CN109374628A - 凹印版辊表面缺陷智能检测的缺陷确认方法 - Google Patents

凹印版辊表面缺陷智能检测的缺陷确认方法 Download PDF

Info

Publication number
CN109374628A
CN109374628A CN201811012380.5A CN201811012380A CN109374628A CN 109374628 A CN109374628 A CN 109374628A CN 201811012380 A CN201811012380 A CN 201811012380A CN 109374628 A CN109374628 A CN 109374628A
Authority
CN
China
Prior art keywords
suspected defects
those suspected
defect
abscissa
gravure printing
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
Application number
CN201811012380.5A
Other languages
English (en)
Inventor
虞朝阳
庞也驰
赵鹏飞
叶壮志
鲁国成
穆明
梁革伟
来燕
李志杰
芮洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Printing Science And Technology Research Institute Co Ltd
Original Assignee
China Printing Science And Technology Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Printing Science And Technology Research Institute Co Ltd filed Critical China Printing Science And Technology Research Institute Co Ltd
Priority to CN201811012380.5A priority Critical patent/CN109374628A/zh
Publication of CN109374628A publication Critical patent/CN109374628A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/84—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

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Inking, Control Or Cleaning Of Printing Machines (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Manufacture Or Reproduction Of Printing Formes (AREA)

Abstract

本发明提供一种凹印版辊表面缺陷智能检测的缺陷确认方法，包括如下步骤：A、版辊表面扫描图像：得到疑似缺陷的扫描数据；B、判断该疑似缺陷的灰度值是否小于一个灰度极限值X，若为真，则进行下一步判断；若为假，则将该疑似缺陷确认为非缺陷；C、判断该疑似缺陷的面积是否大于一个面积极限值S，若为真，则进行下一步判断，若为假，则将该疑似缺陷确认为非缺陷；D、判断该疑似缺陷的周长是否大于一个周长极限值C，若为真，则将该疑似缺陷确认为真实缺陷，若为假，则将该疑似缺陷确认为非缺陷。本发明通过简单的办法，解决了现有技术中长期未能得到解决的技术问题，使得版辊检测能够实现自动化，提高了工作效率，降低了劳动强度。

Description

凹印版辊表面缺陷智能检测的缺陷确认方法
技术领域
本发明涉及一种凹印版辊表面缺陷智能检测方法，特别涉及其中的缺陷确认方法。
背景技术
在凹印版辊制版过程中，需要多次检查版辊表面是否存在瑕疵，如砂眼、气泡、划痕等。发现瑕疵后需要进行二次修复，确保版辊表面清洁光滑，否则影响制版质量。
目前检查上述缺陷，主要依靠人工目测检测，即在光照下，工人用带手套的手擦拭版辊表面，一小块一小块地擦拭，目光在擦拭区域内寻找瑕疵，若发现缺陷，则用记号笔在缺陷旁边做上标记。一般检查一根1200mm长、直径300-400mm的版辊，用时5分钟，一个班有几十到上百根版辊需要检查，劳动强度是非常大的，对工人的视力有一定伤害。
此外，现有人工检测方法受人的因素影响，遗漏的缺陷在所难免，对制版质量和成本造成很大不利影响。激光雕刻版辊时，经常发生雕刻头损毁的现象，给企业造成不必要的经济损失和返工带来的时间损失。
而若要采用智能设备替代人工，对凹印版辊的表面缺陷进行检测，则由于智能设备的智能化有限，会将众多疑似缺陷标记为真实缺陷，导致其结果不可信，无法应用推广。
发明内容
本发明提供一种凹印版辊表面缺陷智能检测的缺陷确认方法，目的是对众多疑似缺陷进行确认，使检测结果真实可靠。
为实现上述目的，本发明采用的技术方案是：
一种凹印版辊表面缺陷智能检测的缺陷确认方法，其特征是包括如下步骤：
A、版辊表面扫描图像：得到疑似缺陷的扫描数据，对疑似缺陷进行下述步骤B、步骤C、步骤D的判断；
B、通过灰度值判断疑似缺陷：设定一个灰度极限值X，且20≤X≤200，判断该疑似缺陷的灰度值≤X是否为真；
C、通过面积判断疑似缺陷：设定一个面积极限值S，且1≤S≤5像素2，判断该疑似缺陷的面积≥X是否为真；
D、通过周长判断疑似缺陷：设定一个周长极限值C，且10≤C≤60像素，判断该疑似缺陷的周长≥C是否为真；
若步骤B、步骤C、步骤D中任意一个步骤判断的结果为假，则将该疑似缺陷归类为非缺陷；若步骤B、步骤C以及步骤D的判断结果均为真，则将该疑似缺陷归类为真实缺陷。
所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其中，在步骤A中，采用下述非缺陷排除方法：
(1)对版辊的待检测表面进行擦拭，然后对该待检测表面进行第一次扫描，将扫描图像上的瑕疵部分视为疑似缺陷，并记录该疑似缺陷上的某特征点的原横坐标与原纵坐标；
(2)再次对版辊的待检测表面进行擦拭，然后对该待检测表面进行第二次扫描，并再次采集待检测表面上的该疑似缺陷上的特征点的新横坐标与新纵坐标；
(3)用新横坐标减去原横坐标并取绝对值，得到横坐标位移；用新纵坐标减去原纵坐标并取绝对值，得到纵坐标位移；
(4)设定横坐标位移的第一阈值，并设定纵坐标位置的第二阈值；
(5)若该疑似缺陷的横坐标位移大于或等于第一阈值，或者该疑似缺陷的纵坐标位移大于或等于第二阈值，则将该疑似缺陷标记为非缺陷；若该疑似缺陷的横坐标位移小于第一阈值，并且该疑似缺陷的纵坐标位移小于第二阈值，则将该疑似缺陷转至步骤B进行下一步判断。
所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其中：所述特征点是疑似缺陷中最靠左、右、上或下的点，或者是几何中心点。
所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其中：所述横坐标的方向是沿版辊的长度方向，所述纵坐标的方向垂直于版辊的长度方向。
所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其中：所述第一阈值选取在1-10像素之间；所述第二阈值选取在1-100像素之间。
所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其中：所述步骤B、步骤C以及步骤D的次序任意排列。
本发明通过简单的办法，解决了现有技术中长期未能得到解决的技术问题，使得版辊检测能够实现自动化，提高了工作效率，降低了劳动强度。
附图说明
图1是本发明提供的凹印版辊表面缺陷智能检测的缺陷确认方法的逻辑框图。
图2是本发明提供的凹印版辊表面缺陷智能检测装置的结构示意图。
附图标记说明：版辊承载模块1；擦拭模块2；擦拭辊21；缺陷检测模块3；线阵相机31；定焦镜头32；线性光源33；打码标记模块4；记号笔41。
具体实施方式
凹印版辊表面缺陷的干扰源主要由两种：第一种是凹印版辊表面粘附的灰尘、毛发等杂物，第二种是凹印版辊表面自身的纹理。
