CN114553927B - 一种基于大数据的印刷设备远程控制方法、系统及介质 - Google Patents
一种基于大数据的印刷设备远程控制方法、系统及介质 Download PDFInfo
- Publication number
- CN114553927B CN114553927B CN202210411353.5A CN202210411353A CN114553927B CN 114553927 B CN114553927 B CN 114553927B CN 202210411353 A CN202210411353 A CN 202210411353A CN 114553927 B CN114553927 B CN 114553927B
- Authority
- CN
- China
- Prior art keywords
- printing
- product
- bar code
- printed
- real
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
- B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
- B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J3/00—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed
- B41J3/01—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed for special character, e.g. for Chinese characters or barcodes
-
- 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
Abstract
本发明涉及一种基于大数据的印刷设备远程控制方法、系统及介质,属于印刷控制技术领域,本发明能够通过获取条形码印刷所在区域位置的印刷初始参数值以及获取印刷产品条形码所在印刷区域位置的印刷实时参数值;以基于印刷设备的印刷初始参数值以及印刷实时参数值得到偏差参数阈值;并根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度。通过检测待印刷卡纸的表面缺陷来对印刷过程中的印刷卡纸进行重新喷墨补偿,该方式能有效地使得条形码的印刷更加均匀以及稳定,有利于提高条形码的印刷质量,从而提高了条形码印刷后的识别率。
Description
技术领域
本发明涉及印刷控制技术领域,尤其涉及一种基于大数据的印刷设备远程控制方法、系统及介质。
背景技术
随着自动识别技术日新月异的发展和信息化的来临,商品条码已经成为进入国内外市场的通行证。高质量的商品条码可以为企业在贸易往来中起到通关速度快、结算效率高、仓储物流环节无缝衔接的作用。然而,如今的条形码印刷还是存在着许多问题,尤其是烟包、酒盒、牙膏盒等产品,由于该类产品纸张表面性质对条形码识读影响较大,且该类印刷材料具有光泽特性,因此印刷条形码时通常需要在条形码部位先印刷白墨,再印条形码,以提高条形码印刷后的识别率。由于该类卡纸的表面可能存在一些表面缺陷,即使印刷白墨打底,若不考虑该类纸的缺陷问题,该类纸条形码印刷质量仍然不稳定,导致条形码的印刷合格率较低,特别是点状和细条纹镭射卡纸问题更严重。
发明内容
本发明克服了现有技术的不足,提供了一种基于大数据的印刷设备远程控制方法、系统及介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于大数据的印刷设备远程控制方法,其特征在于,包括以下步骤:
获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。
进一步地,本发明的一个较佳实施例中,在获取待印刷产品的实时图像信息的步骤之后,还包括以下步骤:
通过大数据网络获取各印刷材料的图像信息,建立数据库,并将所述各印刷材料的图像信息导入所述数据库中,得到各印刷材料的图像信息数据库;
将所述待印刷产品的实时图像信息导入所述各印刷材料的图像信息数据库中,以得到待印刷产品的材料类型;
判断所述材料类型是否为预设材料类型;
若是,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值。
进一步地,本发明的一个较佳实施例中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
判断所述印刷实时参数值是否大于预设参数值;
若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端。
进一步地,本发明的一个较佳实施例中,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
进一步地,本发明的一个较佳实施例中,根据所述偏差参数阈值确定误差补偿数值,具体包括以下步骤:
建立补偿排序表,并将所述偏差参数阈值导入所述补偿排序表中,以对所述偏差参数阈值进行大小排序,并从所述补偿排序表中选取出最小的偏差参数阈值;
基于所述最小偏差参数阈值计算出待印刷产品条形码所在印刷区域位置各个区域位置的喷墨补偿值,并将所述喷墨补偿值作为误差补偿数值输出。
进一步地,本发明的一个较佳实施例中,基于误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,具体包括以下步骤:
通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度;
基于所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度。
本发明第二方面提供了一种基于大数据的印刷设备远程控制系统,所述系统包括存储器以及处理器,所述存储器中包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器执行时,实现如下步骤:
获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。
进一步地,本发明的一个较佳实施例中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
判断所述印刷实时参数值是否大于预设参数值;
若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端。
进一步地,本发明的一个较佳实施例中,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器执行时,实现任一项所述的基于大数据的印刷设备远程控制方法程序的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明能够通过基于印刷设备的印刷初始参数值以及印刷实时参数值得到偏差参数阈值;并根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。通过检测出待印刷卡纸的表面缺陷来对印刷过程中的印刷卡纸进行重新喷墨补偿,通过该方式能有效地使得条形码的印刷更加均匀以及稳定,有利于提高条形码的印刷质量,进而提高了条形码印刷的合格率,从而提高了条形码印刷后的识别率。
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实施例的附图。
图1示出了一种基于大数据的印刷设备远程控制方法的整体方法流程图;
图2示出了一种基于大数据的印刷设备远程控制方法的部分方法流程图;
图3示出了确定印刷产品条形码所在印刷区域位置的印刷实时参数值的方法流程图;
图4示出了基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值的方法流程图;
图5示出了一种基于大数据的印刷设备远程控制系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了一种基于大数据的印刷设备远程控制方法的整体方法流程图。
本发明第一方面提供了一种基于大数据的印刷设备远程控制方法,其特征在于,包括以下步骤:
S102:获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
S104:获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
S106:基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
S108:根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。
需要说明的是,所述初始规划图可以为待印刷产品的印刷规划流程,如镭射卡纸印刷条形码时首先进行印刷白墨,再印刷条形码;所述印刷初始参数值可为条形码在印刷时初始设定的铺设喷墨产品的厚度值、在印刷时初始设定的喷墨产品类型、各喷墨产品的铺设面积等,所述喷墨产品可以是油墨、白墨等产品,通过印刷设备内或者环境中安装的摄像头获取待印刷产品的实时图像信息,利用非线性滤波器、中值滤波器、形态学滤波器等方法对图像进行去噪、滤波等方式处理,从而得到印刷产品条形码所在印刷区域位置的印刷实时参数值。
图2示出了一种基于大数据的印刷设备远程控制方法的部分方法流程图;
进一步地,本发明的一个较佳实施例中,在获取待印刷产品的实时图像信息的步骤之后,还包括以下步骤:
S202:通过大数据网络获取各印刷材料的图像信息,建立数据库,并将所述各印刷材料的图像信息导入所述数据库中,得到各印刷材料的图像信息数据库;
S204:将所述待印刷产品的实时图像信息导入所述各印刷材料的图像信息数据库中,以得到待印刷产品的材料类型;
S206:判断所述材料类型是否为预设材料类型;
S208:若是,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值。
需要说明的是,所述印刷材料可以是镭射卡纸条材料、塑料薄膜材料等,通过机器学习算法、深度学习算法、卷积神经网络等对该类材料的图像进行训练,得到各印刷材料的图像信息数据库,其识别过程可以是通过利用材料的纹理特性、该类材料的孔隙率、材料在光谱下的反射率等方式来识别待印刷产品的材料,当识别出所述材料类型为预设材料类型时,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,所述预设材料类型为镭射材料、乳白塑料薄膜材料、透明塑料薄膜材料等。
图3示出了确定印刷产品条形码所在印刷区域位置的印刷实时参数值的方法流程图;
进一步地,本发明的一个较佳实施例中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
S302:建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
S304:将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
S306:判断所述印刷实时参数值是否大于预设参数值;
S308:若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端。
