CN115631134A - 一种基于线阵相机的印刷品图案走位缺陷检测方法 - Google Patents
一种基于线阵相机的印刷品图案走位缺陷检测方法 Download PDFInfo
- Publication number
- CN115631134A CN115631134A CN202211144124.8A CN202211144124A CN115631134A CN 115631134 A CN115631134 A CN 115631134A CN 202211144124 A CN202211144124 A CN 202211144124A CN 115631134 A CN115631134 A CN 115631134A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- dimensional
- detection
- camera
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种基于线阵相机的印刷品图案走位缺陷检测方法,包括:标定工业线阵相机;将标准模板样品放置于运动平台上,采集模板图像,选取2个检测区域,计算检测区域的顶点和中心点的三维坐标,并计算2个检测区域的空间距离;将待检测样品放置于运动平台上,采集待检图像,然后在待检图像上找到与模板图像的2个检测区域分别对应的待检区域,计算待检区域的顶点和中心点的三维坐标,并计算2个待检区域的空间距离;判断待检图像2个待检区域的空间距离与模板图像2个检测区域的空间距离的差值是否小于阈值,如果是,则待检测样品是良品;如果否,则待检测样品是不良品。本发明涉及机器视觉领域,能基于现有二维检测硬件实现印刷品图案走位缺陷检测。
Description
技术领域
本发明涉及一种基于线阵相机的印刷品图案走位缺陷检测方法,涉及机器视觉领域。
背景技术
近些年来,工业技术不断提高,印刷自动化水平也飞速提升,印刷机印刷速度大幅度进步。所以,对于彩色印刷复制品的质量评价也变得十分重要。传统的质量检测方法主要通过成熟的印刷技术人员,根据主观评价或者是利用专业检测仪对印刷测控条进行监测。传统检测是对印品进行抽检,不能及时的发现印品质量问题,而且受到主观因素影响干扰,不具有稳定的质量评价。并且,利用测控条对印品质量进行检测,也不能全面反应印刷质量,从而造成额外印刷幅面,增加印刷成本。
为了改善传统印刷检测的不足,增强质量检测效率,基于机器视觉的全画面印刷质量检测被许多研究人员所重视,其大致思路为利用图像采集设备与计算机技术融合,将印刷生产的印品通过数字图像采集设备记录,代替人眼对图像获取,结合图像处理技术对获取到的图像完成判别,进而做出客观评价。通过数字图像处理技术的全画面印品质量评价,能够规范企业质量要求,克服人为状况的影响,提升产品的全面质量评价,更加准确、全面、及时的反馈印品与原稿间的一致程度,对生产中出现的缺陷做出及时调整,完善后续生产质量,减少缺陷复制品的数量,提高企业印刷生产效率。
目前基于AI智能检测算法的方法在印刷产品中的应用主要还是在二维图像缺陷检测上,包括脏污、漏印、黑点、白点等,这些缺陷的检测都可以通过二维图像来进行,采用传统的机器视觉算法或者基于深度学习算法均可达到理想的效果。但是随着工艺的提高和对产品检测项目的增加,产品的三维信息也逐渐被纳入了需要检测的项目中,例如产品的长宽等结构尺寸是否满足要求、印刷图案之间的空间位置距离是否满足要求、一些特殊的图案或者模切是否在物体的正确位置等,这些缺陷的检测均是基于物体的实际尺寸或者空间位置来确定的,传统的二维检测无法获取这些尺寸和空间三维位置。
由于在印刷产品的实际生产过程中会使用不同的工艺印刷出不同的图案,而每种工艺在印刷的过程中都是相互独立的,这种独立的工艺在受到安装调试、机器搬运以及长时间使用过程中的震动影响,就会产生一定的误差,这种误差反映在印刷产品上就是图案会产生一定的位置偏差,但这种偏差无法通过现有的二维识别技术来检测。因此,如何基于现有二维检测硬件来获取物体的空间三维位置信息,从而实现印刷品图案走位缺陷检测,已成为技术人员重点关注的技术问题。
发明内容
有鉴于此,本发明的目的是提供一种基于线阵相机的印刷品图案走位缺陷检测方法,能基于现有二维检测硬件来获取物体的空间三维位置信息,从而实现印刷品图案走位缺陷检测。
为了达到上述目的,本发明提供了一种基于线阵相机的印刷品图案走位缺陷检测方法,包括有:
步骤一、标定工业线阵相机的相机焦距f、相机横轴主点中心坐标u0、运动速度系数s、以及相机与运动平台标定平面的外参数[R|t],R是旋转矩阵,t是平移矩阵;
步骤二、将标准模板样品放置于运动平台上,采集一张标准模板样品的图像,简称模板图像,然后从采集到的模板图像上选取2个检测区域,获取2个检测区域的所有顶点和中心点的二维坐标,再据此计算检测区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个检测区域之间的空间距离,所述空间距离包括水平距离和垂直距离;
步骤三、将待检测样品放置于运动平台上,采集一张待检测样品的图像,简称待检图像,然后根据sift特征图像匹配方法,在待检图像上找到与模板图像的2个检测区域分别对应的待检区域,获取2个待检区域的所有顶点和中心点的二维坐标,再据此计算待检区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个待检区域之间的空间距离;
步骤四、判断待检图像的2个待检区域之间的空间距离与模板图像的2个检测区域之间的空间距离的差值是否小于预先设定的阈值,如果是,则待检测样品是良品;如果否,则待检测样品是不良品。
与现有技术相比,本发明的有益效果是:本发明针对印刷品图案走位缺陷,采用现有二维检测硬件,比如光源、工业线阵相机、运动平台、光电开关、计算机、图像采集卡、I/O控制卡等,然后通过线阵相机的标定和三维重建方法,在一个已经标定好的平面上采集样品图像,并计算得到每个图像点的空间三维坐标,最后根据空间三维坐标和距离计算公式计算相对位置,以识别样品是否是不良品,从而完成印刷品图案走位缺陷检测。
附图说明
图1是应用本发明一种基于线阵相机的印刷品图案走位缺陷检测方法的硬件结构图。
图2是本发明一种基于线阵相机的印刷品图案走位缺陷检测方法的流程图。
图3是图2步骤一的具体实施流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
如图1所示,本发明由硬件及软件两部分组成,硬件部分由光源、工业线阵相机、运动平台、光电开关、计算机、图像采集卡、I/O控制卡等组成,其功能主要用于采集和传输图像信息;软件部分则是基于二维图像处理技术以及相机标定和三维重建技术为基础,完成对图像信息的处理和分析,包括图像预处理、相机标定、三维重建、图案走位缺陷检测等。首先通过工业相机获得印刷图像信号,经过A/D转换成数字图像输入到计算机中,然后利用图像处理软件将印刷图像与数据库中模板图像对比分析,最后输出判断结果,完成缺陷坐标位置、面积和种类等信息的显示。
如图2所示,本发明一种基于线阵相机的印刷品图案走位缺陷检测方法,包括有:
步骤一、标定工业线阵相机的相机焦距f、相机横轴主点中心坐标u0、运动速度系数s、以及相机与运动平台标定平面的外参数[R|T],R是旋转矩阵,T是平移矩阵;
步骤二、将标准模板样品放置于运动平台上,采集一张标准模板样品的图像(简称模板图像),然后从采集到的模板图像上选取2个检测区域,获取2个检测区域的所有顶点和中心点的二维坐标,再据此计算检测区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个检测区域之间的空间距离,所述空间距离包括水平距离和垂直距离;
步骤二中的检测区域可以根据实际需要或者实际可以检测的区域进行框选,框选时可以采用矩形框,通过鼠标键获取图像上的2个矩形区域,从而获得两个矩形在图像上的四个顶点和中心点的二维坐标;
步骤三、将待检测样品放置于运动平台上,采集一张待检测样品的图像(简称待检图像),然后根据sift特征图像匹配方法,在待检图像上找到与模板图像的2个检测区域分别对应的待检区域,获取2个待检区域的所有顶点和中心点的二维坐标,再据此计算待检区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个待检区域之间的空间距离;
步骤四、判断待检图像的2个待检区域之间的空间距离与模板图像的2个检测区域之间的空间距离的差值是否小于预先设定的阈值?如果是,则待检测样品是良品;如果否,则待检测样品是不良品。
本发明的核心硬件是一台线阵工业相机,线性工业相机在拍摄的时候保持位置不变,而物体在其垂直方向上运动。一般来说,1D相机由一系列传感器(如CCD)组成,记录由光学系统投影的图像。传感器的位移(通常为要求与传感器垂直),我们假设它的速度为常数。
