System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种包装盒UV油墨固化程度智能检测方法技术_技高网

一种包装盒UV油墨固化程度智能检测方法技术

技术编号:40965718 阅读:13 留言:0更新日期:2024-04-18 20:45
本发明专利技术涉及光谱数据处理技术领域,具体涉及一种包装盒UV油墨固化程度智能检测方法,包括:获取两类包装盒样本光谱数据集合和待检测包装盒的光谱数据序列;根据每类包装盒样本光谱数据集合中每个包装盒样本的光谱数据序列内每个波长的置信度,获取所有特征波长;根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,获取每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数,进而获取改进后的类内离散程度矩阵;根据改进后的类内离散程度矩阵,获取待检测包装盒的光谱数据序列的特征值,进而获取待检测包装盒的油墨固化状态。本发明专利技术使包装盒的油墨固化状态的检测结果更加准确。

【技术实现步骤摘要】

本专利技术涉及光谱数据处理,具体涉及一种包装盒uv油墨固化程度智能检测方法。


技术介绍

1、uv油墨是一种光固化油墨,它在印刷过程中需要通过紫外线辐射进行固化;确保油墨固化程度的准确性对于生产高质量的印刷品至关重要,利用光谱数据进行分析,可以通过非接触式的方式获取信息,不需要直接接触油墨表面,这降低了对印刷品的干扰,并且可以在高速生产线上实现实时检测;而对于不同固化程度的包装盒uv油墨,所获取的光谱数据包含过多的数据信息,对于不同固化程度的油墨进行分类难度较高,故考虑利用线性判别分析lda(linear discriminant analysis)的方式对所得数据进行降维处理,以提高分类精度。

2、传统的lda线性判别分析时根据训练样本对应的空间位置分布,计算类内以及类间离散程度矩阵来获取最佳投影向量;但由于类内离散程度是根据各簇类对应的均值进行量化的,也即光谱数据当中不同维度特征之间会存在一定的相互影响,使得两个类别距离度量相近的样本在投影后的区分性不好,也即投影后依然存在有较多样本无法进行有效的区分。


技术实现思路

1、为了解决上述问题,本专利技术提供一种包装盒uv油墨固化程度智能检测方法,所述方法包括:

2、获取两类包装盒样本光谱数据集合和待检测包装盒的光谱数据序列;所述包装盒样本光谱数据集合包含若干个包装盒样本的光谱数据序列,所述包装盒样本的光谱数据序列包含若干个波长,每个波长对应一个光谱吸收率;

3、根据两类包装盒样本光谱数据集合中所有包装盒样本的光谱数据序列内每个波长的光谱吸收率的均值差异,获取每个波长的置信度;根据每个波长与邻域内波长之间的置信度差异,获取所有特征波长;

4、根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间在特征波长的光谱吸收率差异,获取每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度;根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,获取每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数;根据每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数,获取改进后的类内离散程度矩阵;

5、根据改进后的类内离散程度矩阵,获取待检测包装盒的油墨固化状态。

6、优选的,所述根据两类包装盒样本光谱数据集合中所有包装盒样本的光谱数据序列内每个波长的光谱吸收率的均值差异,获取每个波长的置信度的具体公式为:

7、

8、式中,表示每类包装盒样本光谱数据集合中每个包装盒样本的光谱数据序列内第个波长的置信度;表示在第一类包装盒样本光谱数据集合中,所有包装盒样本的光谱数据序列内第个波长的光谱吸收率的平均值;表示在第二类包装盒样本光谱数据集合中,所有包装盒样本的光谱数据序列内第个波长的光谱吸收率的平均值;表示取绝对值;表示线性归一化函数。

9、优选的,所述根据每个波长与邻域内波长之间的置信度差异,获取所有特征波长,包括的具体方法为:

10、预设一个邻域参数和一个置信度参数,将第个波长的前个波长和后个波长组成第个波长的波段邻域,若第个波长的置信度是第个波长的波段邻域内所有波长的置信度的最大值,并且第个波长的置信度大于时,将第个波长记为特征波长。

11、优选的,所述根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间在特征波长的光谱吸收率差异,获取每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,包括的具体方法为:

12、获取第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间在第个特征波长的差异性,则第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间的特征差异程度的计算方法为:

13、

14、式中,表示第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间的特征差异程度;表示所有特征波长的总数量;表示第个波长的置信度;表示第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间在第个特征波长的差异性。

15、优选的,所述获取第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间在第个特征波长的差异性的具体公式为:

16、

17、式中,表示第个包装盒样本的光谱数据序列内第个波长的光谱吸收率;表示第个包装盒样本的光谱数据序列内第个波长的光谱吸收率;表示取最小值函数;表示取最大值函数;为预设邻域参数。

18、优选的,所述根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,获取每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数,包括的具体方法为:

19、获取第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度和第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度,则第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的修正系数的计算方法为:

20、

21、式中,表示第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的修正系数;表示第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度;表示第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度;为预设参数;

22、第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的修正系数的计算方法为:

23、

24、式中,表示第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的修正系数。

25、优选的,所述获取第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度和第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度,包括的具体方法为:

26、获取第个包装盒样本的光谱数据序列的第一目标数据序列和第二目标数据序列,则第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度的计算方法为:

27、

28、式中,表示第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度;表示第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列的第一目标数据序列之间的特征差异程度;表示第一类包装盒样本光谱数据集合中第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间的特征差异程度;表示所有包装盒样本的光谱数据序列的总数量;

29、第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度的计算方法为:

30、

31、式中,表示第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度;表示第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列的第二目标数据序列之间的特征差异程度;表示第二类包装盒样本光本文档来自技高网...

【技术保护点】

1.一种包装盒UV油墨固化程度智能检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据两类包装盒样本光谱数据集合中所有包装盒样本的光谱数据序列内每个波长的光谱吸收率的均值差异,获取每个波长的置信度的具体公式为:

3.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据每个波长与邻域内波长之间的置信度差异,获取所有特征波长,包括的具体方法为:

4.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间在特征波长的光谱吸收率差异,获取每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,包括的具体方法为:

5.根据权利要求4所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述获取第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间在第个特征波长的差异性的具体公式为:

6.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,获取每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数,包括的具体方法为:

7.根据权利要求6所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述获取第个包装盒样本的光谱数据序列在第一类包装盒样本光谱数据集合中的离群程度和第个包装盒样本的光谱数据序列在第二类包装盒样本光谱数据集合中的离群程度,包括的具体方法为:

8.根据权利要求7所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述获取第个包装盒样本的光谱数据序列的第一目标数据序列和第二目标数据序列,包括的具体方法为:

9.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据每个包装盒样本的光谱数据序列在每类包装盒样本光谱数据集合中的修正系数,获取改进后的类内离散程度矩阵,包括的具体方法为:

10.根据权利要求1所述一种包装盒UV油墨固化程度智能检测方法,其特征在于,所述根据改进后的类内离散程度矩阵,获取待检测包装盒的油墨固化状态,包括的具体方法为:

...

【技术特征摘要】

1.一种包装盒uv油墨固化程度智能检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述一种包装盒uv油墨固化程度智能检测方法,其特征在于,所述根据两类包装盒样本光谱数据集合中所有包装盒样本的光谱数据序列内每个波长的光谱吸收率的均值差异,获取每个波长的置信度的具体公式为:

3.根据权利要求1所述一种包装盒uv油墨固化程度智能检测方法,其特征在于,所述根据每个波长与邻域内波长之间的置信度差异,获取所有特征波长,包括的具体方法为:

4.根据权利要求1所述一种包装盒uv油墨固化程度智能检测方法,其特征在于,所述根据每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间在特征波长的光谱吸收率差异,获取每个包装盒样本的光谱数据序列与每个包装盒样本的光谱数据序列之间的特征差异程度,包括的具体方法为:

5.根据权利要求4所述一种包装盒uv油墨固化程度智能检测方法,其特征在于,所述获取第个包装盒样本的光谱数据序列与第个包装盒样本的光谱数据序列之间在第个特征波长的差异性的具体公式为:

6.根据权利要求1所述一种包装盒uv油墨固化程度智能检测方法...

【专利技术属性】
技术研发人员:张永财
申请(专利权)人:佛山市力天包装印刷有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1