * | 2015-07-01 | 2017-01-19 | 日立化成株式会社 | 薄膜フィルム用検査装置 |
CN105096317A (zh) * | 2015-07-03 | 2015-11-25 | 吴晓军 | 一种复杂背景中的高性能相机全自动标定方法 |
CN206114546U (zh) * | 2016-09-19 | 2017-04-19 | 南京航空航天大学 | 一种印刷缺陷视觉检测系统 |
Non-Patent Citations (2)
Title |
---|
印刷图像在线检测的算法研究与系统实现;尚会超;中国博士学位论文全文数据库 工程科技Ⅰ辑(第3期);全文 * |
基于机器视觉的印刷品缺陷检测系统研究;陈亚军;中国优秀硕士学位论文全文数据库信息科技辑(第2期);第5-15、40页,图2-1,2-3,2-5,2-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN108267455A (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108267455B (zh) | 塑料薄膜印刷字符缺陷检测装置及方法 | |
CN109550712B (zh) | 一种化纤丝尾丝外观缺陷检测系统及方法 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
TWI499669B (zh) | 微生物檢測方法、微生物檢測裝置及程式 | |
CN106682603B (zh) | 一种基于多源信息融合的实时驾驶员疲劳预警系统 | |
CN109454006A (zh) | 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法 | |
CN107944504B (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
CN109584239B (zh) | 一种基于反射光的高光物体表面缺陷检测系统及方法 | |
CN109255787A (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN114119526A (zh) | 一种基于机器视觉的钢板表面缺陷检测与识别系统及方法 | |
CN111242896A (zh) | 一种彩色印刷标签缺陷检测与质量评级方法 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN111062938B (zh) | 基于机器学习的板材涨塞检测系统和检测方法 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN111667475B (zh) | 一种基于机器视觉的大枣分级检测方法 | |
CN113205099B (zh) | 一种镀镍金属表面去料字符视觉检测系统及方法 | |
CN111487192A (zh) | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 | |
CN106709529A (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN111060518A (zh) | 一种基于实例分割的冲压件缺陷识别方法 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN114998205A (zh) | 基于光学手段的液体灌装过程瓶中异物检测方法 | |
CN107545565B (zh) | 一种太阳能网版检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |