CN114951017A - 一种标签印刷在线智能检测报错系统 - Google Patents
一种标签印刷在线智能检测报错系统 Download PDFInfo
- Publication number
- CN114951017A CN114951017A CN202210520178.3A CN202210520178A CN114951017A CN 114951017 A CN114951017 A CN 114951017A CN 202210520178 A CN202210520178 A CN 202210520178A CN 114951017 A CN114951017 A CN 114951017A
- Authority
- CN
- China
- Prior art keywords
- printing
- label
- image
- pixel
- unqualified
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- 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
- Image Analysis (AREA)
Abstract
本发明提供了一种标签印刷在线智能检测报错系统,包括:采集模块用于标签采集印刷过程中的印刷视频流,处理模块用于在所述印刷视频流中提取包含印刷标签的所有图像帧,建立过程图像集,提取所述过程图像集中每一帧图像对应的印刷区域,分析模块用于分析每个所述印刷区域中的印刷标签是否合格,执行模块用于将不合格印刷标签输送到指定位置,并获取对应的不合格图像集,在所述不合格图像集中标记不合格印刷标签的瑕疵位置,用以全程检测标签印刷过程,及时发现不合格标签,且针对不合格标签的错误属性执行相应的报错工作。
Description
技术领域
本发明涉及印刷方法技术领域,特别涉及一种标签印刷在线智能检测报错系统。
背景技术
标签是商品与服务的名片,用来表示商品或服务的名称、标志及属性。标签应用较多的行业和产品主要有:超市零售和物流,食品及饮料、日化、化妆品、电子家电、医药、日用品、工业相关产品、安全、防伪相关产品、环保相关产品等,例如食品包装上的食品说明,或物流面单等;
由于标签的大量使用,标签印刷业也快速发展形成了印刷流水线,可以实现一次印刷多个标签的功能,但是通过印刷流水线印刷标签虽然加快了生成速度,但是不能保证成品标签的质量,有时会出现错印,漏印或损坏等问题,为了全程检测标签印刷过程,及时发现不合格标签,且针对不合格标签的错误属性执行相应的报错工作,现提出一种标签印刷在线智能检测报错系统来实现上述目的,保障成品标签的质量,避免不合格标签流入市场。
发明内容
本发明提供的一种标签印刷在线智能检测报错系统,用以全程检测标签印刷过程,及时发现不合格标签,且针对不合格标签的错误属性执行相应的报错工作。
本发明提供的一种标签印刷在线智能检测报错系统,包括:
采集模块,用于标签采集印刷过程中的印刷视频流;
处理模块,用于在所述印刷视频流中提取包含印刷标签的所有图像帧,建立过程图像集,提取所述过程图像集中每一帧图像对应的印刷区域;
分析模块,用于分析每个所述印刷区域中的印刷标签是否合格;
执行模块,用于将不合格印刷标签输送到指定位置,并获取对应的不合格图像集,在所述不合格图像集中标记不合格印刷标签的瑕疵位置;
显示模块,用于显示所述不合格印刷标签对应的瑕疵位置。
在一种可实施的方式中,
所述采集模块,包括:
视频单元,用于采集状态视频流;
调节单元,用于判断所述状态视频流中是否含有印刷标签;
若是,将所述状态视频流视为印刷视频流传输到所述处理模块;
若不是,调节所述视频单元的采集方向,采集印刷视频流并传输到所述处理模块。
在一种可实施的方式中,
所述处理模块,包括:
分帧单元,用于将所述印刷视频流划分为若干图像帧;
提取单元,用于在所述图像帧中提取目标图像;
整合单元,用于在每一目标图像上标记包含的印刷标签,将含有同一印刷标签的目标图像归为同一过程图像集;
同时,分别在每一过程图像集中标记每一印刷标签在所述目标图像上的印刷位置。
在一种可实施的方式中,
所述分析模块,包括:
背景分析单元,用于获取所述印刷标签在对应的过程图像集中的印刷位置,并在对应过程图像集中提取标签图像集;
获取所述标签图像集上每一帧标签图像对应的图像背景;
图像分析单元,用于获取所述标签图像上的所有图像背景,分析相邻两帧标签图像之间的印刷区域;
对所有印刷区域进行排序,分析排序结果判断所述印刷标签的印刷过程是否合格。
在一种可实施的方式中,
所述执行模块,包括:
筛选单元,用于筛选不合格印刷标签,并在所述不合格标签上标记瑕疵位置;
传输单元,用于将所述不合格标签以及对应的瑕疵位置传输到所述显示模块进行显示。
在一种可实施的方式中,
所述显示模块,包括:
视频显示单元,用于显示所述印刷视频流;
指定显示单元,用于接收并显示所述执行模块所传输不合格标签以及对应的瑕疵位置。
在一种可实施的方式中,
所述处理模块,还用于:
所述提取单元,用于提取所述印刷视频流中包含的所有印刷像素值,并根据每一印刷像素值在所述印刷视频流中的权重,基于权重由高到低的顺序对所述印刷像素值进行排序,建立像素值排序列表;
利用所述像素值排序列表中第一印刷像素遍历所述图像帧,根据遍历结果判断所述第一印刷像素是否满足标签像素设定条件;
若不满足,利用第二印刷像素遍历所述图像帧,直到获取到满足标签像素设定条件的标签像素值为止;
分别在每一图像帧上标记与所述标签像素值一致的标签像素点,并在标记后剔除不含标记的多余图像帧,将剩余图像视为目标图像;
所述整合单元,用于分别获取每一所述目标图像标记的标签像素点,将同一目标图像对应的标签像素点输入到预设坐标系中,获取每一标记的标签像素点对应的像素坐标;
分别获取每两个标记的像素坐标之间的距离生成点距离列表,根据所述点距离列表将在预设距离内所标记对应的像素坐标保留,剩余像素坐标剔除;
获取保留的像素坐标所构成的像素轮廓;
所述提取单元,还用于基于所述像素轮廓获取所述印刷标签的外观特征,利用所述外观特征分别遍历每个标记的目标图像上包含的所有像素轮廓,根据遍历结果提取每一标记的目标图像上包含的标签轮廓;
所述整合单元,还用于将当下的目标图像对应的标签轮廓与下一个目标图像对应的标签轮廓进行第一衔接处理以及将当下的目标图像对应的标签轮廓与上一个目标图像对应的标签轮廓进行第二衔接处理;
基于第一衔接处理结果以及第二衔接处理结果,确定两者的衔接差异是否满足衔接构建条件;
若满足,将当下的目标图像、下一个目标图像、上一个目标图像生成对应的轮廓衔接链;
若两个衔接处理结果都不满足衔接构建条件,将当下的目标图像、下一个目标图像、上一个目标图像进行各自衔接链的生成;
若两个衔接处理结构中有一个满足衔接构建条件,则优先将满足的两个目标图像作为轮廓衔接链,剩余目标图像作为单独衔链;
通过对每个标记的目标图像进行衔接处理判断,来获取得到所有衔接链,并基于所述所有衔接链,构建得到轮廓衔接列表;
根据轮廓衔接列表中包含的衔接关系,对目标图像进行归类,分别获取对应的不同标签类的过程图像集。
在一种可实施的方式中,
所述分析模块,还包括:
建模单元,用于分别获取每一过程图像集对应的图像递进速度;
分析每一图像递进速度,获取每一过程图像集对应的印刷速度,建立对应的印刷模型;
提取每一标签图像集包含的印刷标签对应的表面积,建立对应标签模型;
过程分析单元,用于根据所述过程图像集与所述标签图像就的对应关系,将所述标签模型分别输入到对应的所述印刷模型中进行虚拟印刷;
获取每一印刷模型进行标签印刷对应的印刷时长;
分别将每一所述印刷时长划分为预设单位时长的印刷时间段,在对应的印刷模型中分别获取每一印刷时间段对应的印刷量,建立标准印刷列表;
所述过程分析单元,还用于在历史印刷记录中提取与所述印刷速度一致的历史信息,分析所述历史信息获取历史单位平均印刷量;
所述过程分析单元,还用于基于所述标准印刷列表和历史单位平均印刷量,分析同一标签图像集包含的每一印刷时间段对应的印刷量区间;
基于所述印刷时间段建立时间映射集,获取排序结果并将所述排序结果输入到对应的所述时间映射集中,提取与所述时间映射集匹配的目标印刷区域;
提取相邻两个目标印刷区域之间的差异像素点,并剔除所述差异像素点中的干扰像素点,生成对应时间段的当前印刷量;
判断每一所述当前印刷量是否在对应的印刷量区间内;
若不在,确定所述印刷标签不合格,同时提取不合格当前印刷量对应的印刷位置;
生成错印结果传输到指定显示单元进行显示。
在一种可实施的方式中,
所述过程分析单元,还用于:
若所述排序结果中任意相邻两个目标印刷区域之间的差异像素点为0,确定所述印刷标签属于漏印,生成漏印结果传输到指定显示单元进行显示。
在一种可实施的方式中,
所述整合单元,还用于:
获取所述印刷标签的实际轮廓,分别判断每一像素轮廓是否合格;
提取不合格像素轮廓,确定对应的瑕疵印刷标签属于破损,生成破损结果传输到指定显示单元进行显示。
与现有技术相比,本发明的有益效果如下:
为了全程检测印刷过程,首先采集印刷视频流,再在印刷视频流中提取含有印刷标签的图像帧,生成过程图像集,然后通过对过程图像集的分析可以判断出印刷标签是否合格,为了避免不合格标签流入使用地区,将其输送到指定位置,然后在显示模块上显示其瑕疵位置,为相关人员调节印刷装置做参考,这一来实现了全程检测标签印刷过程,及时发现不合格标签,且针对不合格标签的错误属性执行相应的报错工作。
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
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种标签印刷在线智能检测报错系统的组成示意图;
图2为本发明实施例中一种标签印刷在线智能检测报错系统处理模块的组成示意图;
图3为本发明实施例中一种标签印刷在线智能检测报错系统分析模块的组成示意图;
图4为本发明实施例中一种标签印刷在线智能检测报错系统执行模块的组成示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
一种标签印刷在线智能检测报错系统,如图1所示,包括:
采集模块,用于标签采集印刷过程中的印刷视频流;
处理模块,用于在所述印刷视频流中提取包含印刷标签的所有图像帧,建立过程图像集,提取所述过程图像集中每一帧图像对应的印刷区域;
分析模块,用于分析每个所述印刷区域中的印刷标签是否合格;
执行模块,用于将不合格印刷标签输送到指定位置,并获取对应的不合格图像集,在所述不合格图像集中标记不合格印刷标签的瑕疵位置;
显示模块,用于显示所述不合格印刷标签对应的瑕疵位置。
该实例中,印刷视频流表示在印刷标签过程中的视频流;
该实例中,在印刷视频流中提取包含印刷标签的所有图像帧的过程为:根据印刷视频流中包含的各类外形特征,分别与预设标签特征进行比对,分析印刷标签在该视频流中的实际特征,然后将印刷视频流划分为图像集,提取含有实际特征的图像,记作图像帧;
该实例中,过程图像集表示可以表达印刷过程的图像集,由图像帧组成;
该实例中,印刷区域表示过程图像集中被印刷的部分;
该实例中,不合格印刷标签可以为:漏印、错印、破损;
该实例中,指定位置可以为回收区。
上述技术方案的工作原理以及有益效果:为了全程检测印刷过程,首先采集印刷视频流,再在印刷视频流中提取含有印刷标签的图像帧,生成过程图像集,然后通过对过程图像集的分析可以判断出印刷标签是否合格,为了避免不合格标签流入使用地区,将其输送到指定位置,然后在显示模块上显示其瑕疵位置,为相关人员调节印刷装置做参考,这一来实现了全程检测标签印刷过程,及时发现不合格标签,且针对不合格标签的错误属性执行相应的报错工作。
实施例2
在实施例1的基础上,所述一种标签印刷在线智能检测报错系统,所述采集模块,如图1所示,包括:
视频单元,用于采集状态视频流;
调节单元,用于判断所述状态视频流中是否含有印刷标签;
若是,将所述状态视频流视为印刷视频流传输到所述处理模块;
若不是,调节所述视频单元的采集方向,采集印刷视频流并传输到所述处理模块。
上述技术方案的工作原理以及有益效果:为了保障监控区域的有效性,分析视频单元采集的状态视频流是否合格,在必要条件下调节视频单元的采集角度,使印刷视频流处于有效区域。
实施例3
在实施例1的基础上,所述一种标签印刷在线智能检测报错系统,所述处理模块,如图2所示,包括:
分帧单元,用于将所述印刷视频流划分为若干图像帧;
提取单元,用于在所述图像帧中提取目标图像;
整合单元,用于在每一目标图像上标记包含的印刷标签,将含有同一印刷标签的目标图像归为同一过程图像集;
同时,分别在每一过程图像集中标记每一印刷标签在所述目标图像上的印刷位置。
该实例中,目标图像表示含有印刷标签的图像。
上述技术方案的工作原理以及有益效果:建立过程图像集然后在过程图像集上标记每一印刷标签的印刷位置,此时工作人员可以在显示模块观察印刷进度,同时为后续工作做基础。
实施例4
在实施例1的基础上,所述一种标签印刷在线智能检测报错系统,所述分析模块,如图3所示,包括:
背景分析单元,用于获取所述印刷标签在对应的过程图像集中的印刷位置,并在对应过程图像集中提取标签图像集;
获取所述标签图像集上每一帧标签图像对应的图像背景;
图像分析单元,用于获取所述标签图像上的所有图像背景,分析相邻两帧标签图像之间的印刷区域;
对所有印刷区域进行排序,分析排序结果判断所述印刷标签的印刷过程是否合格。
上述技术方案的工作原理以及有益效果:为了有效的判断印刷标签是否合格,在过程图像集中获取印刷标签的位置,通过分析印刷区域来判断印刷标签是否合格。
实施例5
在实施例1的基础上,所述一种标签印刷在线智能检测报错系统,所述执行模块,如图4所示,包括:
筛选单元,用于筛选不合格印刷标签,并在所述不合格标签上标记瑕疵位置;
传输单元,用于将所述不合格标签以及对应的瑕疵位置传输到所述显示模块进行显示。
上述技术方案的工作原理以及有益效果:为了避免不合格印刷标签流入使用区域,由筛选单元将其筛选出来,然后获取其瑕疵位置由显示模块进行显示,为工作人员提供参考。
实施例6
在实施例1的基础上,所述一种标签印刷在线智能检测报错系统,所述显示模块,包括:
视频显示单元,用于显示所述印刷视频流;
指定显示单元,用于接收并显示所述执行模块所传输不合格标签以及对应的瑕疵位置。
上述技术方案的工作原理以及有益效果:为了方便工作人员观察印刷过程,由视频显示单元显示印刷视频流,由指定显示单元显示不合格标签信息,两个显示单元之间不会产生交叉,避免了紊乱。
实施例7
在实施例3的基础上,所述一种标签印刷在线智能检测报错系统,所述处理模块,还用于:
所述提取单元,用于提取所述印刷视频流中包含的所有印刷像素值,并根据每一印刷像素值在所述印刷视频流中的权重,基于权重由高到低的顺序对所述印刷像素值进行排序,建立像素值排序列表;
利用所述像素值排序列表中第一印刷像素遍历所述图像帧,根据遍历结果判断所述第一印刷像素是否满足标签像素设定条件;
若不满足,利用第二印刷像素遍历所述图像帧,直到获取到满足标签像素设定条件的标签像素值为止;
分别在每一图像帧上标记与所述标签像素值一致的标签像素点,并在标记后剔除不含标记的多余图像帧,将剩余图像视为目标图像;
所述整合单元,用于分别获取每一所述目标图像标记的标签像素点,将同一目标图像对应的标签像素点输入到预设坐标系中,获取每一标记的标签像素点对应的像素坐标;
