一种结合机器视觉与深度学习技术的印刷品缺陷检测方法技术

本发明专利技术实施例公开了一种结合机器视觉与深度学习技术的印刷品缺陷检测方法，包括步骤：对印刷制品表面图像高速在线采集，并实时传输至工控机等待检测处理；使用形态学算法对采集到的图像进行预处理，定位缺陷区域；提取缺陷区域图像输入到已经训练好的CRBM模型做深度学习，识别缺陷分类，最终输出识别结果完成印刷品缺陷识别。采用本发明专利技术，通过机器视觉的印刷品缺陷检测，实现印刷品表面套色检测、表面形状缺陷定位及特征提取、缺陷分类等功能，能够有效提高识别准确率及效率，降低误识别率，达到节省人力成本、提升生产效率、提升产品质量的目的。品质量的目的。品质量的目的。

【技术实现步骤摘要】
一种结合机器视觉与深度学习技术的印刷品缺陷检测方法


[0001]本专利技术涉及印刷
，尤其涉及一种结合机器视觉与深度学习技术的印刷品缺陷检测方法。

技术介绍

[0002]随着印刷行业的快速发展，人们对印刷品印刷质量的要求越来越高。由于印刷生产的工艺不成熟，受诸多不确定因素的影响，印刷过程中易出现表面形状缺陷，如：套色偏差、漏印、飞墨、墨点等，这是导致印刷品报废、成本增加的主要因素之一。
[0003]因此，印刷品的缺陷检测是印刷品生产与品质控制的必要环节。然而，目前大多数印刷外观都是人工检测，人工检测效率十分低下，检测质量也受到人为、环境等多干扰因素影响，导致了检测成本过高，检测精度无法得到有效保证，传统的人工检测印刷品质量的方法已不能保质保量的完成检测任务。

技术实现思路

[0004]本专利技术实施例所要解决的技术问题在于，提供一种结合机器视觉与深度学习技术的印刷品缺陷检测方法。可实现印刷品表面套色检测、表面形状缺陷定位及特征提取、缺陷分类等功能，能够有效提高识别准确率及效率，降低误识别率，达到节省人力成本、提升生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合机器视觉与深度学习技术的印刷品缺陷检测方法，其特征在于，包括以下步骤：S1：对印刷制品表面图像高速在线采集，并实时传输至工控机等待检测处理；所述对印刷制品表面图像高速在线采集由印刷设备卷轴的编码器决定采集图像的幅度；S2：使用形态学算法对采集到的图像进行预处理，定位缺陷区域；S3：提取缺陷区域图像输入到已经训练好的CRBM模型做深度学习，识别缺陷分类，最终输出识别结果完成印刷品缺陷识别。2.根据权利要求1所述的结合机器视觉与深度学习技术的印刷品缺陷检测方法，其特征在于，所述形态学算法包括阈值分割、反灰度图像、膨胀腐蚀、傅里叶变换计算、反傅里叶变换计算、带通滤波处理方法。3.根据权利要求2所述的结合机器视觉与深度学习技术的印刷品缺陷检测方法，其特征在于，所述预处理的步骤包括：S21：定位对齐待检图像与模板图像；S22：作傅里叶变换计算得到频域图像；S23：计算待检图像与模板图像频域图差异；S24：将差图像作带通滤波去除噪声；S25：再把去噪后图像作反傅里叶变换得到时域图像，即对应原图的缺陷图像。4.根据权利要求3所述的结合机器视觉与深度学习技术的印刷品缺陷检测方法，其特征在于，所述傅里叶变换计算的公式如下：其中，其中，M，N是表示矩阵大小的参数，在图像算法中相当于图像的长和宽；F(m,n)是输出结果图像，f(k,l)是输入图像，m,n是输出图像坐标，k,l是输入图像坐标，m和k的取值范围均在0～M
‑
1间的整数，n,l的取值范围均在0～N
‑
1间的整数,c和s均为常量。5.根据权利要求4所述的结合机器视觉与深度学习技术的印刷品缺陷检测方法，其特征在于，所述训练好的CRBM模型的训练步骤包括：S31：输入训练样本与参数；S32：初始化CRBM模型，设置可视层；S33：计算CRBM模型的隐藏层；S34：对隐藏层进行采样；S35：计算重构样本及误差；S36：根据误差更新参数；S37：判断CRBM模型的重构误差是否达到规定阈值，若达到规定值，则将训练得到的数据输入到池化层并输出结果；若达不到规定值，将重构样本设置为新可视层则并循环步骤S33、...

【专利技术属性】
技术研发人员：彭雄斌，杨时源，曾昭杰，
申请(专利权)人：广东山河实业有限公司，
类型：发明
国别省市：