CN115272343A - 一种包装印刷品印刷质量检测方法 - Google Patents

一种包装印刷品印刷质量检测方法 Download PDF

Info

Publication number
CN115272343A
CN115272343A CN202211200852.6A CN202211200852A CN115272343A CN 115272343 A CN115272343 A CN 115272343A CN 202211200852 A CN202211200852 A CN 202211200852A CN 115272343 A CN115272343 A CN 115272343A
Authority
CN
China
Prior art keywords
image
connected domain
region
gray
detected
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
CN202211200852.6A
Other languages
English (en)
Inventor
单正华
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.)
Jiangsu Jianshan Packaging Technology Co ltd
Original Assignee
Jiangsu Jianshan Packaging Technology Co ltd
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 Jiangsu Jianshan Packaging Technology Co ltd filed Critical Jiangsu Jianshan Packaging Technology Co ltd
Priority to CN202211200852.6A priority Critical patent/CN115272343A/zh
Publication of CN115272343A publication Critical patent/CN115272343A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20216Image averaging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30144Printing quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像数据识别技术领域,具体涉及一种包装印刷品印刷质量检测方法,该方法包括:获取印刷品的待检测图像、模板图像及对应的灰度图,以模板图像的质心点为投放点分别对待检测图像/模板图像对应的连通域进行区域生长,并获取区域生长结束时,待检测图像与模板图像的灰度图对应的连通域的覆盖面积的面积比率,获取待检测图像与模板图像的灰度图对应的连通域的区域生长时间的时间比率;根据面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果,根据区域生长结果判断印刷品的质量,本发明提高了缺陷的识别精度,实现了对印刷品质量的准确检测。

Description

一种包装印刷品印刷质量检测方法
技术领域
本发明涉及图像数据识别技术领域,具体涉及一种包装印刷品印刷质量检测方法。
背景技术
包装有着保护产品、产品防伪、装饰美化及宣传产品的作用,一个好的产品少不了包装,而包装上主要包括商标或品牌、形状、颜色、图案这些要素,这些要素都是为了宣传所包装商品的,故需要对包装上印刷的商标或品牌、形状、颜色、图案进行检测,以避免影响商品宣传。
由于,包装在印刷过程中印刷品上可能会由于工艺或印刷纸板存在问题导致产生各种缺陷,如墨点、色差、划伤、气泡、偏移这些缺陷种类比较多,利用传统的以人工抽检为主的质量检测手段已经严重制约了企业竞争力的提高,用自动化质量检测设备代替人工是必然趋势。
现有的人工智能检测技术,主要是利用阈值分割的方法对印刷品上的缺陷进行检测识别,但现有印刷品生产过程中缺陷种类复杂,故缺陷识别算法需要设置多个阈值,而多阈值分割时,首先需要提前预测缺陷的种类,对于印刷品来说,印刷过程中加工程序比较多,故在生产中会产生多种随机的缺陷,进而无法预知未知的缺陷,进而无法准确检测出缺陷,故导致难以准确识别印刷品印刷质量。
