CN109085176A - 一种标签印刷质量检测及数据校验方法 - Google Patents

Abstract

本发明适用于视觉检测技术改进领域，提供了一种标签印刷质量检测及数据校验方法，所述标签印刷质量检测及数据校验方法包括以下步骤：S1、根据标签内容及其变化特征划分图形区域并赋予相应的权重；S2、对划分的图形区域进行识别与缺陷检测获取检测结果；S3、根据权重和图形区域的检测结果获取标签印刷质量检测及数据校验的结果。可有效避免具有较高重要性但相对尺寸却相对较小的图形区域被误杀的情况发生。

Description

一种标签印刷质量检测及数据校验方法

技术领域

本发明属于视觉检测技术改进领域，尤其涉及一种标签印刷质量检测及数据校验方法。

背景技术

印刷标签被广泛应用于产品标识，标签可记录产品关键信息，从而成为企业跟踪产品、质量监控和生产管理的有效载体，同时也可为普通消费者对产品进行核对的有效工具。当前大部分产品标签通过印刷机印刷而成，在现代快速的印刷生产过程中，受生产工艺、环境和设备等诸多不确定因素的影响，各种印刷缺陷与错误难以避免。不合格的标签随产品流入市场势必给生产厂家带来损失，也将给消费者带来麻烦，因此，印刷标签的质量检测也愈加为生产厂商重视，而基于机器视觉的自动化检测系统具有检测速度快、精度高等优点，可有效降低生产厂家的人力成本，目前已成为行业趋势。

目前基于机器视觉的标签印刷缺陷检测系统大多基于模板匹配的方法，该方法通过将待检测标签图像与标准标签图像进行相似度匹配，将相似度较小的标签判定为缺陷标签。基于模板匹配的检测方法是一种全局检测方法，容易受噪声影响，对于内容相对单一的标签检测效果尚可，但对于同时包含如logo类图形、说明性案例图形、条码类图形和字符类图形的具有复杂内容的标签，因此类标签中图形的内容的重要性与其尺寸大小是不完全具有相关性，而检测过程未针对性对不同类型的内容区域进行不同方法和权重的检测，常常导致误判率过高的结果。

发明内容

本发明的目的在于提供一种标签印刷质量检测及数据校验方法，旨在解决当前基于全局模板匹配的检测方法难以应对同时包含如logo类图形、说明性案例图形、条码类图形和字符类图形的具有复杂内容的标签检测需求的技术问题。