分别获取每两个标记的像素坐标之间的距离生成点距离列表,根据所述点距离列表将在预设距离内所标记对应的像素坐标保留,剩余像素坐标剔除;
获取保留的像素坐标所构成的像素轮廓;
所述提取单元,还用于基于所述像素轮廓获取所述印刷标签的外观特征,利用所述外观特征分别遍历每个标记的目标图像上包含的所有像素轮廓,根据遍历结果提取每一标记的目标图像上包含的标签轮廓;
所述整合单元,还用于将当下的目标图像对应的标签轮廓与下一个目标图像对应的标签轮廓进行第一衔接处理以及将当下的目标图像对应的标签轮廓与上一个目标图像对应的标签轮廓进行第二衔接处理;
基于第一衔接处理结果以及第二衔接处理结果,确定两者的衔接差异是否满足衔接构建条件;
若满足,将当下的目标图像、下一个目标图像、上一个目标图像生成对应的轮廓衔接链;
若两个衔接处理结果都不满足衔接构建条件,将当下的目标图像、下一个目标图像、上一个目标图像进行各自衔接链的生成;
若两个衔接处理结构中有一个满足衔接构建条件,则优先将满足的两个目标图像作为轮廓衔接链,剩余目标图像作为单独衔链;
通过对每个标记的目标图像进行衔接处理判断,来获取得到所有衔接链,并基于所述所有衔接链,构建得到轮廓衔接列表;
根据轮廓衔接列表中包含的衔接关系,对目标图像进行归类,分别获取对应的不同标签类的过程图像集。
该实例中,标签像素值表示印刷标签在印刷视频流中的像素值;
该实例中,多余图像帧表示不含有印刷标签的图像帧;
该实例中,目标图像表示含有印刷标签的图像;
该实例中,标签像素点表示印刷标签对应的像素点;
该实例中,第一衔接处理表示将当下目标图像上包含的标签轮廓域下一个目标图像包含的标签轮廓进行切换连接,生成连续动图的过程;
该实例中,第二衔接处理表示将当下目标图像上包含的标签轮廓域上一个目标图像包含的标签轮廓进行切换连接,生成连续动图的过程;
该实例中,轮廓衔接链表示所有的当前图像执行衔接处理后形成的连续动图。
该实施例中,在进行第一衔接处理以及第二衔接处理的过程中,都是为了确保在打印过程中,一个图像标签连续打印的完整性,比如,标签是111的形状,当上一个目标图像是1,当下目标图像是11,下一个目标图像是111,此时,就可以得到当下的目标图像、下一个目标图像、上一个目标图像的轮廓衔接链,也就是1-11-111的链。
如果,上一个目标图像是11,当下目标图像是111,下一目标图像是2,此时,就可以视为11-111是满足衔接构建条件(一个打印标签的轮廓为基础设立的条件,不同的标签,对应的构建条件不一样),有线满足的两个目标图像即为上一个目标图像是11,当下目标图像是111,此时,对应的剩余目标图像为下一目标图像,并作为一个单独衔接等。
上述技术方案的工作原理以及有益效果:为了保障检测结果的精确性就必须获取到准确的过程图像集,首先在图像帧上标记标签像素点,然后将其全部输入到预设坐标系中分析不同目标图像中的印刷位置,最后根据印刷位置生成过程图像集,实现了过程图像集的准确性,为后续进行检测做基础。
实施例8
在实施例4的基础上,所述一种标签印刷在线智能检测报错系统,所述分析模块,如图3所示,还包括:
建模单元,用于分别获取每一过程图像集对应的图像递进速度;
分析每一图像递进速度,获取每一过程图像集对应的印刷速度,建立对应的印刷模型;
提取每一标签图像集包含的印刷标签对应的表面积,建立对应标签模型;
过程分析单元,用于根据所述过程图像集与所述标签图像就的对应关系,将所述标签模型分别输入到对应的所述印刷模型中进行虚拟印刷;
获取每一印刷模型进行标签印刷对应的印刷时长;
分别将每一所述印刷时长划分为预设单位时长的印刷时间段,在对应的印刷模型中分别获取每一印刷时间段对应的印刷量,建立标准印刷列表;
所述过程分析单元,还用于在历史印刷记录中提取与所述印刷速度一致的历史信息,分析所述历史信息获取历史单位平均印刷量;
所述过程分析单元,还用于基于所述标准印刷列表和历史单位平均印刷量,分析同一标签图像集包含的每一印刷时间段对应的印刷量区间;
基于所述印刷时间段建立时间映射集,获取排序结果并将所述排序结果输入到对应的所述时间映射集中,提取与所述时间映射集匹配的目标印刷区域;
提取相邻两个目标印刷区域之间的差异像素点,并剔除所述差异像素点中的干扰像素点,生成对应时间段的当前印刷量;
判断每一所述当前印刷量是否在对应的印刷量区间内;
若不在,确定所述印刷标签不合格,同时提取不合格当前印刷量对应的印刷位置;
生成错印结果传输到指定显示单元进行显示。
该实例中,图像递进速度表示标签图像集中图像的切换速度;
该实例中,印刷时间段表示印刷标签时的时间节点;
该实例中,印刷量区间表示一个印刷时间段对应的印刷量范围,即在该印刷时间段内的印刷量为印刷量区间内的任意数值。
上述技术方案的工作原理以及有益效果:通过分析标签图像集来反映每一标签的印刷过程是否与预期印刷过程一致,由于每一标签具有独特性,所以在印刷时细节情况不尽相同,为了同步印刷进度利用模型模拟印刷过程以及历史情况来分析本次印刷的进度,可以分析本次印刷中是否有错印的标签,并将其传输到指定显示单元进行显示,供工作人员查看。
实施例9
在实施例8的基础上,所述一种标签印刷在线智能检测报错系统,所述过程分析单元,还用于:
若所述排序结果中任意相邻两个目标印刷区域之间的差异像素点为0,确定所述印刷标签属于漏印,生成漏印结果传输到指定显示单元进行显示。
上述技术方案的工作原理以及有益效果:利用差异像素点的进度来分析印刷标签是否具有漏印的缺陷,进一步加强了检测系统的智能性。
实施例10
在实施例7的基础上,所述一种标签印刷在线智能检测报错系统,所述整合单元,还用于:
获取所述印刷标签的实际轮廓,分别判断每一像素轮廓是否合格;
提取不合格像素轮廓,确定对应的瑕疵印刷标签属于破损,生成破损结果传输到指定显示单元进行显示。
上述技术方案的工作原理以及有益效果:通过分析像素轮廓来判断印刷标签是否有破损,这一方法简单且有效实现了快速检测标签的目的。
实施例11
在实施例7的基础上,所述一种标签印刷在线智能检测报错系统:
所述提取单元,还用于分别获取每一图像帧包含的灰度值;
剔除仅包含一个灰度值的单一图像帧,将剩余图像帧划分为单位规格的像素块,并根据公式(Ⅰ)分别计算每一剩余图像帧对应的平均灰度值;
其中,p表示所对应的一个剩余图像帧的平均灰度值,X表示对应剩余图像帧中横向像素块的总个数,Y表示对应剩余图像帧中纵向像素块的总个数,(xi,yk)表示对应剩余图像帧中的第(i,k)个像素块上的横向灰度值xi以及纵向灰度值yk,表示对应剩余图像帧上第i个横向像素块所在的整个像素列的平均灰度值,x1表示对应剩余图像帧上X个横向块所对应的最大纵向灰度值,表示剩余图像帧上第k个纵向像素块所在的整个像素行的平均灰度值,y1表示对应剩余图像帧上Y个纵向块所对应的最大横向灰度值;
再根据公式(Ⅱ)计算每一剩余图像帧对应的灰度标准差;
根据公式(Ⅱ)的计算结果,分别获取每一剩余图像与目标灰度标准差的离散程度,基于所述离散程度分别调节每一剩余图像对应的像素饱和度,直到所有剩余图像对应的灰度标准差与目标灰度标准差一致为止。
该实例中,单位规格为1*1;
该实例中,像素块表示剩余图像上每个单位规格所构成的区域。
上述技术方案的工作原理以及有益效果:为了可以准确的获取标签像素值,在获取标签像素值前对图像帧进行处理,分析图像帧的灰度标准差,将图像帧均调节至目标参数下,统一所有图像帧的度量,这样一来就可以准确获取标签像素值。
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 (10)
1.一种标签印刷在线智能检测报错系统,其特征在于,包括:
采集模块,用于标签采集印刷过程中的印刷视频流;
处理模块,用于在所述印刷视频流中提取包含印刷标签的所有图像帧,建立过程图像集,提取所述过程图像集中每一帧图像对应的印刷区域;
分析模块,用于分析每个所述印刷区域中的印刷标签是否合格;
执行模块,用于将不合格印刷标签输送到指定位置,并获取对应的不合格图像集,在所述不合格图像集中标记不合格印刷标签的瑕疵位置;
显示模块,用于显示所述不合格印刷标签对应的瑕疵位置。
2.如权利要求1所述的一种标签印刷在线智能检测报错系统,其特征在于,所述采集模块,包括:
视频单元,用于采集状态视频流;
调节单元,用于判断所述状态视频流中是否含有印刷标签;
若是,将所述状态视频流视为印刷视频流传输到所述处理模块;
若不是,调节所述视频单元的采集方向,采集印刷视频流并传输到所述处理模块。
3.如权利要求1所述的一种标签印刷在线智能检测报错系统,其特征在于,所述处理模块,包括:
分帧单元,用于将所述印刷视频流划分为若干图像帧;
提取单元,用于在所述图像帧中提取目标图像;
整合单元,用于在每一目标图像上标记包含的印刷标签,将含有同一印刷标签的目标图像归为同一过程图像集;
同时,分别在每一过程图像集中标记每一印刷标签在所述目标图像上的印刷位置。
4.如权利要求1所述的一种标签印刷在线智能检测报错系统,其特征在于,所述分析模块,包括:
背景分析单元,用于获取所述印刷标签在对应的过程图像集中的印刷位置,并在对应过程图像集中提取标签图像集;
获取所述标签图像集上每一帧标签图像对应的图像背景;
图像分析单元,用于获取所述标签图像上的所有图像背景,分析相邻两帧标签图像之间的印刷区域;
对所有印刷区域进行排序,分析排序结果判断所述印刷标签的印刷过程是否合格。
5.如权利要求1所述的一种标签印刷在线智能检测报错系统,其特征在于,所述执行模块,包括:
筛选单元,用于筛选不合格印刷标签,并在所述不合格标签上标记瑕疵位置;
传输单元,用于将所述不合格标签以及对应的瑕疵位置传输到所述显示模块进行显示。
6.如权利要求1所述的一种标签印刷在线智能检测报错系统,其特征在于,所述显示模块,包括:
视频显示单元,用于显示所述印刷视频流;
指定显示单元,用于接收并显示所述执行模块所传输不合格标签以及对应的瑕疵位置。
7.如权利要求3所述的一种标签印刷在线智能检测报错系统,其特征在于,所述处理模块,还用于:
所述提取单元,用于提取所述印刷视频流中包含的所有印刷像素值,并根据每一印刷像素值在所述印刷视频流中的权重,基于权重由高到低的顺序对所述印刷像素值进行排序,建立像素值排序列表;
