CN111818250A - 全电脑式智能自动化的印品检测系统及方法 - Google Patents

全电脑式智能自动化的印品检测系统及方法 Download PDF

Info

Publication number
CN111818250A
CN111818250A CN202010769846.7A CN202010769846A CN111818250A CN 111818250 A CN111818250 A CN 111818250A CN 202010769846 A CN202010769846 A CN 202010769846A CN 111818250 A CN111818250 A CN 111818250A
Authority
CN
China
Prior art keywords
printing
information
detected
actual
actual 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
Application number
CN202010769846.7A
Other languages
English (en)
Other versions
CN111818250B (zh
Inventor
杨开新
冯润泉
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.)
Changde Tongda Machinery Manufacturing Co ltd
Original Assignee
Changde Tongda Machinery Manufacturing 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 Changde Tongda Machinery Manufacturing Co ltd filed Critical Changde Tongda Machinery Manufacturing Co ltd
Priority to CN202010769846.7A priority Critical patent/CN111818250B/zh
Publication of CN111818250A publication Critical patent/CN111818250A/zh
Application granted granted Critical
Publication of CN111818250B publication Critical patent/CN111818250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components 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
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (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)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了全电脑式智能自动化的印品检测系统及方法，其通过自动扫描拍摄和自动扫描照射的无损检测的方式对待检测印品进行印刷外观质量和印刷涂层结构质量的检测，其并不需要采用直接接触的方式就能够快速地和精确地实现对待检测印品的全面检测，从而实现对待检测印品的无损化、自动化、高效化和高精度的质量检测。

Description

全电脑式智能自动化的印品检测系统及方法
技术领域
本发明涉及印品质量检测的技术领域，特别涉及全电脑式智能自动化的印品检测系统及方法。
背景技术
印刷制品是通过涂覆或者喷涂的方式将涂料设置在基体上，以形成相应的印刷图案或者印刷涂层。通过上述涂覆或者喷涂的方式能够在基体上形成相应的保护涂层，从而避免基体直接与外界环境接触而被侵蚀，并且还能够改善基体的美观性。现有技术都是通过物理性接触的方式来检测印刷制品的印刷质量，这种方式不仅检测效率低下和检测准确性差，并且还会对印刷制品造成一定的损坏。可见，现有技术的印品检测方式无法实现对印刷制品的无损化、自动化、高效化和高精度的质量检测。
发明内容
针对现有技术存在的缺陷，本发明提供全电脑式智能自动化的印品检测系统及方法，其通过对待检测印品进行自动扫描拍摄，以此获得待检测印品的表面区域影像，从而生成相应的影像数据，再根据该影像数据，获得待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价待检测印品的印刷外观质量，并且还通过对待检测印品进行结构光的自动扫描照射，并获得待检测印品反射结构光后形成的光学条纹图案，从而生成相应的光学条纹图案数据，再根据该光学条纹图案数据，获得待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价待检测印品的印刷涂层结构质量；可见，该全电脑式智能自动化的印品检测系统及方法通过自动扫描拍摄和自动扫描照射的无损检测的方式对待检测印品进行印刷外观质量和印刷涂层结构质量的检测，其并不需要采用直接接触的方式就能够快速地和精确地实现对待检测印品的全面检测，从而实现对待检测印品的无损化、自动化、高效化和高精度的质量检测。
本发明提供全电脑式智能自动化的印品检测系统，其特征在于，其包括扫描拍摄模块、影像预处理模块、印刷外观质量评价模块、扫描照射模块、光学条纹图案预处理模块、印刷涂层结构质量评价模块；其中，
