CN109886954A - 一种印刷品缺陷检测方法 - Google Patents
一种印刷品缺陷检测方法 Download PDFInfo
- Publication number
- CN109886954A CN109886954A CN201910147844.1A CN201910147844A CN109886954A CN 109886954 A CN109886954 A CN 109886954A CN 201910147844 A CN201910147844 A CN 201910147844A CN 109886954 A CN109886954 A CN 109886954A
- Authority
- CN
- China
- Prior art keywords
- image
- printed matter
- detection
- defect
- registration
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种印刷品缺陷检测方法，包括如下步骤：步骤S100：图像采集：采集待检测印刷品图像；步骤S200：图像预处理：对采集到的印刷品图像去除噪声、二值化；步骤S300：图像校正配准：对印刷品图像进行图像裁切、图像校正以及图像配准；步骤S400：图像缺陷检测：检测校正配准后的印刷品图像，以确定是否存在缺陷；步骤S500：图像缺陷分类：根据缺陷的面积和投影对缺陷进行分类，结束检测。本发明能够替代人工检测，并且能够减少检测运算量，提高检测效率和检错准确率。
Description
技术领域
本发明涉及印刷品缺陷检测技术领域，尤其涉及一种印刷品缺陷检测方法。
背景技术
现代化印刷品的高速流水线上，设备的自动化程度很高，在印刷的过程中，由于印刷机器设备、印刷材料、操作人员技术的不完善等原因，印刷品上的字符以及图案出现多印、少印、缺划，有划痕，有污渍等情况是常见现象，不合格产品会降低品牌的满意度和产品信誉度，因此，在印刷生产线上对不合格品进行检测有着重要的意义。
目前生产线上对这类检测主要还是依靠人工，人工逐一检查存在劳动力需求大、速度慢、检错准确率低等问题；近年来随着计算机技术与机器视觉技术的迅速发展，也出现了一些通过机器视觉用图像处理分析的检测技术，但采用的都是一些通用的图像处理分析方法，普遍存在运算量大、检测效率低以及检错准确率不高等问题。
因此，如何能够替代人工检测并实现自动检测，同时能够减少检测运算量，提高检测效率和检错准确率成为了本领域技术人员亟需解决的问题。
发明内容
本发明所要解决的技术问题是：克服现有技术存在的上述缺陷，提供一种印刷品缺陷检测方法，能够替代人工检测并实现自动检测，同时能够减少检测运算量，提高检测效率和检错准确率。
本发明的技术解决方案是：
提供一种印刷品缺陷检测方法，其特征在于，包括如下步骤：
步骤S100：图像采集：采集待检测印刷品图像；
步骤S200：图像预处理：对采集到的印刷品图像去除噪声、二值化；
步骤S300：图像校正配准：对印刷品图像进行图像裁切、图像校正以及图像配准；
步骤S400：图像缺陷检测：检测校正配准后的印刷品图像，以确定是否存在缺陷；
步骤S500：图像缺陷分类：根据缺陷的面积和投影对缺陷进行分类，结束检测。
优选地，所述步骤S300中的图像裁切采用自适应裁切，去除印刷品图像中无需检测的背景部分。
优选地，所述步骤S300中的图像校正使用的是像素扫描校正法，具体为：
步骤S320：判断图像裁切后的印刷品图像的二值图中印刷内容的对齐方式，并根据不同的对齐方式使用相应的扫描方式对裁切后的印刷品图像的二值图进行扫描；
步骤S330：根据扫描结果判断印刷内容的边缘，并统计裁切后的印刷品图像的二值图的边缘列或行中像素点的个数，分析边缘的统计特征；
步骤S340：根据边缘的统计特征判断图像裁切后的印刷品图像的倾斜情况，若有倾斜则进行旋转调整后进入步骤S350，若没有倾斜则进入图像配准操作；
步骤S350：对调整后的印刷品图像判断是否校正，若没有校正则进入步骤S330，若已校正则进入图像配准操作。
优选地，所述步骤S330中根据扫描结果判断印刷内容的边缘具体为：当扫描时第一次出现扫描列或扫描行中像素值超过阈值时，则判断该扫描列或扫描行是印刷内容的边缘列或边缘行。
优选地，在所述步骤S340中旋转调整具体为：当倾斜程度大时，则使用大步距对图像裁切后的印刷品图像进行旋转；当倾斜程度小时，则使用小步距对图像裁切后的印刷品图像进行旋转。
优选地，所述步骤S300中的图像配准使用的是像素扫描配准法，具体为：
步骤S360：对预先设定的模板校正图进行二值化，对模板校正图的的二值图从左至右进行列扫描，得到印刷内容左边缘在整幅图像中所处位置的列数j，再对模板校正图的二值图从下至上进行行扫描，得到印刷内容下边缘在整幅图像中所处位置的行数i；同理，对需要检测的图像校正后的印刷品图像的二值图进行扫描，得到图像校正后的印刷品图像的二值图中左边缘位置j1与下边缘位置i1。
步骤S370：分别比较模板校正图的的二值图中边缘位置j、i与图像校正后的印刷品图像的二值图中边缘位置j1、i1，得到列平移与行平移参数；
步骤S380：根据列平移与行平移参数对图像校正后的印刷品图像进行水平和竖直平移后，可以得到与模板校正图高度对准的样本配准图。
优选地，所述步骤S400中的图像检测采用的是灰度直方图统计法和改进的差影法，具体为：
步骤S410：使用灰度直方图统计法对配准后的印刷品图像进行检测，若检测不合格，则待检测印刷品图像不合格，进入步骤S500；若检测合格，则表示无法判定检测印刷品图像二值图是否合格，进入步骤S420；
步骤S420：将校正配准后的印刷品图像根据印刷内容分布自适应分割为若干子图后再利用灰度直方图统计法对子图进行检测，若子图不合格，则判定此印刷品图像不合格，进入步骤S500；若子图合格，则表示无法判定检测出子图是否合格，则进入步骤S430；
步骤S430：对子图内容进行识别并为子图制定合适大小的扫描框，以一个扫描框为步长对子图进行扫描，并采用改进的差影法将扫描框中的印刷内容与预先设定的模板图像对应的印刷内容进行比对以确定是否存在缺陷，若存在缺陷则进入步骤S500，反之待检测印刷品图像印刷合格，检测流程结束。
优选地，所述步骤S430中扫描框尺寸为印刷品图像中的每个字或每个图形的大小。
本发明能够替代人工检测并实现自动检测，同时能够减少检测运算量，提高检测效率和检错准确率。
附图说明
图1为第一种实施方式提供的一种印刷品缺陷检测方法的流程图。
图2为第二种实施方式提供的一种印刷品缺陷检测方法的流程图。
图3为第三种实施方式提供的一种印刷品缺陷检测方法的流程图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述。
参见图1，图1为第一种实施方式提供的一种印刷品缺陷检测方法的流程图。
一种印刷品缺陷检测方法，包括如下步骤：
步骤S100：图像采集：采集待检测印刷品图像；
步骤S200：图像预处理：对采集到的印刷品图像去除噪声、二值化；
步骤S300：图像校正配准：对印刷品图像进行图像裁切、图像校正以及图像配准；
步骤S400：图像缺陷检测：检测校正配准后的印刷品图像，以确定是否存在缺陷；
步骤S500：图像缺陷分类：根据缺陷的面积和投影对缺陷进行分类，结束检测。
本发明能够替代人工检测并实现自动检测，同时能够减少检测运算量，提高检测效率和检错准确率。
参见图2，图2为第二种实施方式提供的一种印刷品缺陷检测方法的流程图。
一种印刷品缺陷检测方法，其特征在于，包括如下步骤：
步骤S100：图像采集：采集待检测印刷品图像；
步骤S200：图像预处理：对采集到的印刷品图像去除噪声、二值化；
对采集到的印刷品图像去除噪声并进行二值化，使得图像前景色为白色，即像素值255，背景色为黑色，即像素值0，得到印刷品图像的二值图。
步骤S310：对印刷品图像进行采用自适应裁切，去除印刷品图像中无需检测的背景部分；
步骤S320：判断图像裁切后的印刷品图像的二值图中印刷内容的对齐方式，并根据不同的对齐方式使用相应的扫描方式对裁切后的印刷品图像的二值图进行扫描；
判断图像裁切后的印刷品图像的二值图中印刷内容的对齐方式是左对齐、右对齐、上对齐或下对齐中的哪一种，根据对齐方式使用列扫描或者行扫描的方式对裁切后的印刷品图像的二值图进行扫描。
步骤S330：根据扫描结果判断印刷内容的边缘，并统计裁切后的印刷品图像的二值图的边缘列或行中像素点的个数，分析边缘的统计特征；
所述根据扫描结果判断印刷内容的边缘具体为：当扫描时第一次出现扫描列或扫描行中像素值超过阈值时，则判断该扫描列或扫描行是印刷内容的边缘列或边缘行。
步骤S340：根据边缘的统计特征判断图像裁切后的印刷品图像的倾斜情况，若有倾斜则进行旋转调整后进入步骤S350，若没有倾斜则进入图像配准操作；
所述旋转调整具体为：当倾斜程度大时，则使用大步距对图像裁切后的印刷品图像进行旋转；当倾斜程度小时，则使用小步距对图像裁切后的印刷品图像进行旋转。
步骤S350：对调整后的印刷品图像判断是否校正，若没有校正则进入步骤S330，若已校正则进入图像配准操作。
步骤S360：对预先设定的模板校正图进行二值化，对模板校正图的的二值图从左至右进行列扫描，得到印刷内容左边缘在整幅图像中所处位置的列数j，再对模板校正图的二值从下至上进行行扫描，得到印刷内容下边缘在整幅图像中所处位置的行数i；同理，对需要检测的图像校正后的印刷品图像的二值图进行扫描，得到图像校正后的印刷品图像的二值图中左边缘位置j1与下边缘位置i1。
步骤S370：分别比较模板校正图的的二值图中边缘位置j、i与图像校正后的印刷品图像的二值图中边缘位置j1、i1，得到列平移与行平移参数；
步骤S380：根据列平移与行平移参数对图像校正后的印刷品图像进行水平和竖直平移后，可以得到校正配准后的印刷品图像，即与模板校正图高度对准的样本配准图。
步骤S410：使用灰度直方图统计法对校正配准后的印刷品图像进行检测，若检测不合格，则待检测印刷品图像不合格，进入步骤S500；若检测合格，则表示无法判定检测印刷品图像是否合格，则进入步骤S420；
步骤S420：将校正配准后的印刷品图像根据印刷内容分布自适应分割为若干子图后再利用灰度直方图统计法对子图进行检测，若子图不合格，则判定此印刷品图像不合格，进入步骤S500；若子图合格，则表示无法判定检测出子图是否合格，则进入步骤S430；
步骤S430：对子图内容进行识别并为子图制定合适大小的扫描框，以一个扫描框为步长对子图进行扫描，并采用改进的差影法将扫描框中的印刷内容与预先设定的模板图像对应的印刷内容进行比对以确定是否存在缺陷，若存在缺陷则进入步骤S500，反之待检测印刷品图像印刷合格，检测流程结束。
优选地，所述扫描框尺寸为印刷品图像中的每个字或每个图形的大小。
步骤S500：图像缺陷分类：根据缺陷的面积和投影对缺陷进行分类，结束检测。
此发明能够实现图像的快速校正配准；对图像进行检测时采用了双层检测，当检测图像存在大范围缺陷时，双层检测方法减少了运算量、提高了检测效率和检错准确率；对缺陷精准检测时采用了改进的差影法，将感兴趣的区域自适应划分为若干个扫描框，既可以过滤不必要的图像信息，又可以重点关注特定区域，从而简化了计算量，提高了检测效率和检错准确率。
本实施例以电池印刷的字符以及图案为例，检测区域长度：60～100mm，检测区域宽度:50～80mm，字符及图案为左对齐的方式。
参见图3，图3为第三种实施方式提供的一种印刷品缺陷检测方法的流程图。
一种电池印刷字符缺陷检测方法，包括如下步骤：
步骤S100：图像采集：采集待检测电池印刷字符图像；
步骤S200：图像预处理：对采集到的电池印刷字符图像去除噪声、二值化；
步骤S200对采集到的电池印刷字符图像去除噪声后进行二值化，使得图像前景色为白色(像素值255)，背景色为黑色(像素值0)，得到电池印刷字符图像的二值图。
步骤S310：对电池印刷字符图像进行采用自适应裁切，去除电池印刷字符图像中无需检测的背景部分；
步骤S320：判断图像裁切后的电池印刷字符图像的二值图中印刷内容的对齐方式，并根据不同的对齐方式使用相应的扫描方式对裁切后的电池印刷字符图像的二值图进行扫描；
具体为：
判断印刷字符对齐方式是左对齐、右对齐、上对齐或下对齐中的哪一种，根据对齐方式使用列扫描或者行扫描的方式对电池印刷字符图像的二值图进行扫描，本实施例所针对的印刷字符是左对齐，所以采用列扫描从左至右对裁切后的电池印刷字符图像的二值图进行扫描。
步骤S330：根据扫描结果判断印刷内容的边缘，并统计裁切后的电池印刷字符图像的二值图的边缘列或行中像素点的个数，分析边缘的统计特征；
根据扫描结果判断印刷字符的边缘，当扫描时第一次出现扫描列中像素值为255的字符点数目超过设定的数目(本实施例设定的数目为10)时，则判断该扫描列是印刷字符的边缘列。
步骤S340：根据边缘的统计特征判断图像裁切后的电池印刷字符图像倾斜情况，若有倾斜则进行旋转调整后进入步骤S350，若没有倾斜则进入图像配准操作；
统计边缘列中像素为255的字符点的个数，分析边缘列的上下部分中字符点的统计特征，根据统计特征判断电池印刷字符图像的二值图的倾斜情况，具体为：