需要说明的是,可以利用卷积神经网络、机器学习算法、深度学习算法等建立缺陷识别模型,从而识别出待印刷产品图像上的待印刷产品条形码所在印刷区域位置的印刷实时参数值,所述印刷实时参数值可以是缺陷的深度、缺陷的面积大小等,当该印刷实时参数值大于预设参数值时,此时可以说明的是,若始终维持原参数进行喷墨印刷,该缺陷位置会引起条形码的凹陷、条形码的变形等,从而导致条形码印刷不平整,因此对印刷初始参数值进行修正。
图4示出了基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值的方法流程图;
进一步地,本发明的一个较佳实施例中,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
S402:基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
S404:根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
S406:基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
S408:根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
需要说明的是,利用三维建模软件建立印刷初始模型图,所述三维建模软件可以是SolidWorks软件、Maya软件、RhinoRhinocero软件等,从而利用该方式计算出印刷产品条形码所在印刷区域位置各个区域位置的体积差模型,利用该体积差模型的数值即为偏差参数阈值。
进一步地,本发明的一个较佳实施例中,根据所述偏差参数阈值确定误差补偿数值,具体包括以下步骤:
建立补偿排序表,并将所述偏差参数阈值导入所述补偿排序表中,以对所述偏差参数阈值进行大小排序,并从所述补偿排序表中选取出最小的偏差参数阈值;
基于所述最小偏差参数阈值计算出待印刷产品条形码所在印刷区域位置各个区域位置的喷墨补偿值,并将所述喷墨补偿值作为误差补偿数值输出。
需要说明的是,由于在印刷条形码的表面缺陷可能存在多个缺陷位置,而且每个缺陷的位置均可能为不同缺陷大小以及不同缺陷深度,选取单位面积内最小的偏差参数阈值作为缺陷位置的补充基准,从而计算出单位面积内的喷墨补偿值,所述喷墨补偿值可以理解为单位面积内需要补充的油墨量,由于材料的表面往往是凹凸不平的,以该补充基准为实际的铺设基准,印刷设备将油墨铺设于各个缺陷位置的表面上,从而使得各个缺陷位置能够铺设一定量的油墨,以达到条形码印刷标准,利用该方式能够有效地使得条形码的印刷更加均匀以及稳定,有利于提高条形码的印刷质量,进而提高了条形码印刷的合格率,从而提高了条形码印刷后的识别率。由于喷墨产品的浓稠程度是确定的,因此,铺设的喷墨量就能根据喷墨产品的浓稠程度计算而出,如单位面积内铺设一定厚度时需要预设量的喷墨产品,该数据可以从大数据网络中获取。
进一步地,本发明的一个较佳实施例中,基于误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,具体包括以下步骤:
通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度;
基于所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度。
需要说明的是,由于一些印刷产品材料(如镭射卡纸)会有光泽特性,因此,在印刷条形码的过程中,首先利用白墨进行打底,镭射卡纸的表面就能够将镭射卡纸的反射光吸收,若白墨不能将光泽效果进行遮盖,就会影响条形码的检测。因此,通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度,从而根据所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,由于印刷表面缺陷的影响,根据实际的铺设基准、缺陷体积差模型以及当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,利用该方式能够有效地使得条形码的印刷表面能够达到印刷标准,从而提高了条形码的识别率。
此外,本实施例中,还可以包括以下步骤:
获取当前铺设喷墨产品后缺陷位置的图像信息;
基于所述图像信息得到铺设喷墨产品后缺陷位置的密集三维坐标点,并获取所述密集三维坐标点的坐标信息,并根据述密集三维坐标点的坐标信息建立曲面,根据所述曲面建立修复模型图;
通过大数据网络获取印刷产品标本的预设曲面,基于所述印刷产品标本的预设曲面建立预设标本模型图;
将所述修复模型图与预设标本模型图对比,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值,若大于,则调整印刷设备的印刷参数值。
需要说明的是,利用摄像头获取当前铺设喷墨产品后缺陷位置的图像信息,可以通过去噪及图像增强处理等方式,从而提取出铺设喷墨产品后缺陷位置的特征点,从而根据该特征点建立曲面,其中建立曲面以及建立修复模型图均可利用三维建模软件进行建立,该方式可以理解为实时曲面平整度与预设标准曲面平整度的对比,当所述偏差率大于所述预设偏差率阈值时,此时可以说明该缺陷位置的铺设不平整,从而调整印刷设备的印刷参数,所述印刷参数可以是刮刀行程、刮刀压力、印刷速度等。利用该方式,能够进一步提高印刷设备在印刷条形码时的印刷质量,进一步提高条形码的识别率。
根据本实施例,本方法还可以包括以下步骤:
构建条形码印刷的评价指标体系,根据所述评价指标体系提取印刷评价指标;
根据修复模型图中曲面平整度确定曲面平整的指标得分信息,并根据层次分析法计算所述印刷评价指标的权重信息;
基于所述曲面平整的指标得分信息以及印刷评价指标的权重信息得到条形码印刷评估得分,判断所述条形码印刷评估得分是否在预设评估得分阈值范围之内;
若处于预估评估得分之内,则将当前印刷产品进行二次印刷处理,若不处于预设评估得分阈值范围之内,则将当前印刷产品进行不合格标记。
需要说明的是,层次分析法是指将一个复杂的多目标决策问题作为一个系统,将目标分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标模糊量化方法算出层次单排序(权数)和总排序,以作为目标(多指标)、多方案优化决策的系统方法。层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。利用该方式能够对曲面平整度进行评价,当所述条形码印刷评估得分在预设评估得分阈值范围之内时,说明该印刷产品还能进行二次加工处理,反之,则将当前印刷产品进行不合格标记。其中,可以理解的是修复模型图中曲面平整度越高说明曲面平整的指标得分越高。
图5示出了一种基于大数据的印刷设备远程控制系统的系统框图。
本发明第二方面提供了一种基于大数据的印刷设备远程控制系统,所述系统包括存储器41以及处理器62,所述存储器41中包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器62执行时,实现如下步骤:
获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。
需要说明的是,所述初始规划图可以为待印刷产品的印刷规划流程,如镭射卡纸印刷条形码时首先进行印刷白墨,再印刷条形码;所述印刷初始参数值可为条形码在印刷时初始设定的铺设喷墨产品的厚度值、在印刷时初始设定的喷墨产品类型等,所述喷墨产品可以是油墨、白墨等产品,通过印刷设备内或者环境中安装的摄像头获取待印刷产品的实时图像信息,利用非线性滤波器、中值滤波器、形态学滤波器等方法对图像进行去噪、滤波等方式处理,从而得到印刷产品条形码所在印刷区域位置的印刷实时参数值。
本实施例中,在获取待印刷产品的实时图像信息的步骤之后,还包括以下步骤:
通过大数据网络获取各印刷材料的图像信息,建立数据库,并将所述各印刷材料的图像信息导入所述数据库中,得到各印刷材料的图像信息数据库;
将所述待印刷产品的实时图像信息导入所述各印刷材料的图像信息数据库中,以得到待印刷产品的材料类型;
判断所述材料类型是否为预设材料类型;
若是,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值。
需要说明的是,所述印刷材料可以是镭射卡纸条材料、塑料薄膜材料等,通过机器学习算法、深度学习算法、卷积神经网络等对该类材料的图像进行训练,其识别过程可以是通过利用材料的纹理特性、该类材料的孔隙率、材料在光谱下的反射率等方式来识别待印刷产品的材料,当识别出所述材料类型为预设材料类型时,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,所述预设材料类型为镭射材料、乳白塑料薄膜材料、透明塑料薄膜材料等。
本实施例中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
判断所述印刷实时参数值是否大于预设参数值;
若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端。
需要说明的是,可以利用卷积神经网络、机器学习算法、深度学习算法等建立缺陷识别模型,从而识别出待印刷产品图像上的待印刷产品条形码所在印刷区域位置的印刷实时参数值,所述印刷实时参数值可以是缺陷的深度、缺陷的面积大小等,当该印刷实时参数值大于预设参数值时,此时可以说明的是,若始终维持原参数进行印刷,该缺陷位置会引起条形码的凹陷,从而导致条形码印刷不平整,因此对印刷初始参数值进行修正。
进一步地,本发明的一个较佳实施例中,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
需要说明的是,利用三维建模软件建立印刷初始模型图,所述三维建模软件可以是SolidWorks软件、Maya软件、RhinoRhinocero软件等,从而利用该方式计算出印刷产品条形码所在印刷区域位置各个区域位置的体积差模型,利用该体积差模型的数值即为偏差参数阈值。
本实施例中,根据所述偏差参数阈值确定误差补偿数值,具体包括以下步骤:
建立补偿排序表,并将所述偏差参数阈值导入所述补偿排序表中,以对所述偏差参数阈值进行大小排序,并从所述补偿排序表中选取出最小的偏差参数阈值;
基于所述最小偏差参数阈值计算出待印刷产品条形码所在印刷区域位置各个区域位置的喷墨补偿值,并将所述喷墨补偿值作为误差补偿数值输出。
需要说明的是,由于在印刷条形码的表面缺陷可能存在多个缺陷位置,而且每个缺陷的位置均可能为不同缺陷大小以及不同缺陷深度,选取单位面积内最小的偏差参数阈值作为缺陷位置的补充基准,从而计算出单位面积内的喷墨补偿值,所述喷墨补偿值可以理解为单位面积内需要补充的油墨量,由于材料的表面往往是凹凸不平的,以该补充基准为实际的铺设基准,印刷设备将油墨铺设于各个缺陷位置的表面上,从而使得各个缺陷位置能够铺设一定量的油墨,以达到条形码印刷标准,利用该方式能够有效地使得条形码的印刷更加均匀以及稳定,有利于提高条形码的印刷质量,进而提高了条形码印刷的合格率,从而提高了条形码印刷后的识别率。由于喷墨产品的浓稠程度为一个定值,因此,铺设的喷墨量就能根据喷墨产品的浓稠程度计算而出,如单位面积内铺设一定厚度时需要预设量的喷墨产品,该数据亦可以从大数据网络中获取,从而计算出喷墨补偿值。
本实施例中,基于误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,具体包括以下步骤:
通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度;
基于所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度。
需要说明的是,由于一些印刷产品材料(如镭射卡纸)会有光泽特性,因此,在印刷条形码的过程中,首先利用白墨进行打底,镭射卡纸的表面就能够将镭射卡纸的反射光吸收,若白墨不能将光泽效果进行遮盖,就会影响条形码的检测。因此,通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度,从而根据所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,由于印刷表面缺陷的影响,根据实际的铺设基准、缺陷体积差模型以及当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,利用该方式能够有效地使得条形码的印刷表面能够达到印刷标准,从而提高了条形码的识别率。
此外,本系统还可以包括以下步骤:
获取当前铺设喷墨产品后缺陷位置的图像信息;
基于所述图像信息得到铺设喷墨产品后缺陷位置的密集三维坐标点,并获取所述密集三维坐标点的坐标信息,并根据述密集三维坐标点的坐标信息建立曲面,根据所述曲面建立修复模型图;
通过大数据网络获取印刷产品标本的预设曲面,基于所述印刷产品标本的预设曲面建立预设标本模型图;
将所述修复模型图与预设标本模型图对比,得到偏差率;
判断所述偏差率是否大于预设偏差率阈值,若大于,则调整印刷设备的印刷参数值。
需要说明的是,利用摄像头获取当前铺设喷墨产品后缺陷位置的图像信息,可以通过进行去噪及图像增强处理,提取出铺设喷墨产品后缺陷位置的特征点,从而根据该特征点建立曲面,其中建立曲面以及建立修复模型图均可利用三维建模软件进行建立,当所述偏差率大于所述预设偏差率阈值时,此时可以说明该缺陷位置的铺设不平整,从而调整印刷设备的印刷参数,所述印刷参数可以是刮刀行程、刮刀压力、印刷速度等。利用该方式,能够进一步提高印刷设备在印刷条形码时的印刷质量,进一步提高条形码的识别率。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器62执行时,实现任一项所述的基于大数据的印刷设备远程控制方法程序的步骤。
本发明能够通过基于印刷设备的印刷初始参数值以及印刷实时参数值得到偏差参数阈值;并根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端。通过检测出待印刷卡纸的表面缺陷来对印刷过程中的印刷卡纸进行重新喷墨补偿,通过该方式能有效地使得条形码的印刷更加均匀以及稳定,有利于提高条形码的印刷质量,进而提高了条形码印刷的合格率,从而提高了条形码印刷后的识别率。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于大数据的印刷设备远程控制方法,其特征在于,包括以下步骤:
获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端;
其中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
判断所述印刷实时参数值是否大于预设参数值;
若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端;
其中,根据所述偏差参数阈值确定误差补偿数值,具体包括以下步骤:
建立补偿排序表,并将所述偏差参数阈值导入所述补偿排序表中,以对所述偏差参数阈值进行大小排序,并从所述补偿排序表中选取出最小的偏差参数阈值;
基于所述最小的偏差参数阈值计算出待印刷产品条形码所在印刷区域位置各个区域位置的喷墨补偿值,并将所述喷墨补偿值作为误差补偿数值输出。
2.根据权利要求1所述的一种基于大数据的印刷设备远程控制方法,其特征在于,在获取待印刷产品的实时图像信息的步骤之后,还包括以下步骤:
通过大数据网络获取各印刷材料的图像信息,建立数据库,并将所述各印刷材料的图像信息导入所述数据库中,得到各印刷材料的图像信息数据库;
将所述待印刷产品的实时图像信息导入所述各印刷材料的图像信息数据库中,以得到待印刷产品的材料类型;
判断所述材料类型是否为预设材料类型;
若是,则根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值。
3.根据权利要求1所述的一种基于大数据的印刷设备远程控制方法,其特征在于,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
4.根据权利要求1所述的一种基于大数据的印刷设备远程控制方法,其特征在于,基于误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,具体包括以下步骤:
通过大数据网络获取当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度;
基于所述当前印刷产品类型条形码所在区域需要铺设喷墨产品的厚度以及误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度。
5.一种基于大数据的印刷设备远程控制系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器执行时,实现如下步骤:
获取待印刷产品的初始规划图,并从所述初始规划图中检索条形码所在印刷区域位置,并获取条形码印刷所在区域位置的印刷初始参数值;
获取待印刷产品的实时图像信息,并根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值;
基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值;