所述扫描拍摄模块用于对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像；
所述影像预处理模块用于对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
所述印刷外观质量评价模块用于根据从所述影像数据获得的所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，评价得到所述待检测印品的印刷外观质量；
所述扫描照射模块用于对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案；
所述光学条纹图案预处理模块用于对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
所述印刷涂层结构质量评价模块用于根据从所述光学条纹图案数据获得的所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，评价得到所述待检测印品的印刷涂层结构质量；
进一步，所述扫描拍摄模块用于对所述待检测印品进行自动双目扫描拍摄，从而获得关于所述待检测印品不同表面区域的双目影像；
所述影像预处理模块用于对所述双目影像进行电脑式智能双目视差计算处理，从而获得关于所述待检测印品不同表面区域的双目视差影像信息，以此作为所述影像数据；
所述印刷外观质量评价模块包括色度信息提取子模块、光泽度信息提取子模块和第一模型评价子模块；其中，
所述色度信息提取子模块用于从所述影像数据中提取得到所述待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为所述实际印刷色度信息；
所述光泽度信息提取子模块用于从所述影像数据中提取得到所述待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为所述实际印刷光泽度信息；
所述第一模型评价子模块用于将所述实际印刷色域值信息、所述实际印刷色度分布变化信息、所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息输入至预先构建的印品外观质量评价模型，从而得到所述待检测印品的印刷外观质量评价结果；
进一步，所述扫描照射模块用于向所述待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收所述待检测印品反射所述结构光后形成的光学条纹图案；
所述光学条纹图案预处理模块用于对所述光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据；
进一步，所述印刷涂层结构质量评价模块包括光滑度信息提取子模块、涂层厚度分布信息提取子模块和第二模型评价子模块；其中，
所述光滑度信息提取子模块用于根据所述光学条纹图案数据，确定所述待检测印品表面区域的起伏微结构分布状态信息，以此获得所述实际表面光滑度信息；
所述涂层厚度分布信息提取子模块用于根据所述光学条纹图案数据，确定所述待检测印品不同表面区域的印刷涂层厚度值，以此作为所述实际印刷涂层厚度分布信息；
所述第二模型评价子模块用于将所述实际表面光滑度信息和所述实际印刷涂层厚度分布信息输入至预先构建的印品涂层结构质量评价模型，从而得到所述待检测印品的印刷涂层结构质量评价结果。
本发明还提供全电脑式智能自动化的印品检测方法，其特征在于，其包括如下步骤：
步骤S1，对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像，并对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
步骤S2，根据所述影像数据，获得所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价所述待检测印品的印刷外观质量；
步骤S3，对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案，并对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
步骤S4，根据所述光学条纹图案数据，获得所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价所述待检测印品的印刷涂层结构质量；
进一步，在所述步骤S1中，对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像，并对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据具体包括，
步骤S101，对所述待检测印品进行自动双目扫描拍摄，从而获得关于所述待检测印品不同表面区域的双目影像；
步骤S102，对所述双目影像进行电脑式智能双目视差计算处理，从而获得关于所述待检测印品不同表面区域的双目视差影像信息，以此作为所述影像数据；
以及，
在所述步骤S2中，根据所述影像数据，获得所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价所述待检测印品的印刷外观质量具体包括，
步骤S201，从所述影像数据中提取得到所述待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为所述实际印刷色度信息，以及从所述影像数据中提取得到所述待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为所述实际印刷光泽度信息；
