CN115078365A - 一种软包装印刷质量缺陷检测方法 - Google Patents

一种软包装印刷质量缺陷检测方法 Download PDF

Info

Publication number
CN115078365A
CN115078365A CN202110276004.2A CN202110276004A CN115078365A CN 115078365 A CN115078365 A CN 115078365A CN 202110276004 A CN202110276004 A CN 202110276004A CN 115078365 A CN115078365 A CN 115078365A
Authority
CN
China
Prior art keywords
image
area
template
detected
bar code
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.)
Pending
Application number
CN202110276004.2A
Other languages
English (en)
Inventor
李昕
李珊
刘航源
王志宽
陈晓莹
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.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202110276004.2A priority Critical patent/CN115078365A/zh
Publication of CN115078365A publication Critical patent/CN115078365A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41F—PRINTING MACHINES OR PRESSES
    • B41F33/00—Indicating, counting, warning, control or safety devices
    • B41F33/0036—Devices for scanning or checking the printed matter for quality control
    • 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
    • G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8877—Proximity analysis, local statistics
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
    • G01N2021/936—Adjusting threshold, e.g. by way of moving average
    • 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

  • 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)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种软包装印刷质量缺陷检测方法，该方法包含：将待检测图像分为三个部分，前景，背景以及条码区域，分别进行处理。前景区域采用模板匹配，找到对应区域，进行像素级的对比；通过模板匹配，找到对应条码区域，采用均值滤波的方法去除颜色过渡的影响，进行条形码区域的检测；除去已经检测过的前景和条码区域，背景区域采用异常点检测的方法，来检测小气泡等缺陷，从而实现了复杂图像软包装的印刷质量缺陷检测。本发明能够检测出多种软包装的印刷缺陷，并提高了软包装印刷质量缺陷检测的精确程度。

Description

一种软包装印刷质量缺陷检测方法
技术领域
本发明属于计算机图形与图像处理领域，涉及一种软包装印刷质量缺陷检测方法。
背景技术
随着社会和科技的进步，商品的卫生和质量安全成为了人们日益关注的对象，由此引出的产品软包装印刷质量问题也逐渐成为一种大趋势，因此很多企业除了关注商品本身，还要关心商品的包装质量。传统的人工检测方法因存在效率低、成本高、劳动强度大等缺点，已经远远不能满足现代化的生产、工作需求，而软包装印刷质量缺陷检测技术可提高产品包装的技术水平和自动化程度，保证产品质量，降低成本，降低工人的劳动强度，因此用机器视觉技术代替人力劳动来检测包装的印刷质量缺陷成为必然。一个完整的包装印刷质量缺陷检测系统主要分成图像处理算法、系统的硬件及软件等部分，系统的图像处理算法是系统关键，一方面对检测精度与速度有要求，另一方面要根据被检测对象的图像特点确定最优图像识别方案。
目前国内外针对软包装印刷质量缺陷检测的方法进行了大量的研究，并且仍在不断发展中，但是整体流程大致相同。常用的算法主要包括：模板匹配检测算法、图像差分检测算法、分层检测算法、基于图像质量评价的质量检测算法。模板匹配是常用的一种定位检测方法，该方法首先获取目标图像的特征信息生成模板，然后根据搜索图像和模板信息之间的相似性，通过选取一个值来确定目标对象的位置。但是由于软包装的印刷图案都较为复杂，所以简单的模板匹配并不能很好的检测缺陷。
发明内容
本发明为了克服上述缺陷，提出了一种软包装印刷质量缺陷检测方法，本发明具体步骤如下：
S1，通过图像处理将软包装印刷无缺陷的标准图划分为前景，条码和背景三个不同区域的mask以便进行下一步检测。
S2，输入待检测的图像，并加载标准图以及mask，进行初始化的工作。
S3，通过mask信息定位要检测的标准图中前景区域，使用模板匹配找到待检测图像中对用的前景区域，然后与标准图同一区域进行像素级对比。
S4，通过mask信息定位条码区域，使用模板匹配找到待检测图像中的条码区域，去除颜色过渡导致的差异，并检测条码区域是否异常。
S5，由于背景区域大面积颜色单一，去除前景以及条码区域信息后，直接检测异常点。
S6，在图像上将检测出的缺陷位置进行标注，并保存输出。
本发明的技术方案特征和改进为：
对于步骤S1，本发明使用图像处理技术对标准图进行了区域划分，将标准图划分为前景，背景以及条码区域，由于软包装的印刷图案比较复杂，整张图像进行相同的处理并不能得到较好的效果，所以，将图像进行了区域的划分，以便可以更好地进行缺陷检测。首先提取图像的轮廓信息，根据轮廓信息进行区域划分，主要包括sobel滤波操作，自适应对比度调节算法，二值化阈值，轮廓检测，区域划分等步骤。
优选地，在所述的步骤S1中，Sobel算子主要包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。其运算公式如下所示：
Figure BDA0002976675330000021
Figure BDA0002976675330000022
式(1)和式(2)中，I代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，因此，它可以计算出图像的边缘信息。
优选地，在所述的步骤S1中，限制对比度直方图均衡(CLAHE)用来提高图像的对比度，算法通过计算图像的局部直方图，然后重新分布亮度来改变图像对比度。可以获得更多的图像细节。限制对比度即为限制直方图的斜率，因此需要对子块中统计得到的直方图进行裁剪，使其幅值低于某个上限，并将这部分裁剪值均匀地分布在整个灰度区间上，以保证直方图总面积不变。
优选地，在所述的步骤S1中，将经过处理的标准图进行二值化的阈值分割，以便获取图像的轮廓信息，用于获得图像的mask信息。
对于步骤S3，本发明的关键是通过mask定位前景区域，并进行模板对比。根据mask信息中的区域标号划分，使用标准图上的对应模板来匹配待检测图像中对应的前景区域，并进行对应区域像素比对。所用到的模板匹配算法为归一化相关系数匹配算法。
优选地，在所述的步骤S3中，两幅进行匹配计算的图像中的模板图像为g，大小为m×n，待检测图像为S，大小为M×N。用Sx,y表示S中以(x,y)为左上角点与g大小相同的子块。利用相关系数公式计算检测图像和模板图像之间的相关系数，得到相关系数矩阵ρ(x,y)，通过对相关系数矩阵的分析，判断两幅图像是否相关。
ρ(x,y)的定义为
Figure BDA0002976675330000031
Figure BDA0002976675330000032
Figure BDA0002976675330000033
式(3)中，σ(Sx,y,g)是Sx,y和g的协方差，Dx,y为Sx,y的方差，D为g的方差，Dx,y和D的定义为式(4)和式(5)，其中，
Figure BDA0002976675330000034
是图像Sx,y的灰度均值，
Figure BDA0002976675330000035
为g的灰度均值。相关系数满足：|ρ(x,y)|≤1，在[-1,1]绝对尺度范围之间衡量两者的相似性。相关系数刻画了模板与待检测图像之间的近似程度的线性描述。当越接近于1时，模板与待检测图像区域越相似。
优选地，在所述的步骤S3中，根据模板匹配可以得到相对应的检测区域，然后使用图像的减法运算，用以确定该区域是否有缺陷。图像减法即为，模板与图像对应相同的区域中，对应的像素做减法运算，差值结果小于0的赋值为0，结果取绝对值，用以检测缺陷。
对于步骤S4，本发明的关键是对条形码区域的单独处理，由于真实图像中会有色彩过渡的影响，每张图像中条码的黑白过渡都不相同，所以要对条码区域单独处理；具体而言，根据模板匹配的方法找到图像中对应的条码区域，然后对该区域进行均值滤波处理，滤波器为1×9的均值滤波器，平滑操作使图像边缘色差的影响减小，然后进行图像的减法对比。
对于步骤S5，本发明的关键是对大面积颜色单一的背景区域单独处理，背景区域是大面积的色彩相同区域，可以忽略前景以及条码区域，对背景区域进行图像处理操作得到二值化黑白图像，可以很明显的检测到气泡等缺陷。
本发明的软包装印刷质量缺陷检测方法，解决了现有技术对复杂图像的软包装缺陷检测的问题，具有以下优点：
(1)本发明的方法分析并设计获得了标准图中不同区域的mask信息，可以很好的获取每个不同的图像区域，方便对不同特征的区域采取不同的方法，进行不同的处理，可以检测出文字，图标的变形缺陷，也可以检测出生产过程中产生的小气泡的缺陷，获得了更好的检测效果，具有很高的实用价值。
(2)本发明的方法能够应用在软包装生产过程这个场景中，实现了精准的软包装缺陷检测，通过对不同区域图像不同特征的分析，采用的不同的检测方法，实现了一套软包装印刷质量缺陷检测任务的通用框架。
附图说明
图1为本发明中软包装印刷质量缺陷检测方法的流程图
图2为本发明中mask制作的结构流程图
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
一种软包装印刷质量缺陷检测方法，如图1所示，为本发明的软包装印刷质量缺陷检测方法的流程图，该方法包含：
S1，mask制作，过程如图2所示，输入需要检测图像的标准图，进行图像处理，获取图像的轮廓信息，根据图像的轮廓信息，将图像划分为前景区域，背景区域以及条码区域，并将各自区域信息保存在mask中。
S2，数据输入，输入待处理的软包装印刷质量有缺陷图像，将无缺陷的标准图以及mask载入，并将图像灰度化，以便更好地进行比对，初始化起点区域。
S3，前景区域缺陷检测，根据mask中的前景区域的信息，获取标准图中对应的前景区域模板，使用模板匹配方法，找到对应的缺陷图像中的前景区域，将模板与对应的前景区域进行像素级的对比，并保存对比的结果信息，可以检测出图案的变形导致文字或小图案区域无法检查气泡等小的瑕疵。
S4，条码区域缺陷检测，根据mask中的条码区域的信息，获取标准图中对应的条码区域模板，根据模板匹配方法，找到对应的缺陷图像中的条码区域，由于图像在拍摄过程中，每张图像的条码区域黑白颜色过渡都不一样，不能直接进行像素级的对比，使用均值滤波，使得黑白过渡区域颜色一致，然后进行比对，并保存比对的信息，可以检测出条形码中的异常。
S5，背景区域缺陷检测，由于背景区域颜色单一，因此没有采用模板匹配的方法，而是直接检测的异常点，提取图像的边缘信息，并进行二值化处理，获得黑白图像，将S3和S4步骤中已经检测过的前景和条码区域过滤掉，只保留未检测的背景区域，由于背景区域的颜色单一，所以黑白颜色异常区域即为有缺陷的区域，因此背景区域中的小气泡都能被检测出来。
S6，检测结果显示与保存，将S3，S4和S5步骤中保存的缺陷信息结果显示在原缺陷图像上，使检测的结果可以清楚的展示出来，即实现了软包装图像缺陷的检测。
综上所述，本发明的软包装印刷质量缺陷检测方法适用于各种软包装的生产检测过程中，由于软包装的印刷图案设计背景复杂，本方法将图像分为三种检测区域，可以很好地进行软包装的印刷质量缺陷检测，可适用于各种软包装的检测，具有广泛的应用价值。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (5)

1.一种软包装印刷质量缺陷检测方法，其特征及具体步骤如下：
S1，通过图像处理将软包装印刷无缺陷的标准图划分为前景，条码和背景三个不同区域的mask以便进行下一步检测。
S2，输入待检测的图像，并加载标准图以及mask，进行初始化的工作。
S3，通过mask信息定位要检测的标准图中前景区域，使用模板匹配找到待检测图像中对用的前景区域，然后与标准图同一区域进行像素级对比。
S4，通过mask信息定位条码区域，使用模板匹配找到待检测图像中的条码区域，去除颜色过渡导致的差异，并检测条码区域是否异常。
S5，由于背景区域大面积颜色单一，去除前景以及条码区域信息后，直接检测异常点。
S6，在图像上将检测出的缺陷位置进行标注，并保存输出。
2.根据权利要求1所述的一种软包装印刷质量缺陷检测方法，其特征在于，对于步骤S1，本发明使用图像处理技术对标准图进行了区域划分，将标准图划分为前景，背景以及条码区域，由于软包装的印刷图案比较复杂，整张图像进行相同的处理并不能得到较好的效果，所以，将图像进行了区域的划分，以便可以更好地进行缺陷检测。首先提取图像的轮廓信息，根据轮廓信息进行区域划分，主要包括Sobel滤波操作，自适应对比度调节算法，二值化阈值，轮廓检测，区域划分等步骤。
在所述的步骤S1中，Sobel算子主要包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。其运算公式如下所示：
Figure FDA0002976675320000011
Figure FDA0002976675320000012
式(1)和式(2)中，I代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，因此，它可以计算出图像的边缘信息。
在所述的步骤S1中，限制对比度直方图均衡(CLAHE)用来提高图像的对比度，算法通过计算图像的局部直方图，然后重新分布亮度来改变图像对比度。可以获得更多的图像细节。限制对比度即为限制直方图的斜率，因此需要对子块中统计得到的直方图进行裁剪，使其幅值低于某个上限，并将这部分裁剪值均匀地分布在整个灰度区间上，以保证直方图总面积不变。
在所述的步骤S1中，将经过处理的标准图进行二值化的阈值分割，以便获取图像的轮廓信息，用于获得图像的mask信息。
3.根据权利要求1所述的一种软包装印刷质量缺陷检测方法，其特征在于，对于步骤S3，本发明的关键是通过mask定位前景区域，并进行模板对比。根据mask信息中的区域标号划分，使用标准图上的对应模板来匹配待检测图像中对应的前景区域，并进行对应区域像素比对。所用到的模板匹配算法为归一化相关系数匹配算法。
在所述的步骤S3中，两幅进行匹配计算的图像中的模板图像为g，大小为m×n，待检测图像为S，大小为M×N。用Sx,y表示S中以(x,y)为左上角点与g大小相同的子块。利用相关系数公式计算检测图像和模板图像之间的相关系数，得到相关系数矩阵ρ(x,y)，通过对相关系数矩阵的分析，判断两幅图像是否相关。ρ(x,y)的定义为
Figure FDA0002976675320000021
Figure FDA0002976675320000022
Figure FDA0002976675320000023
式(3)中，σ(Sx,y,g)是Sx,y和g的协方差，Dx,y为Sx,y的方差，D为g的方差，Dx,y和D的定义为式(4)和式(5)，其中，
Figure FDA0002976675320000024
是图像Sx,y的灰度均值，
Figure FDA0002976675320000025
为g的灰度均值。相关系数满足：|ρ(x,y)|≤1，在[-1,1]绝对尺度范围之间衡量两者的相似性。相关系数刻画了模板与待检测图像之间的近似程度的线性描述。当越接近于1时，模板与待检测图像区域越相似。
在所述的步骤S3中，根据模板匹配可以得到相对应的检测区域，然后使用图像的减法运算，用以确定该区域是否有缺陷。图像减法即为，模板与图像对应相同的区域中，对应的像素做减法运算，差值结果小于0的赋值为0，结果取绝对值，用以检测缺陷。
4.根据权利要求1所述的一种软包装印刷质量缺陷检测方法，其特征在于，对于步骤S4，本发明的关键是对条形码区域的单独处理，由于真实图像中会有色彩过渡的影响，每张图像中条码的黑白过渡都不相同，所以要对条码区域单独处理；具体而言，根据模板匹配的方法找到图像中对应的条码区域，然后对该区域进行均值滤波处理，滤波器为1×9的均值滤波器，平滑操作使图像边缘色差的影响减小，然后进行图像的减法对比。
5.根据权利要求1所述的一种软包装缺陷检测方法，其特征在于，对于步骤S5，本发明的关键是对大面积颜色单一的背景区域单独处理，背景区域是大面积的色彩相同区域，可以忽略前景以及条码区域，对背景区域进行图像处理操作得到二值化黑白图像，可以很明显的检测到气泡等缺陷。
CN202110276004.2A 2021-03-15 2021-03-15 一种软包装印刷质量缺陷检测方法 Pending CN115078365A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110276004.2A CN115078365A (zh) 2021-03-15 2021-03-15 一种软包装印刷质量缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110276004.2A CN115078365A (zh) 2021-03-15 2021-03-15 一种软包装印刷质量缺陷检测方法

Publications (1)

Publication Number Publication Date
CN115078365A true CN115078365A (zh) 2022-09-20

Family

ID=83241487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110276004.2A Pending CN115078365A (zh) 2021-03-15 2021-03-15 一种软包装印刷质量缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115078365A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273088A (zh) * 2022-09-30 2022-11-01 南通慕派商贸有限公司 基于机器视觉的汉字印刷质量检测方法
CN115908364A (zh) * 2022-12-12 2023-04-04 浙江工业大学 一种数字印刷印品缺陷检测方法
CN116824577A (zh) * 2023-08-31 2023-09-29 泰安金冠宏食品科技有限公司 一种基于机器视觉的预制菜生产检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115273088A (zh) * 2022-09-30 2022-11-01 南通慕派商贸有限公司 基于机器视觉的汉字印刷质量检测方法
CN115908364A (zh) * 2022-12-12 2023-04-04 浙江工业大学 一种数字印刷印品缺陷检测方法
CN116824577A (zh) * 2023-08-31 2023-09-29 泰安金冠宏食品科技有限公司 一种基于机器视觉的预制菜生产检测方法
CN116824577B (zh) * 2023-08-31 2023-11-24 泰安金冠宏食品科技有限公司 一种基于机器视觉的预制菜生产检测方法

Similar Documents

Publication Publication Date Title
CN111474184B (zh) 基于工业机器视觉的aoi字符缺陷检测方法和装置
CN107543828B (zh) 一种工件表面缺陷检测方法及系统
CN115078365A (zh) 一种软包装印刷质量缺陷检测方法
CN109348731B (zh) 一种图像匹配的方法及装置
CN102426649B (zh) 一种简单的高准确率的钢印数字自动识别方法
CN111161243A (zh) 基于样本增强的工业产品表面缺陷检测方法
CN112330628A (zh) 一种金属工件表面缺陷图像检测方法
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN116559183B (zh) 一种提高缺陷判定效率的方法及系统
CN113724231A (zh) 一种基于语义分割和目标检测融合模型的工业缺陷检测方法
CN112132196B (zh) 一种结合深度学习和图像处理的烟盒缺陷识别方法
CN110596120A (zh) 玻璃边界缺陷检测方法、装置、终端及存储介质
CN113034488B (zh) 一种喷墨印刷品的视觉检测方法
CN112560538B (zh) 一种根据图像冗余信息快速定位受损qr码的方法
CN114119591A (zh) 一种显示屏画面质量检测方法
CN112308854A (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
CN111754502A (zh) 基于多尺度特征融合的Faster-RCNN算法检测磁芯表面缺陷的方法
CN113034464A (zh) 一种多背景下的液晶显示器缺陷视觉实时检测方法
CN111242888A (zh) 一种基于机器视觉的图像处理方法及系统
CN111754525A (zh) 一种基于非精确切分的工业字符检测流程
Lin et al. License plate location method based on edge detection and mathematical morphology
CN113223098B (zh) 图像颜色分类的预处理优化方法
CN116612116A (zh) 一种基于深度学习图像分割的晶体外观缺陷检测方法
CN116664540A (zh) 基于高斯线检测的橡胶密封圈表面缺陷检测方法
CN112184619A (zh) 一种基于深度学习的金属部件表面缺陷检测方法

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