本发明是这样实现的，一种标签印刷质量检测及数据校验方法，所述标签印刷质量检测及数据校验方法包括以下步骤：

S1、根据标签内容及其变化特征划分图形区域并赋予相应的权重；

S2、对划分的图形区域进行识别与缺陷检测获取检测结果；

S3、根据权重和图形区域的检测结果获取标签印刷质量检测及数据校验的结果。

本发明的进一步技术方案是：所述步骤S1中划分的图形区域分别为条码类图形区域、字符类图形区域及标准类图形区域。

本发明的进一步技术方案是：所述步骤S2中分别对条码类图形区域、字符类图形区域及标准类图形区域进行识别和缺陷检测获取各个区域的结果。

本发明的进一步技术方案是：对条码类图形区域进行识别和缺陷检测获取各个区域的结果包括以下步骤：

S211、对条码类图像区域中的条码进行判断识别，若无法识别，则直接将本次检测结构置为NG并退出本次检测，若能识别，则执行下一步；

S212、将识别结果与预先导入的标签条码数据进行校验，如校验失败，则将本次检测结果置为NG并退出本次检测，如校验成功，则对条码进行缺陷检测并执行下一步；

S213、将缺陷检测结果与给定的权重综合成该条码类图像区域的结果。

本发明的进一步技术方案是：对字符类图形区域进行识别和缺陷检测获取各个区域的结果包括以下步骤：

S221、对字符类图像区域中的字符进行判断识别，若无法识别，则直接将本次检测结构置为NG并退出本次检测，若能识别，则执行下一步；

S222、将识别结果与预先导入的标签字符数据进行校验，如校验失败，则将本次检测结果置为NG并退出本次检测，如校验成功，则对字符进行缺陷检测并执行下一步；

S223、将缺陷检测结果与给定的权重综合成该条码类图像区域的结果。

本发明的进一步技术方案是：对标准类图形区域里的内容获取结果包括：

S231、根据内容的重要程度将此区域的内容再次细分并分配相应的权重；

S232、分别对各个子区域运用模板匹配的方法进行检测，并根据其权重得到此区域的综合的检测结果。

本发明的进一步技术方案是：所述步骤S211还包括以下步骤：

S2111、对条码类图像进行降噪预处理；

S2112、将降噪后的条码类图像灰度后进行自适应局部二值化处理。

本发明的进一步技术方案是：所述步骤S212中的通过对条码进行Blob分析并综合其对应位置的灰度值对进行综合判断获取条码缺陷检测结果。

本发明的进一步技术方案是：所述步骤S221还包括以下步骤：

S2211、对字符类图像进行降噪预处理；

S2212、将降噪后的字符类图像灰度后进行自适应局部二值化处理。

本发明的进一步技术方案是：所述步骤S222还包括以下步骤：

S2221、在字符识别的同时将获取每个字符对应的置信度；

S2222、将识别结果中置信度小于置信度阈值60%的判定为缺陷字符，置信度介于阈值60%~90%之间的字符与检测模板库中对应字符类的模板图像进行模板匹配，置信度大于阈值90%的直接认为合格字符来进行缺陷检测获取缺陷检测结果；

S2223、根据本次结果更新检测模板库中每一类字符模板信息。

本发明的有益效果是：检测过程中根据标签的内容及其变化特征将标签划分为条码类图形区域、字符类图形区域和标准类图形区域，可有效应对具有复杂内容的标签的质量检测；对标准类图形区域，根据内容重要程度进行细分检测，可有效避免具有较高重要性但相对尺寸却相对较小的图形区域被误杀的情况发生；分级式的字符缺陷检测方法，更为精确的对字符缺陷进行检测。

附图说明

图1是本发明实施例提供的标签印刷质量检测及数据校验方法的流程图。

具体实施方式

如图1所示，本发明提供的标签印刷质量检测及数据校验方法的流程图，其详述如下：

步骤S1，根据标签内容及其变化特征划分图形区域并赋予相应的权重；根据标签内容及其变化特征将标签划分为条码类图形区域、字符类图形区域和标准类图形区域，并分别赋予相应的权重。

步骤S2，对划分的图形区域进行识别与缺陷检测获取检测结果；分别对条码类图形区域、字符类图形区域及标准类图形区域进行识别和缺陷检测获取各个区域的结果；对于条码类图形区域，首先对其条码识别，若无法识别则直接将本次检测结果置为NG并退出本次检测；若能识别，则将对识别结果与预先导入的标签条码数据进行校验，校验失败则将本次检测结果置为NG并退出本次检测; 若校验成功，则对条码进行缺陷检测，缺陷检测的结果以给定的权重综合成最终该区域的结果；在条码累识别中，首先对图像进行预处理，降低噪声影响；然后将条码图像灰度化后进行自适应局部二值化，将该二值化后的图像用于条码识别；通过对条码进行Blob分析并综合其对应位置的灰度值对缺陷进行综合判断。

对于字符类图形区域，首先，同时对字符进行识别与缺陷检测，若无法识别，则直接将本次检测结果置为NG并退出本次检测；若能识别，则将对识别结果与预先导入的标签字符数据进行校验，校验识别失败则将本次检测结果置为NG并退出本次检测；缺陷检测的结果以给定的权重综合成该区域的结果；字符识别与缺陷检测中，首先对图像进行预处理，降低噪声影响；然后将字符图像灰度化后进行自适应局部二值化，将该二值化后的图像用于字符识别；字符识别的同时将获取每个字符对应的置信度；识别结果中置信度小于置信度阈值60%的将直接判断为缺陷字符；识别结果中置信度介于置信度阈值60%~90%之间的字符再次通过与检测模板库中对应字符类的模板图像进行模板匹配来进行缺陷检测；置信度大于阈值90%的直接认为合格字符来进行缺陷检测获取缺陷检测结果；检测模板库包含每一类字符的模板图像及其最佳置信度，在实际的检测过程中产生且不断更新，始终代表本批次检测过程中检测到的具有最佳置信度的字符图像。