利用所述像素值排序列表中第一印刷像素遍历所述图像帧,根据遍历结果判断所述第一印刷像素是否满足标签像素设定条件;
若不满足,利用第二印刷像素遍历所述图像帧,直到获取到满足标签像素设定条件的标签像素值为止;
分别在每一图像帧上标记与所述标签像素值一致的标签像素点,并在标记后剔除不含标记的多余图像帧,将剩余图像视为目标图像;
所述整合单元,用于分别获取每一所述目标图像标记的标签像素点,将同一目标图像对应的标签像素点输入到预设坐标系中,获取每一标记的标签像素点对应的像素坐标;
分别获取每两个标记的像素坐标之间的距离生成点距离列表,根据所述点距离列表将在预设距离内所标记对应的像素坐标保留,剩余像素坐标剔除;
获取保留的像素坐标所构成的像素轮廓;
所述提取单元,还用于基于所述像素轮廓获取所述印刷标签的外观特征,利用所述外观特征分别遍历每个标记的目标图像上包含的所有像素轮廓,根据遍历结果提取每一标记的目标图像上包含的标签轮廓;
所述整合单元,还用于将当下的目标图像对应的标签轮廓与下一个目标图像对应的标签轮廓进行第一衔接处理以及将当下的目标图像对应的标签轮廓与上一个目标图像对应的标签轮廓进行第二衔接处理;
基于第一衔接处理结果以及第二衔接处理结果,确定两者的衔接差异是否满足衔接构建条件;
若满足,将当下的目标图像、下一个目标图像、上一个目标图像生成对应的轮廓衔接链;
若两个衔接处理结果都不满足衔接构建条件,将当下的目标图像、下一个目标图像、上一个目标图像进行各自衔接链的生成;
若两个衔接处理结构中有一个满足衔接构建条件,则优先将满足的两个目标图像作为轮廓衔接链,剩余目标图像作为单独衔链;
通过对每个标记的目标图像进行衔接处理判断,来获取得到所有衔接链,并基于所述所有衔接链,构建得到轮廓衔接列表;
根据轮廓衔接列表中包含的衔接关系,对目标图像进行归类,分别获取对应的不同标签类的过程图像集。
8.如权利要求4所述的一种标签印刷在线智能检测报错系统,其特征在于,所述分析模块,还包括:
建模单元,用于分别获取每一过程图像集对应的图像递进速度;
分析每一图像递进速度,获取每一过程图像集对应的印刷速度,建立对应的印刷模型;
提取每一标签图像集包含的印刷标签对应的表面积,建立对应标签模型;
过程分析单元,用于根据所述过程图像集与所述标签图像就的对应关系,将所述标签模型分别输入到对应的所述印刷模型中进行虚拟印刷;
获取每一印刷模型进行标签印刷对应的印刷时长;
分别将每一所述印刷时长划分为预设单位时长的印刷时间段,在对应的印刷模型中分别获取每一印刷时间段对应的印刷量,建立标准印刷列表;
所述过程分析单元,还用于在历史印刷记录中提取与所述印刷速度一致的历史信息,分析所述历史信息获取历史单位平均印刷量;
所述过程分析单元,还用于基于所述标准印刷列表和历史单位平均印刷量,分析同一标签图像集包含的每一印刷时间段对应的印刷量区间;
基于所述印刷时间段建立时间映射集,获取排序结果并将所述排序结果输入到对应的所述时间映射集中,提取与所述时间映射集匹配的目标印刷区域;
提取相邻两个目标印刷区域之间的差异像素点,并剔除所述差异像素点中的干扰像素点,生成对应时间段的当前印刷量;
判断每一所述当前印刷量是否在对应的印刷量区间内;
若不在,确定所述印刷标签不合格,同时提取不合格当前印刷量对应的印刷位置;
生成错印结果传输到指定显示单元进行显示。
9.如权利要求8所述的一种标签印刷在线智能检测报错系统,其特征在于,所述过程分析单元,还用于:
若所述排序结果中任意相邻两个目标印刷区域之间的差异像素点为0,确定所述印刷标签属于漏印,生成漏印结果传输到指定显示单元进行显示。
10.如权利要求7所述的一种标签印刷在线智能检测报错系统,其特征在于,所述整合单元,还用于:
获取所述印刷标签的实际轮廓,分别判断每一像素轮廓是否合格;
提取不合格像素轮廓,确定对应的瑕疵印刷标签属于破损,生成破损结果传输到指定显示单元进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520178.3A CN114951017B (zh) | 2022-05-12 | 2022-05-12 | 一种标签印刷在线智能检测报错系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210520178.3A CN114951017B (zh) | 2022-05-12 | 2022-05-12 | 一种标签印刷在线智能检测报错系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114951017A true CN114951017A (zh) | 2022-08-30 |
CN114951017B CN114951017B (zh) | 2023-05-30 |
Family
ID=82983092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210520178.3A Active CN114951017B (zh) | 2022-05-12 | 2022-05-12 | 一种标签印刷在线智能检测报错系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114951017B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117048223A (zh) * | 2023-08-18 | 2023-11-14 | 广东兴艺数字印刷股份有限公司 | 一种高准确性数字印刷方法、装置、设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110182471A1 (en) * | 2009-11-30 | 2011-07-28 | Abisee, Inc. | Handling information flow in printed text processing |
CN108195847A (zh) * | 2017-09-28 | 2018-06-22 | 蚌埠金黄山凹版印刷有限公司 | 一种凹凸图案在线视频检测装置及其检测方法 |
CN109939956A (zh) * | 2019-04-28 | 2019-06-28 | 苏州绿曼纸包装制品有限公司 | 一种标签印刷用检测设备 |
CN110095475A (zh) * | 2019-04-19 | 2019-08-06 | 深圳市大满包装有限公司 | 一种印铁视觉检测系统及印铁图案检测方法 |
CN110940670A (zh) * | 2019-11-25 | 2020-03-31 | 佛山缔乐视觉科技有限公司 | 基于机器视觉的柔印标签印刷首稿检测系统及其实现方法 |
CN111487250A (zh) * | 2020-04-02 | 2020-08-04 | 苏州奥创智能科技有限公司 | 一种应用于注塑件不良品检测的智能视觉检测方法及系统 |
CN112137591A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 基于视频流的目标物位置检测方法、装置、设备及介质 |
CN113063802A (zh) * | 2021-03-17 | 2021-07-02 | 深圳市霍克视觉科技有限公司 | 一种印刷标签缺陷检测方法及其装置 |
CN113343856A (zh) * | 2021-06-09 | 2021-09-03 | 北京容联易通信息技术有限公司 | 一种图像识别的方法及系统 |
CN113516147A (zh) * | 2020-12-21 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 印刷误差检测方法、设备、系统及存储介质 |
WO2021208275A1 (zh) * | 2020-04-12 | 2021-10-21 | 南京理工大学 | 一种交通视频背景建模方法及系统 |
CN113963210A (zh) * | 2021-10-25 | 2022-01-21 | 南京工业大学 | 一种基于深度学习的废弃数据存储设备检测方法及分拣系统 |
CN114266764A (zh) * | 2021-12-29 | 2022-04-01 | 深圳市前海研祥亚太电子装备技术有限公司 | 一种印刷标签的字符完整性检测方法及其装置 |
-
2022
- 2022-05-12 CN CN202210520178.3A patent/CN114951017B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110182471A1 (en) * | 2009-11-30 | 2011-07-28 | Abisee, Inc. | Handling information flow in printed text processing |
CN108195847A (zh) * | 2017-09-28 | 2018-06-22 | 蚌埠金黄山凹版印刷有限公司 | 一种凹凸图案在线视频检测装置及其检测方法 |
CN110095475A (zh) * | 2019-04-19 | 2019-08-06 | 深圳市大满包装有限公司 | 一种印铁视觉检测系统及印铁图案检测方法 |
CN109939956A (zh) * | 2019-04-28 | 2019-06-28 | 苏州绿曼纸包装制品有限公司 | 一种标签印刷用检测设备 |
CN110940670A (zh) * | 2019-11-25 | 2020-03-31 | 佛山缔乐视觉科技有限公司 | 基于机器视觉的柔印标签印刷首稿检测系统及其实现方法 |
CN111487250A (zh) * | 2020-04-02 | 2020-08-04 | 苏州奥创智能科技有限公司 | 一种应用于注塑件不良品检测的智能视觉检测方法及系统 |
WO2021208275A1 (zh) * | 2020-04-12 | 2021-10-21 | 南京理工大学 | 一种交通视频背景建模方法及系统 |
