CN113063802B - 一种印刷标签缺陷检测方法及其装置 - Google Patents
一种印刷标签缺陷检测方法及其装置 Download PDFInfo
- Publication number
- CN113063802B CN113063802B CN202110287476.8A CN202110287476A CN113063802B CN 113063802 B CN113063802 B CN 113063802B CN 202110287476 A CN202110287476 A CN 202110287476A CN 113063802 B CN113063802 B CN 113063802B
- Authority
- CN
- China
- Prior art keywords
- label
- standard
- image
- unit
- font
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000007639 printing Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000007645 offset printing Methods 0.000 abstract description 2
- 230000002950 deficient Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G01N21/95—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
-
- 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
- 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)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种印刷标签缺陷检测方法及其装置，其中方法包括与标准模板进行图像比对计算差异和精确检测标签单元位置坐标与校准，进一步还包括去边界比对计算、区分检测固定与动态标签；装置额外包括内置标签单元数量和位置坐标等的标准模块(12)和内置在检测模块(13)内的用于标签坐标定位与校准的初步检测单元。该检测方法及其装置，额外提升针对错位印刷、印刷不完整、漏印和污渍的检测能力，整体提高了检测准确度与效率。
Description
技术领域
本发明涉及图像识别与处理技术，具体涉及一种印刷标签缺陷检测方法及其装置。
背景技术
印刷产品在大规模自动印刷时难免会存在各种印刷缺陷、例如印刷说明书印刷存在不完整的字符、污渍、字符漏印等一系列缺陷。人工检测工作量大，所以要对印刷字体进行自动化检查，以便剔除有缺陷的产品，提高产品的综合质量。
中国发明专利“标签缺陷检测方法”，申请号201410610077.0，公开了一种标签缺陷自动化检测方法，具体检测步骤如下：
101)对打印好的标签进行图像获取；
102)逐一的将预先存储的标准字符与所述标签上的其中一待比对字符进行比对，计算相似度，通过设定多个阈值来确定最终是否为缺陷。
其中标准字符制作步骤：
1021)对含有字符的区域进行图像获取，以得到字符区域；
1022)对所述字符区域进行二值化处理；
1023)将与预设字号不匹配的图形进行删除，以得到字符；
1024)对所述字符进行边缘梯度计算以及二值化处理，以得到所述字符的轮廓；
1025)对所述字符的轮廓区域赋值为1，非轮廓区域赋值为0，以得到标准字符。
待对比字符获取步骤同标准字符获取步骤。
这种检测方法包括但不限制于以下缺陷：
1、标准字符模板为实际图像标签，同一个标签需要多个标准模板；
2、标准字符模板通过计算标准字符与待比对图像轮廓的重合度来作为字符相似度，未考虑字符边缘灰度模糊造成的图像轮廓差异性，从而产生误判；
3、未对标签精确地进行坐标定位，形状、大小与方向校准，可能会出现标准模板和待比对标签存在几何上的差异性，从而产生误判。
发明内容
本发明需要解决的技术问题是，如何提供一种印刷标签缺陷检测方法及其装置，能快速、精确地对实际印刷生产中出现的错位印刷、印刷不完整、漏印、污渍等标签缺陷进行检测，从而提升检测的准确度、降低误判率。
本发明的上述第一个技术问题这样解决：构建一种印刷标签缺陷检测方法，包括与标准模板进行图像比对计算差异，其特征在于，还包括：
检测并判断待检测标签单元数量与标准标签单元数量不相等，则输出对应印刷缺陷；
检测并判断待检测标签单元位置坐标与标准标签单元位置坐标不相等且超出允许误差，则输出对应印刷缺陷。
按照本发明提供的印刷标签缺陷检测方法，还可以包括检测并判断待检测标签单元形状与标准标签单元形状不相等，则输出对应印刷缺陷。比如：长方形与圆形或者长方形的长宽比例。
按照本发明提供的印刷标签缺陷检测方法，还可以包括检测并判断待检测标签单元大小与标准标签单元大小不相等且超出允许误差，则输出对应印刷缺陷。
按照本发明提供的印刷标签缺陷检测方法，还可以包括检测并判断待检测标签单元方向与标准标签单元方向不相等且超出允许误差，则输出对应印刷缺陷。比如：待测标签对应长方形方向于标准的不同，不是水平方向。
按照本发明提供的印刷标签缺陷检测方法，区分标签单元为固定标签类型，还包括：
通过形状模板匹配算法将待检测固定标签单元的图像和标准固定标签单元的图像进行精准匹配，如果匹配失败，则认为存在缺陷；
标准固定标签单元与待检测固定标签单元各自图像去除边界差异后得到缺陷面积，缺陷面积大于指定阈值，则认为该区域存在缺陷。
按照本发明提供的印刷标签缺陷检测方法，还包括选择一张印刷标签样板采集截取其中对应图像赋值给标准固定标签单元对象；该标准固定标签单元对象包括位置坐标属性、图像属性，还可包括大小属性、形状属性或方向属性。
按照本发明提供的印刷标签缺陷检测方法，区分标签单元为动态标签类型，还包括：
对待检测动态标签单元对象的图像进行图像分割得到多个单字符图像并判断是否满足或有字符个数要求；
遍历标准字体库，将单字符图像保持宽高比缩放至当前标准字体同等的宽度或者高度获取缺陷面积，当最小缺陷面积大于指定值，则认为该动态标签单元存在缺陷。
按照本发明提供的印刷标签缺陷检测方法，这样建立标准字符库：
设置字符高度：对标准动态标签单元中字符行图像进行单字符图像分割，取高度前30％的单字符的平均高度作为标准字符库字符高度；
设置字体内容：输入标准动态标签单元中动态字符行所包含的字符集；
设置字体类型：将不同类型的字体图像作为训练图像，通过字体识别训练，将识别结果最多的字体类型作为待检测字体的字体类型；
根据字符高度、字体内容、字体类型及对应系统标准字体文件，生成标准字体库；该标准字体库对象包括标准字体图像属性，还可包括字符集属性、笔画宽度属性、最小字符高度属性或最大字符高度属性。
本发明的上述另一个技术问题这样解决：构建一种印刷标签缺陷检测装置，包括依次连接的图像采集模块、检测模块和缺陷标识模块，其特征在于，还包括内置标签单元位置坐标的标准模块；所述检测模块包括用于标签定位与校准的初步检测单元。
按照本发明提供的印刷标签缺陷检测装置，所述检测模块还包括用于根据标签类型区分检测的固定标签检测单元和动态标签检测单元。
按照本发明提供的印刷标签缺陷检测装置，标准模块还包括固定标签标准图像单元和动态标签标准字符库单元。
本发明提供的印刷标签缺陷检测方法及其装置，在传统图像匹配基础上额外增加了精确坐标定位、校准与去边界图像比对计算差异，与现有技术相比，至少包括以下优势：
1、精准坐标定位和校准，避免了标准模板和待比对标签因为位置、大小、尺寸、方向等几何上的差异性导致的缺陷误判；
2、标准固定标签模板创建只需一张印刷标签样本，标准动态标签模板使用系统标准字体，避免样本差异性导致的缺陷误判，同时能够自动判别字体类型，无需手动输入、实现智能化与自动化检测；
3、提供了一套完整的印刷标签检测方法，覆盖了常见的几种缺陷类型，包括：错位印刷、印刷不完整、漏印、污渍。
附图说明
下面结合附图和具体实施例进一步对本发明进行详细说明。
图1是本发明优选的印刷标签缺陷检测装置的功能结构示意图；
图2是图1所示装置的检测控制程序流程示意图；
图3是图2中固定标签缺陷检测子程序流程示意图；
图4是图2中动态标签缺陷检测子程序流程示意图；
图5是图4中用于动态标签缺陷检测的标准字体库结构示意图。
具体实施方式
首先，说明本发明的核心：
1、增加了精确定位与校准，同时简化固定标签模板创建；
2、图像去边界进行比对计算差异；
3、对于待检测固定标签，使用固定标签标准模板；对于待检测动态标签，则直接使用系统标准字符进行比对。
第二，简要说明本发明印刷标签缺陷检测装置：
如图1所示，该装置包括：
图像采集模块11，由编码器、相机和光源组成，优选通过接触式图像传感器进行触发式图像采集，比传统线阵相机和面阵相机拥有较快的采图速度和较低失真率；
标准模块12，存储检测使用的标准模板数据；包括标签单元位置坐标，还可包括大小、形状和方向，固定标签单元的标准图像和动态标签单元的标准字符库等；
检测模块13，由处理器、检测用标准模板数据创建和缺陷检测软件组成，可以对产品进行实时缺陷检测；实时检测部分主要由初步检测单元、固定标签检测单元和动态标签检测单元构成；