对于标准类图形区域里面内容，根据内容的重要程度将此区域的内容再次细分并分配相应的权重，然后分别对各个子区域运用模板匹配的方法进行检测，并根据其权重得到此区域的综合的检测结果。

步骤S3，根据权重和图形区域的检测结果获取标签印刷质量检测及数据校验的结果。综合三类图像区域的检测结果做出本次判断，获取标签印刷质量检测及数据校验的结果。

检测过程中根据标签的内容及其变化特征将标签划分为条码类图形区域、字符类图形区域和标准类图形区域，可有效应对具有复杂内容的标签的质量检测。

对标准类图形区域，根据内容重要程度进行细分检测，可有效避免具有较高重要性但相对尺寸却相对较小的图形区域被误杀的情况发生。

分级式的字符缺陷检测方法，更为精确的对字符缺陷进行检测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种标签印刷质量检测及数据校验方法，其特征在于，所述标签印刷质量检测及数据校验方法包括以下步骤：

S1、根据标签内容及其变化特征划分图形区域并赋予相应的权重；

S2、对划分的图形区域进行识别与缺陷检测获取检测结果；

S3、根据权重和图形区域的检测结果获取标签印刷质量检测及数据校验的结果。

2.根据权利要求1所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S1中划分的图形区域分别为条码类图形区域、字符类图形区域及标准类图形区域。

3.根据权利要求2所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S2中分别对条码类图形区域、字符类图形区域及标准类图形区域进行识别和缺陷检测获取各个区域的结果。

4.根据权利要求3所述的标签印刷质量检测及数据校验方法，其特征在于，对条码类图形区域进行识别和缺陷检测获取各个区域的结果包括以下步骤：

S211、对条码类图像区域中的条码进行判断识别，若无法识别，则直接将本次检测结构置为NG并退出本次检测，若能识别，则执行下一步；

S212、将识别结果与预先导入的标签条码数据进行校验，如校验失败，则将本次检测结果置为NG并退出本次检测，如校验成功，则对条码进行缺陷检测并执行下一步；

S213、将缺陷检测结果与给定的权重综合成该条码类图像区域的结果。

5.根据权利要求3所述的标签印刷质量检测及数据校验方法，其特征在于，对字符类图形区域进行识别和缺陷检测获取各个区域的结果包括以下步骤：

S221、对字符类图像区域中的字符进行判断识别，若无法识别，则直接将本次检测结构置为NG并退出本次检测，若能识别，则执行下一步；

S222、将识别结果与预先导入的标签字符数据进行校验，如校验失败，则将本次检测结果置为NG并退出本次检测，如校验成功，则对字符进行缺陷检测并执行下一步；

S223、将缺陷检测结果与给定的权重综合成该条码类图像区域的结果。

6.根据权利要求3所述的标签印刷质量检测及数据校验方法，其特征在于，对标准类图形区域里的内容获取结果包括：

S231、根据内容的重要程度将此区域的内容再次细分并分配相应的权重；

S232、分别对各个子区域运用模板匹配的方法进行检测，并根据其权重得到此区域的综合的检测结果。

7.根据权利要求4所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S211还包括以下步骤：

S2111、对条码类图像进行降噪预处理；

S2112、将降噪后的条码类图像灰度后进行自适应局部二值化处理。

8.根据权利要求4所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S212中的通过对条码进行Blob分析并综合其对应位置的灰度值对进行综合判断获取条码缺陷检测结果。

9.根据权利要求5所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S221还包括以下步骤：

S2211、对字符类图像进行降噪预处理；

S2212、将降噪后的字符类图像灰度后进行自适应局部二值化处理。

10.根据权利要求5所述的标签印刷质量检测及数据校验方法，其特征在于，所述步骤S222还包括以下步骤：

S2221、在字符识别的同时将获取每个字符对应的置信度；

S2222、将识别结果中置信度小于置信度阈值60%的判定为缺陷字符，置信度介于阈值60%~90%之间的字符与检测模板库中对应字符类的模板图像进行模板匹配，置信度大于阈值90%的直接认为合格字符来进行缺陷检测获取缺陷检测结果；

S2223、根据本次结果更新检测模板库中每一类字符模板信息。