CN112137591A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技(深圳)有限公司 | 基于视频流的目标物位置检测方法、装置、设备及介质 |
CN113516147A (zh) * | 2020-12-21 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 印刷误差检测方法、设备、系统及存储介质 |
CN113063802A (zh) * | 2021-03-17 | 2021-07-02 | 深圳市霍克视觉科技有限公司 | 一种印刷标签缺陷检测方法及其装置 |
CN113343856A (zh) * | 2021-06-09 | 2021-09-03 | 北京容联易通信息技术有限公司 | 一种图像识别的方法及系统 |
CN113963210A (zh) * | 2021-10-25 | 2022-01-21 | 南京工业大学 | 一种基于深度学习的废弃数据存储设备检测方法及分拣系统 |
CN114266764A (zh) * | 2021-12-29 | 2022-04-01 | 深圳市前海研祥亚太电子装备技术有限公司 | 一种印刷标签的字符完整性检测方法及其装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117048223A (zh) * | 2023-08-18 | 2023-11-14 | 广东兴艺数字印刷股份有限公司 | 一种高准确性数字印刷方法、装置、设备及存储介质 |
CN117048223B (zh) * | 2023-08-18 | 2024-04-26 | 广东兴艺数字印刷股份有限公司 | 一种高准确性数字印刷方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114951017B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045641B (zh) | 一种基于图像识别技术的货架识别方法 | |
CN104992449B (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN107179324B (zh) | 检测产品包装的方法、装置和系统 | |
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 | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN108596137A (zh) | 一种基于图像识别算法的商品扫描录入方法 | |
CN101739570A (zh) | 棉花异性纤维在线分类方法和系统 | |
CN114951017B (zh) | 一种标签印刷在线智能检测报错系统 | |
CN109740609A (zh) | 一种轨距检测方法及装置 | |
CN114419038A (zh) | 轮毂表面缺陷的识别方法及装置、存储介质、电子设备 | |
CN115035092A (zh) | 基于图像的瓶体检测方法、装置、设备及存储介质 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN114662208B (zh) | 一种基于Bim技术的施工可视化系统及方法 | |
KR20210122429A (ko) | 영상 딥러닝을 이용한 ai 기반 화장품 용기 인쇄 제조 공정에서의 자동 결함 탐지 방법 및 시스템 | |
CN113111903A (zh) | 智能产线监测系统及监测方法 | |
CN108629318A (zh) | 一种基于图像识别技术的货架陈列识别方法、装置和系统 | |
Börold et al. | Deep learning-based object recognition for counting car components to support handling and packing processes in automotive supply chains | |
CN111368818A (zh) | 基于机器视觉的食品袋检测系统及方法、食品包装系统 | |
CN109743497A (zh) | 一种数据集采集方法、系统及电子装置 | |
Sarkar et al. | Counting of cigarettes in cigarette packets using LabVIEW | |
CN114998357B (zh) | 基于多信息分析的工业检测方法、系统、终端和介质 | |
CN112101060A (zh) | 基于平移不变性和小区域模板匹配的二维码定位方法 | |
CN111626981A (zh) | 识别待检测货物类别的方法和装置 | |
CN110363703A (zh) | 基于深度摄像头的货架监控方法 |
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 |