根据所述偏差参数阈值确定误差补偿数值,并基于所述误差补偿数值计算出当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度,将所述当前印刷产品条形码所在区域实际需要铺设喷墨产品的厚度传输至印刷设备远程控制终端;
其中,根据所述待印刷产品的实时图像信息确定印刷产品条形码所在印刷区域位置的印刷实时参数值,具体包括以下步骤:
建立缺陷识别模型,并将预选训练好的缺陷图像信息导入所述缺陷识别模型中训练,以得到训练好的缺陷识别模型;
将所述待印刷产品的实时图像信息导入所述训练好的缺陷识别模型中,以得到待印刷产品条形码所在印刷区域位置的印刷实时参数值;
判断所述印刷实时参数值是否大于预设参数值;
若大于,则将所述印刷实时参数值传输至印刷设备远程控制终端;
建立补偿排序表,并将所述偏差参数阈值导入所述补偿排序表中,以对所述偏差参数阈值进行大小排序,并从所述补偿排序表中选取出最小的偏差参数阈值;
基于所述最小的偏差参数阈值计算出待印刷产品条形码所在印刷区域位置各个区域位置的喷墨补偿值,并将所述喷墨补偿值作为误差补偿数值输出。
6.根据权利要求5所述的一种基于大数据的印刷设备远程控制系统,其特征在于,基于所述印刷初始参数值以及印刷实时参数值得到偏差参数阈值,具体包括以下步骤:
基于所述印刷初始参数值建立印刷初始模型图,得到第一模型图;
根据所述印刷产品条形码所在印刷区域位置的印刷实时参数值建立印刷实时模型图,得到第二模型图;
基于所述第一模型图以及第二模型图计算出印刷产品条形码所在印刷区域位置各个区域位置的模型差值,得到条形码各个区域位置的体积差模型;
根据所述条形码各个位置的体积差模型确定各个区域位置的偏差参数阈值,并将所述各个区域位置的偏差参数阈值输出。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括基于大数据的印刷设备远程控制方法程序,所述基于大数据的印刷设备远程控制方法程序被处理器执行时,实现如权利要求1-4任一项所述的基于大数据的印刷设备远程控制方法程序的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210411353.5A CN114553927B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的印刷设备远程控制方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210411353.5A CN114553927B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的印刷设备远程控制方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114553927A CN114553927A (zh) | 2022-05-27 |
CN114553927B true CN114553927B (zh) | 2022-07-12 |
Family
ID=81667137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210411353.5A Active CN114553927B (zh) | 2022-04-19 | 2022-04-19 | 一种基于大数据的印刷设备远程控制方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114553927B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115302963B (zh) * | 2022-10-12 | 2022-12-27 | 深圳市彩昇印刷机械有限公司 | 一种基于机器视觉的条形码印刷控制方法、系统及介质 |
CN115860027B (zh) * | 2023-03-02 | 2023-05-05 | 深圳市俱进纸品包装有限公司 | 基于数码印刷的翻变二维防伪码印刷调控方法及系统 |
CN116985525B (zh) * | 2023-09-25 | 2024-01-09 | 深圳正实自动化设备有限公司 | 一种全自动视觉印刷机的智能管理方法及系统 |
CN117207688B (zh) * | 2023-10-19 | 2024-03-29 | 广州市普理司科技有限公司 | 数码印刷机车头自动升降控制系统 |
CN117533015B (zh) * | 2023-12-19 | 2024-04-16 | 广州市普理司科技有限公司 | 数码印刷机柔板套位印刷控制系统 |
CN117734332B (zh) * | 2024-02-19 | 2024-04-23 | 深圳坤邦标价用品有限公司 | 一种模内标签加工设备智能控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104029510A (zh) * | 2013-03-08 | 2014-09-10 | 北大方正集团有限公司 | 喷墨印刷浓度修正方法、修正装置及喷墨印刷方法、设备 |
JP6541858B1 (ja) * | 2018-10-30 | 2019-07-10 | 株式会社トライテック | インクジェット印刷装置におけるインク濃度誤差補正方法 |
CN110293761A (zh) * | 2018-03-21 | 2019-10-01 | 海德堡印刷机械股份公司 | 具有权重的阈值计算 |
CN111332020A (zh) * | 2020-03-23 | 2020-06-26 | 华中科技大学 | 一种喷印墨滴多误差补偿定位控制方法及系统 |