针对第一种干扰源，本发明提供的一种凹印版辊表面缺陷智能检测的非缺陷排除方法，包括如下步骤：
(1)对版辊的待检测表面进行擦拭，然后对该待检测表面进行第一次扫描，将扫描图像上的瑕疵部分视为疑似缺陷，并记录该疑似缺陷上的某特征点的原横坐标(沿版辊的长度方向)与原纵坐标(垂直于版辊的长度方向)；所谓特征点可以是最靠左(右、上或下)的点，也可以是几何中心点；
(2)再次对版辊的待检测表面进行擦拭，然后对该待检测表面进行第二次扫描，并再次采集待检测表面上的该疑似缺陷上的特征点的新横坐标与新纵坐标；
(3)用新横坐标减去原横坐标并取绝对值，得到横坐标位移；用新纵坐标减去原纵坐标并取绝对值，得到纵坐标位移；
(4)设定横坐标位移的第一阈值(一般位于1-10像素的区间内)，并设定纵坐标位置的第二阈值(一般位于1-100像素的区间内)；
(5)若该疑似缺陷的横坐标位移大于或等于第一阈值，或者该疑似缺陷的纵坐标位移大于或等于第二阈值，则将该疑似缺陷标记为非缺陷；
若该疑似缺陷的横坐标位移小于第一阈值，并且该疑似缺陷的纵坐标位移小于第二阈值，则对该疑似缺陷归类至待观察缺陷，以待进行下一步的“缺陷确认”步骤。
上述方法中，第一次扫描与第二次扫描都可以扫描到多个疑似缺陷，由于各个疑似缺陷的形状都必然有区别，因此可以对该多个疑似缺陷进行编号以作区分(采用计算机自动识别系统对缺陷的形状进行识别以作区分，属于现有技术，在此不予赘述)，使相对应的疑似缺陷的坐标采集与对比能够顺利进行，并不会发生混淆。
针对第二种干扰源，本发明再提供一种凹印版辊表面缺陷智能检测的缺陷确认方法，用于进行上述“缺陷确认”步骤，如图1所示，其包括如下步骤：
A、版辊表面扫描图像：可重新擦拭并重新扫描图像，将扫描图像上的瑕疵部分视为疑似缺陷；也可直接使用前述“非缺陷排除方法”中得到的归类至待观察缺陷中的疑似缺陷数据；
B、通过灰度值判断疑似缺陷：设定一个灰度极限值X，且20≤X≤200，判断该疑似缺陷的灰度值≤X是否为真，若为真，则进行下一步判断；若为假，则将该疑似缺陷确认为非缺陷，并且该缺陷确认方法结束；
C、通过面积判断疑似缺陷：设定一个面积极限值S，且1≤S≤5像素2，判断该疑似缺陷的面积≥X是否为真，若为真，则进行下一步判断，若为假，则将该疑似缺陷确认为非缺陷，并且该缺陷确认方法结束；
D、通过周长判断疑似缺陷：设定一个周长极限值C，且10≤C≤60像素，判断该疑似缺陷的周长≥C是否为真，若为真，则将该疑似缺陷确认为真实缺陷，若为假，则将该疑似缺陷确认为非缺陷；无论判断结果如何，该缺陷确认方法结束。
实际上，上述步骤B、C、D的顺序可以任意变换，并不会改变判断结果。总之，本发明通过采用灰度值、面积以及周长的综合判断，能够将版辊表面的真实缺陷与版辊表面所具有的自身纹理区分开，使检测结果真实可信。
为实现上述方法，如图2所示，是本发明提供的一种凹印版辊表面缺陷智能检测装置的结构示意图，其包括：
版辊承载模块1，能够夹持不同规格的版辊，并能够控制版辊旋转；
擦拭模块2，设置在版辊的侧面，具有能够擦到版辊的圆周表面的擦拭辊21；
缺陷检测模块3，设置在版辊的顶侧，具有朝向版辊表面的线阵相机31和定焦镜头32，用于扫描并捕获版辊表面的图像；所述线阵相机31和定焦镜头32能够升降，以适应不同规格的版辊，并调节合适的分辨率；所述线阵相机31和定焦镜头32能够沿版辊的轴向移动，配合版辊的自转，能够扫描到版辊的圆周表面的任意位置；
所述缺陷检测模块3还包括能够与所述线阵相机31和定焦镜头32一同升降以及一同沿版辊的轴向移动的线性光源33，所述线性光源33能够调节照射角度，使其照射位置与所述线阵相机31和定焦镜头32的扫描位置相重合；
打码标记模块4，设置在版辊的侧面，具有能够移动的记号笔41，在需要标记真实缺陷时，用记号笔41能够将真实缺陷标记出来。
上述凹印版辊表面缺陷智能检测装置使用的时候：
先将版辊固定到版辊承载模块1上，然后将缺陷检测模块3的线阵相机31、定焦镜头32以及线性光源33调整到合适的距离与角度；
然后选取版辊的一部分表面作为第一段工作位置，采用所述凹印版辊表面缺陷智能检测的缺陷确认方法对该第一段工作位置内的瑕疵进行非缺陷排除，然后采用所述凹印版辊表面缺陷智能检测的缺陷确认方法对余下缺陷进行进一步确认，最后用打码标记模块4对真实缺陷进行标记；
选取版辊的另一部分表面作为第二段工作位置，重复上述步骤，直至对版辊的全部表面完成检测。
以上说明对本发明而言只是说明性的，而非限制性的，本领域普通技术人员理解，在不脱离权利要求所限定的精神和范围的情况下，可作出许多修改、变化或等效，但都将落入本发明的保护范围之内。

