CN111766248A - 一种基于彩色ccd的钢印在线检测系统及方法 - Google Patents
一种基于彩色ccd的钢印在线检测系统及方法 Download PDFInfo
- Publication number
- CN111766248A CN111766248A CN202010646261.6A CN202010646261A CN111766248A CN 111766248 A CN111766248 A CN 111766248A CN 202010646261 A CN202010646261 A CN 202010646261A CN 111766248 A CN111766248 A CN 111766248A
- Authority
- CN
- China
- Prior art keywords
- module
- color
- image
- steel seal
- 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
Links
Images
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
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24C—MACHINES FOR MAKING CIGARS OR CIGARETTES
- A24C5/00—Making cigarettes; Making tipping materials for, or attaching filters or mouthpieces to, cigars or cigarettes
- A24C5/32—Separating, ordering, counting or examining cigarettes; Regulating the feeding of tobacco according to rod or cigarette condition
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于彩色CCD的钢印在线检测系统及方法,包括图像采集模块、颜色校正模块、彩色空间变换模块、多重搜索定位模块、印次分离模块、全幅面检测模块、色差检测模块、BLOB分析输出模块;本发明通过多重定位和颜色检测算法提升了钢印检测系统的准确度,可应用于复杂图案、纹理、字符和颜色的钢印;其次,能在卷烟纸印刷过程中实时监测卷烟纸的生产情况;再次,解决了传统检测方法中需要人工检测的方式,大大降低了人工成本。
Description
技术领域
本发明涉及卷烟纸在线检测系统技术领域,尤其涉及一种基于彩色CCD的钢印在线检测系统及方法。
背景技术
卷烟纸是卷烟生产中重要工序组成部分,卷烟纸把烟丝固定成型再连接嘴棒从而成为烟支,在烟支燃烧过程中控制燃烧速度,同时还影响烟支的外观、品吸味道等。国内外的香烟制造企业在其烟支上印刷着由文字、图案等组合成的特有标记,称为牌号钢印。同时,部分烟支上还印刷了由字母、数字组合的编码,称为编码钢印。用来表明烟支的牌号和商标的烟支钢印印刷在烟支上,在某种程度上体现了卷烟的品牌特征,相当于产品的铭牌。因此,烟支钢印的质量,在一定程度上表明了品牌香烟的质量和品质。如果烟支钢印存在质量问题流入市场,那么品牌香烟的信誉,也受到巨大的影响。
目前卷烟设备中,卷接机上存在的钢印印刷图案模糊、位置错位、图案缺失等引起的印刷错误以及盘纸自身的外观特性如褶皱、裂口、污渍等质量问题。传统检测方法依靠人眼检测,但是人的眼睛在检查印刷品缺陷受到主观因素影响较大,效率低,反馈慢等特点,不能很好的满足现代化印刷企业大生产的需求。从而利用机器视觉系统实时检测印刷产品,以相机代替人眼,用计算机硬件和图像处理软件代替人脑进行图像分析处理、缺陷识别及信息的反馈,能够大大提高了印刷质量的检测效率及检测质量,此外机器视觉系统也是目前印刷企业质量管控的主流方向。
CN201320700922.4采用两个黑白CCD分别检测牌号钢印和编码钢印,对灰度图像进行缺陷分析,增加了系统的复杂程度。CN200910044366.8通过黑白CCD采集得到钢印的灰度信息,与标准灰度钢印进行对比分析判断钢印是否合格。上述专利都是采用黑白CCD进行图像采集,对灰度图像进行缺陷分析,无法对钢印的颜色信息进行分析处理。
发明内容
本发明提供了一种基于彩色CCD的钢印在线检测系统及方法,以解决现有技术无法对钢印的颜色信息进行分析处理的问题。
本发明采用的技术方案是:一种基于彩色CCD的钢印在线检测系统,包括图像采集模块、颜色校正模块、彩色空间变换模块、多重搜索定位模块、印次分离模块、全幅面检测模块、色差检测模块、BLOB分析输出模块;
所述图像采集模块包括线扫描彩色CCD、高亮白色LED光源以及图像采集卡;图像数据通过线扫描彩色CCD捕获,所述采集卡通过回调函数传送到所述颜色校正模块进行分析处理;
所述颜色校正模块对采集图像进行颜色校正处理,增强灰度的对比度;
所述彩色空间变换模块将颜色校正模块校正后的图像变换为彩色;
所述多重搜索定位模块实现由粗到精的定位;
所述印次分离模块将不同印次分开,并针对不同印次分别进行检测;
所述全幅面检测模块是对牌号钢印的图像和整个钢印编码进行位置检测,判断是否走版,实现质量全面检测;
所述色差检测模块将采集钢印图像与标准模板图像进行色差对比,实现钢印缺陷分类;
所述BLOB分析输出模块将残差图像进行特征提取与分类,判定是缺陷错误还是噪声点。
优选地,所述颜色校正模块采用直方图规定化。
优选地,所述彩色空间变换模块采用CIELab颜色空间变换。
优选地,所述印次分离模块根据不同区域定位核按照印刷顺序区分为不同的检测区域,分别使用各自印次模型进行检测,并设定钢印有无阈值表示检测区域图像与定位核图像的相关系数,当检测区域图像与定位核图像的内容相似或一致,则相关系数越大。
优选地,所述全幅面检测模块包括自适应模板匹配模块和OCR模块,所述自所述适应模板匹配模块按照不同的印次顺序建立彩色模型,在多重定位的基础上划分成小块区域,自动统计小块内图像的综合特征,通过自适应的模板阈值分割牌号钢印图像的不同印次区域,并与各印次的模板图像进行对比分析;所述OCR模块根据期望的钢印编码进行检测,每个编码字符单独检测并按优先级计算出最重的缺陷类型,同时针对整个钢印编码,进行位置检测,判断是否走版,实现质量全面检测。
优选地,所述色差检测模块将采集钢印图像与标准模板图像进行色差对比,根据预设的色差参数,采用单层及综合色差分析方法实现钢印缺陷分类;
首先将采集钢印图像与标准模板图像进行色差对比,标准模板图像Lab空间变换为L1*、a1*、b1*,采集钢印图像Lab空间变换为L2*、a2*、b2*;则:
ΔL=L1*-L2*
Δa=a2*-a1*
Δb=b2*-b1*
定义总的色差为:ΔC2=(ΔL*)2+(Δa*)2+(Δb*)2
CIELab彩色空间中a*分量和b*分量反映的是色度的信息,而L分量反映的是明度的信息,因此把综合色差计算公式定义为:ΔC2=(Δa*)2+(Δb*)2。
优选地,所述BLOB分析输出模块对残差图像进行特征提取与分类,即对超出模板期望值的残点进行归类,通过残点门限阈值及图形特征判定是否为缺陷错误还是噪声点;同时对残差Blob图像进行图形特征分析,将单纯的图案信息迅速转化为图案的形状信息,从而将真实缺陷与虚假缺陷根据图形特征不同区分出来。
一种基于彩色CCD的钢印在线检测方法,其特征在于包括如下步骤:
S101:采集卷烟纸双支烟图像;
S102:对双支烟图像颜色校正及彩色空间变换;
S103:定位卷烟纸边,以及定位纸张内不同图案;
S104:计算印次1定位区域与模板相似度;
S105:判断相似度是否小于钢印有无阈值;若相似度大于钢印有无阈值,则进行步骤S106;若相似度小于钢印有无阈值,则进行步骤S107;
S106:不同印次区域分离;
使用模板阈值分割印次1、印次2区域,与钢印模板比较,计算出牌号钢印残点;
色差检测,计算牌号钢印残点;
通过OCR计算编码钢印残点;
然后进行步骤S108;
S107:计算印次2定位区域与模板的相似度;
并判断印次2相似度是否大于印次1相似度;若印次2相似度大于印次1相似度,则报出接头缺陷;若印次2相似度是小于印次1相似度,则报出缺陷;
S108:判断残点比例是否大于门限阈值;若残点比例大于门限阈值,则报出缺陷;若残点比例小于门限阈值,则为正常钢印。
优选地,S102中,所述图像颜色校正通过直方图规定化来增强灰度值的对比度,具体步骤包括:
S1021:对采集图像的直方图进行灰度均衡化;
S1022:选择直方图,并进行直方图均衡化的变换;
S1023:将步骤S1021得到的变换反转过来,将原始直方图对应映射到选择的直方图。
优选地,S102中,所述彩色空间变换采用CIELab颜色空间变换。
本发明的有益效果是:相对于现有技术,首先,本发明通过多重定位和颜色检测算法提升了钢印检测系统的准确度,可应用于复杂图案、纹理、字符和颜色的钢印;其次,能在卷烟纸印刷过程中实时监测卷烟纸的生产情况;再次,解决了传统检测方法中需要人工检测的方式,大大降低了人工成本。
附图说明
图1为本发明公开的一种基于彩色CCD的钢印在线检测系统结构图;
图2为本发明公开的一种基于彩色CCD的钢印在线检测系统中色差检测模块算法流程图;
图3为本发明公开的一种基于彩色CCD的钢印在线检测方法流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步详细描述,但本发明的实施方式不限于此。
实施例1:
参见图1-2,一种基于彩色CCD的钢印在线检测系统,包括图像采集模块1、颜色校正模块2、彩色空间变换模块3、多重搜索定位模块4、印次分离模块5、全幅面检测模块6、色差检测模块7、BLOB分析输出模块8。
图像采集模块1包括线扫描彩色CCD、高亮白色LED光源以及图像采集卡,线扫描彩色CCD用于采集图像,图像采集卡用于上传采集到的图像,并通过回调函数传送到颜色校正模块2进行分析处理。
在系统成像过程中不同机台的机器,不同的相机,导致光线环境也不同,每台机器都需要单独的模板以适应不同的光线环境。为此,颜色校正模块2采用直方图规定化。
由于钢印图案颜色的复杂性,特别是钢印的颜色丰富,混色区域颜色差别小,图案颜色浅等,所以彩色空间变换模块3采用CIELab标准色度系统,在CIELab彩色空间中,两种颜色的欧氏距离与人所感知的颜色差更加接近,更容易检测出精细的色差,而不像RGB颜色模型那样产生不均匀偏差。
多重搜索定位模块4是为了保证全幅面检测精度,允许卷烟纸存在一定程度的伸缩变形和在不同的印次过程中存在一定套印公差,因此需要对图像分区域进行精细多级搜索定位。首先通过大张的纸边定位区域进行粗定位,然后通过区域定位核进行不同印层的精确定位,因此多重搜索定位模块4可以实现不同印层由粗到精的定位。
不同钢印在纸张上印有不同的图案,如汉字是一个钢印所印的图案,英文字母是一个钢印所印的图案,数字编码是一个钢印所印的图案,由于纸张上汉字、英文字母、数字编码的间距不固定,因此需要将不同印次分开来检测。本实施例规定汉字是印次1,英文字母是印次2。
印次分离模块5是根据不同区域定位核按照印刷顺序区分为不同的检测区域,分别使用各自印次模型进行检测。设定钢印有无阈值表示检测区域图像与定位核图像的相关系数,当检测区域图像与定位核图像的内容相似或一致,则相关系数越大。
首先计算印次1定位区域与模板相似度,然后判断相似度是否小于钢印有无阈值,若相似度大于钢印有无阈值,则表示正常;若相似度小于钢印有无阈值,则计算印次2定位区域与模板的相似度,若印次2相似度大于印次1相似度,则报出接头缺陷,若印次2相似度小于印次1相似度,则报出缺陷;所谓接头就是不同卷纸张的接头,当检测系统判断印次1和印次2的相似度均较差,则说明是接头缺陷。钢印有无阈值表示检测区域图像与定位核图像的相关系数。
全幅面检测模块6包括自适应模板匹配模块和OCR模块,自适应模板匹配模块按照不同的印次顺序建立彩色模型,在多重定位的基础上划分成小块区域,自动统计小块内图像的综合特征,如平均亮度等,通过自适应的模板阈值分割牌号钢印图像的不同印次区域,并与各印次的模板图像进行对比分析;OCR模块是根据期望的钢印编码进行检测,每个编码字符单独检测并按优先级计算出最重的缺陷类型,包含墨点,浅花,串色,缺印,错号等,同时针对整个钢印编码,进行位置检测,判断是否走版,实现质量全面检测。由于每个编码字符不一样,所以不能同印次1、印次2一样直接跟模板进行对比,所以这里通过OCR模块对钢印编码进行检测。
