一种基于人工智能的丝网印刷制品的检测方法技术

本发明专利技术涉及工业视觉技术领域，公开了一种基于人工智能的丝网印刷制品的检测方法，方法包括：确定标准图样；获取待测物的图像和标准图样的图像；对所述待测物的图像和所述标准图样的图像进行预处理；基于模板匹配方式配准预处理后的所述待测物的图像和所述标准图样的图像；通过图像灰度值做差的方式提取所述待测物的图像和所述标准图样的图像之间的差异信息；对所述差异信息进行轮廓查找确定缺陷轮廓；基于所述缺陷轮廓确定缺陷。本发明专利技术通过应用人工智能技术，自动检测丝网印刷制品的形状缺陷，可以定位缺陷位置，提高检测效率，有效地保证生产质量，提高企业印刷效率。提高企业印刷效率。提高企业印刷效率。

【技术实现步骤摘要】
一种基于人工智能的丝网印刷制品的检测方法


[0001]本专利技术涉及工业视觉
，尤其涉及一种基于人工智能的丝网印刷制品的检测方法。

技术介绍

[0002]丝网印刷法是指利用丝网镂孔版和印料，经刮印得到图形的方法。丝网印刷的基本原理：丝网印刷的图文部分网孔能够透过油墨，漏至印刷制品(即承印物)上，印版上其余部分堵死，不能透过油墨，在印刷品上形成空白。
[0003]印刷制品表面缺陷印刷品表面缺陷包括形状缺陷，形状缺陷包括：漏印、划伤、墨斑等。
[0004]为了保证印刷制品的质量，需对印刷制品进行检测，抽测时，操作员检测主观性较强，对同一类印刷品可能评判标准不一致，可靠性较低；操作员人工抽检方式无法保证对生产线的连续监测造成大量漏检，眼疲劳将造成检测过程检测率不一致；人眼无法保证长时间观测导致检测效率极低，使用抽检仅能检测出连续性缺陷而不能检测出偶发性缺陷。
[0005]正因为印刷品表面质量人工检测存在诸多的弊端，其无法满足当代社会及工业生产的自动化需求，因此对印刷品实时在线的自动化检测技术的需求也越来越迫切，从而解决人工抽检方法存在的问题和不足。当前，人工智能技术已广泛应用在图像处理场景中，所以需要一种基于人工智能的丝网印刷制品的检测方法对丝网印刷制品进行质量检测，提高检测效率。