CN111709909A (zh) * | 2020-05-12 | 2020-09-25 | 安徽艾睿思智能科技有限公司 | 基于深度学习的通用印刷缺陷检测方法及其模型 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8529007B2 (en) * | 2010-11-08 | 2013-09-10 | Xerox Corporation | Method and system for reflex printing to compensate for registration errors in a continuous web inkjet printer |
CN102173200A (zh) * | 2011-01-10 | 2011-09-07 | 西安电子科技大学 | 喷墨打印机双向打印中的墨滴落点偏差的补偿方法 |
US9278552B2 (en) * | 2012-06-06 | 2016-03-08 | Canon Kabushiki Kaisha | Ink jet printing apparatus and control method thereof |
CN106739485B (zh) * | 2016-12-13 | 2019-01-04 | 北京印刷学院 | 一种印刷机纵向套准在线检测与故障诊断方法及装置 |
-
2022
- 2022-04-19 CN CN202210411353.5A patent/CN114553927B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104029510A (zh) * | 2013-03-08 | 2014-09-10 | 北大方正集团有限公司 | 喷墨印刷浓度修正方法、修正装置及喷墨印刷方法、设备 |
CN110293761A (zh) * | 2018-03-21 | 2019-10-01 | 海德堡印刷机械股份公司 | 具有权重的阈值计算 |
JP6541858B1 (ja) * | 2018-10-30 | 2019-07-10 | 株式会社トライテック | インクジェット印刷装置におけるインク濃度誤差補正方法 |
CN111332020A (zh) * | 2020-03-23 | 2020-06-26 | 华中科技大学 | 一种喷印墨滴多误差补偿定位控制方法及系统 |
CN111709909A (zh) * | 2020-05-12 | 2020-09-25 | 安徽艾睿思智能科技有限公司 | 基于深度学习的通用印刷缺陷检测方法及其模型 |
Non-Patent Citations (1)
Title |
---|
精密丝网印刷机步进控制系统的误差分析与补偿措施;李国林;《电子工业专用设备》;20140216;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114553927A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114553927B (zh) | 一种基于大数据的印刷设备远程控制方法、系统及介质 | |
CN113160192B (zh) | 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置 | |
CN110211048B (zh) | 一种基于卷积神经网络的复杂档案图像倾斜矫正方法 | |
CN115302963B (zh) | 一种基于机器视觉的条形码印刷控制方法、系统及介质 | |
CN112200225A (zh) | 基于深度卷积神经网络的钢轨伤损b显图像识别方法 | |
CN115860645B (zh) | 一种基于大数据的物流仓储管理方法及系统 | |
CN111553914B (zh) | 基于视觉的货物检测方法、装置、终端及可读存储介质 | |
CN111881958A (zh) | 车牌分类识别方法、装置、设备及存储介质 | |
CN114998922B (zh) | 一种基于格式模板的电子合同生成方法 | |
CN115880495A (zh) | 复杂环境下的舰船图像目标检测方法与系统 | |
CN115984662A (zh) | 一种多模态数据预训练及识别方法、装置、设备及介质 | |
CN117235608B (zh) | 风险检测方法、装置、电子设备及存储介质 | |
CN116985525B (zh) | 一种全自动视觉印刷机的智能管理方法及系统 | |
CN116931534B (zh) | 基于物联网的刺绣产品生产控制方法及系统 | |
CN109858306A (zh) | 基于自然纹路的互联网防伪方法和系统 | |
CN111353689B (zh) | 一种风险评估方法及装置 | |
CN115375244A (zh) | 基于大数据的第四方汽配物流平台及管理方法 | |
CN111583502B (zh) | 基于深度卷积神经网络的人民币冠字号多标签识别方法 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
CN116777354B (zh) | 一种基于纺织的仓储管理方法、系统及介质 | |
CN115860027B (zh) | 基于数码印刷的翻变二维防伪码印刷调控方法及系统 | |
CN115661134B (zh) | 基于生成对抗网络的缺陷样本生成系统、方法和存储介质 | |
CN117734332B (zh) | 一种模内标签加工设备智能控制方法及系统 | |
CN116030056A (zh) | 一种钢表面裂缝的检测方法及系统 |
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 |