CN111488755A - 一种防伪特征物的数控方法 - Google Patents
一种防伪特征物的数控方法 Download PDFInfo
- Publication number
- CN111488755A CN111488755A CN202010347793.XA CN202010347793A CN111488755A CN 111488755 A CN111488755 A CN 111488755A CN 202010347793 A CN202010347793 A CN 202010347793A CN 111488755 A CN111488755 A CN 111488755A
- Authority
- CN
- China
- Prior art keywords
- label
- feature
- small
- image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1413—1D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- General Factory Administration (AREA)
- Multi-Process Working Machines And Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种防伪特征物的数控方法,本发明的方法可以制作相应的生产检验流水线自动化进行,可以快速对每一枚标签进行质量检验,对有质量问的标签不会遗漏,可以快速发现并将有质量问题的标签进行剔除,提高了产品的品质和生产效率。
Description
技术领域
本发明涉及一种防伪特征物的数控方法。
背景技术
含有随机特征物的防伪标签通常采用喷撒、涂布、印刷等方法将丝状、颗粒状、碎屑状等形态的防伪特征物随机撒布在防伪标签的指定区域,由于每一枚标签上特征物出现的数量、大小、分布、色彩等特征都是随机出现的,故造假者极难仿制。
但这种含有特征物的防伪标签在生产过程中由于特征物是通过随机的方式进行撒布的,在实际生产过程中往往会出现有的标签上特征物质的数量特别少,或有的标签上的特征物质的数量又非常多的情况,影响了标签的防伪性能,后期要发现和剔除这些不符合要求的防伪标签也非常麻烦,影响了产品的品质和生产效率。
发明内容
本发明的目的在于提供一种防伪特征物的数控方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种防伪特征物的数控方法,包括以下步骤:
A、设计制作防伪标签的排版模板,在每一大版标签的一边设置一维条码序列码,一维条码序列码是按照设定的规则生成的,是唯一的、不重复出现的,每一大版标签上排列有若干枚小标签,每一枚小标签按行列给予唯一的坐标编码,在小标签的指定区域设置有防伪特征物撒布区域;
B、在合适的印刷材料上用生产设备按上述排版模板印刷一维条码序列码在防伪特征物撒布区域撒布防伪特征物以及印刷防伪标签上的其它图案文字;
C、将上述排版模板、每一枚小标签上的防伪特征物的数量控制标准、小标签的坐标编排规则均保存在生产检验系统的计算机中,用摄像头采集每一大版标签的图像到生产检验系统的计算机中,计算机程序按上述排版模板对采集进来的每一大版标签图像自动进行图像预处理和图像分割,获取每一大版标签上一维条码图像并进行识读,对每一枚小标签上的防伪特征撒布区域的防伪特征物的数量进行识读,步骤如下:
a、首先对采集到的每一枚小标签样本图片采用最大类间方差法进行自适应二值化将图像二分类;
b、由于二值化后的图像会出现很多噪点,所以在该基础上需要采用多小波自适应阈值降噪算法对图像进行降噪处理;降噪处理方式如下:
基于多小波的正交线、对称性、紧支撑和消矩性对信号的逼近性能更好,并且重构信号在边界位置的特征恢复性更加完善,因此采用以下算法进行降噪处理:
Ψ(t)=[ψ0(t),ψ1(t),…,ψr-1(t)]T,{Hk∈R∞,k∈Z}和{Gk∈R∞,k∈z}
多小波的分解和重构方式:
式中:w(k)表示小波系数,k≤t,该系数按照系数绝对值递减的顺序存储;m代表系数个数;alpha为调整系数,是大于1的实数,通常取为2;δn为估计噪声的标准差,改变系数alpha,可以获得合适的阈值,Crit(t) 是t的函数,假设t为tmin时Crit(t)取极小值,那么阈值γ就可以表示为:
λ=|Crit(tmin)|;
式中:y(x)是阈值化后的小波系数;w是原小波系数;γ是阈值;
c、此时在图像上保留下来的黑像素值就为需要计算的特征物对应的信号值,对图像上该信号值进行求和计算,得到总信号值X;
d、通过实验统计出正常特征物的图像信号数量以及偏差,得到单个特征物正常信号数值最小值为MinN,最大值为MaxM;
e、将总信号值X分别除以单个特征物信号值的最小值MinN、最大值MaxM,即:
X/MinN=N、X/MaxM=M,即可计算出该图像上对应的特征物数量在N 和M之间;
D、按特征物质数量控制标准判别该枚标签上的特征物数量是否合格,将每一枚标签特征物数量是否合格的信息与该枚标签的坐标编码数据、该大版标签的一维条码编码数据一起关联保存在生产检验系统的计算机中;
E、用一维条码识读器识读上述生产检验好的每一大版标签上的一维条码数据,用该一维条码数据调取保存在生产检验系统计算机中的该大版标签上每一枚小标签特征物数量是否合格和坐标编码位置的数据,对特征物数量不合格的小标签,用印刷设备根据小标签的坐标编码,在该枚小标签的合适位置喷印不合格标志;
F、对已经生产好的每一大版标签进行模切,对标记有不合格标志的小标签通过自动设备或人工的方法进行剔除,确保生产好的每一枚标签都是合格的标签。
本发明的进一步改进在于:步骤A中的坐标编码印刷在小标签上。
本发明的进一步改进在于:将步骤A中的坐标编码编排规则记录在生产检验系统的计算机中。
本发明的进一步改进在于:步骤B中,在合适的印刷材料上用生产设备按排版模板印刷小标签的坐标编码。
本发明的进一步改进在于:步骤B中的合适的印刷材料为不干胶纸或PET 膜。
本发明的进一步改进在于:步骤B中的生产设备为喷码机、数码印刷机、丝网印刷机和胶印机。
本发明的进一步改进在于:步骤E中的印刷设备为喷码机。
与现有技术相比,本发明的有益效果是:
本发明的方法可以制作相应的生产检验流水线自动化进行,可以快速对每一枚标签进行质量检验,对有质量问题的标签不会遗漏,可以快速发现并将有质量问题的标签进行剔除,提高了产品的品质和生产效率。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。
本实施例提供一种技术方案:一种防伪特征物的数控方法,步骤如下:
1、设计制作防伪标签排版模板,在每一大版标签的一边设置一维条码序列码,一维条码序列码是按照设定的规则生成的,是唯一的、不重复出现的。每一大版标签上排列有若干枚小标签,每一枚小标签按行列给予唯一的坐标编码,这个坐标编码可以印刷在标签上,也可以不印在标签上而将坐标编码编排规则记录在生产检验系统的计算机中。在小标签的指定区域设置有防伪特征物撒布区。
2、在不干胶纸、PET膜等合适的印刷材料上用喷码机、数码印刷机、丝网印刷机、胶印机等生产设备按上述排版模板印刷一维条码序列码、小标签坐标编码(或不印刷)、在防伪特征物撒布区撒布防伪特征物以及印刷防伪标签上的其它图案文字。
3、将上述排版模板、每一枚小标签上特征物质的数量控制标准、小标签的坐标编排规则等保存在生产检验系统的计算机中。用摄像头采集每一大版标签的图像到生产检验系统的计算机中,计算机程序按上述排版模板对采集进来的每一大版标签图像自动进行图像预处理和图像分割,获取每一大版标签上一维条码图像并进行识读,对每一枚小标签上特征撒布区域的特征物质数量进行识读,步骤如下:
(1)、首先对采集到的每一枚小标签样本图片采用最大类间方差法 (OTSU)进行自适应二值化将图像二分类。
(2)、由于二值化后的图像会出现很多噪点,在该基础上需要采用多小波自适应阈值降噪算法对图像进行降噪处理。降噪处理方式如下:
基于多小波的正交线、对称性、紧支撑、和消矩性对信号的逼近性能更好,并且重构信号在边界位置的特征恢复性更加完善,因此采用该算法进行降噪处理。
Ψ(t)=[ψ0(t),ψ1(t),…,ψr-1(t)]T,{Hk∈R∞,k∈Z}和{Gk∈R∞,k∈z}
多小波的分解和重构方式:
式中:w(k)表示小波系数,k≤t,该系数按照系数绝对值递减的顺序存储;m代表系数个数;alpha为调整系数,是大于1的实数,通常取为2;δn为估计噪声的标准差,改变系数alpha,可以获得合适的阈值,Crit(t) 是t的函数,假设t为tmin时Crit(t)取极小值,那么阈值γ就可以表示为:
λ=|Crit(tmin)|;
式中:y(x)是阈值化后的小波系数;w是原小波系数;γ是阈值;
(3)、此时在图像上保留下来的黑像素值就为需要计算的特征物对应的信号值。对图像上该信号值进行求和计算,得到总信号值X。
(4)、通过实验统计出正常特征物的图像信号数量以及偏差,得到单个特征物正常信号数值最小值为MinN,最大值为MaxM。
(5)、将总信号值X分别除以单个特征物信号值的最小值MinN、最大值 MaxM,即:
X/MinN=N、X/MaxM=M;即可计算出该图像上对应的特征物数量在N和 M之间。
4、按特征物质数量控制标准判别该枚标签上的特征物数量是否合格,将每一枚标签特征物数量是否合格的信息与该枚标签的坐标编码数据、该大版标签的一维条码编码数据一起关联保存在生产检验系统的计算机中。
5、用一维条码识读器识读上述生产检验好的每一大版标签上的一维条码数据,用该一维条码数据调取保存在生产检验系统计算机中的该大版标签上每一枚小标签特征物数量是否合格和坐标编码位置的数据,对特征物数量不合格的小标签,用喷码机等印刷设备根据小标签的坐标编码,在该枚小标签的合适位置喷印不合格标志。
6、对已经生产好的每一大版标签进行模切,对标记有不合格标志的小标签通过自动设备或人工的方法进行剔除,确保生产好的每一枚标签都是合格的标签。
本发明的方法可以制作相应的生产检验流水线自动化进行,可以快速对每一枚标签进行质量检验,对有质量问题的标签不会遗漏,可以快速发现并将有质量问题的标签进行剔除,提高了产品的品质和生产效率。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便这里描述的本申请的实施方式,例如,能够以除了在这里描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、产品或设备固有的其它步骤或单元。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在所描述的方位之外的在使用或操作中的不同方位。例如,如果器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
现在,将更详细地描述根据本申请的示例性实施方式。然而,这些示例性实施方式可以由多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的实施方式。应当理解的是,提供这些实施方式是为了使得本申请的公开彻底且完整,并且将这些示例性实施方式的构思充分传达给本领域普通技术人员。
Claims (7)
1.一种防伪特征物的数控方法,其特征在于:包括以下步骤:
A、设计制作防伪标签的排版模板,在每一大版标签的一边设置一维条码序列码,一维条码序列码是按照设定的规则生成的,是唯一的、不重复出现的,每一大版标签上排列有若干枚小标签,每一枚小标签按行列给予唯一的坐标编码,在小标签的指定区域设置有防伪特征物撒布区域;
B、在合适的印刷材料上用生产设备按上述排版模板印刷一维条码序列码在防伪特征物撒布区域撒布防伪特征物以及印刷防伪标签上的其它图案文字;
C、将上述排版模板、每一枚小标签上的防伪特征物的数量控制标准、小标签的坐标编排规则均保存在生产检验系统的计算机中,用摄像头采集每一大版标签的图像到生产检验系统的计算机中,计算机程序按上述排版模板对采集进来的每一大版标签图像自动进行图像预处理和图像分割,获取每一大版标签上一维条码图像并进行识读,对每一枚小标签上的防伪特征撒布区域的防伪特征物的数量进行识读,步骤如下:
a、首先对采集到的每一枚小标签样本图片采用最大类间方差法进行自适应二值化将图像二分类;
b、由于二值化后的图像会出现很多噪点,所以在该基础上需要采用多小波自适应阈值降噪算法对图像进行降噪处理,降噪处理方式如下:
基于多小波的正交线、对称性、紧支撑和消矩性对信号的逼近性能更好,并且重构信号在边界位置的特征恢复性更加完善,因此采用以下算法进行降噪处理:
Ψ(t)=[ψ0(t),ψ1(t),…,ψr-1(t)]T,{Hk∈R∞,k∈Z}和{Gk∈R∞,k∈z}
多小波的分解和重构方式:
式中:w(k)表示小波系数,k≤t,该系数按照系数绝对值递减的顺序存储;m代表系数个数;alpha为调整系数,是大于1的实数,通常取为2;δn为估计噪声的标准差,改变系数alpha,可以获得合适的阈值,Crit(t)是t的函数,假设t为tmin时Crit(t)取极小值,那么阈值γ就可以表示为:
λ=|Crit(tmin)|;
式中:y(x)是阈值化后的小波系数;w是原小波系数;γ是阈值;
c、此时在图像上保留下来的黑像素值就为需要计算的特征物对应的信号值,对图像上该信号值进行求和计算,得到总信号值X;
d、通过实验统计出正常特征物的图像信号数量以及偏差,得到单个特征物正常信号数值最小值为MinN,最大值为MaxM;
e、将总信号值X分别除以单个特征物信号值的最小值MinN、最大值MaxM,即:
X/MinN=N、X/MaxM=M,即可计算出该图像上对应的特征物数量在N和M之间;
D、按特征物质数量控制标准判别该枚标签上的特征物数量是否合格,将每一枚标签特征物数量是否合格的信息与该枚标签的坐标编码数据、该大版标签的一维条码编码数据一起关联保存在生产检验系统的计算机中;
E、用一维条码识读器识读上述生产检验好的每一大版标签上的一维条码数据,用该一维条码数据调取保存在生产检验系统计算机中的该大版标签上每一枚小标签特征物数量是否合格和坐标编码位置的数据,对特征物数量不合格的小标签,用印刷设备根据小标签的坐标编码,在该枚小标签的合适位置喷印不合格标志;
F、对已经生产好的每一大版标签进行模切,对标记有不合格标志的小标签通过自动设备或人工的方法进行剔除,确保生产好的每一枚标签都是合格的标签。
2.根据权利要求1所述一种防伪特征物的数控方法,其特征在于:所述步骤A中的坐标编码印刷在所述小标签上。
3.根据权利要求1所述一种防伪特征物的数控方法,其特征在于:将所述步骤A中的坐标编码编排规则记录在生产检验系统的计算机中。
4.根据权利要求2所述一种防伪特征物的数控方法,其特征在于:所述步骤B中,在合适的印刷材料上用生产设备按所述排版模板印刷小标签的坐标编码。
5.根据权利要求1所述一种防伪特征物的数控方法,其特征在于:所述步骤B中的合适的印刷材料为不干胶纸或PET膜。
6.根据权利要求1所述一种防伪特征物的数控方法,其特征在于:所述步骤B中的生产设备为喷码机、数码印刷机、丝网印刷机和胶印机。
7.根据权利要求1所述一种防伪特征物的数控方法,其特征在于:所述步骤E中的印刷设备为喷码机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347793.XA CN111488755B (zh) | 2020-04-28 | 2020-04-28 | 一种防伪特征物的数控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010347793.XA CN111488755B (zh) | 2020-04-28 | 2020-04-28 | 一种防伪特征物的数控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488755A true CN111488755A (zh) | 2020-08-04 |
CN111488755B CN111488755B (zh) | 2022-09-06 |
Family
ID=71811245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010347793.XA Active CN111488755B (zh) | 2020-04-28 | 2020-04-28 | 一种防伪特征物的数控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488755B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877601A (zh) * | 2005-06-23 | 2006-12-13 | 深圳鼎识科技有限公司 | 一种票据、证件、证书、标签的防伪与物流信息管理方法 |
CN103761656A (zh) * | 2014-01-07 | 2014-04-30 | 邝君 | 一种商品信息的印刷检验方法及装置 |
CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
CN110598166A (zh) * | 2019-09-18 | 2019-12-20 | 河海大学 | 一种自适应确定小波分层级数的小波去噪方法 |
-
2020
- 2020-04-28 CN CN202010347793.XA patent/CN111488755B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877601A (zh) * | 2005-06-23 | 2006-12-13 | 深圳鼎识科技有限公司 | 一种票据、证件、证书、标签的防伪与物流信息管理方法 |
CN103761656A (zh) * | 2014-01-07 | 2014-04-30 | 邝君 | 一种商品信息的印刷检验方法及装置 |
CN110400267A (zh) * | 2019-07-03 | 2019-11-01 | 安徽继远软件有限公司 | 一种基于巡检图像的预处理方法 |
CN110598166A (zh) * | 2019-09-18 | 2019-12-20 | 河海大学 | 一种自适应确定小波分层级数的小波去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111488755B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Material based salient object detection from hyperspectral images | |
CN107615330B (zh) | 用于鲁棒信令和同步的稀疏调制 | |
Kalsotra et al. | Background subtraction for moving object detection: explorations of recent developments and challenges | |
DE102015212255A1 (de) | Erweitern von barcodes mit sekundärkodierung zur fälschungssicherung | |
US5647027A (en) | Method of image enhancement using convolution kernels | |
WO2022200854A1 (en) | Electronic substrate defect detection | |
DE3911702A1 (de) | Optisch lesbare kennzeichnung sowie verfahren und vorrichtung zum erfassen und dekodieren der kennzeichnung | |
CN113252695B (zh) | 一种基于图像处理的塑封薄膜缺陷检测方法及检测装置 | |
MY138084A (en) | Method for image texture describing | |
EP2558976B1 (de) | Verfahren zur konkretisierung eines substrates | |
Drira | Towards restoring historic documents degraded over time | |
Chen et al. | Decompose algorithm for thresholding degraded historical document images | |
US20120070030A1 (en) | Payload recovery systems and methods | |
JP2008175588A (ja) | 外観検査装置 | |
Wang et al. | Document image enhancement using directional wavelet | |
CN111488755A (zh) | 一种防伪特征物的数控方法 | |
CN113592831A (zh) | 印刷误差的检测方法、装置和存储介质 | |
CN108388898A (zh) | 基于连接体和模板的字符识别方法 | |
CN110569848A (zh) | 一种电力设备铭牌的特征提取方法及系统 | |
Ulutas et al. | Image forgery detection using color coherence vector | |
Bashar et al. | Wavelet-Based Multiresolution Features for Detecting Duplications in Images. | |
Wang et al. | Directional Wavelet Approach to Remove Document Image Interference. | |
Luengo Hendriks et al. | Identifying all individuals in a honeybee hive: progress towards mapping all social interactions | |
EP3810432B1 (en) | A method for providing an object with a unique mark | |
CN108960028B (zh) | 基于图像分析的拥堵程度判断系统 |
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 |