JP7528645B2 - 印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム - Google Patents
印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム Download PDFInfo
- Publication number
- JP7528645B2 JP7528645B2 JP2020146204A JP2020146204A JP7528645B2 JP 7528645 B2 JP7528645 B2 JP 7528645B2 JP 2020146204 A JP2020146204 A JP 2020146204A JP 2020146204 A JP2020146204 A JP 2020146204A JP 7528645 B2 JP7528645 B2 JP 7528645B2
- Authority
- JP
- Japan
- Prior art keywords
- printing material
- ink
- pieces
- type
- image data
- 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
- 238000007639 printing Methods 0.000 title claims description 106
- 238000000034 method Methods 0.000 title claims description 104
- 239000000463 material Substances 0.000 title claims description 86
- 238000004590 computer program Methods 0.000 title claims description 13
- 238000010801 machine learning Methods 0.000 claims description 96
- 230000008569 process Effects 0.000 claims description 74
- 239000003086 colorant Substances 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 15
- 239000000976 ink Substances 0.000 description 379
- 238000012549 training Methods 0.000 description 31
- 238000012545 processing Methods 0.000 description 26
- 229920000742 Cotton Polymers 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 238000011176 pooling Methods 0.000 description 10
- 230000004913 activation Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000007257 malfunction Effects 0.000 description 7
- 238000012805 post-processing Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 101100063435 Caenorhabditis elegans din-1 gene Proteins 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Ink Jet (AREA)
- Cleaning In Electrography (AREA)
- Control Or Security For Electrophotography (AREA)
- Image Analysis (AREA)
Description
特定すべき前記印刷材を対象物に付着させる付着工程と、イメージセンサを用いて前記印刷材が付着した前記対象物を示す対象画像データを生成する生成工程と、前記対象画像データに基づくM個(Mは2以上の整数)の入力画像データを取得する取得工程であって、前記M個の入力画像データによって示されるM個の入力画像のそれぞれは、前記対象物に付着した前記印刷材を示す、前記取得工程と、前記M個の入力画像データを機械学習モデルに入力して、前記機械学習モデルに前記M個の入力画像データに対応するM個の出力データを出力させる出力工程であって、前記M個の出力データのそれぞれは、前記印刷材の種類を示す、前記出力工程と、前記M個の出力データのうち、第1種の印刷材を示すデータの個数が特定閾値N(NはM未満の整数)以上である場合に、特定すべき前記印刷材は前記第1種の印刷材であると特定し、前記M個の出力データのうち、前記第1種の印刷材を示すデータの個数が前記特定閾値N未満である場合に、特定すべき前記印刷材は前記第1種の印刷材とは異なる第2種の印刷材であると特定する特定工程と、を備える、方法。
A-1.インク特定システム1000の構成
次に、実施の形態を実施例に基づき説明する。図1は、本実施例のインク特定システム1000の構成を示すブロック図である。インク特定システム1000は、データ処理装置100と、スキャナ200と、を備えている。