色差检测模块7就是将采集钢印图像与标准模板图像进行色差对比,根据预设的色差参数,采用单层及综合色差分析方法实现钢印缺陷分类。L*a*b*彩色空间的a*分量和b*分量反映的是色度的信息,而L分量反映的是明度的信息。色彩检测过程如图2所示。
首先将采集钢印图像与标准模板图像进行色差对比,如标准模板图像Lab空间变换为L1*、a1*、b1*,采集钢印图像Lab空间变换为L2*、a2*、b2*。则:
ΔL=L1*-L2*
Δa=a2*-a1*
Δb=b2*-b1*
定义总的色差为:ΔC2=(ΔL*)2+(Δa*)2+(Δb*)2
CIELab彩色空间中a*分量和b*分量反映的是色度的信息,而L分量反映的是明度的信息。因此把综合色差计算公式定义为:ΔC2=(Δa*)2+(Δb*)2
综合考虑ΔL、Δa、Δb、ΔC2,采用单层及综合色差分析方法实现钢印色差检测。
BLOB分析输出模块是对残差图像进行特征提取与分类,即对超出模板期望值的残点进行归类,通过残点门限阈值及图形特征判定是否为缺陷错误还是噪声点。具体的,BLOB分析输出模块是设定一个门限阈值,残差面积超过门限阈值,报出钢印缺陷信息,门限阈值是指残点超过设定值就认为是缺陷;同时通过对残差Blob图像进行图形特征分析,可以将单纯的图案信息迅速转化为图案的形状信息,如图像质心、图像面积、图像周长、图像外接最小矩形以及其他图形信息,从而将真实缺陷与虚假缺陷根据图形特征不同区分出来。
实施例2:
参见图1-3,一种基于彩色CCD的钢印在线检测方法,该检测方法包括如下步骤:
步骤S101,采集卷烟纸双支烟图像;具体的,建立标准图像模型,在采集图像中选双支烟区域,划分成小块区域,设置各印次区域等级,并应用到全幅面,得到模板图像及参数;
步骤102,对双支烟图像颜色校正及LAB空间变换;具体的,对采集图像进行颜色校正处理,有选择地增强某个灰度值范围内的对比度,其主要思想为直方图规定化;把颜色校正图像转换到Lab空间,便于定量分析色差差异;
直方图规定化具体步骤如下(这里设M和N分别为原始图和规定图中的灰度级数,且只考虑N≤M的情况):
步骤1021,对采集图像的直方图进行灰度均衡化;
步骤1022,规定需要的直方图,并计算能使规定的直方图均衡化的变换;
步骤1023,将步骤1021得到的变换反转过来,将原始直方图对应映射到规定的直方图。
步骤103,定位卷烟纸边,以及定位纸张内不同图案。
步骤104,计算印次1定位区域与模板相似度;具体的,把图像按照印刷顺序分成不同的区域进行处理,每块检测区域在纸边定位的基础上再细定位;在在纸边定位和各自区域定位的基础上,各印次区域分别使用各自印次的模型进行检测。
步骤105,判断相似度是否小于钢印有无阈值;若相似度大于钢印有无阈值,则进入步骤106。若相似度小于钢印有无阈值,则进入步骤107。具体的,设定钢印有无阈值表示检测区域图像与定位核图像的相关系数;在纸边定位的基础上定位印次1区域的钢印图案位置;计算检测区域图像与定位核钢印图像的相关系数,并与钢印有无阈值比较;所谓定位核就是在模板图像上标定一块区域,在目标图像上去搜索跟这块区域相关系数最大的区域,模板上标注的这块区域图像就是定位核图像;
步骤106,将不同印次区域分离。
使用模板阈值分割印次1、2区域,与钢印模板比较,计算出牌号钢印残点;具体的,模板阈值就是建立的标准图像在RGB空间的阈值;在多重定位的基础上划分成小块区域,自动统计小块内图像的综合特征,如平均亮度等,根据模板图像自适应地调整模板阈值,进行模板匹配。
色差检测,计算牌号钢印残点;具体的,色差检测就是将采集钢印图像与标准模板图像进行色差对比,根据预设的色差参数,采用单层及综合色差分析方法实现钢印缺陷分类。
通过OCR计算编码钢印残点;具体的,OCR是根据期望的钢印编码进行检测,每个编码字符单独检测并按优先级计算出最重的缺陷类型,包含墨点,浅花,串色,缺印,错号等,同时针对整个钢印编码,进行位置检测,判断是否走版,实现质量全面检测。
步骤107,计算印次2定位区域与模板的相似度;具体的,在纸边定位的基础上定位印次2区域的钢印图案位置;计算检测区域图像与定位核钢印图像的相关系数,并与钢印有无阈值比较。
并判断印次2相似度是否大于印次1相似度;若印次2相似度大于印次1的相似度,则报出接头缺陷;若印次2相似度小于印次1相似度,则报出缺陷;这里的接头是指每卷纸与每卷纸间的接头。
步骤108,判断残点比例是否大于门限阈值;具体的,对残差图像进行特征提取与分类,即对超出模板期望值的残点进行归类,通过残点门限阈值及图形特征判定是否为缺陷错误还是噪声点,门限阈值是指残点超过指定值认为是缺陷。
相对于现有技术,首先,本实施例提供的一种基于彩色CCD的钢印在线检测方法,通过多重定位和颜色检测算法提升了钢印检测系统的准确度,可应用于复杂图案、纹理、字符和颜色的钢印;其次,能在卷烟纸印刷过程中实时监测卷烟纸的生产情况;再次,解决了传统检测方法中需要人工检测的方式,大大降低了人工成本。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于彩色CCD的钢印在线检测系统,其特征在于:包括图像采集模块、颜色校正模块、彩色空间变换模块、多重搜索定位模块、印次分离模块、全幅面检测模块、色差检测模块、BLOB分析输出模块;
所述图像采集模块包括线扫描彩色CCD、高亮白色LED光源以及图像采集卡;图像数据通过线扫描彩色CCD捕获,所述采集卡通过回调函数传送到所述颜色校正模块进行分析处理;
所述颜色校正模块对采集图像进行颜色校正处理,增强灰度的对比度;
所述彩色空间变换模块将颜色校正模块校正后的图像变换为彩色;
所述多重搜索定位模块实现由粗到精的定位;
所述印次分离模块将不同印次分开,并针对不同印次分别进行检测;
所述全幅面检测模块是对牌号钢印的图像和整个钢印编码进行位置检测,判断是否走版,实现质量全面检测;
所述色差检测模块将采集钢印图像与标准模板图像进行色差对比,实现钢印缺陷分类;
所述BLOB分析输出模块将残差图像进行特征提取与分类,判定是缺陷错误还是噪声点。
2.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述颜色校正模块采用直方图规定化。
3.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述彩色空间变换模块采用CIELab颜色空间变换。
4.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述印次分离模块根据不同区域定位核按照印刷顺序区分为不同的检测区域,分别使用各自印次模型进行检测,并设定钢印有无阈值表示检测区域图像与定位核图像的相关系数,当检测区域图像与定位核图像的内容相似或一致,则相关系数越大。
5.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述全幅面检测模块包括自适应模板匹配模块和OCR模块,所述自适应模板匹配模块按照不同的印次顺序建立彩色模型,在多重定位的基础上划分成小块区域,自动统计小块内图像的综合特征,通过自适应的模板阈值分割牌号钢印图像的不同印次区域,并与各印次的模板图像进行对比分析;所述OCR模块根据期望的钢印编码进行检测,每个编码字符单独检测并按优先级计算出最重的缺陷类型,同时针对整个钢印编码,进行位置检测,判断是否走版,实现质量全面检测。
6.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述色差检测模块将采集钢印图像与标准模板图像进行色差对比,根据预设的色差参数,采用单层及综合色差分析方法实现钢印缺陷分类;
首先将采集钢印图像与标准模板图像进行色差对比,标准模板图像Lab空间变换为L1*、a1*、b1*,采集钢印图像Lab空间变换为L2*、a2*、b2*;则:
ΔL=L1*-L2*
Δa=a2*-a1*
Δb=b2*-b1*
定义总的色差为:ΔC2=(ΔL*)2+(Δa*)2+(Δb*)2
CIELab彩色空间中a*分量和b*分量反映的是色度的信息,而L分量反映的是明度的信息,因此把综合色差计算公式定义为:ΔC2=(Δa*)2+(Δb*)2。
7.如权利要求1所述的一种基于彩色CCD的钢印在线检测系统,其特征在于:所述BLOB分析输出模块对残差图像进行特征提取与分类,即对超出模板期望值的残点进行归类,通过残点门限阈值及图形特征判定是否为缺陷错误还是噪声点;同时对残差Blob图像进行图形特征分析,将单纯的图案信息迅速转化为图案的形状信息,从而将真实缺陷与虚假缺陷根据图形特征不同区分出来。