步骤S202，构建印品外观质量评价模型，并将所述实际印刷色域值信息、所述实际印刷色度分布变化信息、所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息输入至所述印品外观质量评价模型，从而得到所述待检测印品的印刷外观质量评价结果；
进一步，在所述步骤S3中，对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案，并对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据具体包括，
步骤S301，向所述待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收所述待检测印品反射所述结构光后形成的光学条纹图案；
步骤S302，对所述光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据；
进一步，在所述步骤S4中，根据所述光学条纹图案数据，获得所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价所述待检测印品的印刷涂层结构质量具体包括，
步骤S401，根据所述光学条纹图案数据，确定所述待检测印品表面区域的起伏微结构分布状态信息，以此获得所述实际表面光滑度信息，以及根据所述光学条纹图案数据，确定所述待检测印品不同表面区域的印刷涂层厚度值，以此作为所述实际印刷涂层厚度分布信息；
步骤S402，构建印品涂层结构质量评价模型，并将所述实际表面光滑度信息和所述实际印刷涂层厚度分布信息输入至所述印品涂层结构质量评价模型，从而得到所述待检测印品的印刷涂层结构质量评价结果。
相比于现有技术，该全电脑式智能自动化的印品检测系统及方法通过对待检测印品进行自动扫描拍摄，以此获得待检测印品的表面区域影像，从而生成相应的影像数据，再根据该影像数据，获得待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价待检测印品的印刷外观质量，并且还通过对待检测印品进行结构光的自动扫描照射，并获得待检测印品反射结构光后形成的光学条纹图案，从而生成相应的光学条纹图案数据，再根据该光学条纹图案数据，获得待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价待检测印品的印刷涂层结构质量；可见，该全电脑式智能自动化的印品检测系统及方法通过自动扫描拍摄和自动扫描照射的无损检测的方式对待检测印品进行印刷外观质量和印刷涂层结构质量的检测，其并不需要采用直接接触的方式就能够快速地和精确地实现对待检测印品的全面检测，从而实现对待检测印品的无损化、自动化、高效化和高精度的质量检测。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的全电脑式智能自动化的印品检测系统的结构示意图。
图2为本发明提供的全电脑式智能自动化的印品检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，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作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。
参阅图1，为本发明实施例提供的全电脑式智能自动化的印品检测系统的结构示意图。该全电脑式智能自动化的印品检测系统包括扫描拍摄模块、影像预处理模块、印刷外观质量评价模块、扫描照射模块、光学条纹图案预处理模块、印刷涂层结构质量评价模块；其中，
该扫描拍摄模块用于对待检测印品进行自动扫描拍摄，以此获得该待检测印品的表面区域影像；
该影像预处理模块用于对该表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
该印刷外观质量评价模块用于根据从该影像数据获得的该待检测印品的实际印刷色度信息和实际印刷光泽度信息，评价得到该待检测印品的印刷外观质量；
该扫描照射模块用于对该待检测印品进行结构光的自动扫描照射，并获得该待检测印品反射该结构光后形成的光学条纹图案；
该光学条纹图案预处理模块用于对该光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
该印刷涂层结构质量评价模块用于根据从该光学条纹图案数据获得的该待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，评价得到该待检测印品的印刷涂层结构质量。
该全电脑式智能自动化的印品检测系统有别于现有技术采用直接接触的方式，其通过自动扫描拍摄和自动扫描照射的非接触方式对待检测印品进行外观质量和涂层结构质量的检测，这样不仅能够有效避免与待检测印品直接接触而造成待检测印品损坏情况的发生，并且还能够提高对待检测印品的检测效率和检测准确性。
优选地，该扫描拍摄模块用于对该待检测印品进行自动双目扫描拍摄，从而获得关于该待检测印品不同表面区域的双目影像；
该影像预处理模块用于对该双目影像进行电脑式智能双目视差计算处理，从而获得关于该待检测印品不同表面区域的双目视差影像信息，以此作为该影像数据；
该印刷外观质量评价模块包括色度信息提取子模块、光泽度信息提取子模块和第一模型评价子模块；其中，
该色度信息提取子模块用于从该影像数据中提取得到该待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为该实际印刷色度信息；