缺陷标识模块14，由控制器和喷墨装置组成，可以对缺陷产品进行实时标识，方便操作人员进行产品缺陷辨别。
第三，结合本发明最优实施例进一步对本发明进行详细说明：
本发明优选印刷标签缺陷检测装置中控制程序，具体如图2所示，包括以下步骤：
201)开始；
202)导入版面分析结果；
203)获取待检测图像；
204)判断标签初始检测是否通过？是下一步，否则直接进入步骤502)；
205)调用固定标签缺陷检测子程序；
206)调用动态标签缺陷检测子程序；
207)缺陷标识；包括对缺陷产品进行实时标记，方便操作人员进行产品缺陷辨别；
208)结束。
其中：㈠版面分析子程序主要用于确定标准标签位置，指定固定标签和动态标签信息；㈡标签初始检测子程序主要用于漏印、污渍、错位缺陷检测；㈢固定标签缺陷检测子程序主要对产品中打印内容不变的区域(如图像、Logo、生产日期、产品批号等)进行检测；㈣动态标签缺陷检测子程序主要对变化字符行进行缺陷检测。
分别如下：
㈠步骤201)中版面分析子程序，包括以下具体步骤：
2011)利用SURF(加速健壮特征Speeded Up Robust Features，简称SURF)特征点匹配算法结合金字塔模型提取标准印刷版面图像与预印刷空图像的特征点，得到变换矩阵，并将标准印刷版面图像映射到预印刷空图像坐标系下；
2012)映射图像与预印刷空图像相减，得到差异图像，对差异图像进行二值化和形态学处理，确定出内部各标准标签单元位置；
2013)对内部各标准标签单元依次赋予相应的属性和参数；其中属性指固定标签或动态标签，参数分为固定标签参数和动态标签参数，固定标签参数包括：缺陷面积阈值；动态行标签参数包括：缺陷面积阈值、标准字体文件名称及所有字符标签；
步骤2013)中对标准固定标签单元赋值图像数据，具体包括以下步骤：
20131)选择印刷质量较好的标签作为标准固定标签，对标签图像进行连通域分析，得到固定标签单元的外接矩形，特别的也可以是圆形等；
20132)通过固定标签单元外接形状，截取形状内部图像作为标准固定标签模板对象的图像数据。
㈡步骤203)中标签初始检测子程序，具体包括以下具体步骤：
2031)将标准印刷图像对象更换为待检测印刷标签图像，重复步骤2011)和2012)，得到待检测标签单元及其位置信息；
2032)待检测标签单元个数小于标准标签单元个数，则认为存在漏印缺陷；或者待检测标签单元个数大于标准标签单元个数，则认为存在污渍缺陷；
2033)待检测标签单元位置坐标与标准标签单元位置坐标不相等且超出允许误差，则认为存在错位印刷缺陷。
该段程序代码示意如下：
Begin
if(待检测标签单元个数<标准标签单元个数)
输出：漏印缺陷；
if(待检测标签单元个数>标准标签单元个数)
输出：污渍缺陷；
if(abs(待检测标签单元位置坐标-标准标签单元位置坐标)>允许误差)
输出：错位印刷缺陷；
End
在本发明另一实施例中，在标签初始检测子程序中进一步追加检测标签单元的形状、大小与方向。
㈢步骤204)中固定标签缺陷检测子程序，如图3所示，包括以下具体步骤：
301)通过形状模板匹配算法将待检测固定标签单元对象的图像和标准固定标签单元模板对象的图像进行精准匹配，如果匹配失败，则认为存在缺陷；
302)标准固定标签模板单元对象的图像与待检测固定标签单元对象的图像进行差值运算，得到差异图像；
303)对差异图像进行二值化，二值图像形态学处理后得到缺陷区域；
304)缺陷面积大于指定阈值，则认为该区域存在缺陷；反之，则认为不存在缺陷。
去除边界还可使用其他算法。
在该子程序中，若有多个固定标签单元，则逐一检测并进行判断。
㈣步骤205)中动态标签缺陷检测子程序，如图4所示，包括以下具体步骤：
401)根据标准动态标签模板对象中的行字体类型、行高和字体内容，得到标准字体库；
402)对待检测动态标签单元中的字符行图像进行单字符图像分割，得到单字符图像集，如果设置了字符个数，同时字符个数和单字符分割图像个数不匹配，则认为该动态标签单元存在缺陷，将直接返回假False；
403)遍历标准字体库，将单字符图像保持宽高比，按照标准字体的宽度或者高度进行缩放(其中空白区域填充像素为0，按照缩放后的单字符图像在标准图像尺寸中的放置位置不同，将得到系列图像用于比对)，然后将比对图像进行二值化，与当前标准字体进行差值运算和形态学运算，保存当前缺陷面积。遍历标准字体库后得到最小缺陷面积，当最小缺陷面积大于指定值，则认为该动态标签单元存在缺陷。
步骤403)中标准字体库创建过程如下：
4031)设置标准字符库字符高度：对标准动态标签单元中字符行进行单字符分割，取高度前30％的单字符的平均高度作为标准字符库字符高度；
4032)设置字体内容：输入标准动态标签单元中动态字符行所包含的所有字符集合，简称字符集；
4033)设置字体类型：将不同类型的字体图像作为训练图像，通过支持向量机(SVM)分类器进行训练，然后获取标准动态标签单元中动态字符行单字符集合，逐个字符进行字体识别，识别结果最多的字体类型作为待检测字体的字体类型；
4034)根据字符高度、字体内容、字体类型及对应系统标准字体文件，结合“FreeType”字体引擎库生成标准字体库。
该标准字体库对象，结构如图5所示，包括标准字体图像属性、字符集属性、笔画宽度属性、最小字符高度属性或最大字符高度属性
同样在该子程序中，若有多个动态标签单元，则逐一检测并进行判断。
以上所述仅为本发明的较佳实施例，凡依本发明权利要求范围所做的均等变化与修饰，皆应属本发明权利要求的涵盖范围。
Claims (5)
1.一种印刷标签缺陷检测方法，其特征在于，包括
一）版面分析，用于确定标准标签位置，指定固定标签和动态标签信息；
二）标签初始检测，用于漏印、污渍、错位缺陷检测；
三）固定标签缺陷检测，用于对标签中打印内容不变的区域进行检测，打印内容不变的区域包括图像、Logo、生产日期、产品批号；
四）动态标签缺陷检测，用于对变化字符行进行缺陷检测；
一）版面分析，包括以下具体步骤：
2011)利用加速健壮特征SURF特征点匹配算法结合金字塔模型提取标准印刷版面图像与预印刷空图像的特征点，得到变换矩阵，并将标准印刷版面图像映射到预印刷空图像坐标系下；
2012)映射图像与预印刷空图像相减，得到差异图像，对差异图像进行二值化和形态学处理，确定出内部各标准标签单元位置；
2013)对内部各标准标签单元依次赋予相应的属性和参数；其中属性指固定标签或动态标签，参数分为固定标签参数和动态标签参数，固定标签参数包括：缺陷面积阈值；动态标签参数包括：缺陷面积阈值、标准字体文件名称及所有字符标签；
步骤2013)中对标准固定标签单元赋值图像数据，具体包括以下步骤：
20131)选择印刷质量较好的标签作为标准固定标签，对标签图像进行连通域分析，得到固定标签单元的外接矩形；
20132)通过固定标签单元的外接形状，截取形状内部图像作为标准固定标签模板对象的图像数据；
二）标签初始检测，包括以下具体步骤：
2031)将标准印刷图像对象更换为待检测印刷标签图像，重复步骤2011)和2012)，得到待检测标签单元及其位置信息；
2032)待检测标签单元个数小于标准标签单元个数，则认为存在漏印缺陷；或者待检测标签单元个数大于标准标签单元个数，则认为存在污渍缺陷；
2033)待检测标签单元位置坐标与标准标签单元位置坐标不相等且超出允许误差，则认为存在错位印刷缺陷；
三）固定标签缺陷检测，包括以下具体步骤：
301)通过形状模板匹配算法将待检测固定标签单元对象的图像和标准固定标签单元模板对象的图像进行精准匹配，如果匹配失败，则认为存在缺陷；
302)标准固定标签模板单元对象的图像与待检测固定标签单元对象的图像进行差值运算，得到差异图像；
303)对差异图像进行二值化，二值图像形态学处理后得到缺陷区域；
304)缺陷面积大于指定阈值，则认为存在缺陷；反之，则认为不存在缺陷；
四）动态标签缺陷检测，包括以下具体步骤：
401)根据标准动态标签模板对象中的行字体类型、行高和字体内容，得到标准字体库；
402)对待检测动态标签单元中的字符行图像进行单字符图像分割，得到单字符图像集，如果设置了字符个数，同时字符个数和单字符分割图像个数不匹配，则认为该动态标签单元存在缺陷；
403)遍历标准字体库，将单字符图像保持宽高比，按照标准字体的宽度或者高度进行缩放，然后将比对图像进行二值化，与当前标准字体进行差值运算和形态学运算，保存当前缺陷面积，遍历标准字体库后得到最小缺陷面积，当最小缺陷面积大于指定值，则认为该动态标签单元存在缺陷。
2.根据权利要求1所述印刷标签缺陷检测方法，其特征在于，标准字体库的创建过程如下：
设置字符高度：对标准动态标签单元中字符行图像进行单字符图像分割，取高度前30%的单字符的平均高度作为标准字符库字符高度；
设置字体内容：输入标准动态标签单元中动态字符行所包含的字符集；
设置字体类型：将不同类型的字体图像作为训练图像，通过字体识别训练，将识别结果最多的字体类型作为待检测字体的字体类型；
根据字符高度、字体内容、字体类型及对应系统标准字体文件，生成标准字体库；标准字体库对象包括标准字体图像属性，还包括字符集属性、笔画宽度属性、最小字符或最大字符高度属性。
3.一种印刷标签缺陷检测装置，用于执行如权利要求1或2任一项所述的印刷标签缺陷检测方法，装置包括依次连接的图像采集模块(11)、检测模块(13)和缺陷标识模块(14)，其特征在于，还包括内置标签单元的位置坐标、大小与形状的标准模块(12)；所述检测模块(13)包括用于标签定位与校准的初步检测单元。
4.根据权利要求3所述印刷标签缺陷检测装置，其特征在于，所述检测模块(13)还包括用于根据标签单元对象类型区分检测的固定标签检测单元和动态标签检测单元。
5.根据权利要求4所述印刷标签缺陷检测装置，其特征在于，标准模块(12)还包括固定标签标准图像单元和动态标签标准字体库单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110287476.8A CN113063802B (zh) | 2021-03-17 | 2021-03-17 | 一种印刷标签缺陷检测方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110287476.8A CN113063802B (zh) | 2021-03-17 | 2021-03-17 | 一种印刷标签缺陷检测方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113063802A CN113063802A (zh) | 2021-07-02 |
| CN113063802B true CN113063802B (zh) | 2023-10-20 |
Family
ID=76561028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110287476.8A Active CN113063802B (zh) | 2021-03-17 | 2021-03-17 | 一种印刷标签缺陷检测方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113063802B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113420736B (zh) * | 2021-08-23 | 2022-01-04 | 成都飞机工业（集团）有限责任公司 | 一种基于视频拆分的3d打印缺陷确定方法 |
| CN114951017B (zh) * | 2022-05-12 | 2023-05-30 | 深圳市顺鑫昌文化股份有限公司 | 一种标签印刷在线智能检测报错系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测系统 |
| CN106251341A (zh) * | 2016-07-22 | 2016-12-21 | 凌云光技术集团有限责任公司 | 一种印刷品质量检测方法 |
| CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和系统 |
| CN108469438A (zh) * | 2018-03-20 | 2018-08-31 | 东莞市美盈森环保科技有限公司 | 一种印刷品检测方法、装置、设备及存储介质 |
| CN208432555U (zh) * | 2018-08-09 | 2019-01-25 | 深圳劲嘉集团股份有限公司 | 一种机组式印刷品自动检测设备 |
| CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
| CN111242896A (zh) * | 2019-12-31 | 2020-06-05 | 电子科技大学 | 一种彩色印刷标签缺陷检测与质量评级方法 |
-
2021
- 2021-03-17 CN CN202110287476.8A patent/CN113063802B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测系统 |
| CN106251341A (zh) * | 2016-07-22 | 2016-12-21 | 凌云光技术集团有限责任公司 | 一种印刷品质量检测方法 |
| CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
| CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和系统 |
| CN108469438A (zh) * | 2018-03-20 | 2018-08-31 | 东莞市美盈森环保科技有限公司 | 一种印刷品检测方法、装置、设备及存储介质 |
| CN208432555U (zh) * | 2018-08-09 | 2019-01-25 | 深圳劲嘉集团股份有限公司 | 一种机组式印刷品自动检测设备 |
| CN111242896A (zh) * | 2019-12-31 | 2020-06-05 | 电子科技大学 | 一种彩色印刷标签缺陷检测与质量评级方法 |
Non-Patent Citations (5)
| Title |
|---|
| 印刷图像识别和定位技术的研究;李铭祺等;《微计算机信息》;20101005(第28期);第168-170页 * |
| 叶兴鹄.基于特征的图像瑕疵检测算法研究与应用.《中国优秀硕士学位论文全文数据库 信息科技辑》.2012,(第7期),第I138-1720页. * |
| 基于HALCON的标签模切缺陷的检测;陈萍;《信息通信》;20180115(第01期);第116-119页 * |
| 基于特征的图像瑕疵检测算法研究与应用;叶兴鹄;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715(第7期);第I138-1720页 * |
| 李铭祺等.印刷图像识别和定位技术的研究.《微计算机信息》.2010,(第28期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113063802A (zh) | 2021-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113063802B (zh) | 一种印刷标签缺陷检测方法及其装置 | |
| KR100658119B1 (ko) | 문자 인식 장치 및 방법 | |
| CN110264445B (zh) | 分块模板匹配结合形态学处理的电池丝印质量检测方法 | |
| CN109142383B (zh) | 一种基于形态学的字符缺陷检测方法 | |
| CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
| CN111080622A (zh) | 神经网络训练方法、工件表面缺陷分类与检测方法及装置 | |
| CN107025716B (zh) | 检测纸币冠字号污损的方法及装置 | |
| CN112085024A (zh) | 一种罐表面字符识别方法 | |
| CN112016563B (zh) | 一种圆形印章的真伪识别方法 | |
| CN112884718A (zh) | 包装喷码字符检测方法、装置、系统及存储介质 | |
| CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
| CN114549504A (zh) | 一种基于机器视觉的外观质量检测方法 | |
| CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
| CN111652205A (zh) | 基于深度学习的文本矫正方法、装置、设备和介质 | |
| Gong et al. | Adaptive visual inspection method for transparent label defect detection of curved glass bottle | |
| CN116309573B (zh) | 一种牛奶包装盒印刷字符的缺陷检测方法 | |
| CN113724322A (zh) | 一种用于无人叉车的货物托盘定位方法及系统 | |
| CN114821589A (zh) | 一种车辆vin码检测方法及装置 | |
| JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 | |
| KR20230101531A (ko) | 3d 레이저 프로파일러를 이용한 타이어 양각 문자 인식 방법 | |
| CN115035522B (zh) | 一种元器件字符缺陷的智能识别方法及装置 | |
| CN110705362A (zh) | 一种字印分析方法和装置 | |
| CN117292372B (zh) | 一种适用3d打印产品的识别方法、系统、电子设备及介质 | |
| CN117291926B (zh) | 字符缺陷检测方法、设备及计算机可读存储介质 | |
| CN115760953A (zh) | 一种电子扫描显微镜图像的图形尺寸自动测量方法 |
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 |