图像质量预测方法和设备以及故障诊断系统技术方案

提供一种图像质量预测方法和设备以及故障诊断系统，所述图像质量预测方法包括：获取步骤，获取多个原始数据，训练步骤，通过所述多个原始数据来训练预测模型，以优化所述预测模型的系统参数；以及预测步骤，利用优化后的预测模型预测图像的质量。本发明专利技术的图像质量预测方法和设备以及故障诊断系统可以尽早发现诸如多功能一体机的设备和系统的故障。

【技术实现步骤摘要】

本专利技术涉及一种多功能一体机的故障诊断系统和方法，特别涉及以嵌入式的多传感器信息预测多功能一体机的图像质量的系统和方法。同时，本专利技术涉及故障诊断系统的设计与实现，包括系统功能、体系结构和人机界面的设计。本专利技术用于多功能一体机的故障诊断领域，同时也可用于打印机、扫描仪等设备的故障诊断。
技术介绍
本专利技术所述的多功能一体机，是指将打印机、扫描仪、传真机、复印机等的功能集于一体的机器。对多功能一体机而言，市场的调研分析表明，设备的维护对用户和生产厂商都是非常重要的，因而对设备制造商来说，有必要提供故障诊断系统，利用该故障系统可以在故障发生前预测故障的发生，因而可以减少设备维护的花费，进而提高用户满意度。与此同时，技术的发展也使故障诊断技术的设计和应用成为可能。市场调研分析表明大约25％的多功能一体机的故障与其图像质量相关，因而有必要设计和开发图像质量的评估和预测方法及系统。传统上，多功能一体机的图像质量评估是由其领域的专家来完成的。通常来说，首先，多功能一体机打印出C/M/Y/K四种图像，然后图像质量由专家来分别进行评估。该方法的主要缺点是评估的结果完全依赖于专家的知识和水平，而缺乏统一的标准。随着信息技术的发展，人们希望能设计出图像质量的自动评估/预测系统和方法。
技术实现思路
因此，本专利技术的目的在于提供预测多功能一体机图像质量的方法及系统。本专利技术的另一个目的在于针对图像质量预测问题，提供一种诊断方法及系统，如果该系统的诊断结果为异常，则可以及时地维护该设备。根据本专利技术的一个方面，提供一种图像质量预测方法，包括获取步骤，获取多个原始数据，训练步骤，通过所述多个原始数据来训练预测模型，以优化所述预测模型的系统参数；以及预测步骤，利用优化后的预测模型预测图像的质量。根据本专利技术的另一个方面，提供一种图像质量预测方法，包括步骤获取步骤，获取多个被打印图像的相关数据；训练步骤，用所述相关数据来训练预测模型，以优化所述预测模型的系统参数；以及估计步骤，用优化后的预测模型来估计当前打印的图像的质量。根据本专利技术的再一个方面，提供一种用于预测图像质量的设备，包括数据获取装置，用于获取多个数据；存储装置，用于存储所述多个数据；信息处理装置，用于通过所述多个数据来训练预测模型，以优化所述预测模型的系统参数，并用优化后的预测模型来预测图像的质量。本专利技术还提供一种用于预测图像质量的设备，包括图像获取装置，用于获取多个被打印图像的相关数据；存储装置，用于存储所述多个相关数据；以及信息处理装置，用于通过所述多个相关数据训练预测模型，以优化所述预测模型的系统参数，并用优化后的预测模型估计当前打印的图像的质量。本专利技术还提供一种故障诊断系统，包括多功能一体机，用于打印图像；以及图像质量预测装置，用于利用预测模型来预测所述图像的质量，并根据所预测的质量输出通知信息。本专利技术还提供一种打印及扫描设备，包括图像质量预测装置，用于通过获取所述打印及扫描设备的多个传感器数据或图像数据来训练预测模型，并利用所述预测模型来预测所述打印及扫描设备要打印的图像的质量。本专利技术的图像质量自动估计/预测系统和方法的优势在于具有客观的评估结果，从而避免专家主观因素的影响；可以发现人眼所不能见的缺陷，尤其是在故障发生的初期，该自动估计/预测系统可以尽早发现故障。另外，在现今的企业内联网中，经常是用户要打印的文档并不在自己的位置附近，在这种情况下，利用本专利技术的图像质量估计/预测系统和方法，可以不用亲眼见到所打印出的文档，就能知道所打印的文档的质量。附图说明图1描述了本专利技术基本策略中的训练和测试过程。图2是本专利技术的多功能一体机图像质量预测(故障诊断)系统的结构图。图3是本专利技术基于传感器的图像质量预测方法的流程图。图4为图像质量在特征空间中分布的示例图，其中示出了两维正交空间中的判别函数值、质心以及图像质量之间的关系。图5是本专利技术基于图像的图像质量自动估计方法的流程图。图6示出了本专利技术的多功能一体机打印的带有标识的图像。图7示出了本专利技术用于调节色调的调节函数。图8示出了本专利技术正常图像的投影曲线。图9示出了本专利技术中具有水平或垂直缺陷的图像的投影曲线。图10示出了本专利技术中正常图像的差值曲线。图11示出了本专利技术中异常图像的差值曲线。图12是示出了利用三个不同的窗口函数对同一个特征值序列(多组特征值)进行平滑处理后的示图。图13是本专利技术基于图像的图像质量分析系统的预测模型的示图。图14示出了本专利技术系统的领域支持体系结构。图15示出了本专利技术系统的网络支持体系结构。图16示出了本专利技术系统的嵌入式体系结构。具体实施例方式通常而言，多功能一体机的图像质量可以分为三类垂直缺陷、水平缺陷及点状缺陷。从打印的图像上来看，垂直缺陷和水平缺陷是垂直或水平的白线或深颜色的线，点状缺陷是直径大约是3毫米左右的斑点。在本专利技术中，考虑到各种缺陷均有不同的严重程度，因而将各种缺陷(图像质量)分为四个级别，即，级别0为无缺陷正常图像，级别1为轻微缺陷，级别2为中等缺陷，级别3为严重缺陷。但是上述四个级别不对本专利技术的技术范围构成限制，本专利技术的其它实施例可以采用其它的级别数目。下面结合附图来说明本专利技术的优选实施例。本专利技术中对图像质量进行预测的基本策略包括训练、测试和预测三个过程。图1描述了本专利技术基本策略中的训练和测试过程。如图1所示，本专利技术的基本策略是在多功能一体机中收集原始数据，形成原始数据集，并利用原始数据对预测模型(分类器)进行训练，或者将所收集的原始数据分为训练集和测试集，利用训练集对预测模型(分类器)进行训练，然后用测试集对训练后的预测模型进行测试。如果测试结果合格，则将所训练的预测模型作为该多功能一体机的标准预测模型，来供用户使用，以对用户需要预测的图像的质量进行预测。如果所有多功能一体机都具有相同的属性，则该训练和测试过程不是必须的，因为在一个多功能一体机上的一次训练数据可以被用于其它的多功能一体机，即多个多功能一体机可以使用同一个预测模型。但由于每个多功能一体机的工作环境各不相同，且具有不同的个体特征，因此在大多数情况下，都需要训练和测试过程，作为预测过程的前期阶段。图2是本专利技术的多功能一体机图像质量预测(故障诊断)系统的结构图。如图2所示，本专利技术的多功能一体机故障诊断(图像质量预测)系统200由四个基本模块组成，即，数据获取模块210、信息处理模块220、存储管理模块230和用户接口模块240。数据获取模块210用于获取各种数据，包括原始数据和实时数据，同时所获取的各个数据被存储管理模块230存储于存储装置(未示出)中，作为系统应用日志。存储管理模块230包括存储装置(未示出)，并用于管理系统参数(主要是分类器系数，还包括例如短信中心的号码以及手机号码等)、用户设置、系统维护日志、传感器数据日志及图像质量日志等。对于系统参数而言，由于该诊断系统在应用中可被用于各种不同种类的多功能一体机，或同一多功能一体机的不同工作环境，因而几组不同的系统参数被存储在存储装置中。信息处理模块220执行预测模型的训练和图像质量的预测功能，在该模块中，将通过数据获取模块210收集的原始数据分为训练集和测试集，利用训练集对预测模型(分类器)进行训练，以优化该预测模型的系统参数，然后用测试集对训练后的预测模型进行本文档来自技高网...

【技术保护点】
一种图像质量预测方法，包括：获取步骤，获取多个原始数据，训练步骤，通过所述多个原始数据来训练预测模型，以优化所述预测模型的系统参数；以及预测步骤，利用优化后的预测模型预测图像的质量。

【技术特征摘要】

【专利技术属性】
技术研发人员：王刚，欧文武，王迟，郝瑛，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：JP[日本]