该光泽度信息提取子模块用于从该影像数据中提取得到该待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为该实际印刷光泽度信息；
该第一模型评价子模块用于将该实际印刷色域值信息、该实际印刷色度分布变化信息、该实际印刷反射光泽亮度值信息和该实际印刷反射光泽亮度分布变化信息输入至预先构建的印品外观质量评价模型，从而得到该待检测印品的印刷外观质量评价结果。
通过自动双目扫描拍摄方式对待检测印品进行视觉检测，再通过印品外观质量评价模型对待检测印品的实际印刷色度信息和实际印刷光泽度信息进行分析处理，从而确定待检测印品的印刷外观质量评价结果，这样能够提高对待检测印品的印刷外观质量的评价准确性和可信度。
优选地，该扫描照射模块用于向该待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收该待检测印品反射该结构光后形成的光学条纹图案；
该光学条纹图案预处理模块用于对该光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据。
通过对该光学条纹图案进行光学条纹边缘锐化处理和降噪处理，能够有效地降低光学条纹图案中的噪声信息，从而提高光学条纹图案数据的数据精确性。
优选地，该印刷涂层结构质量评价模块包括光滑度信息提取子模块、涂层厚度分布信息提取子模块和第二模型评价子模块；其中，
该光滑度信息提取子模块用于根据该光学条纹图案数据，确定该待检测印品表面区域的起伏微结构分布状态信息，以此获得该实际表面光滑度信息；
该涂层厚度分布信息提取子模块用于根据该光学条纹图案数据，确定该待检测印品不同表面区域的印刷涂层厚度值，以此作为该实际印刷涂层厚度分布信息；
该第二模型评价子模块用于将该实际表面光滑度信息和该实际印刷涂层厚度分布信息输入至预先构建的印品涂层结构质量评价模型，从而得到该待检测印品的印刷涂层结构质量评价结果。
通过印品涂层结构质量评价模型对待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息进行分析处理，从而确定待检测印品的印刷涂层结构质量评价结果，这样能够提高对待检测样品的印刷涂层结构质量的评价准确性和可信度。
参阅图2，为本发明实施例提供的全电脑式智能自动化的印品检测方法的流程示意图。该全电脑式智能自动化的印品检测方法包括如下步骤：
步骤S1，对待检测印品进行自动扫描拍摄，以此获得该待检测印品的表面区域影像，并对该表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
步骤S2，根据该影像数据，获得该待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价该待检测印品的印刷外观质量；
步骤S3，对该待检测印品进行结构光的自动扫描照射，并获得该待检测印品反射该结构光后形成的光学条纹图案，并对该光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
步骤S4，根据该光学条纹图案数据，获得该待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价该待检测印品的印刷涂层结构质量。
该全电脑式智能自动化的印品检测方法有别于现有技术采用直接接触的方式，其通过自动扫描拍摄和自动扫描照射的非接触方式对待检测印品进行外观质量和涂层结构质量的检测，这样不仅能够有效避免与待检测印品直接接触而造成待检测印品损坏情况的发生，并且还能够提高对待检测印品的检测效率和检测准确性。
优选地，在该步骤S1中，对待检测印品进行自动扫描拍摄，以此获得该待检测印品的表面区域影像，并对该表面区域影像进行电脑式智能预处理，从而得到相应的影像数据具体包括，
步骤S101，对该待检测印品进行自动双目扫描拍摄，从而获得关于该待检测印品不同表面区域的双目影像；
步骤S102，对该双目影像进行电脑式智能双目视差计算处理，从而获得关于该待检测印品不同表面区域的双目视差影像信息，以此作为该影像数据；
以及，
在该步骤S2中，根据该影像数据，获得该待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价该待检测印品的印刷外观质量具体包括，
步骤S201，从该影像数据中提取得到该待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为该实际印刷色度信息，以及从该影像数据中提取得到该待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为该实际印刷光泽度信息；
步骤S202，构建印品外观质量评价模型，并将该实际印刷色域值信息、该实际印刷色度分布变化信息、该实际印刷反射光泽亮度值信息和该实际印刷反射光泽亮度分布变化信息输入至该印品外观质量评价模型，从而得到该待检测印品的印刷外观质量评价结果。
其具体步骤包括，
步骤S2021：利用公式(1)根据所述实际印刷色域值信息以及所述实际印刷色度分布变化信息得到实际印刷色的色彩质量评价值
Figure BDA0002616166870000111
其中C表示实际印刷色的色彩质量评价值；fa表示所述实际印刷色域值信息中的第a个实际印刷色域值；db表示所述实际印刷色度分布变化信息中的第b个实际印刷色度分布变化值，s表示所述实际印刷色域值信息的信息总数；w表示所述实际印刷色度分布变化信息信息总数；实际印刷色的色彩质量评价值越高表示实际印刷色的色彩质量越好，色彩越清晰；
步骤S2022：利用公式(2)根据所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息得到实际印刷反射光泽亮度的质量评价值