因此,需要提供一种包装印刷品印刷质量检测方法,予以解决上述问题。
发明内容
本发明提供一种包装印刷品印刷质量检测方法,以解决现有多阈值分割时多次重复检测,检测效率低的问题。
本发明的一种包装印刷品印刷质量检测方法采用如下技术方案:
获取印刷品的待检测图像、模板图像及对应的灰度图;
获取待检测图像/模板图像对应的灰度图的所有连通域,以模板图像对应的灰度图中连通域的质心点为种子像素点的投放点,分别对待检测图像/模板图像对应的每个连通域进行区域生长;
获取每个连通域停止区域生长时的覆盖面积及区域生长时间;获取待检测图像与模板图像的灰度图对应的连通域的覆盖面积的面积比率,获取待检测图像与模板图像的灰度图对应的连通域的区域生长时间的时间比率;
根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果;
若区域生长结果为未生长,则印刷品存在印刷偏移缺陷;若区域生长结果为正常生长,则印刷品合格,若区域生长结果为过生长,则印刷品存在突变缺陷;
若区域生长结果为提前停止生长时,获取待检测图像的灰度图上的空洞区域,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与对应连通域的差异值,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性,根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷。
优选的,对待检测图像/模板图像对应的每个连通域进行区域生长的步骤包括:
将待检测图像/模板图像对应的每个连通域内的灰度均值作为对应连通域的区域生长时的种子像素点的灰度值;
获取模板图像上每个种子像素点的位置坐标;
根据模板图案上的多个种子像素点的位置坐标在待检测图像上的同样坐标位置上对应投放种子像素点;
根据种子像素点与其种子像素点的灰度值获取种子像素点与邻域像素点的灰度级差值;
根据灰度级差值与预设阈值判断是否进行区域生长。
优选的,将待检测图像的灰度图对应的连通域的覆盖面积与模板图像的灰度图对应的连通域的覆盖面积的比值作为面积比率。
优选的,将待检测图像的灰度图对应的连通域的区域生长时间与模板图像的灰度图对应的连通域的区域生长时间的比值作为时间比率。
优选的,根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果的步骤包括:
设定第一面积比率阈值、第二面积比率阈值、第一时间比率阈值及第二时间比率阈值;
当面积比率大于第二面积比率阈值或者时间比率大于第二时间比率阈值时,连通域的区域生长结果为过生长;
当面积比率等于第二面积比率阈值或者时间比率等于第二时间比率阈值时,连通域的区域生长结果为正常生长;
当面积比率小于第二面积比率阈值且大于第一面积比率阈值或者面积比率小于第二时间比率阈值且大于第一时间比率阈值时,则连通域的区域生长结果为提前停止生长;
当面积比率等于第一面积比率阈值或者时间比率等于第一时间比率阈值时,连通域的区域生长结果为未生长。
优选的,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与其对应连通域的差异值的步骤包括:
获取空洞区域对应的连通域内除去空洞区域内像素点的其余像素点的灰度均值;
将空洞区域内每个像素点的灰度值分别与其对应的连通域内其余像素点的灰度均值作差得到灰度差值;
对所有灰度差值求平方之后求和得到目标值;
对目标值求均值得到空洞区域与对应连通域的差异值。
优选的,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性的步骤包括:
计算差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差的差值绝对值;
对差值绝对值取整并进行归一化得到空洞区域与其对应连通域的相似性。
优选的,根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷的步骤包括:
获取每个空洞区域所连接的连通域的数量;
若连接的连通域的数量大于或者等于2,则空洞区域为突变缺陷;
若连接的连通域的数量等于1,则设定相似性阈值,当空洞区域与其对应连通域的相似性大于相似性阈值,则确定空洞区域为正常区域,若空洞区域与其对应连通域的相似性小于相似性阈值,则确定空洞区域为突变缺陷。
本发明的一种包装印刷品印刷质量检测方法的有益效果是:
1、由于阈值分割是通过灰度对缺陷进行分割的,对于印刷品的偏移类缺陷,其并不能识别,故本发明通过以模板图像上连通域的质心点为中子像素点的投放点,对模板图像和待检测图像的对应位置投放种子像素点进行区域生长,根据区域生长过程中的覆盖面积及区域生长时间,确定待检测图像的连通域的生长结果,根据生长结果将印刷品分为正常印刷品、印刷偏移缺陷的印刷品及突变缺陷的印刷品,该过程不需要精确分析每种缺陷的类型,从而实现了对印刷品质量的识别的准确度。
2、通过对可能存在突变缺陷的印刷品进行进一步识别,即将区域生长结果为提前停止生长的连通域与其内的空洞区域进行灰度的差异性及结构的差异性进行分析,确定连通域与其内的空洞区域的相似性,从而根据相似性精确区分出连通域内微弱的色差导致的空洞区域,进而准确识别出为空洞区域中为突变缺陷的空洞区域,提高了缺陷的识别精度,进而提高了印刷品质量检测的准确度。
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的附图。
图1为本发明的一种包装印刷品印刷质量检测方法的实施例的结构示意图;
图2为本发明的一种包装印刷品印刷质量检测方法的实施例中灰度图中连通域的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种包装印刷品印刷质量检测方法的实施例,本实施例的使用场景为缺陷类型比较丰富的待检测产品,由于缺陷类型比较丰富,如果不能获得全部的缺陷类型,在利用传统的阈值分割方法是难以准确合理地设定阈值的,故阈值分割的结果也是不准确的,即对于本实施例的包装印刷品来说,由于,印品表面存在的缺陷较为复杂,存下划痕、深色、浅色的油墨以及印偏的缺陷,这些缺陷单独存在时,可以通过阈值检测的方式来识别,但假如划痕、油墨、气泡多个缺陷共存时,检测难度会大大提升,甚至需要多算法、多阈值进行多次重复检测,这无疑极大降低了印刷品印刷质量的智能检测效率,因此,本实施例提供如图1所示的印刷品印刷质量检测方法,该方法步骤包括:
S1、获取印刷品的待检测图像、模板图像及对应的灰度图。
由于,印刷产品在不同的印刷机组中进行不同的印刷工艺处理,故本实施例,在凹印机或柔印机最后一个印刷机组处设置图像采集装置,具体的,本实施例利用高速线阵相机、辅助光源、图像采集处理模块组成图像采集装置,每一个印刷完成的产品通过图像采集装置时,都会获取印刷品的待检测图像并进行灰度化处理,灰度化处理是为了减少冗余图像信息的干扰,利于后续缺陷识别、分析算法的运行速度,同时,从历史印刷数据中获取正常印品的模板图像,并对待检测图像的模板图像进行灰度化处理,最终得到待检测图像、模板图像对应的灰度图。
S2、获取待检测图像/模板图像对应的灰度图的所有连通域,以模板图像对应的灰度图中连通域的质心点为种子像素点的投放点,分别对待检测图像/模板图像对应的每个连通域进行区域生长。
由于,同一印品的模板图像固定,仅存在较小的位置偏移,故,先对模板印品图像上每个独立的连通域区域进行分割,所谓独立的连通域,即模板图像上独立存在且内部灰度单一的图形,通过人工标记的方式即可简单分割出来,假设一类印刷品如图2所示,其上有N个独立的连通域,包括纯背景区域也算一个独立的连通域,则N=5。
具体的,分别对待检测图像/模板图像对应的每个连通域进行区域生长的步骤包括:将待检测图像/模板图像对应的每个连通域内的灰度均值作为对应连通域的区域生长时的种子像素点的灰度值;获取模板图像上每个种子像素点的位置坐标;根据模板图案上的多个种子像素点的位置坐标在待检测图像上的同样坐标位置上对应投放种子像素点;根据种子像素点与其种子像素点的灰度值获取种子像素点与邻域像素点的灰度级差值;根据灰度级差值与预设阈值判断是否进行区域生长。
其中,区域生长算法为现有技术方法,具体的,对于本实施例每个连通域内平均灰度值作为区域生长的种子像素点的灰度值,模板图像的连通域的质心点作为待检测图像与模板图像中相对应的连通域的种子像素点的投放点,即将模板图案上所得的多个种子像素点对应投放在待检测图像上的同样坐标位置上,则N个连通域则有N个种子像素点,故,在进行区域生长时,设定生长规则为:每个种子像素点与其8邻域像素点进行比对,设定灰度级差值的预设阈值为10,当邻域像素点的灰度值与种子像素点的灰度值的相差10个灰度级之内,即认为邻域像素点为同类像素点,同类像素点依据生长规则不断向外生长,反之,灰度级差值大于10,则停止生长,区域生长过程为现有技术,本实施例不再赘述。
S3、获取每个连通域停止区域生长时的覆盖面积及区域生长时间;获取待检测图像与模板图像的灰度图对应的连通域的覆盖面积的面积比率,获取待检测图像与模板图像的灰度图对应的连通域的区域生长时间的时间比率;根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果;
已知模板图像上各个连通域的形状、面积,理论上来说,一个无印偏、无缺陷的正常印刷品,种子像素点进行区域生长结束时的覆盖面积理应无限接近于连通域的面积,且种子像素点的投放位置为模板图像上各个连通域区域的质心带你,那么可以记录种子像素点在模板图像上各个连通域区域上的区域生长时间,由于区域生长从种子像素点向其8邻域方向同时进行,因此,该质心点理论上是最佳的投放点,即种子像素点从此质心点处开始生长到生长完成需要的时间最短。
在获取模板图像的各个连通域区域上的区域生长时间、覆盖面积后,将每个种子像素点投放入待检测图像中获得待检测图像上各个连通域上的区域生长时间、覆盖面积,若各个连通域的区域生长结束时,覆盖面积可以覆盖整个图像,则待检测图像为无缺陷区域的图像,若存在缺陷区域,则会留下数个空洞区域,即空洞区域不符合任何种子像素点生长规则。
基于此,在缺陷未知的情况下,需要判断缺陷类型,而涵盖所有缺陷的可以分为位移缺陷和突变缺陷,前者包括印偏、漏印,后者则包括墨点、划痕、气泡等等。前者不可以通过阈值获得,后者可以。因此需要一个分析导向模块,针对不同的印刷品使用不同的检测方式
根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果的步骤包括:
其中,将待检测图像的灰度图对应的连通域的覆盖面积与模板图像的灰度图对应的连通域的覆盖面积的比值作为面积比率,面积比率的计算公式为:
Figure DEST_PATH_IMAGE001
式中,
Figure 446740DEST_PATH_IMAGE002
代表第
Figure DEST_PATH_IMAGE003
个种子像素点在待检测图像上从投放位置开始至区域生长结束所能覆盖区域的覆盖面积;
Figure 762315DEST_PATH_IMAGE004
代表第
Figure 566323DEST_PATH_IMAGE003
个种子像素点在模板图像上从投放位置开始至区域生长结束所能覆盖区域的覆盖面积,即该种子像素点对应的连通域的面积;
Figure DEST_PATH_IMAGE005
表示第
Figure 731463DEST_PATH_IMAGE003
个种子像素点在待检测图像、模板图像上从投放位置开始至区域生长结束所能覆盖区域的覆盖面积的面积比值,即面积比率;
需要说明的是,通过覆盖面积反映待检测图像中每个连通域的覆盖面积与模板图像的每个连通域对应的覆盖面积的差别;具体的,设定第一面积比率阈值、第二面积比率阈值,其中,本实施例,设定第一面积比率阈值为
Figure 279119DEST_PATH_IMAGE006
,第二面积比率阈值为1,区域生长结果包括四种:正常生长、未生长、过生长,提前停止生长;
故,当面积比率等于第二面积比率阈值时,说明待检测图像的连通域与对应的模板图像的连通域内的区域覆盖面积相同,则说明待检测图像内无异常,故表示该待检测图像对应的连通域的区域生长结果为正常生长,当面积比率大于第二面积比率阈值时,说明待检测图像的连通域的区域生长时的覆盖面积大于模板图像区域生长时对应连通域的区域生长的覆盖面积,则断定该待检测图像的连通域的区域生长结果为过生长;当面积比率小于第二面积比率阈值且大于第一面积比率阈值时,则连通域的区域生长结果为提前停止生长;当面积比率小于第一面积比率阈值或者时间比率小于第一时间比率阈值时,连通域的区域生长结果为未生长。
将待检测图像的灰度图对应的连通域的区域生长时间与模板图像的灰度图对应的连通域的区域生长时间的比值作为时间比率,时间比率的计算公式为:
Figure DEST_PATH_IMAGE007
式中,
Figure 714779DEST_PATH_IMAGE008
代表第
Figure 955268DEST_PATH_IMAGE003
个种子像素点在待检测图像上从投放位置开始至区域生长结束时的区域生长时间;
Figure DEST_PATH_IMAGE009
代表第
Figure 843589DEST_PATH_IMAGE003
个种子像素点在模板图像上从投放位置开始至区域生长结束时的区域生长时间;
Figure 693471DEST_PATH_IMAGE010
表示第
Figure 514797DEST_PATH_IMAGE003
个种子像素点在待检测图像、模板图像上从投放位置开始至区域生长结束时的区域生长时间的时间比值,即时间比率;