機械学習モデルDNcは、後述するインク種特定処理において、Cのインクの種類を特定する際に用いられる。機械学習モデルDNm、DNy、Dkは、同様に、M、Y、Kのインクの種類を特定する際に、それぞれ、用いられる。機械学習モデルDNc、DNm、DNy、DNkは、後述するトレーニング処理によってトレーニングされた学習済みのモデルである。機械学習モデルDNc、DNm、DNy、DNkは、CPU110がコンピュータプログラムPGを実行することによって実現される。
図3は、インクの種類の特定の工程を示すフローチャートである。この工程は、プリンタ400にて用いられるCMYKの4色のインクのそれぞれを対象インクとして行われる。
図5のS230にて取得される特定閾値N、すなわち、CMYKの4色のインクに対応する特定閾値Nc、Nm、Ny、Nkの決定処理について説明する。この特定閾値Nc、Nm、Ny、Nkは、インク種特定処理にて使用される機械学習モデルの誤判定率と、インク種特定処理におけるインクの種類の誤特定率の目標値と、に基づいて決定される。このために、この決定処理は、例えば、機械学習モデルDNc、DNm、DNy、DNkが更新される時や、誤特定率の目標値が更新される時に、実行される。
上述した学習済みの機械学習モデルDNc、DNm、DNy、DNkは、入力画像データDinが入力された場合に、所望の出力データDoutを生成できるように、事前にトレーニングされている。以下では、1つのインク色の機械学習モデルDNのトレーニングについて説明する。このトレーニング処理が、CMYKの4色のインクのそれぞれを対象色として4回実行されることによって、学習済みの機械学習モデルDNc、DNm、DNy、DNkが生成される。機械学習モデルDNのトレーニングは、例えば、プリンタ400を製造する事業者によって実行される。
(1)上記実施例のインク種特定処理は、一例であり、種々の変形が可能である。例えば、特定閾値Nの決め方は、任意であり、様々な手法が採用され得る。
Claims (10)
- 印刷装置による印刷に用いられる印刷材の種類を特定する方法であって、
特定すべき前記印刷材を対象物に付着させる付着工程と、
イメージセンサを用いて前記印刷材が付着した前記対象物を示す対象画像データを生成する生成工程と、
前記対象画像データに基づくM個(Mは2以上の整数)の入力画像データを取得する取得工程であって、前記M個の入力画像データによって示されるM個の入力画像のそれぞれは、前記対象物に付着した前記印刷材を示す、前記取得工程と、
前記M個の入力画像データを機械学習モデルに入力して、前記機械学習モデルに前記M個の入力画像データに対応するM個の出力データを出力させる出力工程であって、前記M個の出力データのそれぞれは、前記印刷材の種類を示す、前記出力工程と、
前記M個の出力データのうち、第1種の印刷材を示すデータの個数が特定閾値N(NはM未満の整数)以上である場合に、特定すべき前記印刷材は前記第1種の印刷材であると特定し、前記M個の出力データのうち、前記第1種の印刷材を示すデータの個数が前記特定閾値N未満である場合に、特定すべき前記印刷材は前記第1種の印刷材とは異なる第2種の印刷材であると特定する特定工程と、
を備える、方法。 - 請求項1に記載の方法であって、
前記印刷装置は、第1色と第2色とを含む複数色の印刷材を用いて印刷を実行し、
特定すべき前記印刷材が前記第1色の印刷材である場合には、前記特定閾値Nとして、第1閾値N1を用いて、前記特定工程を実行し、
特定すべき前記印刷材が前記第2色の印刷材である場合には、前記特定閾値Nとして、第2閾値N2を用いて、前記特定工程を実行する、方法。 - 請求項1または2に記載の方法であって、
前記印刷装置は、第1色と第2色とを含む複数色の印刷材を用いて印刷を実行し、
特定すべき前記印刷材が前記第1色の印刷材である場合には、前記機械学習モデルとして、第1モデルを用いて、前記出力工程を実行し、
特定すべき前記印刷材が前記第2色の印刷材である場合には、前記機械学習モデルとして、第2モデルを用いて、前記出力工程を実行する、方法。 - 請求項1~3のいずれかに記載の方法であって、
前記特定閾値Nは、モデル誤判定率に基づいて、前記特定工程において、特定すべき前記印刷材が前記第2種の印刷材であるにも関わらず、特定すべき前記印刷材は前記第1種の印刷材であると特定される確率である誤特定率が、所定の目標率より小さくなるように、決定され、
前記モデル誤判定率は、前記機械学習モデルに前記第2種の印刷材を示す前記入力画像データが入力された場合に、前記機械学習モデルが前記第1種の印刷材を示す前記出力データを出力する確率である、方法。 - 請求項4に記載の方法であって、
前記特定閾値Nは、前記誤特定率が前記所定の目標率よりも小さくなる2以上の候補値のうちの最小値である、方法。 - 請求項1~3のいずれかに記載の方法であって、
前記入力画像データの個数Mは、3以上の整数であり、
前記特定閾値Nは、(2/M)<Nを満たす候補値のうちの最小値である、方法。 - 請求項1~6のいずれかに記載の方法であって、
前記M個の入力画像のそれぞれは、前記対象物に付着した前記印刷材と、前記対象物のうちの前記印刷材が付着していない露出部分と、の間の境界部分を示す境界画像を含む、方法。 - 請求項1~7のいずれかに記載の方法であって、
前記印刷装置は、インクを用いて印刷媒体上にドットを形成するインクジェットプリンタであり、
前記印刷材は、前記インクジェットプリンタのためのインクである、方法。 - 印刷装置による印刷に用いられる印刷材の種類の特定装置であって、
イメージセンサを用いて生成される対象画像データに基づくM個(Mは2以上の整数)の入力画像データを取得する取得部であって、前記対象画像データは、特定すべき前記印刷材が付着した対象物を示す画像データであり、前記M個の入力画像データによって示されるM個の入力画像のそれぞれは、前記対象物に付着した前記印刷材を示す、前記取得部と、