技术实现思路

[0006]本专利技术提供了一种基于人工智能的丝网印刷制品的检测方法，相比于传统的人工抽检方法，具有检测效率高、缺陷定位准、自动化程度高、实时性强等优点，可以有效地保证生产质量，提高企业印刷效率。
[0007]为实现上述目的，本专利技术提供了如下方案：本专利技术提供一种基于人工智能的丝网印刷制品的检测方法，所述方法包括：所述方法包括：
[0008]确定标准图样；
[0009]获取待测物的图像和标准图样的图像；
[0010]对所述待测物的图像和所述标准图样的图像进行预处理；
[0011]基于模板匹配方式配准预处理后的所述待测物的图像和所述标准图样的图像；
[0012]通过图像灰度值做差的方式提取所述待测物的图像和所述标准图样的图像之间的差异信息；
[0013]对所述差异信息进行轮廓查找确定缺陷轮廓；
[0014]基于所述缺陷轮廓确定缺陷。
[0015]在其中一个实施例中，在获取待测物的图像和标准图样的图像之前，还包括：
[0016]确定所述待测物与工业相机和光源之间的空间结构关系；
[0017]确定所述待测物的纹理特征和颜色；
[0018]根据所述空间结构关系和所述待测物的纹理特征和颜色确定光源方案。
[0019]在其中一个实施例中，所述基于模板匹配方式配准预处理后的所述待测物的图像和所述标准图样的图像，包括：
[0020]确定待测物图像的大小，基于所述待测物图像的大小将待测物图像分割为多个子图像；
[0021]基于模板匹配方式配准预处理后的所述待测物的子图像和所述标准图样的子图像；所述配准的待测物的子图像和所述标准图样的子图像位置编码一样。
[0022]在其中一个实施例中，所述预处理包括霍夫直线检测、图像去噪和图像裁剪。
[0023]在其中一个实施例中，基于所述缺陷轮廓确定缺陷，包括：
[0024]将所述缺陷轮廓输入预设关系模型中，使所述预设关系模型输出对应的预测缺陷；
[0025]根据所述预测缺陷确定所述待测物的缺陷。
[0026]在其中一个实施例中，所述预设关系模型包括：
[0027]根据样本数据建立初始预设模型,所述样本数据为具有缺陷的待测物；
[0028]将所述样本数据按预设条件分为训练数据与验证数据；
[0029]基于所述训练数据对所述初始预设模型进行训练；
[0030]基于所述验证数据对训练后的所述初始预设模型进行测试，输出符合预设指标的所述预设模型。
[0031]在其中一个实施例中，所述根据样本数据建立初始预设模型,包括：
[0032]根据样本数据建立数据模型集群，数据模型集群包括多个数据模型；
[0033]将样本数据输入至数据模型群中得到与数据模型对应的初始分析结果；
[0034]将初始分析结果与事实缺陷相匹配，将匹配度最高的初始分析结果对应的数据模型确定为初始预设模型。
[0035]在其中一个实施例中，所述方法还包括：当检测到同一缺陷连续多次出现，停止印刷，并检测丝网印刷板。
[0036]在其中一个实施例中，所述标准图像为无缺陷的清晰图像。
[0037]在其中一个实施例中，所述缺陷包括漏印、划伤、斑点。
[0038]本专利技术的技术效果：
[0039]本专利技术在对待测物的图像进行预处理后，通过模板匹配方式配准预处理后的待测物的图像和标准图样的图像，然后提取待测物的图像和标准图样的图像之间的差异信息，通过差异信息进行轮廓查找确定缺陷轮廓，并基于缺陷轮廓确定缺陷。通过应用人工智能技术，自动检测丝网印刷制品的形状缺陷，可以定位缺陷位置，提高检测效率，有效地保证生产质量，提高企业印刷效率。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图
获得其他的附图。
[0041]图1是本专利技术实施例提供的基于人工智能的丝网印刷制品的检测方法的流程图；
[0042]图2是本专利技术实施例提供的基于缺陷轮廓确定缺陷的流程图；
[0043]图3是本专利技术实施例提供的预设模型建立的流程图；
[0044]图4是本专利技术实施例提供的根据样本数据建立初始预设模型的流程图；
[0045]图5是本专利技术实施例提供的丝网印刷制品的检测方法的流程图。
具体实施方式
[0046]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不是用来限制本专利技术的范围。
[0047]在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
[0048]术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0049]在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的丝网印刷制品的检测方法，其特征在于，所述方法包括：确定标准图样；获取待测物的图像和标准图样的图像；对所述待测物的图像和所述标准图样的图像进行预处理；基于模板匹配方式配准预处理后的所述待测物的图像和所述标准图样的图像；通过图像灰度值做差的方式提取所述待测物的图像和所述标准图样的图像之间的差异信息；对所述差异信息进行轮廓查找确定缺陷轮廓；基于所述缺陷轮廓确定缺陷。2.根据权利要求1所述的基于人工智能的丝网印刷制品的检测方法，其特征在于，在获取待测物的图像和标准图样的图像之前，还包括：确定所述待测物与工业相机和光源之间的空间结构关系；确定所述待测物的纹理特征和颜色；根据所述空间结构关系和所述待测物的纹理特征和颜色确定光源方案。3.根据权利要求1所述的基于人工智能的丝网印刷制品的检测方法，其特征在于，所述基于模板匹配方式配准预处理后的所述待测物的图像和所述标准图样的图像，包括：确定待测物图像的大小，基于所述待测物图像的大小将待测物图像分割为多个子图像；基于模板匹配方式配准预处理后的所述待测物的子图像和所述标准图样的子图像；所述配准的待测物的子图像和所述标准图样的子图像位置编码一样。4.根据权利要求1所述的基于人工智能的丝网印刷制品的检测方法，其特征在于，所述预处理包括霍夫直线检测、图像去噪和图像裁剪。5.根据权利要求1所述的基于人工智能的丝网印刷制品的检测方法，其特...

【专利技术属性】
技术研发人员：肖鹏，
申请(专利权)人：苏州斯普兰蒂科技股份有限公司，
类型：发明
国别省市：