CN116482104B - 热转印胶片检测方法 - Google Patents
热转印胶片检测方法 Download PDFInfo
- Publication number
- CN116482104B CN116482104B CN202310144175.9A CN202310144175A CN116482104B CN 116482104 B CN116482104 B CN 116482104B CN 202310144175 A CN202310144175 A CN 202310144175A CN 116482104 B CN116482104 B CN 116482104B
- Authority
- CN
- China
- Prior art keywords
- thermal transfer
- defect
- image
- transfer film
- film
- 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 112
- 238000012546 transfer Methods 0.000 title claims abstract description 85
- 230000007547 defect Effects 0.000 claims abstract description 148
- 239000003292 glue Substances 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 239000013589 supplement Substances 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000007639 printing Methods 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000004075 alteration Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 239000002699 waste material Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 18
- 238000010191 image analysis Methods 0.000 description 14
- 238000010023 transfer printing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007645 offset printing Methods 0.000 description 1
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
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
-
- 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
- G01N2021/8861—Determining coordinates of flaws
-
- 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
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种热转印胶片检测方法,所述热转印胶片检测方法包括如下步骤:S1、分别采集具有油墨缺陷的胶片图像、具有胶水缺陷的胶片图像以及具有漏印缺陷的胶片图像;S2、根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标。本发明通过使用不同的光源或光源组合来为热转印胶片补光,使得相机能够采集到具有不同缺陷的胶片图像;之后根据胶片图像对热转印胶片进行缺陷分析,获得缺陷坐标,其不仅提高了缺陷的检测精度和检测速度,还有助于实现全工序的自动化生产。
Description
技术领域
本发明涉及一种热转印胶片检测方法,属于胶片制造技术领域。
背景技术
热转印是指先将油墨和胶水等印刷到热转印胶片上,然后将印有图文的热转印胶片与承印物紧密接触,通过一定的环境温度和外界压力的作用,使图文转移到承印物之上,形成最终的印刷产品。
热转印技术最早应用于织物热转移印花生产,随着高科技飞速发展,热转印技术应用越来越广泛。例如,服装上的商标等即可通过热转印技术实现。近年来,热转印胶片具有总体产量比较大,单个品种量小,品种样式多,相似品种多的特点。在生产时,往往需要在大张胶片(例如HTL大张胶片等)上印刷多块重复印刷图案,之后再进行剪裁切割,以方便后续生产。
在检测大张胶片中的缺陷时,目前均是采用人工检测的方式,人工对胶片的印刷质量进行检查,标记或挑出有缺陷的产品。然而,人工检测速度慢,人力成本高,并且检测效果易随着员工情绪、责任心发生较大变化,造成人工检测困难,检测过程中出现混单、缺陷未检测出等现象。
发明内容
本发明所要解决的技术问题在于针对现有技术的不足,提供一种热转印胶片检测方法,通过使用不同的光源或光源组合来为热转印胶片补光,使得相机能够采集到具有不同缺陷的胶片图像;之后根据胶片图像对热转印胶片进行缺陷分析,获得缺陷坐标。本发明基于机器视觉检测大张热转印胶片的缺陷,不仅提高了缺陷的检测精度和检测速度,还有助于实现全工序的自动化生产。
本发明所要解决的技术问题是通过如下技术方案实现的:
本发明提供一种热转印胶片检测方法,所述热转印胶片检测方法包括如下步骤:
S1、分别采集具有油墨缺陷的胶片图像、具有胶水缺陷的胶片图像以及具有漏印缺陷的胶片图像;
S2、根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标。
为了采集到具有不同缺陷的胶片图像,在S1中,使用第一隧道光源和面背光源为所述热转印胶片补光以获得具有油墨缺陷的胶片图像;使用第二隧道光源和线性背光源为所述热转印胶片补光以获得胶水缺陷的胶片图像;使用红外背光源为所述热转印胶片补光以获得具有漏印缺陷的胶片图像。
优选地,所述第一隧道光源的亮度高于所述第二隧道光源的亮度,所述面背光源的亮度低于所述线性背光源的亮度。
优选地,所述面背光源用于根据不同的所述热转印胶片的材质颜色改变背景颜色,提高所述热转印胶片的表面颜色的对比度;所述线性背光源用于消除所述热转印胶片表面的色差影响,突出胶水的颗粒感。
优选地,在S2中,所述根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标包括如下步骤:
S21、从所述胶片图像中截取有效区域,生成区域图像,通过形状匹配算法进行小开定位,定位到N个小开区域;
S22、对小开区域进行版面分析,获取图案检测区、文字检测区和背景检测区;
S23、根据背景检测区、文字检测区和图案检测区对小开区域进行裁剪;对裁剪出的图案检测区图像输入图案检测算法进行处理,对裁剪出的文字检测区图像输入文字检测算法进行处理,对裁剪出的背景检测区图像输入背景检测算法进行处理;输出局部缺陷图和缺陷在小开区域中的位置坐标;
S24、使用深度神经网络对缺陷进行分类,并获得新的数据结构;
S25、根据新的数据结构从缺陷图中提取可疑缺陷面积和缺陷强度特征,对可疑缺陷面积和缺陷强度特征进行阈值比较,判定最终缺陷,获得并输出其坐标。
优选地,在所述版面分析中,利用Sobel算法对小开区域Icell处理生成梯度图像。
优选地,所述深度神经网络模型为由4个卷积层、3个池化层和2个全连接层构成的分类网络。
优选地,所述深度神经网络模型的输入为所述S23中输出的局部缺陷图。
优选地,在S2后,还包括:
S3、根据所述缺陷坐标,进行刻废处理。
综上所述,本发明通过使用不同的光源或光源组合来为热转印胶片补光,使得相机能够采集到具有不同缺陷的胶片图像;之后根据胶片图像对热转印胶片进行缺陷分析,获得缺陷坐标。本发明基于机器视觉检测大张热转印胶片的缺陷,不仅提高了缺陷的检测精度和检测速度,还有助于实现全工序的自动化生产。
下面结合附图和具体实施例,对本发明的技术方案进行详细地说明。
附图说明
图1为本发明热转印胶片检测系统的结构示意图;
图2为本发明图像分析装置的工作流程图;
图3为本发明使用的深度神经网络模型的示意图。
具体实施方式
图1为本发明热转印胶片检测系统的结构示意图。如图1所示,本发明提供一种热转印胶片检测系统,其包括检测台100、图像采集装置、图像分析装置(图中未示出)以及控制装置(图中未示出),其中,所述图像采集装置、所述图像分析装置以及所述控制装置彼此电性连接,所述控制装置可以控制所述图像采集装置、所述图像分析装置以及其他装置等工作。
所述检测台100被设置为承载热转印胶片,即待检测的热转印胶片放置在所述检测台100上。
由于大张的热转印胶片上存在的缺陷种类较多,为了尽可能全面的对其进行检测,在本发明中,所述图像采集装置被设置为采集放置在所述检测台100上的热转印胶片的图像,并将获得的胶片图像传输至图像分析装置,所述图像采集装置包括油墨检测装置、胶水检测装置和漏印检测装置。
所述油墨检测装置包括油墨检测光源和相机300;所述油墨检测光源包括第一隧道光源211和面背光源212。
所述胶水检测装置包括胶水检测光源和相机300;所述胶水检测光源包括第二隧道光源221和线性背光源222。
所述漏印检测装置包括红外背光源230和相机300。
其中,所述第一隧道光源211的亮度高于所述第二隧道光源221的亮度,所述面背光源212的亮度低于所述线性背光源222的亮度。
所述相机300被设置为采集放置在所述检测台100上的热转印胶片的补光后的图像以获得胶片图像。所述相机300优选位于所述检测台100上方。需要说明的是,在不同的检测装置中,所述相机可以相同也可以不同,本发明并不限制,只要其能够采集到具有可以识别出的缺陷的图像即可。进一步地,虽然图1中示出了具有三个相机300的示例,但本发明并不以此为限,为了节省成本,也可以一个相机,通过改变相机的拍摄角度,实现胶片图像的采集。
所述油墨检测光源、所述胶水检测光源和所述红外背光源被设置为对放置在所述检测台100上的热转印胶片进行补光。
在所述油墨检测装置中,所述第一隧道光源211位于所述检测台100的上方,即从上方为热转印胶片补光,所述面背光源212位于所述检测台100的下方,即从下方为热转印胶片补光。所述面背光源212被设置为根据不同热转印胶片的材质颜色改变背景颜色,提高热转印胶片表面颜色的对比度,而亮度高于所述第二隧道光源221的所述第一隧道光源211使得所述相机300可以采集到的表面清晰的图像,从而可以使所述图像分析装置识别出文字和图案的缺陷以及表面的脏污和色差等油墨缺陷。换句话说,所述油墨检测装置被设置为采集具有油墨缺陷的胶片图像。
在所述胶水检测装置中,所述第二隧道光源221位于所述检测台100的上方,即从上方为热转印胶片补光,所述线性背光源222位于所述检测台100的下方,即从下方为热转印胶片补光。所述线性背光源222的亮度高于所述面背光源212的亮度,高亮度的背光可以消除热转印胶片表面的色差影响,突出胶水的颗粒感,在亮度低于所述第一隧道光源211的所述第二隧道光源221补光后,相机300可以采集到的胶水表面清晰的图像,从而可以使所述图像分析装置识别出胶水的偏移和缺失等胶水缺陷。换句话说,所述胶水检测装置被设置为采集具有胶水缺陷的胶片图像。
在所述漏印检测装置中,所述红外背光源230位于所述检测台100的下方,即从下方为热转印胶片补光。当热转印胶片上存在微小漏印(例如白点等)等缺陷时,经发明人研究发现,需要红外背光打透胶片才能在热转印胶片呈现出白点,因此使用红外背光源230为热转印胶片补光,可以使所述图像分析装置识别出白点等漏印缺陷。换句话说,所述漏印检测装置被设置为采集具有漏印缺陷的胶片图像。
需要注意的是,本发明并不限制光源的亮度,具体的亮度可以通过控制装置进行调节,只要其可以使得相机300能够采集到具有可以识别出的缺陷的图像即可。本发明也不限制油墨检测装置、胶水检测装置和漏印检测装置的相对位置以及检测顺序,本领域技术人员可以根据需要进行设计,例如如图1所示,将漏印检测装置设置在油墨检测装置和胶水检测装置之间。在使用时,本领域技术人员还可以根据需要选择上述三种检测装置中的一种或多种进行检测。
针对上述多种检测装置,所述检测台100可以具有对应于不同检测装置的检测位置,以方便不同的检测装置采集图像。具体来说,在本发明的热转印胶片检测系统中,由于存在油墨检测装置、胶水检测装置和所述漏印检测装置三个检测装置,因此所述检测台100上设有对应于所述油墨检测装置、所述胶水检测装置和所述漏印检测装置的三个检测位置。
热转印胶片在不同的检测装置之间的转移可以由控制装置控制的送料装置实现,也可以由人工实现,本发明并不限制。示例性地,所述热转印胶片检测系统还包括送料装置,所述送料装置被设置为在所述控制装置的控制下,实现所述热转印胶片在分别对应于所述油墨检测装置、所述胶水检测装置和所述漏印检测装置的三个检测位置之间的转移。所述送料装置可以为机械手臂、传输带等。
在所述图像采集装置采集到的胶片图像后,将所述胶片图像传输到所述图像分析装置,所述图像分析装置被设置为根据所述胶片图像对热转印胶片进行缺陷分析,获得缺陷坐标并将所述缺陷坐标传输至控制装置。需要说明的是,由于存在三个检测装置,故针对一个热转印胶片,图像分析装置会收到三个胶片图像。
如图2所示,所述缺陷分析包括如下步骤:
S21、从所述胶片图像I中截取有效区域,生成区域图像Iroi,通过形状匹配算法进行小开定位,定位到多个(例如,N个,其中N为大于0的整数)小开区域Icell。
具体地,在所述图像分析装置收到胶片图像I后,利用参数中设置的区域参数对图像进行裁剪,截取出区域图像Iroi;.在区域图像Iroi中利用形状匹配算法,匹配定位到小开在区域图像Iroi中具体的区域位置并进行图像裁剪,截取出小开区域Icell。
由于大张的热转印胶片上存在多块重复印刷图案,故将每块重复印刷图案定义为一个小开区域,形状匹配算法为现有技术,在此不再赘述。有效区域为需要印刷图案或者印刷有图案的区域。
S22、对小开区域Icell进行版面分析,获取图案检测区、文字检测区和背景检测区。
由于每个小开区域内部均可能存在印刷文字,印刷图案和空白区等,将这些不同的部分定义为不同的检测区有助于后续的缺陷分析。
示例性地,首先利用Sobel算法对小开区域Icell处理生成梯度图像,对梯度图像进行分割将梯度值小于设定值Gt区域设定为背景检测区;将分割后梯度值大于设定值Gt连通域区域进行二次分析计算出每个连通域内的平均梯度值、连通域长宽的值;
将其中连通域平均梯度大于设定值Gaverage并且长宽值满足一定范围的区域合并为文字检测区;图像中除去文字检测区和背景检测区以外的区域为图案检测区。
S23、根据背景检测区、文字检测区和图案检测区对小开区域Icell进行裁剪;对裁剪出的图案检测区图像Imap输入图案检测算法进行处理,对裁剪出的文字检测区图像Itext输入文字检测算法进行处理,对裁剪出的背景检测区图像Ibackground输入背景检测算法进行处理。经过各个算法模块处理后输出局部缺陷图Idef和缺陷在小开区域Icell中的位置坐标D(x,y)。
下面对图案检测算法、文字检测算法以及背景检测算法进行示例性的说明,本发明并不限定各算法的具体种类,只要其能够实现相应功能即可。
图案检测算法:将输入的图案区图像Imap与小开模板图Mmap进行相减,相减后计算得到整数型差值图像Submap(像素值为整数,可为负值);遍历差值图像Submap每个像素的像素值,将像素值绝对值和预设参数阈值Th进行比较,将大于Th像素值赋值为1,否则赋值为0,生成新的缺陷图Defcell;对缺陷图Defcell进行连通域分析,分析获取局部缺陷图Idef和缺陷在图案区图像Imap中的位置坐标Dmap(x,y)并输出(缺陷可能存在多个);
缺陷图Defcell生成推导计算公式为:
其中,x为图像横向坐标,y为图像纵向坐标;Width,Height分别为图案区图像Imap的宽和高。
其中,小开模板图Mmap为包括需要印刷的图像等的标准图案,其可以预存在图像分析装置或控制装置中。
文字检测算法:将输入的文字区图像Itext进行阈值分割提取出每个字符的连通域,遍历每个字符连通域并计算字符的面积和Hu矩特征值生成第i个字符特征组Fi={Area,Hu},i表示第i个字符,Area为面积特征值,Hu为Hu矩特征值;同上对文字区模板图Mtext进行处理计算出第i个字符特征组FMi={Area,Hu};遍历文字区图像Itext提取出的字符Fi,在{FMi,i=0,1,...}中搜索图像中欧式距离最近的字符FMi;计算|Fi-FMi|值并和预设参数值TF进行比较,大于TF值字符判定为缺陷;并将该字符作为局部缺陷图Idef和在文字区图像Itext中的位置坐标Dtext(x,y)输出(缺陷可能存在多个);
其中,文字区模板图Mtext为包括需要印刷的文字等的标准图案,其可以预存在图像分析装置或控制装置中。
背景区检测算法:将输入的背景区图像Ibackground使用预设缺陷分割阈值Idef分割提取出缺陷连通域,遍历连通域获取局部缺陷图Idef和缺陷在Ibackground中的位置坐标Dbackground(x,y)并输出(缺陷可能存在多个)。
S24、使用深度神经网络对缺陷进行分类,并获得新的数据结构TOut;
示例性地,如图3所示,深度神经网络模型为由4个卷积层ConvolutionalLayer、3个池化层PoolingLayer和2个全连接层Fully Connected Layer构成的分类网络;深度网络输入(Input)为S3中输出的局部缺陷图Idef,输出(OutPut)为10个float型的值的一维数组[P1,P2,P3,···,P10](该值即为预测结果),表示10个缺陷类别的概率0≤Pi=1,2,...10≤1.0;取10个缺陷类别概率中最大的缺陷类别TPmax和对应网络输入的局部缺陷图Idef组成新的数据结构TOut=[TPmax,Idef]。
S25、根据新的数据结构TOut从局部缺陷图Idef中提取可疑缺陷面积和缺陷强度特征,对可疑缺陷面积和缺陷强度特征进行阈值比较,判定最终缺陷,获得并输出其坐标。
示例性地,利用S4中生成的新的数据结构TOut从缺陷图Idef中提取可疑缺陷面积和缺陷强度特征,其中,缺陷强度是指缺陷范围内平均灰度值和背景灰度值的差值;之后遍历每个可疑缺陷将面积和缺陷强度和利用TPmax类别名称查找相应缺陷类别设定值进行比较(注意不同的缺陷类别分别设置不同的阈值),满足同时大于设置值的缺陷判定为最终缺陷;提取出最终缺陷的每个缺陷的像素位置D(x,y)坐标并输出。
通过上述缺陷分析,所述图像分析装置可以将缺陷坐标传输到所述控制装置,所述控制装置可以将缺陷坐标传输至其他装置,以便后续处理。需要补充的是,在本发明中上述的算法均可使用现有技术中的算法,示例性的说明的算法也可以使用现有技术中其他算法实现。
示例性地,所述控制装置可以将缺陷坐标传输至激光刻录装置(例如大靶面激光刻录机),所述激光刻录装置在收到所述缺陷坐标后,根据缺陷位置进行刻废处理;或者,所述控制装置可以将缺陷坐标传输至切割装置,所述切割装置在收到所述缺陷坐标后,将具有缺陷的小开区域切除。优选地,所述控制装置可以与所述激光刻录装置或者所述切割装置电气连接,并控制其工作。
根据上述内容,本发明还提供一种热转印胶片检测方法,其包括如下步骤:
S1、分别采集具有油墨缺陷的胶片图像、具有胶水缺陷的胶片图像以及具有漏印缺陷的胶片图像;
S2、根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标。
在S1中,使用第一隧道光源和面背光源为所述热转印胶片补光以获得具有油墨缺陷的胶片图像;使用第二隧道光源和线性背光源为所述热转印胶片补光以获得胶水缺陷的胶片图像;使用红外背光源为所述热转印胶片补光以获得具有漏印缺陷的胶片图像。
其中,所述第一隧道光源的亮度高于所述第二隧道光源的亮度,所述面背光源的亮度低于所述线性背光源的亮度。
更具体地,所述第一隧道光源和所述第二隧道光源从上方为所述热转印胶片补光,所述面背光源、所述线性背光源和所述红外背光源从下方为所述热转印胶片补光。
所述面背光源用于根据不同的所述热转印胶片的材质颜色改变背景颜色,提高所述热转印胶片的表面颜色的对比度。所述线性背光源用于消除所述热转印胶片表面的色差影响,突出胶水的颗粒感。
在S2中,所述根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标具体包括S21至S25这5个步骤。
进一步地,在S2后,本发明还可以包括如下步骤:
S3、根据所述缺陷坐标,进行刻废处理。
综上所述,本发明提供一种热转印胶片检测方法,通过使用不同的光源或光源组合来为热转印胶片补光,使得相机能够采集到具有不同缺陷的胶片图像;之后根据胶片图像对热转印胶片进行缺陷分析,获得缺陷坐标。本发明基于机器视觉检测大张热转印胶片的缺陷,不仅提高了缺陷的检测精度和检测速度,还有助于实现全工序的自动化生产。
Claims (7)
1.一种热转印胶片检测方法,其特征在于,所述热转印胶片检测方法包括如下步骤:
S1、分别采集具有油墨缺陷的胶片图像、具有胶水缺陷的胶片图像以及具有漏印缺陷的胶片图像;
S2、根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标;
在S1中,使用第一隧道光源和面背光源为所述热转印胶片补光以获得具有油墨缺陷的胶片图像;使用第二隧道光源和线性背光源为所述热转印胶片补光以获得胶水缺陷的胶片图像;使用红外背光源为所述热转印胶片补光以获得具有漏印缺陷的胶片图像;
在S2中,所述根据所述胶片图像对所述热转印胶片进行缺陷分析,获得缺陷坐标包括如下步骤:
S21、从所述胶片图像中截取有效区域,生成区域图像,通过形状匹配算法进行小开定位,定位到N个小开区域;
S22、对小开区域进行版面分析,获取图案检测区、文字检测区和背景检测区;
S23、根据背景检测区、文字检测区和图案检测区对小开区域进行裁剪;对裁剪出的图案检测区图像输入图案检测算法进行处理,对裁剪出的文字检测区图像输入文字检测算法进行处理,对裁剪出的背景检测区图像输入背景检测算法进行处理;输出局部缺陷图和缺陷在小开区域中的位置坐标;
S24、使用深度神经网络对缺陷进行分类,并获得新的数据结构;
S25、根据新的数据结构从缺陷图中提取可疑缺陷面积和缺陷强度特征,对可疑缺陷面积和缺陷强度特征进行阈值比较,判定最终缺陷,获得并输出其坐标。
2.如权利要求1所述的热转印胶片检测方法,其特征在于,所述第一隧道光源的亮度高于所述第二隧道光源的亮度,所述面背光源的亮度低于所述线性背光源的亮度。
3.如权利要求1所述的热转印胶片检测方法,其特征在于,所述面背光源用于根据不同的所述热转印胶片的材质颜色改变背景颜色,提高所述热转印胶片的表面颜色的对比度;所述线性背光源用于消除所述热转印胶片表面的色差影响,突出胶水的颗粒感。
4.如权利要求1所述的热转印胶片检测方法,其特征在于,在所述版面分析中,利用Sobel算法对小开区域处理生成梯度图像。
5.如权利要求1所述的热转印胶片检测方法,其特征在于,所述深度神经网络模型为由4个卷积层、3个池化层和2个全连接层构成的分类网络。
6.如权利要求5所述的热转印胶片检测方法,其特征在于,所述深度神经网络模型的输入为所述S23中输出的局部缺陷图。
7.如权利要求1所述的热转印胶片检测方法,其特征在于,在S2后,还包括:
S3、根据所述缺陷坐标,进行刻废处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144175.9A CN116482104B (zh) | 2023-02-10 | 2023-02-10 | 热转印胶片检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144175.9A CN116482104B (zh) | 2023-02-10 | 2023-02-10 | 热转印胶片检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116482104A CN116482104A (zh) | 2023-07-25 |
CN116482104B true CN116482104B (zh) | 2023-12-05 |
Family
ID=87214408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144175.9A Active CN116482104B (zh) | 2023-02-10 | 2023-02-10 | 热转印胶片检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116482104B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015210150A (ja) * | 2014-04-25 | 2015-11-24 | Jfeスチール株式会社 | 表面欠陥検出方法及び表面欠陥検出装置 |
DE102017110080A1 (de) * | 2017-05-10 | 2018-11-15 | 5Micron Gmbh | Verfahren und Vorrichtung zur Detektion von Oberflächendefekten einer Oberfläche |
CN109087292A (zh) * | 2018-07-27 | 2018-12-25 | 广东工业大学 | 一种基于机器视觉的热转印胶片胶水偏位检测方法 |
CN109507209A (zh) * | 2019-01-22 | 2019-03-22 | 中科院金华信息技术有限公司 | 一种薄膜印刷缺陷检测系统及方法 |
CN113245241A (zh) * | 2021-06-17 | 2021-08-13 | 苏州中科行智智能科技有限公司 | 一种基于机器视觉的载玻片缺陷检测方法 |
CN114445365A (zh) * | 2022-01-25 | 2022-05-06 | 深圳市中钞科信金融科技有限公司 | 基于深度学习算法的钞票印刷质量检查方法 |
WO2022179186A1 (zh) * | 2021-02-25 | 2022-09-01 | 中科慧远视觉技术(洛阳)有限公司 | 频闪阶梯照明缺陷检测系统 |
CN115601332A (zh) * | 2022-10-20 | 2023-01-13 | 深圳精创视觉科技有限公司(Cn) | 一种基于语义分割的嵌入式指纹模块外观检测方法 |
-
2023
- 2023-02-10 CN CN202310144175.9A patent/CN116482104B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015210150A (ja) * | 2014-04-25 | 2015-11-24 | Jfeスチール株式会社 | 表面欠陥検出方法及び表面欠陥検出装置 |
DE102017110080A1 (de) * | 2017-05-10 | 2018-11-15 | 5Micron Gmbh | Verfahren und Vorrichtung zur Detektion von Oberflächendefekten einer Oberfläche |
CN109087292A (zh) * | 2018-07-27 | 2018-12-25 | 广东工业大学 | 一种基于机器视觉的热转印胶片胶水偏位检测方法 |
CN109507209A (zh) * | 2019-01-22 | 2019-03-22 | 中科院金华信息技术有限公司 | 一种薄膜印刷缺陷检测系统及方法 |
WO2022179186A1 (zh) * | 2021-02-25 | 2022-09-01 | 中科慧远视觉技术(洛阳)有限公司 | 频闪阶梯照明缺陷检测系统 |
CN113245241A (zh) * | 2021-06-17 | 2021-08-13 | 苏州中科行智智能科技有限公司 | 一种基于机器视觉的载玻片缺陷检测方法 |
CN114445365A (zh) * | 2022-01-25 | 2022-05-06 | 深圳市中钞科信金融科技有限公司 | 基于深度学习算法的钞票印刷质量检查方法 |
CN115601332A (zh) * | 2022-10-20 | 2023-01-13 | 深圳精创视觉科技有限公司(Cn) | 一种基于语义分割的嵌入式指纹模块外观检测方法 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的热转印胶片缺陷检测;张芳健;陈新度;王晗;姚洪辉;高梦阳;李逸;;组合机床与自动化加工技术(第01期);83-88 * |
Also Published As
Publication number | Publication date |
---|---|
CN116482104A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161243B (zh) | 基于样本增强的工业产品表面缺陷检测方法 | |
CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
WO2022236876A1 (zh) | 一种玻璃纸缺陷识别方法、系统、装置及存储介质 | |
CN104992449B (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
CN115082683A (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN112233090B (zh) | 基于改进注意力机制的薄膜瑕疵检测方法 | |
CN111815564B (zh) | 一种检测丝锭的方法、装置及丝锭分拣系统 | |
CN115082419A (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN101105459A (zh) | 一种空瓶瓶口缺陷的检测方法及装置 | |
US11790517B2 (en) | Subtle defect detection method based on coarse-to-fine strategy | |
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 | |
CN112508857B (zh) | 基于改进型Cascade R-CNN的铝材表面缺陷检测方法 | |
CN110490842A (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN114445365A (zh) | 基于深度学习算法的钞票印刷质量检查方法 | |
CN104583761A (zh) | 缺陷检查装置以及缺陷检查方法 | |
CN202351182U (zh) | 一种马口铁表面缺陷在线高速检测系统 | |
CN216525503U (zh) | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 | |
CN109815957A (zh) | 一种基于彩色图像在复杂背景下的文字识别方法 | |
CN117085969B (zh) | 人工智能工业视觉检测方法、装置、设备及存储介质 | |
CN116482104B (zh) | 热转印胶片检测方法 | |
CN113628252A (zh) | 一种基于热成像视频的泄漏气体云团检测方法 | |
CN116106319A (zh) | 一种合成革瑕疵自动化检测方法及系统 | |
CN114120318B (zh) | 一种基于集成决策树的暗场图像目标点精确提取方法 | |
CN113033635B (zh) | 一种硬币隐形图文检测方法及装置 | |
CN116843615B (zh) | 一种基于柔性光路的引线框架智能全检方法 |
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 |