前記M個の入力画像データを機械学習モデルに入力して、前記機械学習モデルに前記M個の入力画像データに対応するM個の出力データを出力させる出力部であって、前記M個の出力データのそれぞれは、前記印刷材の種類を示す、前記出力部と、
前記M個の出力データのうち、第1種の印刷材を示すデータの個数が特定閾値N(NはM未満の整数)以上である場合に、特定すべき前記印刷材は前記第1種の印刷材であると特定し、前記M個の出力データのうち、前記第1種の印刷材を示すデータの個数が前記特定閾値N未満である場合に、特定すべき前記印刷材は前記第1種の印刷材とは異なる第2種の印刷材であると特定する特定部と、
を備える、特定装置。 - 印刷装置による印刷に用いられる印刷材の種類を特定するためのコンピュータプログラムであって、
イメージセンサを用いて生成される対象画像データに基づくM個(Mは2以上の整数)の入力画像データを取得する取得機能であって、前記対象画像データは、特定すべき前記印刷材が付着した対象物を示す画像データであり、前記M個の入力画像データによって示されるM個の入力画像のそれぞれは、前記対象物に付着した前記印刷材を示す、前記取得機能と、
前記M個の入力画像データを機械学習モデルに入力して、前記機械学習モデルに前記M個の入力画像データに対応するM個の出力データを出力させる出力機能であって、前記M個の出力データのそれぞれは、前記印刷材の種類を示す、前記出力機能と、
前記M個の出力データのうち、第1種の印刷材を示すデータの個数が特定閾値N(NはM未満の整数)以上である場合に、特定すべき前記印刷材は前記第1種の印刷材であると特定し、前記M個の出力データのうち、前記第1種の印刷材を示すデータの個数が前記特定閾値N未満である場合に、特定すべき前記印刷材は前記第1種の印刷材とは異なる第2種の印刷材であると特定する特定機能と、
をコンピュータに実現させる、コンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020146204A JP7528645B2 (ja) | 2020-08-31 | 2020-08-31 | 印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020146204A JP7528645B2 (ja) | 2020-08-31 | 2020-08-31 | 印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022041154A JP2022041154A (ja) | 2022-03-11 |
JP7528645B2 true JP7528645B2 (ja) | 2024-08-06 |
Family
ID=80500229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020146204A Active JP7528645B2 (ja) | 2020-08-31 | 2020-08-31 | 印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7528645B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004127238A (ja) | 2002-04-19 | 2004-04-22 | Mitsubishi Electric Research Laboratories Inc | サンプルを第1のクラスと第2のクラスとに分類する2値分類器を学習する方法 |
JP2006137186A (ja) | 2004-10-29 | 2006-06-01 | Agilent Technol Inc | カラーセンサの偽造インク検出 |
JP2008290287A5 (ja) | 2007-05-23 | 2010-05-06 | ||
JP2014142099A (ja) | 2013-01-23 | 2014-08-07 | Hitachi Appliances Inc | 空気調和機 |
JP2018190332A (ja) | 2017-05-11 | 2018-11-29 | キヤノン株式会社 | 画像認識装置および学習装置 |
CN109285168A (zh) | 2018-07-27 | 2019-01-29 | 河海大学 | 一种基于深度学习的sar图像湖泊边界提取方法 |
US20200143204A1 (en) | 2018-11-01 | 2020-05-07 | International Business Machines Corporation | Image classification using a mask image and neural networks |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4992547B2 (ja) | 2007-05-23 | 2012-08-08 | セイコーエプソン株式会社 | 液滴吐出装置及び液体の分析方法 |
-
2020
- 2020-08-31 JP JP2020146204A patent/JP7528645B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004127238A (ja) | 2002-04-19 | 2004-04-22 | Mitsubishi Electric Research Laboratories Inc | サンプルを第1のクラスと第2のクラスとに分類する2値分類器を学習する方法 |
JP2006137186A (ja) | 2004-10-29 | 2006-06-01 | Agilent Technol Inc | カラーセンサの偽造インク検出 |