8.一种基于彩色CCD的钢印在线检测方法,其特征在于包括如下步骤:
S101:采集卷烟纸双支烟图像;
S102:对双支烟图像颜色校正及彩色空间变换;
S103:定位卷烟纸边,以及定位纸张内不同图案;
S104:计算印次1定位区域与模板相似度;
S105:判断相似度是否小于钢印有无阈值;若相似度大于钢印有无阈值,则进行步骤S106;若相似度小于钢印有无阈值,则进行步骤S107;
S106:不同印次区域分离;
使用模板阈值分割印次1、印次2区域,与钢印模板比较,计算出牌号钢印残点;
色差检测,计算牌号钢印残点;
通过OCR计算编码钢印残点;
然后进行步骤S108;
S107:计算印次2定位区域与模板的相似度;
并判断印次2相似度是否大于印次1相似度;若印次2相似度大于印次1相似度,则报出接头缺陷;若印次2相似度是小于印次1相似度,则报出缺陷;
S108:判断残点比例是否大于门限阈值;若残点比例大于门限阈值,则报出缺陷;若残点比例小于门限阈值,则为正常钢印。
9.如权利要求8所述的一种基于彩色CCD的钢印在线检测方法,其特征在于:S102中,所述图像颜色校正通过直方图规定化来增强灰度值的对比度,具体步骤包括:
S1021:对采集图像的直方图进行灰度均衡化;
S1022:选择直方图,并进行直方图均衡化的变换;
S1023:将步骤S1021得到的变换反转过来,将原始直方图对应映射到选择的直方图。
10.如权利要求8所述的一种基于彩色CCD的钢印在线检测方法,其特征在于:S102中,所述彩色空间变换采用CIELab颜色空间变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646261.6A CN111766248A (zh) | 2020-07-07 | 2020-07-07 | 一种基于彩色ccd的钢印在线检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010646261.6A CN111766248A (zh) | 2020-07-07 | 2020-07-07 | 一种基于彩色ccd的钢印在线检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111766248A true CN111766248A (zh) | 2020-10-13 |
Family
ID=72724010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010646261.6A Pending CN111766248A (zh) | 2020-07-07 | 2020-07-07 | 一种基于彩色ccd的钢印在线检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766248A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730251A (zh) * | 2020-12-30 | 2021-04-30 | 凌云光技术股份有限公司 | 一种用于屏幕颜色缺陷检测的装置及方法 |
CN114882037A (zh) * | 2022-07-11 | 2022-08-09 | 北京中科慧眼科技有限公司 | 基于动态印次掩模的图像缺陷检测方法和系统 |
CN114972709A (zh) * | 2022-07-14 | 2022-08-30 | 彼图科技(青岛)有限公司 | 一种基于块相似度的图像人工智能算法 |
CN116994008A (zh) * | 2023-09-28 | 2023-11-03 | 惠州市惠阳聚晟化工涂料有限公司 | 一种仿阳极铝合金镀膜加工纹理分析方法及系统 |
-
2020
- 2020-07-07 CN CN202010646261.6A patent/CN111766248A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730251A (zh) * | 2020-12-30 | 2021-04-30 | 凌云光技术股份有限公司 | 一种用于屏幕颜色缺陷检测的装置及方法 |
CN112730251B (zh) * | 2020-12-30 | 2023-09-26 | 凌云光技术股份有限公司 | 一种用于屏幕颜色缺陷检测的装置及方法 |
CN114882037A (zh) * | 2022-07-11 | 2022-08-09 | 北京中科慧眼科技有限公司 | 基于动态印次掩模的图像缺陷检测方法和系统 |
CN114972709A (zh) * | 2022-07-14 | 2022-08-30 | 彼图科技(青岛)有限公司 | 一种基于块相似度的图像人工智能算法 |
CN116994008A (zh) * | 2023-09-28 | 2023-11-03 | 惠州市惠阳聚晟化工涂料有限公司 | 一种仿阳极铝合金镀膜加工纹理分析方法及系统 |
CN116994008B (zh) * | 2023-09-28 | 2024-02-06 | 惠州市惠阳聚晟化工涂料有限公司 | 一种仿阳极铝合金镀膜加工纹理分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111766248A (zh) | 一种基于彩色ccd的钢印在线检测系统及方法 | |
JP5830338B2 (ja) | 帳票認識方法および帳票認識装置 | |
CN106096610B (zh) | 一种基于支持向量机的文档图像二值化方法 | |
TWI467515B (zh) | 掃描文件之彩色捨去 | |
CN107767379B (zh) | Pcb板标注印刷质量检测方法 | |
CN111242896A (zh) | 一种彩色印刷标签缺陷检测与质量评级方法 | |
CN112258460A (zh) | 一种基于图像识别的印刷制品质量实时监测质检系统 | |
CN113109348B (zh) | 一种基于机器视觉的桨影移印缺陷识别方法 | |
CN109507209A (zh) | 一种薄膜印刷缺陷检测系统及方法 | |
JP5337563B2 (ja) | 帳票認識方法および装置 | |
CN111667475B (zh) | 一种基于机器视觉的大枣分级检测方法 | |
CN105159627A (zh) | 一种自动化的数码印花色差校正方法 | |
JP4593729B2 (ja) | 背景のモデルと文字のモデルとを結合することによって構造化された背景上の文字を自動認識する方法 | |
CN114926661B (zh) | 一种纺织品表面颜色数据处理、识别方法及系统 | |
KR102102403B1 (ko) | 위조 영상 인쇄물 감식을 통한 코드인증방법과 그 응용 시스템 | |
CN105976001A (zh) | 防伪车牌制作用二维码及序列号标识符识别方法 | |
JP5887242B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN110751690B (zh) | 铣床刀头视觉定位方法 | |
Ouji et al. | Chromatic/achromatic separation in noisy document images | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
CN110782453B (zh) | 一种基于图像特征匹配的印刷品质量检测方法 | |
TWI313848B (en) | A fire image detection method | |
CN111402341A (zh) | 相机参数确定方法、装置、电子设备及可读存储介质 | |
CN113128512A (zh) | 一种基于颜色通道去红章的方法及工具 | |
US11477425B2 (en) | Image processing apparatus and non-transitory computer readable medium |
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 |