设上半部分像素点为255的字符点总数为S1，下半部分像素点为255的字符点总数为S2，下面式子描述了根据列扫描情况来判断图像倾斜的原理：
P为判断倾斜程度的阈值参数(0<P<1)。R1、R2、R3、R4、R5表示图像5种不同的倾斜情况，R1表示大程度向右倾斜，待校正图像应大步距向左调整；R2表示小程度向右倾斜，待校正图像应小步距向左调整；R3表示图像已经校正；R4表示小程度向左倾斜，待校正图像应小步距向右调整；R5表示大程度向左倾斜，待校正图像应大步距向右调整。
步骤S350：对调整后的电池印刷字符图像判断是否校正，若没有校正则进入步骤S330，若已校正则进入图像配准操作。
根据上述公式及调整原理判断电池印刷字符图像的倾斜情况，若有倾斜则进行旋转调整后再次使用像素扫描校正法进行校正，若没有倾斜则进入图像配准操作。
步骤S360：对预先设定的模板校正图进行二值化，对模板校正图的的二值图从左至右进行列扫描，得到印刷内容左边缘在整幅图像中所处位置的列数j，再对模板校正图的二值从下至上进行行扫描，得到印刷内容下边缘在整幅图像中所处位置的行数i；同理，对需要检测的图像校正后的电池印刷字符图像的二值图进行扫描，得到图像校正后的电池印刷字符图像的二值图中左边缘位置j1与下边缘位置i1。
具体为：
对印刷字符的模板图像的二值图像从左至右进行列扫描，得到印刷字符左边缘在整幅图像中所处位置的列数j，再对印刷字符的模板图像从下至上进行行扫描，得到印刷字符下边缘在整幅图像中所处位置的行数i；同理对图像校正后的电池印刷字符图像的二值图像也进行上述操作，得到图像校正后的电池印刷字符图像的二值图中印刷字符左边缘所处位置的列数j1和下边缘所处位置的行数i1；
步骤S370：分别比较模板校正图的的二值图中边缘位置j、i与图像校正后的电池印刷字符图像的二值图中边缘位置j1、i1，得到列平移与行平移参数；
分别比较电池印刷字符图像的二值图与模板图像的列和行之差，得到列平移与行平移参数，根据参数对电池印刷字符图像进行平移，使电池印刷字符图像与模板图像高度重合，以下是计算平移参数的算法：
其中j1、i1、j、i同上述描述。Δx为列方向的平移像素步距，Δy为行方向的平移像素步距，Δx大于零则向右平移，小于零向左平移；Δy大于零向上平移，小于零向下平移。
步骤S380：根据列平移与行平移参数对图像校正后的电池印刷字符图像进行水平和竖直平移后，可以得到校正配准后的印刷品图像，即与模板校正图高度对准的样本配准图。
步骤S400的图像缺陷检测采用灰度直方图统计法和改进的差影法。
步骤S410：使用灰度直方图统计法对配准后的电池印刷字符图像进行检测，若检测不合格，则待检测印刷品图像不合格，进入步骤S500；若检测合格，则表示无法判定检测电池印刷字符图像的二值图是否合格，则进入步骤S420；
步骤S420：将校正配准后的电池印刷字符图像根据印刷内容分布自适应分割为若干子图后再利用灰度直方图统计法对子图进行检测，若子图不合格，则判定此印刷品图像不合格，进入步骤S500；若子图合格，则表示无法判定检测出子图是否合格，则进入步骤S430；
步骤S430：对子图内容进行识别并为子图制定合适大小的扫描框，以一个扫描框为步长对子图进行扫描，并采用改进的差影法将扫描框中的印刷内容与预先设定的模板图像对应的印刷内容进行比对以确定是否存在缺陷，若存在缺陷则进入步骤S500，反之待检测印刷品图像印刷合格，检测流程结束。
改进的差影法具体是将HOG特征提取算法与图像差影法相结合，利用HOG特征提取算法的分割思想对步骤S420得到的子图内容进行识别并为子图制定合适大小的扫描框，将感兴趣的区域自适应划分为若干个扫描框；同理对模板图像也进行上述划分得到若干扫描框。扫描框尺寸为电池印刷字符图像中的每个字或每个图形的大小。然后对电池印刷字符图像以一个扫描框为步长进行扫描，同时采用差影法将其与模板图像对应的扫描框进行逐一比对，以检测是否存在缺陷。扫描结束后，标记不合格的扫描框，记为缺陷，若没有不合格的扫描框则结束检测。
步骤S500：图像缺陷分类：对步骤S400判别不合格的电池印刷字符图像的缺陷根据缺陷的面积和投影对缺陷进行分类，反之则结束检测。
步骤S500的图像缺陷分类根据缺陷的面积、投影对缺陷加以区分，缺陷类别可分为点、线、面三个大类。点类表示小范围缺陷，细分为污点、缺失；线类表示长条狭长型缺陷，细分为漏墨、少墨；面类表示大范围缺陷，细分为多印、少印、模糊。