如图1所示设置相机坐标系,设定某一个空间三维点坐标为(X,Y,Z)在二维图像上的投影坐标为(u,v)。根据线阵相机的成像原理,可以得到线阵相机的投影模型为:且[x,y,0]为棋盘格标定板上一个三维点的三维坐标且z=0;其中[R|T]是相机与运动平台标定平面的外参数,f为相机焦距,u0为相机横轴像素中心,s为运动速度系数,这几个系数即为步骤一需计算获得的参数。在标定线阵相机的过程中,本发明采用的是基于棋盘格标定板的方法,在线阵相机的视场范围内,采集3张不同位置的棋盘格图像,然后使用棋盘格角点检测算法检测出每张图片上对应的角点图像坐标。在棋盘格物理坐标系下,设其中一张图像的某个角点对应的物理坐标为(a,b,0),设从棋盘格物理坐标系到相机坐标系的变换矩阵即旋转矩阵和平移矩阵为[R|T],则棋盘格物理坐标系到相机坐标系的变换关系为:从而可以得到标定板坐标系下的三维信息到图像坐标的转换关系为:K为相机内参矩阵,设单应矩阵H=K[P1|P2]是将线阵相机坐标下的点映射到图像点的过程矩阵,从而有[u v 1]T=H[a b 1 a2 b2 ab]T。
如图3所示,图2步骤一可以进一步包括有:
步骤11、基于棋盘格标定板,在工业线阵相机的视场范围内,采集3张不同位置的棋盘格图像,然后使用棋盘格角点检测算法,检测获得每张棋盘格图像上的每个角点的二维图像坐标,同时获取在棋盘格物理坐标系下,每张棋盘格图像上的每个角点的三维物理坐标;
棋盘格物理坐标系是通过棋盘格黑白间距的大小所设置的物理坐标系;
步骤12、利用棋盘格图像上的每个角点的二维图像坐标和三维物理坐标,采用最小二乘方法来解下述方程组,从而计算获得工业线阵相机的相机焦距f、相机横轴主点中心坐标u0、运动速度系数s、以及相机与标定平面的外参数[R|T],其中,旋转矩阵平移矩阵方程组如下:单应矩阵(u,v)是棋盘格图像上角点的二维图像坐标,(a,b,0)是棋盘格图像上角点(u,v)对应的三维物理坐标。这样,将棋盘格图像上多个角点的二维图像坐标(u,v)、三维物理坐标(a,b,0)带入方程组中,即可计算获得f、u0、s、[R|T]的具体值。
步骤一可以标定出线阵工业相机的相机焦距f、相机横轴主点中心坐标u0、运动速度系数s、以及相机与运动平台标定平面的外参数[R|T]。这些参数的标定均是在一个特定的运动平面上因此三维坐标的计算也基干这个标定平面,并且设置z轴为0。设在这个标定平面上一个待求的三维点坐标为(x,y,0),且所以根据上式,可以得到:即
步骤二或步骤三中,计算检测区域上各个顶点和中心点的空间三维坐标或者计算待检区域上各个顶点和中心点的空间三维坐标,计算公式如下:
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (4)
1.一种基于线阵相机的印刷品图案走位缺陷检测方法,其特征在于,包括有:
步骤一、标定工业线阵相机的相机焦距f、相机横轴主点中心坐标u0、运动速度系数s、以及相机与运动平台标定平面的外参数[R|T],R是旋转矩阵,T是平移矩阵;
步骤二、将标准模板样品放置于运动平台上,采集一张标准模板样品的图像,简称模板图像,然后从采集到的模板图像上选取2个检测区域,获取2个检测区域的所有顶点和中心点的二维坐标,再据此计算检测区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个检测区域之间的空间距离,所述空间距离包括水平距离和垂直距离;
步骤三、将待检测样品放置于运动平台上,采集一张待检测样品的图像,简称待检图像,然后根据si ft特征图像匹配方法,在待检图像上找到与模板图像的2个检测区域分别对应的待检区域,获取2个待检区域的所有顶点和中心点的二维坐标,再据此计算待检区域上所有顶点和中心点的空间三维坐标,最后根据空间三维坐标计算2个待检区域之间的空间距离;
步骤四、判断待检图像的2个待检区域之间的空间距离与模板图像的2个检测区域之间的空间距离的差值是否小于预先设定的阈值,如果是,则待检测样品是良品;如果否,则待检测样品是不良品。
2.根据权利要求1所述的方法,其特征在于,步骤二中的检测区域进行框选,框选时采用矩形框,通过鼠标键获取图像上的2个矩形区域,从而获得两个矩形在图像上的四个顶点和中心点的二维坐标。
3.根据权利要求1所述的方法,其特征在于,步骤一进一步包括有:
步骤11、基于棋盘格标定板,在工业线阵相机的视场范围内,采集3张不同位置的棋盘格图像,然后使用棋盘格角点检测算法,检测获得每张棋盘格图像上的每个角点的二维图像坐标,同时获取在棋盘格物理坐标系下,每张棋盘格图像上的每个角点的三维物理坐标;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211144124.8A CN115631134A (zh) | 2022-09-20 | 2022-09-20 | 一种基于线阵相机的印刷品图案走位缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211144124.8A CN115631134A (zh) | 2022-09-20 | 2022-09-20 | 一种基于线阵相机的印刷品图案走位缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115631134A true CN115631134A (zh) | 2023-01-20 |
Family
ID=84902293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211144124.8A Pending CN115631134A (zh) | 2022-09-20 | 2022-09-20 | 一种基于线阵相机的印刷品图案走位缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631134A (zh) |
-
2022
- 2022-09-20 CN CN202211144124.8A patent/CN115631134A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12001191B2 (en) | Automated 360-degree dense point object inspection | |
CN112669393B (zh) | 一种激光雷达与相机联合标定方法 | |
CN110555889B (zh) | 一种基于CALTag和点云信息的深度相机手眼标定方法 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
WO2020223594A2 (en) | Automated 360-degree dense point object inspection | |
CN103954634A (zh) | 一种印刷品在线质量检测系统 | |
JP2011020455A (ja) | 変形可能なキャリヤ上に印刷された画像の印刷品質を自動的に判断する方法 | |
CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN111624203A (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 | |
CN116465315B (zh) | 一种网版质量自动化检测方法及系统 | |
CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及系统 | |
CN112634375B (zh) | 一种ai智能检测中的平面标定和三维重建方法 | |
CN115082538A (zh) | 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法 | |
JP2003166814A (ja) | 形状検査装置 | |
CN115631134A (zh) | 一种基于线阵相机的印刷品图案走位缺陷检测方法 | |
CN116106319A (zh) | 一种合成革瑕疵自动化检测方法及系统 | |
JP5136108B2 (ja) | 三次元形状計測方法および三次元形状計測装置 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 | |
CN115685164A (zh) | 一种三维激光成像仪工作参数测试系统及方法 | |
JP2961140B2 (ja) | 画像処理方法 | |
CN112710662A (zh) | 生成方法及装置、生成系统和存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province Applicant after: Xinxun Digital Technology (Hangzhou) Co.,Ltd. Address before: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province Applicant before: EB Information Technology Ltd. |
|
CB02 | Change of applicant information |