需要说明的是,时间比率反映了生长时的速度,本实施例设定第一时间比率阈值为
Figure DEST_PATH_IMAGE011
,第二时间比率阈值为1,则当时间比率等于第二时间比率阈值时,说明待检测图像的连通域与对应的模板图像的连通域内的生长速度相同,则说明待检测图像内无异常,故表示该待检测图像对应的连通域的区域生长结果为正常生长,当时间比率大于第二时间比率阈值时,说明待检测图像的连通域的区域生长时的区域生长时间大于模板图像区域生长时对应连通域的区域生长时间,则代表种子像素点投放在待检测图像上时未在待检测图像对应的连通域的质心点位置,那么说明此处投放种子像素点的印刷图案出现印偏缺陷,或者是种子像素点过生长,故本实施例将这种情况定为该待检测图像的连通域的区域生长结果为过生长;当时间比率小于第二时间比率阈值且大于第一时间比率阈值时,则连通域的区域生长结果为提前停止生长;当时间比率小于第一时间比率阈值或者时间比率小于第一时间比率阈值时,连通域的区域生长结果为未生长。
S4、若区域生长结果为未生长,则印刷品存在印刷偏移缺陷;若区域生长结果为正常生长,则印刷品合格,若区域生长结果为过生长,则印刷品存在突变缺陷;
由于,区域生长规则是理想化的,但实际连通域内部会存在微弱的色差,微弱的色差会导致出现空洞区域,即在区域生长结果为提前停止生长时,需要对空洞区域进行分析,以排除过连通域内部微弱色差导致的空度区域被判定为突变缺陷,故先获取待检测图像的灰度图上的空洞区域,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与对应连通域的差异值,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性,根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷。
具体的,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与对应连通域的差异值的步骤包括:获取空洞区域对应的连通域内除去空洞区域内像素点的其余像素点的灰度均值;将空洞区域内每个像素点的灰度值分别与其对应的连通域内其余像素点的灰度均值作差得到灰度差值;对所有灰度差值求平方之后求和得到目标值;对目标值求均值得到空洞区域与其对应连通域的差异值。
具体的,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性的步骤包括:计算差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差的差值绝对值;对差值绝对值取整并进行归一化得到空洞区域与其对应连通域的相似性,其中,相似性计算公式为:
Figure 395028DEST_PATH_IMAGE012
式中,
Figure DEST_PATH_IMAGE013
表示第
Figure 770646DEST_PATH_IMAGE014
个空洞区域与其对应连通域的相似性;
Figure DEST_PATH_IMAGE015
表示空洞区域与其对应连通域的差异值;
Figure 128946DEST_PATH_IMAGE016
表示第
Figure 568892DEST_PATH_IMAGE003
个连通域上的第
Figure 151183DEST_PATH_IMAGE014
个空洞区域中的像素点总数;
Figure DEST_PATH_IMAGE017
表示第
Figure 14097DEST_PATH_IMAGE003
个连通域上的第
Figure 972826DEST_PATH_IMAGE014
个空洞区域中的第
Figure 503164DEST_PATH_IMAGE018
个像素点的灰度值;
Figure DEST_PATH_IMAGE019
表示第
Figure 725198DEST_PATH_IMAGE003
个连通域中除去该连通域中的空洞区域的像素点后的其他像素点的灰度均值;
Figure 105102DEST_PATH_IMAGE020
表示第
Figure 601942DEST_PATH_IMAGE003
个连通域中的像素点的灰度方差;
Figure DEST_PATH_IMAGE021
表示以常数e为底的指数函数,具体的,目的是为了将
Figure 721208DEST_PATH_IMAGE022
的取值处于0到1;
需要说明的是,
Figure 379722DEST_PATH_IMAGE015
的取值大小代表了空洞区域中的像素点与第
Figure 748387DEST_PATH_IMAGE003
个连通域上像素点在灰度层面之间的差异性,
Figure DEST_PATH_IMAGE023
是从结构层面进一步确定空洞区域中的像素点与第
Figure 986601DEST_PATH_IMAGE003
个连通域上的像素点之间的差异性,差异越小,则
Figure 255646DEST_PATH_IMAGE022
的值越趋近于1。
由于,区域生长的结果就是把空洞区域给包围出来,空洞区域最后是被几个连通域连接,则在本实施例中,将连接空洞区域的连通域数量进行记录,当连接空洞区域的连通域数量大于1时,则说明该空洞区域至少连接两个连通域,则断定该空洞区域为突变缺陷区域,当连接空洞区域的连通域数量为1时,则说明该空洞区域仅在连通域的内部,说明该空洞区域可能为连通域内部轻微色差导致的空洞,也可能时缺陷导致的空洞,故需要根据空洞区域与其对应连通域的相似性及相似性阈值进行判断。
具体的,本实施例根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷的步骤包括:获取每个空洞区域所连接的连通域的数量;若连接的连通域的数量大于或者等于2,则空洞区域为突变缺陷;若连接的连通域的数量等于1,则设定相似性阈值,本实施例设定相似性阈值为0.95,当空洞区域与其对应连通域的相似性大于相似性阈值,则确定空洞区域为正常区域,若空洞区域与其对应连通域的相似性小于相似性阈值,则确定空洞区域为突变缺陷。
本发明的一种包装印刷品印刷质量检测方法,由于阈值分割是通过灰度对缺陷进行分割的,对于印刷品的偏移类缺陷,其并不能识别,故本发明通过以模板图像上连通域的质心点为中子像素点的投放点,对模板图像和待检测图像的对应位置投放种子像素点进行区域生长,根据区域生长过程中的覆盖面积及区域生长时间,确定待检测图像的连通域的生长结果,根据生长结果将印刷品分为正常印刷品、印刷偏移缺陷的印刷品及突变缺陷的印刷品,该过程不需要精确分析每种缺陷的类型,从而实现了对印刷品质量的识别的准确度,然后在对可能存在突变缺陷的印刷品进行进一步识别,即将区域生长结果为提前停止生长的连通域与其内的空洞区域进行灰度的差异性及结构的差异性进行分析,确定连通域与其内的空洞区域的相似性,从而根据相似性精确区分出连通域内微弱的色差导致的空洞区域,进而准确识别出为空洞区域中为突变缺陷的空洞区域,提高了缺陷的识别精度,进而提高了印刷品质量检测的准确度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种包装印刷品印刷质量检测方法,其特征在于,该方法包括:
获取印刷品的待检测图像、模板图像及对应的灰度图;
获取待检测图像/模板图像对应的灰度图的所有连通域,以模板图像对应的灰度图中连通域的质心点为种子像素点的投放点,分别对待检测图像/模板图像对应的每个连通域进行区域生长;
获取每个连通域停止区域生长时的覆盖面积及区域生长时间;获取待检测图像与模板图像的灰度图对应的连通域的覆盖面积的面积比率,获取待检测图像与模板图像的灰度图对应的连通域的区域生长时间的时间比率;
根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果;
若区域生长结果为未生长,则印刷品存在印刷偏移缺陷;若区域生长结果为正常生长,则印刷品合格,若区域生长结果为过生长,则印刷品存在突变缺陷;
若区域生长结果为提前停止生长时,获取待检测图像的灰度图上的空洞区域,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与对应连通域的差异值,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性,根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷。
2.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,对待检测图像/模板图像对应的每个连通域进行区域生长的步骤包括:
将待检测图像/模板图像对应的每个连通域内的灰度均值作为对应连通域的区域生长时的种子像素点的灰度值;
获取模板图像上每个种子像素点的位置坐标;
根据模板图案上的多个种子像素点的位置坐标在待检测图像上的同样坐标位置上对应投放种子像素点;
根据种子像素点与其种子像素点的灰度值获取种子像素点与邻域像素点的灰度级差值;
根据灰度级差值与预设阈值判断是否进行区域生长。
3.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,将待检测图像的灰度图对应的连通域的覆盖面积与模板图像的灰度图对应的连通域的覆盖面积的比值作为面积比率。
4.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,将待检测图像的灰度图对应的连通域的区域生长时间与模板图像的灰度图对应的连通域的区域生长时间的比值作为时间比率。
5.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,根据待检测图像的灰度图的连通域对应的面积比率、时间比率、预设的面积比率阈值、时间比率阈值确定对应连通域的区域生长结果的步骤包括:
设定第一面积比率阈值、第二面积比率阈值、第一时间比率阈值及第二时间比率阈值;
当面积比率大于第二面积比率阈值或者时间比率大于第二时间比率阈值时,连通域的区域生长结果为过生长;
当面积比率等于第二面积比率阈值或者时间比率等于第二时间比率阈值时,连通域的区域生长结果为正常生长;
当面积比率小于第二面积比率阈值且大于第一面积比率阈值或者面积比率小于第二时间比率阈值且大于第一时间比率阈值时,则连通域的区域生长结果为提前停止生长;
当面积比率等于第一面积比率阈值或者时间比率等于第一时间比率阈值时,连通域的区域生长结果为未生长。
6.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,根据每个空洞区域内像素点的灰度值与空洞区域对应的连通域内像素点的灰度值获取空洞区域与其对应连通域的差异值的步骤包括:
获取空洞区域对应的连通域内除去空洞区域内像素点的其余像素点的灰度均值;
将空洞区域内每个像素点的灰度值分别与其对应的连通域内其余像素点的灰度均值作差得到灰度差值;
对所有灰度差值求平方之后求和得到目标值;
对目标值求均值得到空洞区域与对应连通域的差异值。
7.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,根据差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差计算空洞区域与其对应连通域的相似性的步骤包括:
计算差异值和待检测图像的灰度图中对应连通域中的像素点的灰度方差的差值绝对值;
对差值绝对值取整并进行归一化得到空洞区域与其对应连通域的相似性。
8.根据权利要求1所述的一种包装印刷品印刷质量检测方法,其特征在于,根据空洞区域所连接的连通域的数量、相似性与预设的相似性阈值判断空洞区域是否为突变缺陷的步骤包括:
获取每个空洞区域所连接的连通域的数量;
若连接的连通域的数量大于或者等于2,则空洞区域为突变缺陷;
若连接的连通域的数量等于1,则设定相似性阈值,当空洞区域与其对应连通域的相似性大于相似性阈值,则确定空洞区域为正常区域,若空洞区域与其对应连通域的相似性小于相似性阈值,则确定空洞区域为突变缺陷。
CN202211200852.6A 2022-09-29 2022-09-29 一种包装印刷品印刷质量检测方法 Pending CN115272343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211200852.6A CN115272343A (zh) 2022-09-29 2022-09-29 一种包装印刷品印刷质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211200852.6A CN115272343A (zh) 2022-09-29 2022-09-29 一种包装印刷品印刷质量检测方法

Publications (1)

Publication Number Publication Date
CN115272343A true CN115272343A (zh) 2022-11-01

Family

ID=83756825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211200852.6A Pending CN115272343A (zh) 2022-09-29 2022-09-29 一种包装印刷品印刷质量检测方法

Country Status (1)

Country Link
CN (1) CN115272343A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580031A (zh) * 2023-07-13 2023-08-11 山东勇嘉包装科技股份有限公司 一种无溶剂复合印刷异常检测方法
CN118010759A (zh) * 2024-04-08 2024-05-10 青岛天仁微纳科技有限责任公司 一种纳米压印图像的检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494265A (zh) * 2022-04-19 2022-05-13 南通宝田包装科技有限公司 识别化妆品生产领域包装印刷质量方法及人工智能系统
CN115049638A (zh) * 2022-07-21 2022-09-13 启东晶尧光电科技有限公司 一种基于图像处理的丝网印刷玻璃缺陷检测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494265A (zh) * 2022-04-19 2022-05-13 南通宝田包装科技有限公司 识别化妆品生产领域包装印刷质量方法及人工智能系统
CN115049638A (zh) * 2022-07-21 2022-09-13 启东晶尧光电科技有限公司 一种基于图像处理的丝网印刷玻璃缺陷检测方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580031A (zh) * 2023-07-13 2023-08-11 山东勇嘉包装科技股份有限公司 一种无溶剂复合印刷异常检测方法
CN116580031B (zh) * 2023-07-13 2023-09-29 山东勇嘉包装科技股份有限公司 一种无溶剂复合印刷异常检测方法
CN118010759A (zh) * 2024-04-08 2024-05-10 青岛天仁微纳科技有限责任公司 一种纳米压印图像的检测方法
CN118010759B (zh) * 2024-04-08 2024-09-06 青岛天仁微纳科技有限责任公司 一种纳米压印图像的检测方法

Similar Documents

Publication Publication Date Title
CN115272343A (zh) 一种包装印刷品印刷质量检测方法
CN111161243B (zh) 基于样本增强的工业产品表面缺陷检测方法
CN108918526B (zh) 一种柔性ic封装基板线路的缺口缺陷检测方法
CN114820627B (zh) 一种基于光学手段的纺织品质量检测方法
CN115439481B (zh) 基于图像处理的除氧器焊接质量检测方法
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
WO2021036280A1 (zh) 定位方法和装置、存储介质
CN117541588B (zh) 一种纸制品的印刷缺陷检测方法
CN113034488B (zh) 一种喷墨印刷品的视觉检测方法
CN113063802B (zh) 一种印刷标签缺陷检测方法及其装置
CN113538491A (zh) 一种基于自适应阈值的边缘识别方法、系统及存储介质
CN111179362A (zh) 一种基于动态光照校正算法的试纸颜色均匀性检测方法
CN104331695A (zh) 一种鲁棒的圆形标志符形状质量检测方法
CN115953776A (zh) 基于机器学习的食品检测系统
CN117664991A (zh) 一种缺陷检测系统
CN117893457B (zh) Pcb板智能检测方法、装置和计算机设备
CN118329910A (zh) 基于机器视觉的印刷纸缺陷检测系统及方法
CN116482104B (zh) 热转印胶片检测方法
CN115457563A (zh) 一种零漏检兼低误识的船体水尺读取方法
CN115311266B (zh) 一种纺织品印染工艺中印染识别方法
CN114503157A (zh) 教师数据生成方法、训练学习模型以及系统
CN116519640A (zh) 基于机器视觉系统的硅胶按键表面光泽度的测量方法
CN113012121B (zh) 裸片扫描结果的处理方法、装置、电子设备与存储介质
CN115452845A (zh) 一种基于机器视觉的led屏幕表面损伤检测方法
CN112966746A (zh) 一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法

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