Figure BDA0002616166870000112
其中G表示实际印刷反射光泽亮度的质量评价值；zc表示所述实际印刷反射光泽亮度值信息中的第c个实际印刷反射光泽亮度值；ld表示所述实际印刷反射光泽亮度分布变化信息中的第d个实际印刷反射光泽亮度分布变化值；实际印刷反射光泽亮度的质量越高表示实际反射光泽亮度的质量越好；
步骤S2023：利用公式(3)对实际印刷色的色彩质量评价值以及实际印刷反射光泽亮度的质量评价值进行整合分析得到印刷外观质量评价值
Figure BDA0002616166870000121
其中A表示印刷外观质量评价值；其中印刷外观质量评价值越大表示实际印刷色的色彩质量和实际印刷反射光泽亮度的质量越高，色彩越清晰，印刷反射光泽亮度越温和。
上述技术方案的有益效果是：利用公式(1)得到实际印刷色的色彩质量评价值，目的是为了分析所述实际印刷色域值信息以及所述实际印刷色度分布变化信息得到一个可以评价实际印刷色的色彩质量的量值，与没有该公式和步骤相比该公式和步骤通过分析实际印刷色的色彩和标准印刷色的色彩之间的差距并结合色彩的种类越多印刷色的色彩质量越好这些特点使得到的实际印刷色的色彩质量评价值可以准确的反应出实际印刷色的色彩质量；利用公式(2)得到实际印刷反射光泽亮度的质量评价值，目的是为了分析所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息得到一个可以评价实际印刷反射光泽亮度的质量的一个量值，与没有该公式和步骤相比该公式和步骤通过分析实际印刷反射光泽亮度以及标准印刷反射光泽亮度并且结合印刷反射光泽亮度不宜过低也不宜过高这一特点，使得得到的实际印刷反射光泽亮度的质量评价值可以准确的评价出实际印刷反射光泽亮度的质量；利用公式(3)得到印刷外观质量评价值，目的是为了通过公式对实际印刷色的色彩质量评价值以及实际印刷反射光泽亮度的质量评价值进行综合分析，得到一个可以评价印刷外观质量的评价值，与没有该公式和步骤相比该公式和步骤综合了两种质量评价值，使得评价的结果更能反映印刷外观质量，并且利用公式来评价更加的准确高效自动化；使得全电脑式智能自动化的印品检测系统更加的智能化以及印品检测方法更加统一高效。
通过自动双目扫描拍摄方式对待检测印品进行视觉检测，再通过印品外观质量评价模型对待检测印品的实际印刷色度信息和实际印刷光泽度信息进行分析处理，从而确定待检测印品的印刷外观质量评价结果，这样能够提高对待检测印品的印刷外观质量的评价准确性和可信度。
优选地，在该步骤S3中，对该待检测印品进行结构光的自动扫描照射，并获得该待检测印品反射该结构光后形成的光学条纹图案，并对该光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据具体包括，
步骤S301，向该待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收该待检测印品反射该结构光后形成的光学条纹图案；
步骤S302，对该光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据。
通过对该光学条纹图案进行光学条纹边缘锐化处理和降噪处理，能够有效地降低光学条纹图案中的噪声信息，从而提高光学条纹图案数据的数据精确性。
优选地，在该步骤S4中，根据该光学条纹图案数据，获得该待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价该待检测印品的印刷涂层结构质量具体包括，
步骤S401，根据该光学条纹图案数据，确定该待检测印品表面区域的起伏微结构分布状态信息，以此获得该实际表面光滑度信息，以及根据该光学条纹图案数据，确定该待检测印品不同表面区域的印刷涂层厚度值，以此作为该实际印刷涂层厚度分布信息；
步骤S402，构建印品涂层结构质量评价模型，并将该实际表面光滑度信息和该实际印刷涂层厚度分布信息输入至该印品涂层结构质量评价模型，从而得到该待检测印品的印刷涂层结构质量评价结果。
通过印品涂层结构质量评价模型对待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息进行分析处理，从而确定待检测印品的印刷涂层结构质量评价结果，这样能够提高对待检测样品的印刷涂层结构质量的评价准确性和可信度。
从上述实施例的内容可知，该全电脑式智能自动化的印品检测系统及方法通过对待检测印品进行自动扫描拍摄，以此获得待检测印品的表面区域影像，从而生成相应的影像数据，再根据该影像数据，获得待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价待检测印品的印刷外观质量，并且还通过对待检测印品进行结构光的自动扫描照射，并获得待检测印品反射结构光后形成的光学条纹图案，从而生成相应的光学条纹图案数据，再根据该光学条纹图案数据，获得待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价待检测印品的印刷涂层结构质量；可见，该全电脑式智能自动化的印品检测系统及方法通过自动扫描拍摄和自动扫描照射的无损检测的方式对待检测印品进行印刷外观质量和印刷涂层结构质量的检测，其并不需要采用直接接触的方式就能够快速地和精确地实现对待检测印品的全面检测，从而实现对待检测印品的无损化、自动化、高效化和高精度的质量检测。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.全电脑式智能自动化的印品检测系统，其特征在于，其包括扫描拍摄模块、影像预处理模块、印刷外观质量评价模块、扫描照射模块、光学条纹图案预处理模块、印刷涂层结构质量评价模块；其中，
所述扫描拍摄模块用于对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像；
所述影像预处理模块用于对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
所述印刷外观质量评价模块用于根据从所述影像数据获得的所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，评价得到所述待检测印品的印刷外观质量；
所述扫描照射模块用于对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案；
所述光学条纹图案预处理模块用于对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
所述印刷涂层结构质量评价模块用于根据从所述光学条纹图案数据获得的所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，评价得到所述待检测印品的印刷涂层结构质量。
2.如权利要求1所述的全电脑式智能自动化的印品检测系统，其特征在于：所述扫描拍摄模块用于对所述待检测印品进行自动双目扫描拍摄，从而获得关于所述待检测印品不同表面区域的双目影像；
所述影像预处理模块用于对所述双目影像进行电脑式智能双目视差计算处理，从而获得关于所述待检测印品不同表面区域的双目视差影像信息，以此作为所述影像数据；
所述印刷外观质量评价模块包括色度信息提取子模块、光泽度信息提取子模块和第一模型评价子模块；其中，
所述色度信息提取子模块用于从所述影像数据中提取得到所述待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为所述实际印刷色度信息；
所述光泽度信息提取子模块用于从所述影像数据中提取得到所述待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为所述实际印刷光泽度信息；
所述第一模型评价子模块用于将所述实际印刷色域值信息、所述实际印刷色度分布变化信息、所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息输入至预先构建的印品外观质量评价模型，从而得到所述待检测印品的印刷外观质量评价结果。
3.如权利要求1所述的全电脑式智能自动化的印品检测系统，其特征在于：所述扫描照射模块用于向所述待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收所述待检测印品反射所述结构光后形成的光学条纹图案；
所述光学条纹图案预处理模块用于对所述光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据。
4.如权利要求1所述的全电脑式智能自动化的印品检测系统，其特征在于：所述印刷涂层结构质量评价模块包括光滑度信息提取子模块、涂层厚度分布信息提取子模块和第二模型评价子模块；其中，
所述光滑度信息提取子模块用于根据所述光学条纹图案数据，确定所述待检测印品表面区域的起伏微结构分布状态信息，以此获得所述实际表面光滑度信息；
所述涂层厚度分布信息提取子模块用于根据所述光学条纹图案数据，确定所述待检测印品不同表面区域的印刷涂层厚度值，以此作为所述实际印刷涂层厚度分布信息；
所述第二模型评价子模块用于将所述实际表面光滑度信息和所述实际印刷涂层厚度分布信息输入至预先构建的印品涂层结构质量评价模型，从而得到所述待检测印品的印刷涂层结构质量评价结果。
5.全电脑式智能自动化的印品检测方法，其特征在于，其包括如下步骤：
步骤S1，对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像，并对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据；
步骤S2，根据所述影像数据，获得所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价所述待检测印品的印刷外观质量；
步骤S3，对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案，并对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据；
步骤S4，根据所述光学条纹图案数据，获得所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价所述待检测印品的印刷涂层结构质量。
6.如权利要求5所述的全电脑式智能自动化的印品检测方法，其特征在于：在所述步骤S1中，对待检测印品进行自动扫描拍摄，以此获得所述待检测印品的表面区域影像，并对所述表面区域影像进行电脑式智能预处理，从而得到相应的影像数据具体包括，
步骤S101，对所述待检测印品进行自动双目扫描拍摄，从而获得关于所述待检测印品不同表面区域的双目影像；
步骤S102，对所述双目影像进行电脑式智能双目视差计算处理，从而获得关于所述待检测印品不同表面区域的双目视差影像信息，以此作为所述影像数据；
以及，
在所述步骤S2中，根据所述影像数据，获得所述待检测印品的实际印刷色度信息和实际印刷光泽度信息，以此评价所述待检测印品的印刷外观质量具体包括，
步骤S201，从所述影像数据中提取得到所述待检测印品的实际印刷色域值信息和实际印刷色度分布变化信息，以作为所述实际印刷色度信息，以及从所述影像数据中提取得到所述待检测印品的实际印刷反射光泽亮度值信息和实际印刷反射光泽亮度分布变化信息，以作为所述实际印刷光泽度信息；
步骤S202，构建印品外观质量评价模型，并将所述实际印刷色域值信息、所述实际印刷色度分布变化信息、所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息输入至所述印品外观质量评价模型，从而得到所述待检测印品的印刷外观质量评价结果。
7.如权利要求5所述的全电脑式智能自动化的印品检测方法，其特征在于：在所述步骤S3中，对所述待检测印品进行结构光的自动扫描照射，并获得所述待检测印品反射所述结构光后形成的光学条纹图案，并对所述光学条纹图案进行电脑式智能预处理，从而获得相应的光学条纹图案数据具体包括，
步骤S301，向所述待检测印品自动扫描投射具有明暗条纹分布形式的结构光，并接收所述待检测印品反射所述结构光后形成的光学条纹图案；
步骤S302，对所述光学条纹图案进行电脑式智能光学条纹边缘锐化处理和降噪处理，从而获得相应的光学条纹图案数据。
8.如权利要求7所述的全电脑式智能自动化的印品检测方法，其特征在于：在所述步骤S4中，根据所述光学条纹图案数据，获得所述待检测印品的实际表面光滑度信息和实际印刷涂层厚度分布信息，以此评价所述待检测印品的印刷涂层结构质量具体包括，
步骤S401，根据所述光学条纹图案数据，确定所述待检测印品表面区域的起伏微结构分布状态信息，以此获得所述实际表面光滑度信息，以及根据所述光学条纹图案数据，确定所述待检测印品不同表面区域的印刷涂层厚度值，以此作为所述实际印刷涂层厚度分布信息；
步骤S402，构建印品涂层结构质量评价模型，并将所述实际表面光滑度信息和所述实际印刷涂层厚度分布信息输入至所述印品涂层结构质量评价模型，从而得到所述待检测印品的印刷涂层结构质量评价结果。
9.如权利要求6所述的方法，其特征在于，所述步骤S202具体包括:
步骤S2021：利用公式(1)根据所述实际印刷色域值信息以及所述实际印刷色度分布变化信息得到实际印刷色的色彩质量评价值
Figure FDA0002616166860000051
其中C表示实际印刷色的色彩质量评价值；fa表示所述实际印刷色域值信息中的第a个实际印刷色域值；db表示所述实际印刷色度分布变化信息中的第b个实际印刷色度分布变化值，s表示所述实际印刷色域值信息的信息总数；w表示所述实际印刷色度分布变化信息信息总数；实际印刷色的色彩质量评价值越高表示实际印刷色的色彩质量越好，色彩越清晰；
步骤S2022：利用公式(2)根据所述实际印刷反射光泽亮度值信息和所述实际印刷反射光泽亮度分布变化信息得到实际印刷反射光泽亮度的质量评价值
Figure FDA0002616166860000061
其中G表示实际印刷反射光泽亮度的质量评价值；zc表示所述实际印刷反射光泽亮度值信息中的第c个实际印刷反射光泽亮度值；ld表示所述实际印刷反射光泽亮度分布变化信息中的第d个实际印刷反射光泽亮度分布变化值；实际印刷反射光泽亮度的质量越高表示实际反射光泽亮度的质量越好；
步骤S2023：利用公式(3)对实际印刷色的色彩质量评价值以及实际印刷反射光泽亮度的质量评价值进行整合分析得到印刷外观质量评价值
Figure FDA0002616166860000062
其中A表示印刷外观质量评价值；其中印刷外观质量评价值越大表示实际印刷色的色彩质量和实际印刷反射光泽亮度的质量越高，色彩越清晰，印刷反射光泽亮度越温和。
CN202010769846.7A 2020-08-04 2020-08-04 全电脑式智能自动化的印品检测系统及方法 Active CN111818250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010769846.7A CN111818250B (zh) 2020-08-04 2020-08-04 全电脑式智能自动化的印品检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010769846.7A CN111818250B (zh) 2020-08-04 2020-08-04 全电脑式智能自动化的印品检测系统及方法

Publications (2)

Publication Number Publication Date
CN111818250A true CN111818250A (zh) 2020-10-23
CN111818250B CN111818250B (zh) 2021-08-17

Family

ID=72863511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010769846.7A Active CN111818250B (zh) 2020-08-04 2020-08-04 全电脑式智能自动化的印品检测系统及方法

Country Status (1)

Country Link
CN (1) CN111818250B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816502A (zh) * 2021-01-05 2021-05-18 中钞印制技术研究院有限公司 票据质量评价方法、票据质量评价设备和可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363804A (zh) * 2007-08-09 2009-02-11 欧姆龙株式会社 基板外观检查装置
US20110037984A1 (en) * 2008-02-01 2011-02-17 Canon Kabushiki Kaisha Information processing apparatus and method
CN103376264A (zh) * 2012-04-24 2013-10-30 镇江华扬信息科技有限公司 一种印刷电路板的表面检查方法
CN203337559U (zh) * 2013-04-11 2013-12-11 湛江市鼎烽印业有限公司 印品质量数字化全自动检测系统
CN208984550U (zh) * 2018-10-16 2019-06-14 山东鲁信天一印务有限公司 一种印刷品质联线检测辅助装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101363804A (zh) * 2007-08-09 2009-02-11 欧姆龙株式会社 基板外观检查装置
US20110037984A1 (en) * 2008-02-01 2011-02-17 Canon Kabushiki Kaisha Information processing apparatus and method
CN103376264A (zh) * 2012-04-24 2013-10-30 镇江华扬信息科技有限公司 一种印刷电路板的表面检查方法
CN203337559U (zh) * 2013-04-11 2013-12-11 湛江市鼎烽印业有限公司 印品质量数字化全自动检测系统
CN208984550U (zh) * 2018-10-16 2019-06-14 山东鲁信天一印务有限公司 一种印刷品质联线检测辅助装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816502A (zh) * 2021-01-05 2021-05-18 中钞印制技术研究院有限公司 票据质量评价方法、票据质量评价设备和可读存储介质

Also Published As

Publication number Publication date
CN111818250B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN111179251B (zh) 基于孪生神经网络利用模板比对的缺陷检测系统及方法
CN110400290B (zh) 一种太阳能电池片色差的检测方法、装置及存储介质
AU2009305437B2 (en) Method and system for item identification
CN108469438A (zh) 一种印刷品检测方法、装置、设备及存储介质
US8917386B2 (en) Apparatus for checking the authenticity of value documents
CN110210448B (zh) 一种智能人脸皮肤老化程度的识别与评估方法
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN110544231B (zh) 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法
Hittawe et al. Multiple features extraction for timber defects detection and classification using SVM
CN109784342A (zh) 一种基于深度学习模型的ocr识别方法及终端
CN111818250B (zh) 全电脑式智能自动化的印品检测系统及方法
CN110554052A (zh) 一种人造板表面缺陷检测方法及其系统
CN111444964A (zh) 一种基于自适应roi划分的多目标快速图像匹配方法
CN114266764A (zh) 一种印刷标签的字符完整性检测方法及其装置
Wang et al. Design of machine vision applications in detection of defects in high-speed bar copper
Hu et al. Automatic detection of sound knots and loose knots on sugi using gray level co-occurrence matrix parameters
CN109492445A (zh) 一种基于序贯信息码图像识别的防伪防窜货方法
Boukouvalas et al. An integrated system for quality inspection of tiles
CN116258703A (zh) 缺陷检测方法、装置、电子设备及计算机可读存储介质
CN106228097B (zh) 条码质量等级检测方法及装置
Adamo et al. An online defects inspection system for satin glass based on machine vision
US8334978B2 (en) Method and hand-held color measurement device for gauging a color measurement chart
CN114255540A (zh) 一种污损纸币的识别方法、装置、设备和存储介质
CN112036222B (zh) 脸部辨识系统及方法
CN109724921B (zh) 一种基于光谱成像技术的书画鉴定图谱特征表示方法

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