JP2008290287A5 (ja) | 2007-05-23 | 2010-05-06 | ||
JP2014142099A (ja) | 2013-01-23 | 2014-08-07 | Hitachi Appliances Inc | 空気調和機 |
JP2018190332A (ja) | 2017-05-11 | 2018-11-29 | キヤノン株式会社 | 画像認識装置および学習装置 |
CN109285168A (zh) | 2018-07-27 | 2019-01-29 | 河海大学 | 一种基于深度学习的sar图像湖泊边界提取方法 |
US20200143204A1 (en) | 2018-11-01 | 2020-05-07 | International Business Machines Corporation | Image classification using a mask image and neural networks |
Also Published As
Publication number | Publication date |
---|---|
JP2022041154A (ja) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5413012B2 (ja) | 画像欠陥診断システム、画像形成装置、およびプログラム | |
JP6512965B2 (ja) | 画像処理装置および画像処理方法 | |
JP7476088B2 (ja) | 印刷不良検出システム、及び記憶媒体 | |
CN102689507B (zh) | 印刷装置、印刷方法 | |
US6847465B1 (en) | Dynamic ink-jet print mode adjustment | |
CN108116052B (zh) | 印刷控制装置、方法及记录有印刷控制程序的介质 | |
JP2020185743A (ja) | 情報処理装置、印刷装置、学習装置及び情報処理方法 | |
US20170157947A1 (en) | Control Device for Controlling Printer to Print Image by Ejecting Ink in a Plurality of Colors | |
JP7528645B2 (ja) | 印刷材の種類を特定する方法、印刷材の種類の特定装置、および、コンピュータプログラム | |
JP7464904B2 (ja) | 印刷材の種類を特定する方法、機械学習モデルをトレーニングする方法、および、学習済みモデル | |
JP7059978B2 (ja) | 情報処理装置、学習装置及び学習済モデル | |
JP7204265B1 (ja) | 印刷物の検査システムのための学習済みモデルを生成する方法および装置 | |
US20220415025A1 (en) | Information processing apparatus, information processing method, non-transitory computer-readable storage medium storing program, and system | |
CN114211882B (zh) | 基于二值图像的补偿结果生成方法及喷头补偿方法 | |
JP2023006599A (ja) | 機械学習モデルのトレーニング方法、および、学習済みモデル | |
JP2021154683A (ja) | インクセットの属性の特定方法、インクセットの属性の特定装置、および、コンピュータプログラム | |
US20150002909A1 (en) | Image processing method and image processing apparatus | |
JP7372591B2 (ja) | 画像処理装置、および、学習済みの機械学習モデル | |
JP6885049B2 (ja) | 印刷制御装置、印刷制御方法および印刷制御プログラムを記録した媒体 | |
JP2023104774A (ja) | 吐出制御装置、インクジェット印刷システム、印刷条件決定方法及びプログラム | |
JP7303490B2 (ja) | 画像処理フィルタの生成方法、および、画像処理方法 | |
JP2022041155A (ja) | 印刷材の種類を示す出力データを出力させる方法、処理装置、および、コンピュータプログラム | |
JP2020151879A (ja) | 情報処理装置、学習装置及び学習済モデル | |
JP7457425B1 (ja) | 印刷物の検査システム、当該検査システムにおいて用いられる処理装置、および検査方法 | |
JP2007283750A (ja) | バンディング補正情報生成装置、バンディング補正情報生成方法、およびバンディング補正情報生成プログラム、印刷装置、印刷方法、および印刷プログラム、ならびに前記プログラムを記録した記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230711 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240611 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240625 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240708 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7528645 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |