CN116306576B - 一种书刊印刷检错系统及其方法 - Google Patents
一种书刊印刷检错系统及其方法 Download PDFInfo
- Publication number
- CN116306576B CN116306576B CN202310586393.8A CN202310586393A CN116306576B CN 116306576 B CN116306576 B CN 116306576B CN 202310586393 A CN202310586393 A CN 202310586393A CN 116306576 B CN116306576 B CN 116306576B
- Authority
- CN
- China
- Prior art keywords
- format
- text
- data
- target object
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012797 qualification Methods 0.000 claims description 52
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及书刊印刷检错技术领域,且公开了一种书刊印刷检错系统及其方法,包括目标对象信息采集模块、数据预处理模块、文本检错模块、图像检错模块、格式检错模块、目标对象整体分析模块、综合评价模块以及人机交互模块,通过设有目标对象整体分析模块与综合评价模块,通过文本错误率计算公式得出文本错误率,通过格式差异率计算公式得出格式错误率,再结合图像差异率得出目标对象的整体合格情况,多标准衡量书刊印刷错误率情况,并对多个目标对象进行整体分析,从而得出印刷整体合格情况,根据批次合格率对设备性能进行初步评估,避免因设备本身原因降低印刷质量从而造成损失。
Description
技术领域
本发明涉及书刊印刷检错技术领域,更具体地涉及一种书刊印刷检错系统及其方法。
背景技术
印刷的数字化问题已成为国内外相关理论与技术的研究关注热点,它可以广泛应用于机关、图书馆、档案馆、资料馆等相关行业的使用,具有很大的实用性,基于图像处理与模式识别理论的光学字符识别技术,已经实现了印刷文字的自动输入,通常在印刷书刊前,为了确保输出的正确性,会对印刷的书刊进行检查处理。
但是现有的印刷检错大部分只针对文字总分进行检错,未对书刊中的图像以及格式问题进行检错,而类书刊中存在诸多图像元素,无法对图像元素进行检错,同时未注重对书刊格式问题的检错,因而检错覆盖面较窄,大多通过人工方式进行检错,效率较低,同时,未通过对书刊的检错结果进行进一步分析,未基于书刊的检错结果来判断机器是否需要进行维护保养或维修,以确保后续印刷工作的正常进行,无法避免因设备本身原因降低印刷质量,造成损失。
发明内容
为了克服现有技术的上述缺陷,本发明提供了一种书刊印刷检错系统及其方法,以解决上述背景技术中存在的问题。
本发明提供如下技术方案:一种书刊印刷检错系统,包括:
目标对象信息采集模块:通过采集n个目标对象的文本信息、图像信息以及格式信息,所述目标对象为待打印的书刊;
数据预处理模块:用于对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据,所述单个目标对象为单本书刊;
文本检错模块:通过自然语言处理对数据预处理模块的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
图像检错模块:通过细粒度识别对数据预处理模块的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β;
格式检错模块:通过对数据预处理模块中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对;
目标对象整体分析模块:包括文本分析警示单元、格式分析警示单元以及合格标准检测单元,通过分析文本检错模块、图像检错模块以及格式检错模块的数据,判断该目标对象是否达到印刷合格标准;
综合评价模块:通过目标对象整体分析模块中合格标准检测单元的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估。
优选的,所述文本分析警示单元通过文本错误率计算公式计算得出文本错误率α,所述格式分析警示单元通过格式差异计算公式计算得出格式错误率γ,所述合格标准检测单元通过对文本错误率α、格式错误率γ以及图像差异率β进行综合分析,判断目标对象是否达到印刷合格标准。
优选的,所述余弦相似度公式为:,其中,Hi为图像的颜色向量,H1为样本图像的颜色标准向量,/>,其中,h(xij)为像素xij的出现频率,/>,其中,xij为图像中某一特定颜色,s(xij)为该像素的个数。
优选的,所述文本错误率计算公式为:,其中,c为文本检错模块对错误处进行标记的数量,z为目标文本的全部字数。
优选的,所述格式差异计算公式为:,其中,,其中,A为样本格式,B为目标对象的格式,wi为样本格式A的格式特征字符串,cj为目标对象的格式特征字符串,m为样本格式特征字符串的数量,n为目标对象的格式特征字符串的数量。
优选的,所述总体合格率计算公式为:,其中,η为合格标准检测单元判定为合格的目标对象数量。
一种书刊印刷检错方法,用于实施上述任一所述的一种书刊印刷检错系统,其特征在于:包括以下步骤:
步骤S11:目标对象信息采集:采集n个目标对象的文本信息、图像信息以及格式信息;
步骤S12:数据预处理:对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据;
步骤S13:文本检错:通过自然语言处理对步骤S12中的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
步骤S14:图像检错:通过细粒度识别对步骤S12中的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β;
步骤S15:格式检错:通过对步骤S12中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对;
步骤S16:对目标对象进行整体分析:通过分析步骤S13、步骤S14以及步骤S15中的数据,判断该目标对象是否达到印刷合格标准;
步骤S17:通过步骤S16中的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估;
步骤S18:对步骤S16与步骤S17的数据进行结果显示与反馈。
本发明的技术效果和优点:
本发明通过设有目标对象整体分析模块与综合评价模块,有利于通过文本错误率计算公式得出文本错误率,通过格式差异率计算公式得出格式错误率,再结合图像差异率得出目标对象的整体合格情况,多标准衡量书刊印刷错误率情况,并对多个目标对象进行整体分析,从而得出印刷整体合格情况,根据批次合格率对设备性能进行初步评估,利用检错结果进一步分析,以此来判定设备是否需要进行维护保养或更换,确保后续印刷工作的正常进行,避免因设备本身原因降低印刷质量从而造成损失。
附图说明
图1为本发明的一种书刊印刷检错系统结构图。
图2为本发明的一种书刊印刷检错方法流程图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,另外,在以下的实施方式中记载的各结构的形态只不过是例示,本发明所涉及的一种书刊印刷检错系统及其方法并不限定于在以下的实施方式中记载的各结构,在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
本发明提供了一种书刊印刷检错系统,包括样本库、目标对象信息采集模块、数据预处理模块、文本检错模块、图像检错模块、格式检错模块、目标对象整体分析模块、综合评价模块以及人机交互模块;
所述目标对象采集模块对目标对象数据信息进行采集后将数据传输至数据预处理模块,所述数据预处理模块对数据进行预处理后传输至文本检错模块、图像检错模块以及格式检错模块,所述文本检错模块对文本数据进行检错并将数据传输至目标对象整体分析模块,所述图像检错模块对图像数据进行检错并将数据传输至目标对象整体分析模块,所述格式检错模块对格式数据进行检错并将数据传输至目标对象整体分析模块,所述目标对象整体分析模块对上述数据进行分析,将分析后的数据传输至综合评价模块,所述综合评价模块对目标对象整体分析模块的多个数据进行分析后传输至人机交互模块。
所述样本库用于储存目标对象的样本数据,作为后续对目标对象进行检错比对的基础数据;
所述目标对象信息采集模块用于通过采集n个目标对象的文本信息、图像信息以及格式信息,所述目标对象为待打印的书刊,将一本待打印的书刊作为一个目标对象,假设该书刊需要打印n本,则所述n个目标对象为n本书刊;
所述数据预处理模块用于对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据,所述单个目标对象为单本书刊;
所述文本检错模块用于通过自然语言处理对数据预处理模块的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
所述图像检错模块用于通过细粒度识别对数据预处理模块的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β;
所述格式检错模块用于通过对数据预处理模块中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对,防止出现错版漏版;
所述目标对象整体分析模块通过分析文本检错模块、图像检错模块以及格式检错模块的数据,判断该目标对象是否达到印刷合格标准;
所述目标对象整体分析模块包括文本分析警示单元、格式分析警示单元以及合格标准检测单元,所述文本分析警示单元通过文本错误率计算公式计算得出文本错误率α,所述格式分析警示单元通过格式差异计算公式计算得出格式错误率γ,所述合格标准检测单元通过对文本错误率α、格式错误率γ以及图像差异率β进行综合分析,判断目标对象是否达到印刷合格标准;
所述综合评价模块通过目标对象整体分析模块中合格标准检测单元的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估;
所述人机交互模块对目标对象整体分析模块与综合评价模块的数据进行结果显示与反馈,当综合评价模块的评估结果为不合格时,将评估结果实时传输至人机交互端,所述人机交互端包括但不限于微信公众号、邮箱以及APP平台界面。
本实施例中,需要具体说明的是,所述余弦相似度公式为:,其中,Hi为图像的颜色向量,H1为样本图像的颜色标准向量,/>,其中,h(xij)为像素xij的出现频率,/>,其中,xij为图像中某一特定颜色,s(xij)为该像素的个数。
本实施例中,需要具体说明的是,所述格式检错模块提取各部分的格式信息包括但不限于字体属性、段落属性以及表格属性,所述字体属性包括但不限于字体类型、字体字号、字体是否加粗以及字体是否倾斜,所述段落属性包括但不限于段落行间距与段落对齐方式,所述表格属性包括但不限于表格位置、表格行间距以及表格大小。
本实施例中,需要具体说明的是,所述文本错误率计算公式为:,其中,c为文本检错模块对错误处进行标记的数量,z为目标文本的全部字数。
本实施例中,需要具体说明的是,所述格式差异计算公式为:,其中,/>,其中,A为样本格式,B为目标对象的格式,wi为样本格式A的格式特征字符串,cj为目标对象的格式特征字符串,m为样本格式特征字符串的数量,n为目标对象的格式特征字符串的数量。
本实施例中,需要具体说明的是,所述合格标准检测单元判断目标对象是否达到合格标准包括以下步骤:
步骤S01:判断文本错误率α是否满足合格标准,当0≤α≤P1时,执行步骤S02,当α>P1时,直接判定目标对象为不合格,所述P1为可接受的文本错误率的最大值,所述P1可根据具体情况具体设定,本实施例不对具体数值做具体限定;
步骤S02:判断格式错误率γ是否满足合格标准,当0≤γ≤P2时,执行步骤S03,当γ>P2时,直接判定目标对象为不合格,所述P2为可接受的格式错误率的最大值,所述P2可根据具体情况具体设定,本实施例不对具体数值做具体限定;
步骤S03:判断图像差异率β是否满足合格标准,当0≤β≤P3时,执行步骤S04,当β>P3时,直接判定目标对象为不合格,所述P3为可接受的图像差异率的最大值,所述P3可根据具体情况具体设定,本实施例不对具体数值做具体限定;
步骤S04:判定目标对象为合格。
本实施例中,需要具体说明的是,所述总体合格率计算公式为:,其中,η为合格标准检测单元判定为合格的目标对象数量,当ω<P时,判定为不合格,所述P为设备正常情况下的整体印刷合格率,说明设备性能出现退化或设备出现故障,导致合格率超出正常范围值。
本实施例中,需要具体说明的是,所述人机交互模块对目标对象整体分析模块进行反馈的内容包括文本的改正、格式的改正以及图像的改正,当步骤S01中文本错误率α=0时,则不进行反馈,否则进行文本修正反馈,当步骤S02中格式错误率γ=0时,则不进行反馈,否则进行格式修正反馈,当步骤S03中图像差异率β≤P3时,则不进行反馈,否则进行图像修正反馈。
本实施例中,需要具体说明的是,所述人机交互模块对综合评价模块的数据进行反馈的内容为设备的性能情况。
一种书刊印刷检错方法,包括以下步骤:
步骤S11:目标对象信息采集:采集n个目标对象的文本信息、图像信息以及格式信息;
步骤S12:数据预处理:对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据;
步骤S13:文本检错:通过自然语言处理对步骤S12中的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
步骤S14:图像检错:通过细粒度识别对步骤S12中的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β;
步骤S15:格式检错:通过对步骤S12中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对;
步骤S16:对目标对象进行整体分析:通过分析步骤S13、步骤S14以及步骤S15中的数据,判断该目标对象是否达到印刷合格标准;
步骤S17:通过步骤S16中的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估;
步骤S18:对步骤S16与步骤S17的数据进行结果显示与反馈。
本实施例中,需要具体说明的是,本实施与现有技术的区别主要在于本实施例具备目标对象整体分析模块与综合评价模块,通过文本错误率计算公式得出文本错误率,通过格式差异率计算公式得出格式错误率,再结合图像差异率得出目标对象的整体合格情况,多标准衡量书刊印刷错误率情况,并对多个目标对象进行整体分析,从而得出印刷整体合格情况,根据批次合格率对设备性能进行初步评估,利用检错结果进一步分析,以此来判定设备是否需要进行维护保养或更换,确保后续印刷工作的正常进行,避免因设备本身原因降低印刷质量从而造成损失。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,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,均应包含在本发明的保护范围之内。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (3)
1.一种书刊印刷检错系统,其特征在于:包括:
目标对象信息采集模块:通过采集n个目标对象的文本信息、图像信息以及格式信息,所述目标对象为待打印的书刊;
数据预处理模块:用于对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据,所述单个目标对象为单本书刊;
文本检错模块:通过自然语言处理对数据预处理模块的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
图像检错模块:通过细粒度识别对数据预处理模块的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β;
所述余弦相似度公式为:,其中,Hi为图像的颜色向量,H1为样本图像的颜色标准向量,/>,其中,h(xij)为像素xij的出现频率,,其中,xij为图像中某一特定颜色,s(xij)为该像素的个数;
格式检错模块:通过对数据预处理模块中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对;
目标对象整体分析模块:包括文本分析警示单元、格式分析警示单元以及合格标准检测单元,通过分析文本检错模块、图像检错模块以及格式检错模块的数据,判断该目标对象是否达到印刷合格标准;
所述文本分析警示单元通过文本错误率计算公式计算得出文本错误率α,所述格式分析警示单元通过格式差异计算公式计算得出格式错误率γ,所述合格标准检测单元通过对文本错误率α、格式错误率γ以及图像差异率β进行综合分析,判断目标对象是否达到印刷合格标准;
所述文本错误率计算公式为:,其中,c为文本检错模块对错误处进行标记的数量,z为目标文本的全部字数;
所述格式差异计算公式为:,其中,,其中,A为样本格式,B为目标对象的格式,wi为样本格式A的格式特征字符串,cj为目标对象的格式特征字符串,m为样本格式特征字符串的数量,n为目标对象的格式特征字符串的数量;
综合评价模块:通过目标对象整体分析模块中合格标准检测单元的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估。
2.根据权利要求1所述的一种书刊印刷检错系统,其特征在于:所述总体合格率计算公式为:,其中,η为合格标准检测单元判定为合格的目标对象数量。
3.一种书刊印刷检错方法,用于实施上述权利要求1-2任一所述的一种书刊印刷检错系统,其特征在于:包括以下步骤:
步骤S11:目标对象信息采集:采集n个目标对象的文本信息、图像信息以及格式信息;
步骤S12:数据预处理:对采集的单个目标对象信息数据进行清洗降噪与分类,提取出文本数据与图像数据;
步骤S13:文本检错:通过自然语言处理对步骤S12中的文本数据进行分词处理,并与样本数据进行对比,对错误处进行标记;
步骤S14:图像检错:通过细粒度识别对步骤S12中的图像数据进行差异对比,通过余弦相似度计算公式计算得出图像差异率β,所述余弦相似度公式为:,其中,Hi为图像的颜色向量,H1为样本图像的颜色标准向量,/>,其中,h(xij)为像素xij的出现频率,/>,其中,xij为图像中某一特定颜色,s(xij)为该像素的个数;
步骤S15:格式检错:通过对步骤S12中文本数据的各个部分进行定位,提取各部分的格式信息,与样本数据进行比对;
步骤S16:对目标对象进行整体分析:通过分析步骤S13、步骤S14以及步骤S15中的数据,通过文本错误率计算公式计算得出文本错误率α,所述格式分析警示单元通过格式差异计算公式计算得出格式错误率γ,所述合格标准检测单元通过对文本错误率α、格式错误率γ以及图像差异率β进行综合分析,判断该目标对象是否达到印刷合格标准;
所述文本错误率计算公式为:,其中,c为文本检错模块对错误处进行标记的数量,z为目标文本的全部字数;
所述格式差异计算公式为:,其中,,其中,A为样本格式,B为目标对象的格式,wi为样本格式A的格式特征字符串,cj为目标对象的格式特征字符串,m为样本格式特征字符串的数量,n为目标对象的格式特征字符串的数量;
步骤S17:通过步骤S16中的判断结果对n个目标对象的整体合格率进行分析,通过总体合格率计算公式计算得出批次合格率ω,并与标准值进行对比,对设备性能进行初步评估;
步骤S18:对步骤S16与步骤S17的数据进行结果显示与反馈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586393.8A CN116306576B (zh) | 2023-05-24 | 2023-05-24 | 一种书刊印刷检错系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310586393.8A CN116306576B (zh) | 2023-05-24 | 2023-05-24 | 一种书刊印刷检错系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116306576A CN116306576A (zh) | 2023-06-23 |
CN116306576B true CN116306576B (zh) | 2023-08-15 |
Family
ID=86829118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310586393.8A Active CN116306576B (zh) | 2023-05-24 | 2023-05-24 | 一种书刊印刷检错系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116306576B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005305719A (ja) * | 2004-04-19 | 2005-11-04 | Sharp Corp | 画像形成システム、情報処理装置、画像形成装置、画像形成方法、および画像形成用プログラム |
CN108982525A (zh) * | 2018-08-23 | 2018-12-11 | 云南省印刷技术研究所 | 一种用于书刊绿色高精细印刷质量的分析及检测方法 |
KR102019207B1 (ko) * | 2018-11-12 | 2019-09-06 | 주식회사 와이즈넛 | 텍스트 분석을 위한 데이터 품질 평가 장치 및 방법 |
CN110795051A (zh) * | 2020-01-02 | 2020-02-14 | 中体彩印务技术有限公司 | 一种防止印刷数据错误的印刷方法及印刷系统 |
CN110968730A (zh) * | 2019-12-16 | 2020-04-07 | Oppo(重庆)智能科技有限公司 | 音频标记处理方法、装置、计算机设备及存储介质 |
CN111144445A (zh) * | 2019-12-06 | 2020-05-12 | 中交水运规划设计院有限公司 | 印刷书刊书写格式的检错方法及系统、电子设备 |
CN111353493A (zh) * | 2020-03-31 | 2020-06-30 | 中国工商银行股份有限公司 | 文本图像方向校正方法及装置 |
CN112036127A (zh) * | 2020-08-18 | 2020-12-04 | 南京理言智能科技有限公司 | 文本撰写辅助工具 |
CN112230866A (zh) * | 2020-09-28 | 2021-01-15 | 深圳圣德京粤科技有限公司 | 书籍印刷正反页号的检测与校正方法、装置、设备和介质 |
CN112801976A (zh) * | 2021-01-28 | 2021-05-14 | 河南省四合印务有限公司 | 一种用于校正书刊装订错贴的检测系统、方法及计算机装置 |
CN113344102A (zh) * | 2021-06-23 | 2021-09-03 | 昆山星际舟智能科技有限公司 | 基于图像hog特征与elm模型的目标图像识别方法 |
CN114648515A (zh) * | 2022-03-30 | 2022-06-21 | 哈尔滨工业大学重庆研究院 | 印刷缺陷检测模型及印刷缺陷检测方法 |
CN114782958A (zh) * | 2022-04-28 | 2022-07-22 | 北京金山数字娱乐科技有限公司 | 文本检错模型训练方法、文本检错方法及装置 |
CN115205232A (zh) * | 2022-06-24 | 2022-10-18 | 深圳市协达利印刷包装制品有限公司 | 一种印刷故障检测的方法及系统 |
CN115393872A (zh) * | 2022-10-27 | 2022-11-25 | 腾讯科技(深圳)有限公司 | 一种训练文本分类模型的方法、装置、设备及存储介质 |
-
2023
- 2023-05-24 CN CN202310586393.8A patent/CN116306576B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005305719A (ja) * | 2004-04-19 | 2005-11-04 | Sharp Corp | 画像形成システム、情報処理装置、画像形成装置、画像形成方法、および画像形成用プログラム |
CN108982525A (zh) * | 2018-08-23 | 2018-12-11 | 云南省印刷技术研究所 | 一种用于书刊绿色高精细印刷质量的分析及检测方法 |
KR102019207B1 (ko) * | 2018-11-12 | 2019-09-06 | 주식회사 와이즈넛 | 텍스트 분석을 위한 데이터 품질 평가 장치 및 방법 |
CN111144445A (zh) * | 2019-12-06 | 2020-05-12 | 中交水运规划设计院有限公司 | 印刷书刊书写格式的检错方法及系统、电子设备 |
CN110968730A (zh) * | 2019-12-16 | 2020-04-07 | Oppo(重庆)智能科技有限公司 | 音频标记处理方法、装置、计算机设备及存储介质 |
CN110795051A (zh) * | 2020-01-02 | 2020-02-14 | 中体彩印务技术有限公司 | 一种防止印刷数据错误的印刷方法及印刷系统 |
CN111353493A (zh) * | 2020-03-31 | 2020-06-30 | 中国工商银行股份有限公司 | 文本图像方向校正方法及装置 |
CN112036127A (zh) * | 2020-08-18 | 2020-12-04 | 南京理言智能科技有限公司 | 文本撰写辅助工具 |
CN112230866A (zh) * | 2020-09-28 | 2021-01-15 | 深圳圣德京粤科技有限公司 | 书籍印刷正反页号的检测与校正方法、装置、设备和介质 |
CN112801976A (zh) * | 2021-01-28 | 2021-05-14 | 河南省四合印务有限公司 | 一种用于校正书刊装订错贴的检测系统、方法及计算机装置 |
CN113344102A (zh) * | 2021-06-23 | 2021-09-03 | 昆山星际舟智能科技有限公司 | 基于图像hog特征与elm模型的目标图像识别方法 |
CN114648515A (zh) * | 2022-03-30 | 2022-06-21 | 哈尔滨工业大学重庆研究院 | 印刷缺陷检测模型及印刷缺陷检测方法 |
CN114782958A (zh) * | 2022-04-28 | 2022-07-22 | 北京金山数字娱乐科技有限公司 | 文本检错模型训练方法、文本检错方法及装置 |
CN115205232A (zh) * | 2022-06-24 | 2022-10-18 | 深圳市协达利印刷包装制品有限公司 | 一种印刷故障检测的方法及系统 |
CN115393872A (zh) * | 2022-10-27 | 2022-11-25 | 腾讯科技(深圳)有限公司 | 一种训练文本分类模型的方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的文字印刷质量检测与评价;王晓红;李树章;周辰人;;包装工程(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116306576A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800761B (zh) | 基于深度学习模型创建纸质文档结构化数据的方法和终端 | |
CN111401314B (zh) | 着装信息检测方法、装置、设备及存储介质 | |
CN108805076B (zh) | 环境影响评估报告书表格文字的提取方法及系统 | |
US20100303356A1 (en) | Method for processing optical character recognition (ocr) data, wherein the output comprises visually impaired character images | |
CN113569863B (zh) | 一种单据稽查的方法、系统、电子设备及存储介质 | |
US11704476B2 (en) | Text line normalization systems and methods | |
CN111652117B (zh) | 一种对多文档图像分割的方法及介质 | |
CN114663904A (zh) | 一种pdf文档布局检测方法、装置、设备及介质 | |
CN114549993A (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
CN111091090A (zh) | 一种银行报表ocr识别方法、装置、平台和终端 | |
CN114972880A (zh) | 一种标签识别方法、装置、电子设备及存储介质 | |
CN114694130A (zh) | 基于深度学习的铁路沿线电线杆及杆号检测方法和装置 | |
CN110689447A (zh) | 一种基于深度学习的社交软件用户发布内容的实时检测方法 | |
CN114495139A (zh) | 一种基于图像的作业查重系统及方法 | |
CN116306576B (zh) | 一种书刊印刷检错系统及其方法 | |
CN111008635A (zh) | 一种基于ocr的多票据自动识别方法及识别系统 | |
CN116110066A (zh) | 票据文本的信息提取方法、装置、设备及存储介质 | |
CN115795079A (zh) | 一种工程造价分析数据采集与处理方法、系统 | |
CN111914706B (zh) | 一种文字检测输出结果质量检测和控制的方法与装置 | |
Kumar et al. | Line based robust script identification for indianlanguages | |
Zhao et al. | Barcode character defect detection method based on Tesseract-OCR | |
CN113762097A (zh) | 一种文档自动审核方法、装置及计算机可读存储介质 | |
CN111414889A (zh) | 基于文字识别的财务报表识别方法及装置 | |
CN116841424B (zh) | 一种屏幕截图监控方法及系统 | |
Poonja et al. | Hindi Text to Speech Conversion |
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 |