Claims (6)

1.一种凹印版辊表面缺陷智能检测的缺陷确认方法，其特征是包括如下步骤：
A、版辊表面扫描图像：得到疑似缺陷的扫描数据，对疑似缺陷进行下述步骤B、步骤C、步骤D的判断；
B、通过灰度值判断疑似缺陷：设定一个灰度极限值X，且20≤X≤200，判断该疑似缺陷的灰度值≤X是否为真；
C、通过面积判断疑似缺陷：设定一个面积极限值S，且1≤S≤5像素2，判断该疑似缺陷的面积≥X是否为真；
D、通过周长判断疑似缺陷：设定一个周长极限值C，且10≤C≤60像素，判断该疑似缺陷的周长≥C是否为真；
若步骤B、步骤C、步骤D中任意一个步骤判断的结果为假，则将该疑似缺陷归类为非缺陷；若步骤B、步骤C以及步骤D的判断结果均为真，则将该疑似缺陷归类为真实缺陷。
2.根据权利要求1所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其特征在于，在步骤A中，采用下述非缺陷排除方法：
(1)对版辊的待检测表面进行擦拭，然后对该待检测表面进行第一次扫描，将扫描图像上的瑕疵部分视为疑似缺陷，并记录该疑似缺陷上的某特征点的原横坐标与原纵坐标；
(2)再次对版辊的待检测表面进行擦拭，然后对该待检测表面进行第二次扫描，并再次采集待检测表面上的该疑似缺陷上的特征点的新横坐标与新纵坐标；
(3)用新横坐标减去原横坐标并取绝对值，得到横坐标位移；用新纵坐标减去原纵坐标并取绝对值，得到纵坐标位移；
(4)设定横坐标位移的第一阈值，并设定纵坐标位置的第二阈值；
(5)若该疑似缺陷的横坐标位移大于或等于第一阈值，或者该疑似缺陷的纵坐标位移大于或等于第二阈值，则将该疑似缺陷标记为非缺陷；若该疑似缺陷的横坐标位移小于第一阈值，并且该疑似缺陷的纵坐标位移小于第二阈值，则将该疑似缺陷转至步骤B进行下一步判断。
3.根据权利要求2所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其特征在于：所述特征点是疑似缺陷中最靠左、右、上或下的点，或者是几何中心点。
4.根据权利要求2所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其特征在于：所述横坐标的方向是沿版辊的长度方向，所述纵坐标的方向垂直于版辊的长度方向。
5.根据权利要求4所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其特征在于：所述第一阈值选取在1-10像素之间；所述第二阈值选取在1-100像素之间。
6.根据权利要求1所述的凹印版辊表面缺陷智能检测的缺陷确认方法，其特征在于：所述步骤B、步骤C以及步骤D的次序任意排列。
CN201811012380.5A 2018-08-31 2018-08-31 凹印版辊表面缺陷智能检测的缺陷确认方法 Pending CN109374628A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811012380.5A CN109374628A (zh) 2018-08-31 2018-08-31 凹印版辊表面缺陷智能检测的缺陷确认方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811012380.5A CN109374628A (zh) 2018-08-31 2018-08-31 凹印版辊表面缺陷智能检测的缺陷确认方法

Publications (1)

Publication Number Publication Date
CN109374628A true CN109374628A (zh) 2019-02-22

Family

ID=65405063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811012380.5A Pending CN109374628A (zh) 2018-08-31 2018-08-31 凹印版辊表面缺陷智能检测的缺陷确认方法

Country Status (1)

Country Link
CN (1) CN109374628A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112432949A (zh) * 2020-11-04 2021-03-02 东莞东运机械制造有限公司 一种利用3d拍照技术进行凹印版辊表面缺陷的检测方法
CN113414927A (zh) * 2021-08-24 2021-09-21 江苏铭鹏装备有限公司 一种压辊表面磨损检测设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001050907A (ja) * 1999-08-16 2001-02-23 Asahi Glass Co Ltd 基板の検査方法
JP2003315283A (ja) * 2002-04-19 2003-11-06 Sumitomo Wiring Syst Ltd ワークの外観検査装置及び外観検査方法
CN201935875U (zh) * 2010-12-20 2011-08-17 上海运申制版模具有限公司 凹印版辊表面缺陷检测装置
CN105158258A (zh) * 2015-07-15 2015-12-16 广西师范大学 一种基于计算机视觉的竹条表面缺陷检测方法
CN106568783A (zh) * 2016-11-08 2017-04-19 广东工业大学 一种五金零件缺陷检测系统及方法
CN106770321A (zh) * 2016-12-08 2017-05-31 广东工业大学 一种基于多阈值区间的塑料零件缺陷检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001050907A (ja) * 1999-08-16 2001-02-23 Asahi Glass Co Ltd 基板の検査方法
JP2003315283A (ja) * 2002-04-19 2003-11-06 Sumitomo Wiring Syst Ltd ワークの外観検査装置及び外観検査方法
CN201935875U (zh) * 2010-12-20 2011-08-17 上海运申制版模具有限公司 凹印版辊表面缺陷检测装置
CN105158258A (zh) * 2015-07-15 2015-12-16 广西师范大学 一种基于计算机视觉的竹条表面缺陷检测方法
CN106568783A (zh) * 2016-11-08 2017-04-19 广东工业大学 一种五金零件缺陷检测系统及方法
CN106770321A (zh) * 2016-12-08 2017-05-31 广东工业大学 一种基于多阈值区间的塑料零件缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐临洪 等: ""基于机器视觉的发动机表面缺陷检测技术"", 《计算机与现代化》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112432949A (zh) * 2020-11-04 2021-03-02 东莞东运机械制造有限公司 一种利用3d拍照技术进行凹印版辊表面缺陷的检测方法
CN112432949B (zh) * 2020-11-04 2023-06-16 东莞东运机械制造有限公司 一种利用3d拍照技术进行凹印版辊表面缺陷的检测方法
CN113414927A (zh) * 2021-08-24 2021-09-21 江苏铭鹏装备有限公司 一种压辊表面磨损检测设备

Similar Documents

Publication Publication Date Title
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN109115785B (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN108931531B (zh) 一种织物疵点自动检测方法、系统和计算机可读存储介质
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN107290347B (zh) 蜂窝载体缺陷自动化检测方法
CN110009618B (zh) 一种轴类零件表面质量检测方法及装置
US10453195B2 (en) Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium
CN110618134A (zh) 钢板表面质量缺陷检测评级系统及方法
CN109142509B (zh) 圆钢磁粉探伤方法与装置
CN101387493A (zh) 铁塔构件孔的形位尺寸非接触光电检测方法
CN110021012B (zh) 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
CN109374628A (zh) 凹印版辊表面缺陷智能检测的缺陷确认方法
CN115100206A (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN110554052A (zh) 一种人造板表面缺陷检测方法及其系统
Fu et al. Medicine glass bottle defect detection based on machine vision
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
CN113916127A (zh) 一种气门导管成品外观视觉检测系统及检测方法
CN116128873A (zh) 一种基于图像识别的轴承保持器检测方法、设备及介质
CN109622404B (zh) 一种基于机器视觉的微工件自动分拣系统及方法
CN108805854B (zh) 一种复杂环境下药片快速计数与完整性检测方法
CN106989672A (zh) 一种基于机器视觉的工件测量方法
CN108645869A (zh) 凹印版辊表面缺陷智能检测的非缺陷排除方法及其装置
CN114037682A (zh) 一种光学元件表面疵病二维自动检测方法
CN114755236A (zh) 一种回转曲面电镀件表面缺陷的检测系统及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190222