CN113592870A - 基于自适应焦距的印刷缺陷检测方法 - Google Patents
基于自适应焦距的印刷缺陷检测方法 Download PDFInfo
- Publication number
- CN113592870A CN113592870A CN202111167099.0A CN202111167099A CN113592870A CN 113592870 A CN113592870 A CN 113592870A CN 202111167099 A CN202111167099 A CN 202111167099A CN 113592870 A CN113592870 A CN 113592870A
- Authority
- CN
- China
- Prior art keywords
- acquisition range
- camera
- range
- period
- current
- 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
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及工业检测领域,具体涉及一种基于自适应焦距的印刷缺陷检测方法。包括获取当前相机焦距计算当前相机采集范围,获取当前采集范围的像素点数量及其行像素点数量,得到当前采集范围中单个像素代表的实际长度;获取印刷产品的周期及一个周期中的行像素点数量,求出当前周期分类数;计算每组数据的调整程度,确定最优调整程度;对调整后的每个周期类别进行标号;求出当前采集范围的采样频率对印刷产品进行采集,对每次采集的图像相同标号区域的同一位置进行检测,确定异常区域。本发明通过调节相机采样频率,对印刷图像相同类别的区域进行比较,提高检测结果的可靠性。
Description
技术领域
本发明涉及工业检测领域,具体涉及一种基于自适应焦距的印刷缺陷检测方法。
背景技术
由于印刷生产的工艺不成熟,印刷产品上通常存在缺印、漏印和多印等缺陷,而这些存在缺陷的印刷产品会影响用户的使用体验,所以需要检测出这些有缺陷的产品,禁止这些瑕疵产品流入市场。现有的印刷缺陷检测方法大多是人工目测,或者将待测图像与标准模板进行对比,但由于现实环境中存在众多干扰因素,所获得的印刷图像往往与标准图像存在不同程度的差异,并且无法判断这些差异是否为缺陷,给印刷缺陷的检测带来了很大的困难。
发明内容
为了克服上述现有技术的缺点,本发明的目的是提供一种基于自适应焦距的印刷缺陷检测方法。
为达到上述目的,本发明采用以下技术方案,一种基于自适应焦距的印刷缺陷检测方法。
包括以下步骤:
S1:获取当前相机焦距,利用当前相机焦距得到当前相机采集范围,获取当前采集范围的行像素点数量,根据获得的当前相机采集范围及其行像素点数量,得到当前采集范围中单个像素代表的实际长度;
获取印刷产品的周期及一个周期中的行像素点数量,确定印刷产品的周期与当前相机采集范围的最大公因数,根据获取的最大公因数与一个周期中的行像素点数量求出当前周期分类数;
S2:确定相机采集范围的调整范围,在调整范围内每次增加相同像素点数量对相机的采集范围进行调整,求出每次调整后的采集范围对应的周期分类数及其对应的单个像素长度;
计算出每次调整后对应的调整程度,根据得到的所有调整程度确定采集范围调整量的最优调整程度;
S3:根据最优调整程度确定出调节后的相机的焦距和周期分类数,根据周期分类数对印刷产品每个周期内的图像进行分类并标号;
获取调整相机焦距后的印刷产品图像,对印刷产品图像中同一标号的相同位置进行异常检测。
当前周期分类数的获取方法如下:
S101:获取当相机镜头与印刷产品之间的距离即相机的工作距离、相机成像平面的大小以及当前相机的焦距,计算当前相机的范围的公式如下:
S102:获取当前相机的采集范围与采集范围中的行像素点数量,当前相机的采集范围与采集范围中的行像素点数量的比值即为当前相机单个像素代表的实际长度;
S103:获取印刷产品周期与当前相机的采集范围,利用辗转相除法确定印刷产品周期与当前相机的采集范围的最大公约数;
获取印刷产品一个周期中的行像素点数量;
当前周期分类数的计算公式如下:
确定视野调整量的最优调整程度的方法如下:
计算获取的采集范围调整范围-周期分类数-单个像素长度的集合中每种情况下对应的调整程度,计算公式如下:
相机采集范围的调整范围的确定方法如下:
以最优调整程度调节相机的焦距的计算过程如下:
计算以最优调整程度调整后的相机采集范围,计算公式如下:
计算以最优调整程度调整后的相机采集范围对应的焦距,计算公式如下:
对调整后的采集范围内的每个周期类别进行标号的步骤如下:
获取最优调整程度对应的周期分类数,对印刷产品的每个周期进行分类;
计算以最优调整程度调整后的采集范围内的每个周期类别的长度,计算公式如下:
确定异常区域的方法如下:
将异常像素点连接而成的区域,即为印刷产品的异常区域。
采集时间的确定方法如下:
获取印刷产品的移动速度,计算以最优调整程度调整后的采集范围完全移出的时间,计算公式如下:
本发明的有益效果是:本发明使用自适应调节相机焦距的方法,使相机采集的图像合理分类,优化相机的采集范围,再根据优化调整后的相机采集范围与焦距,调节相机采样频率,对印刷图像相同类别的区域进行比较,提高了检测结果的可靠性,对缺陷部分的检测更精确。
附图说明
图1是本发明的算法流程示意图;
图2是本发明中S1的具体过程示意图;
图3(a)是本实施例中采集范围不包含一个完整周期的示意图;
图3(b)是本实施例中采集范围至少存在一个完整周期的示意图;
图4是本发明中批量印刷产品示意图;
图5是本发明中相机成像原理示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
实施例1
该方法包括:
S1:获取当前相机焦距,确定当前相机采集范围及其行像素点数量,计算当前采集范围中单个像素代表的实际长度,获取印刷产品的周期及一个周期中的行像素点数量,确定印刷产品的周期与当前相机采集范围的最大公因数,求出当前周期分类数;
S2:确定相机采集范围的调整范围,在调整范围内进行调整,求出每次调整后的采集范围对应的周期分类数与单个像素长度,计算出每次调整后对应的调整程度,确定最优调整程度;
S3:根据最优调整程度确定出调节后的相机的焦距和周期分类数,根据周期分类数对印刷产品每个周期内的图像进行分类并标号,获取调整相机焦距后的印刷产品图像,对印刷产品图像中同一标号的相同位置进行异常检测。
以下内容对上述步骤展开说明:
如图3(a)所示,为初始相机采集范围,为调整后的相机采集范围,即以最优调整程度调整后的采集范围,当时,即采集范围内不包含一个完整的印刷周期时,调整前的,即需要8个类别才能完整的表示5个印刷周期,这5个印刷周期结束后,才会出现相同的类别标号;而调整后的,即只需要2个类别就可以表示1个完整的周期,该过程只调节了1/8的采集范围,就减少了6个类别,故这样的分组方式优于调整前的分组方式;
如图3(b)所示,为初始相机采集范围,为调整后的相机采集范围,以最优调整程度调整后的采集范围,当时,即采集范围内存在至少一个完整的印刷周期时,原理同上,调整前的,而调整后的,该过程只调节了1/14的采集范围,就减少了4个类别,故这样的分组方式优于调整前的分组方式。
S1:获取当前相机焦距,确定当前相机采集范围及其行像素点数量,计算当前采集范围中单个像素代表的实际长度,获取印刷产品的周期及一个周期中的行像素点数量,确定印刷产品的周期与当前相机采集范围的最大公因数,求出当前周期分类数。
逻辑层次:大批量印刷往往是先印刷,印刷结束后再对印刷产品进行分割,在印刷过程中会出现连续性的周期图像,如图4所示。
1.根据相机成像模型,结合相机镜头与印刷产品之间的距离,即工作距离,以及相机成像平面CCD的大小,得到相机的采集范围与焦距之间的关系,原理如图5所示;
其中工作距离D与相机成像平面CCD的大小L为已知量,视野长度范围即为相机的采集范围,记作G,则相机当前采集范围的计算公式如下:
S2:确定相机采集范围的调整范围,在调整范围内进行调整,求出每次调整后的采集范围对应的周期分类数与单个像素长度,计算出每次调整后对应的调整程度,确定最优调整程度。
逻辑层次:连续的整数个印刷周期可以分成有限的若干个区域,每个区域对应一种类别,每个周期分成的区域数量就是周期分类数;合理地调节视野采集范围,可以使采集范围内的连续的周期所分的类别数量减少;最优的调整使视野采集范围调整量较小时,周期分类数的减少程度较大,调整焦距后的精度较高,综合三个因素,视野调整量的最大调整程度的记为最优调整程度,此时调节的“性价比”最高。
该步骤的过程如下:
以下对该步骤进行展开描述:
S3:根据最优调整程度确定出调节后的相机的焦距和周期分类数,根据周期分类数对印刷产品每个周期内的图像进行分类并标号,获取调整相机焦距后的印刷产品图像,对印刷产品图像中同一标号的相同位置进行异常检测。
逻辑层次:将相机根据最优调整程度对相机的采样范围与焦距进行相应的调整,计算当前采集范围完全移出时的时间,确定相机的采样频率,对采集范围内的周期分类区域进行标号;根据采样频率的时间间隔,对印刷产品进行采集,对采集后的图像进行检测,确定异常区域。
确定相机采样频率的过程如下:
ii.获取调整后的对应的周期分类数对印刷产品的每个周期进行分类;
确定异常区域的过程如下:
根据计算的采样频率,对印刷产品进行采集,(如间隔半个小时内,此期间的光照的变化程度较小),所有采集的图像中类别号相同的区域进行各个位置像素值的统计,每个位置的像素值都可以得到一个统计图,选取其中的众数为该位置像素点的标准值,从而获得该区域的参考图像,其类别号设置为与参与统计的区域类别号的值;
将实际获相同类别的印刷图像与上述相同类别号的参考图像进行比对,设置一个误差阈值,若该像素点的像素值在的范围内,则认为该像素点是正常像素点,若该像素点的像素值不在的范围内,则认为该像素点是异常像素点,将异常像素点连接起来形成的区域即为异常区域。
以上实施例仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (8)
1.一种基于自适应焦距的印刷缺陷检测方法,其特征在于,包括以下步骤:
S1:获取当前相机焦距,利用当前相机焦距得到当前相机采集范围,获取当前采集范围的行像素点数量,根据获得的当前相机采集范围及其行像素点数量,得到当前采集范围中单个像素代表的实际长度;
获取印刷产品的周期及一个周期中的行像素点数量,确定印刷产品的周期与当前相机采集范围的最大公因数,根据获取的最大公因数与一个周期中的行像素点数量求出当前周期分类数;
S2:确定相机采集范围的调整范围,在调整范围内每次增加相同像素点数量对相机的采集范围进行调整,求出每次调整后的采集范围对应的周期分类数及其对应的单个像素长度;
计算出每次调整后对应的调整程度,根据得到的所有调整程度确定采集范围调整量的最优调整程度;
S3:根据最优调整程度确定出调节后的相机的焦距和周期分类数,根据周期分类数对印刷产品每个周期内的图像进行分类并标号;
获取调整相机焦距后的印刷产品图像,对印刷产品图像中同一标号的相同位置进行异常检测。
2.根据权利要求1所述一种基于自适应焦距的印刷缺陷检测方法,其特征在于,所述当前周期分类数的获取方法如下:
S101:获取当相机镜头与印刷产品之间的距离即相机的工作距离、相机成像平面的大小以及当前相机的焦距,计算当前相机的采集范围的公式如下:
S102:获取当前相机的采集范围与采集范围中的行像素点数量,当前相机的采集范围与采集范围中的行像素点数量的比值即为当前相机单个像素代表的实际长度;
S103:获取印刷产品周期与当前相机的采集范围,利用辗转相除法确定印刷产品周期与当前相机的采集范围的最大公约数;
获取印刷产品一个周期中的行像素点数量;
当前周期分类数的计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167099.0A CN113592870B (zh) | 2021-10-02 | 2021-10-02 | 基于自适应焦距的印刷缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167099.0A CN113592870B (zh) | 2021-10-02 | 2021-10-02 | 基于自适应焦距的印刷缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592870A true CN113592870A (zh) | 2021-11-02 |
CN113592870B CN113592870B (zh) | 2021-12-24 |
Family
ID=78242894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111167099.0A Active CN113592870B (zh) | 2021-10-02 | 2021-10-02 | 基于自适应焦距的印刷缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592870B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131354A (zh) * | 2022-08-31 | 2022-09-30 | 江苏森信达生物科技有限公司 | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008089379A (ja) * | 2006-09-29 | 2008-04-17 | Hitachi Information & Control Solutions Ltd | 印字検査装置 |
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 |
US20150054880A1 (en) * | 2013-08-22 | 2015-02-26 | Ricoh Company, Ltd. | Substrate Defect Detection Mechanism |
CN107948464A (zh) * | 2017-09-15 | 2018-04-20 | 兰州交通大学 | 一种印刷品检测图像侧向偏移的几何校正方法及系统 |
CN112884768A (zh) * | 2021-03-30 | 2021-06-01 | 中国科学院自动化研究所 | 基于神经网络的3d打印在线质量监测方法、系统、装置 |
-
2021
- 2021-10-02 CN CN202111167099.0A patent/CN113592870B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008089379A (ja) * | 2006-09-29 | 2008-04-17 | Hitachi Information & Control Solutions Ltd | 印字検査装置 |
US20150054880A1 (en) * | 2013-08-22 | 2015-02-26 | Ricoh Company, Ltd. | Substrate Defect Detection Mechanism |
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 |
CN107948464A (zh) * | 2017-09-15 | 2018-04-20 | 兰州交通大学 | 一种印刷品检测图像侧向偏移的几何校正方法及系统 |
CN112884768A (zh) * | 2021-03-30 | 2021-06-01 | 中国科学院自动化研究所 | 基于神经网络的3d打印在线质量监测方法、系统、装置 |
Non-Patent Citations (3)
Title |
---|
N.G.SHANKAR,ET AL: "《A real-time print-defect detection system for web offset printing》", 《MEASUREMENT》 * |
曾贝: "《基于嵌入式GPU的数码印花缺陷检测客户端软件设计》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
钟辉: "《彩色印刷品图像缺陷自动检测系统算法的研究》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131354A (zh) * | 2022-08-31 | 2022-09-30 | 江苏森信达生物科技有限公司 | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113592870B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127779B (zh) | 基于视觉识别的缺陷检测方法及系统 | |
CN106247969B (zh) | 一种基于机器视觉的工业磁芯元件的形变检测方法 | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN116277973B (zh) | 一种3d打印检测系统 | |
CN113592870B (zh) | 基于自适应焦距的印刷缺陷检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN107796826A (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN102889864A (zh) | 带卷边部物体塔形检测系统及其检测方法 | |
CN111768407A (zh) | 基于快速定位的缺陷检测算法 | |
CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
CN115311484A (zh) | 一种焊缝数据的优化聚类分割方法 | |
CN114693659B (zh) | 基于图像处理的铜管表面清洗效果评估方法及系统 | |
CN114332091B (zh) | 一种基于人工智能的印刷品缺陷检测方法 | |
CN117232396B (zh) | 一种高速生产线产品质量视觉检测系统及方法 | |
CN107563266A (zh) | 指纹影像检测装置及其方法 | |
CN109461155B (zh) | 一种生丝质量检测方法 | |
CN115311293B (zh) | 一种印刷品图案的快速匹配方法 | |
CN109297979B (zh) | 一种生丝质量检测装置及检测方法 | |
CN109461123B (zh) | 一种针对图像质量客观评测点图的几何畸变自动分析方法 | |
CN115194323A (zh) | 一种激光焊接机的定位焊接方法 | |
CN111626946B (zh) | 用于高速物料传输视觉检测系统的运动模糊核测量方法 | |
CN107437256B (zh) | 应用于轮胎x光图像通道自动划分方法和系统 | |
CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
CN108205669B (zh) | 线虫识别方法及装置 | |
CN113409295B (zh) | 一种基于cell的边缘缺陷检测方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230726 Address after: No. 1-8, Building 1, Zhonghao Industrial Park, Xinanbao Village, Zhashan Street, Caidian District, Wuhan City, 430000 Hubei Province Patentee after: Wuhan Zhuoyuan Printing Co.,Ltd. Address before: 430000 Dongfeng Village, Qiaokou District, Wuhan City, Hubei Province (b-1-2, Changfeng 1st Road) Patentee before: Wuhan Haichuan Color Printing Co.,Ltd. |
|
TR01 | Transfer of patent right |