以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术方案的保护范围之内。
Claims (8)
1.一种印刷品缺陷检测方法，其特征在于，包括如下步骤：
步骤S100：图像采集：采集待检测印刷品图像；
步骤S200：图像预处理：对采集到的印刷品图像去除噪声、二值化；
步骤S300：图像校正配准：对印刷品图像进行图像裁切、图像校正以及图像配准；
步骤S400：图像缺陷检测：检测校正配准后的印刷品图像，以确定是否存在缺陷；
步骤S500：图像缺陷分类：根据缺陷的面积和投影对缺陷进行分类，结束检测。
2.根据权利要求1所述的印刷品缺陷检测方法，其特征在于，所述步骤S300中的图像裁切采用自适应裁切，去除印刷品图像中无需检测的背景部分。
3.根据权利要求2所述的印刷品缺陷检测方法，其特征在于，所述步骤S300中的图像校正使用的是像素扫描校正法，具体为：
步骤S320：判断图像裁切后的印刷品图像的二值图中印刷内容的对齐方式，并根据不同的对齐方式使用相应的扫描方式对裁切后的印刷品图像的二值图进行扫描；
步骤S330：根据扫描结果判断印刷内容的边缘，并统计裁切后的印刷品图像的二值图的边缘列或行中像素点的个数，分析边缘的统计特征；
步骤S340：根据边缘的统计特征判断图像裁切后的印刷品图像的倾斜情况，若有倾斜则进行旋转调整后进入步骤S350，若没有倾斜则进入图像配准操作；
步骤S350：对调整后的印刷品图像判断是否校正，若没有校正则进入步骤S330，若已校正则进入图像配准操作。
4.根据权利要求3所述的印刷品缺陷检测方法，其特征在于，所述步骤S330中根据扫描结果判断印刷内容的边缘具体为：当扫描时第一次出现扫描列或扫描行中像素值超过阈值时，则判断该扫描列或扫描行是印刷内容的边缘列或边缘行。
5.根据权利要求4所述的印刷品缺陷检测方法，其特征在于，在所述步骤S340中旋转调整具体为：当倾斜程度大时，则使用大步距对图像裁切后的印刷品图像进行旋转；当倾斜程度小时，则使用小步距对图像裁切后的印刷品图像进行旋转。
6.根据权利要求5述的印刷品缺陷检测方法，其特征在于，所述步骤S300中的图像配准使用的是像素扫描配准法，具体为：
步骤S360：对预先设定的模板校正图进行二值化，对模板校正图的的二值图从左至右进行列扫描，得到印刷内容左边缘在整幅图像中所处位置的列数j，再对模板校正图的二值图从下至上进行行扫描，得到印刷内容下边缘在整幅图像中所处位置的行数i；同理，对需要检测的图像校正后的印刷品图像的二值图进行扫描，得到图像校正后的印刷品图像的二值图中左边缘位置j1与下边缘位置i1。
步骤S370：分别比较模板校正图的二值图中边缘位置j、i与图像校正后的印刷品图像的二值图中边缘位置j1、i1，得到列平移与行平移参数；
步骤S380：根据列平移与行平移参数对图像校正后的印刷品图像进行水平和竖直平移后，可以得到与模板校正图高度对准的样本配准图。
7.根据权利要求6所述的印刷品缺陷检测方法，其特征在于，所述步骤S400中的图像检测采用的是灰度直方图统计法和改进的差影法，具体为：
步骤S410：使用灰度直方图统计法对校正配准后的印刷品图像进行检测，若检测不合格，则待检测印刷品图像不合格，进入步骤S500；若检测合格，则表示无法判定检测印刷品图像二值图是否合格，则进入步骤S420；
步骤S420：将校正配准后的印刷品图像根据印刷内容分布自适应分割为若干子图后再利用灰度直方图统计法对子图进行检测，若子图不合格，则判定此印刷品图像不合格，进入步骤S500；若子图合格，则表示无法判定检测出子图是否合格，进入步骤S430；
步骤S430：对子图内容进行识别并为子图制定合适大小的扫描框，以一个扫描框为步长对子图进行扫描，并采用改进的差影法将扫描框中的印刷内容与预先设定的模板图像对应的印刷内容进行比对以确定是否存在缺陷，若存在缺陷则进入步骤S500，反之待检测印刷品图像印刷合格，检测流程结束。
8.根据权利要求7所述的印刷品缺陷检测方法，其特征在于，所述步骤S430中扫描框尺寸为印刷品图像中的每个字或每个图形的大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910147844.1A CN109886954B (zh) | 2019-02-28 | 2019-02-28 | 一种印刷品缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910147844.1A CN109886954B (zh) | 2019-02-28 | 2019-02-28 | 一种印刷品缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109886954A true CN109886954A (zh) | 2019-06-14 |
| CN109886954B CN109886954B (zh) | 2023-04-07 |
Family
ID=66929712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910147844.1A Active CN109886954B (zh) | 2019-02-28 | 2019-02-28 | 一种印刷品缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109886954B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706423A (zh) * | 2019-09-03 | 2020-01-17 | 深圳怡化电脑股份有限公司 | 票据打印方法、设备及可读介质 |
| CN110782453A (zh) * | 2019-11-06 | 2020-02-11 | 西安工程大学 | 一种基于图像特征匹配的印刷品质量检测方法 |
| CN111768407A (zh) * | 2020-09-01 | 2020-10-13 | 征图新视(江苏)科技股份有限公司 | 基于快速定位的缺陷检测算法 |
| CN113034476A (zh) * | 2021-03-30 | 2021-06-25 | 广东工业大学 | 皮革瑕疵检测方法、系统、储存介质及计算机设备 |
| CN113870212A (zh) * | 2021-09-24 | 2021-12-31 | 武汉海川彩印有限责任公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
| CN115908364A (zh) * | 2022-12-12 | 2023-04-04 | 浙江工业大学 | 一种数字印刷印品缺陷检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011076204A (ja) * | 2009-09-29 | 2011-04-14 | Toppan Printing Co Ltd | 印刷物検査方法及び印刷物検査装置 |
| CN105844621A (zh) * | 2016-03-17 | 2016-08-10 | 阜阳市飞扬印务有限公司 | 一种印刷品质量检测方法 |
| JP2016178557A (ja) * | 2015-03-20 | 2016-10-06 | 株式会社リコー | 画像処理装置、補正方法及びプログラム |
-
2019
- 2019-02-28 CN CN201910147844.1A patent/CN109886954B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011076204A (ja) * | 2009-09-29 | 2011-04-14 | Toppan Printing Co Ltd | 印刷物検査方法及び印刷物検査装置 |
| JP2016178557A (ja) * | 2015-03-20 | 2016-10-06 | 株式会社リコー | 画像処理装置、補正方法及びプログラム |
| CN105844621A (zh) * | 2016-03-17 | 2016-08-10 | 阜阳市飞扬印务有限公司 | 一种印刷品质量检测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706423A (zh) * | 2019-09-03 | 2020-01-17 | 深圳怡化电脑股份有限公司 | 票据打印方法、设备及可读介质 |
| CN110782453A (zh) * | 2019-11-06 | 2020-02-11 | 西安工程大学 | 一种基于图像特征匹配的印刷品质量检测方法 |
| CN111768407A (zh) * | 2020-09-01 | 2020-10-13 | 征图新视(江苏)科技股份有限公司 | 基于快速定位的缺陷检测算法 |
| CN113034476A (zh) * | 2021-03-30 | 2021-06-25 | 广东工业大学 | 皮革瑕疵检测方法、系统、储存介质及计算机设备 |
| CN113870212A (zh) * | 2021-09-24 | 2021-12-31 | 武汉海川彩印有限责任公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
| CN113870212B (zh) * | 2021-09-24 | 2024-01-05 | 武汉精严科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
| CN115908364A (zh) * | 2022-12-12 | 2023-04-04 | 浙江工业大学 | 一种数字印刷印品缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109886954B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109886954A (zh) | 一种印刷品缺陷检测方法 | |
| CN108355987B (zh) | 一种基于分块模板匹配的电池丝印质量检测方法 | |
| CN112508826B (zh) | 一种印刷品缺陷检测方法 | |
| CN106407883B (zh) | 一种复杂表格及其内部手写数字识别方法 | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| CN108764229B (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
| US8654398B2 (en) | Method for simulating impact printer output, evaluating print quality, and creating teaching print samples | |
| CN112613429B (zh) | 一种基于机器视觉适用于多视角图像指针式仪表读数方法 | |
| CN113034488B (zh) | 一种喷墨印刷品的视觉检测方法 | |
| CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
| CN116168218A (zh) | 一种基于图像识别技术的电路板故障诊断方法 | |
| CN110135407B (zh) | 样本标注方法及计算机存储介质 | |
| CN113916893A (zh) | 模切产品缺陷的检测方法 | |
| CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
| CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
| CN109410210B (zh) | 基于机器视觉的商品条码印制质量检测方法 | |
| CN111754461A (zh) | 半导体芯片图像字符区域的定位方法、装置 | |
| CN112581424B (zh) | 一种光学元件表面与亚表面缺陷的分类提取方法 | |
| CN114254605A (zh) | 答题卡模板生成方法、答题卡识别方法、装置和电子设备 | |
| CN113989482A (zh) | 一种基于图像处理的光学合像水平仪自动读数识别方法 | |
| JPH0592646A (ja) | 印刷物検査方法 | |
| KR20200126921A (ko) | 스켈러톤 웨이퍼 검사 방법 | |
| CN117541579B (zh) | 一种封装支架缺陷检测方法及系统 | |
| CN114037705B (zh) | 一种基于贝纹线的金属断裂疲劳源检测方法与系统 | |
| CN117314843A (zh) | 基于图像处理的干电池负极盖瑕疵检测与识别方法 |
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 |