基于人工智能的印刷版面智能分析与校对方法和系统与流程

本发明涉及工业缺陷检测，具体为基于人工智能的印刷版面智能分析与校对方法和系统。

背景技术：

1、随着现代印刷工业向高速化和精细化方向发展，基于机器视觉的印刷缺陷检测技术在产线质量控制中得到了广泛应用。在实际的高速印刷过程中，承印物在机械传输张力、温湿度变化等因素的影响下，会发生二维拉伸、扭曲等物理形变，同时伴有走纸抖动现象。现有的机器视觉检测系统在进行版面校对时，通常采用全局刚性配准或简单的局部块匹配算法，难以将承印物自身的正常机械形变与真实的印刷缺陷进行剥离。这种坐标比对方式导致系统对基材形变极为敏感，将正常的物理拉伸导致的图像偏移误判为印刷缺陷，造成系统误报率居高不下。

2、同时，印刷品表面的油墨分布在空间上具有明显的非均匀特性。传统的缺陷判定方法多依赖于设定固定不变的容差阈值或静态比对框。然而，在油墨密度较高的区域，受印刷压力和油墨流动性影响，更容易出现局部晕染、重影等细微缺陷。采用统一的静态容差边界无法自适应局部油墨状态的实际变化，这种僵化的判定机制导致检测系统在油墨高密度区容易发生漏检，而在油墨低密度区又过于敏感。此外，现有的图像采集设备在运行中会引入高频离散噪点，传统图像比对算法往往缺乏对孤立噪点与真实物理缺陷连通区域的甄别能力，导致分析结果的实际意义不明确，难以直接驱动工业产线底层的执行机构实现精确的闭环剔除控制。

技术实现思路

1、针对现有技术的不足，本发明提供了基于人工智能的印刷版面智能分析与校对方法和系统，解决了现有的机器视觉检测难以将承印物的正常机械形变与真实印刷缺陷剥离导致误报率高，采用固定的静态容差边界无法自适应局部油墨密度变化导致易发生漏检或误判，以及缺乏对高频离散噪点与真实缺陷的甄别能力导致难以实现工业产线精确闭环剔除的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明第一方面基于人工智能的印刷版面智能分析与校对方法，包括以下步骤：

4、利用印刷版面的基准图像与待检图像进行空间网格剖分生成待检网格集合，提取几何拉伸分量与平滑油墨密度积分值，并提取所述基准图像的图文边缘轮廓点及单位法向量；

5、将所述单位法向量、所述几何拉伸分量与所述平滑油墨密度积分值作为输入特征输入预先训练好的动态容差预测模型，前向推理生成二维动态容差带；

6、提取所述待检图像的图文边缘像素坐标，将所述图文边缘像素坐标映射至所述待检网格集合对应的空间坐标系内，将映射后的所述图文边缘像素坐标与所述二维动态容差带比对以输出废品剔除指令。

7、优选地，所述利用印刷版面的基准图像与待检图像进行空间网格剖分生成待检网格集合，包括：

8、提取所述基准图像与所述待检图像的宏观轮廓特征求解全局仿射变换矩阵；

9、从所述基准图像与所述待检图像中提取真实锚点，并利用所述全局仿射变换矩阵在所述待检图像的局部区域生成虚拟锚点；

10、联合所述真实锚点与所述虚拟锚点进行空间网格剖分，生成拓扑结构一一映射的基准网格集合与所述待检网格集合。

11、优选地，所述提取几何拉伸分量，包括：

12、针对由所述真实锚点构成的网格单元，通过极分解计算提取所述几何拉伸分量；

13、针对包含所述虚拟锚点的网格单元，提取插值邻域空间内三角形单元的局部拉伸张量，进行反距离权重插值计算推演目标拉伸张量，将所述目标拉伸张量作为对应网格单元的所述几何拉伸分量。

14、优选地，所述提取平滑油墨密度积分值，包括：

15、提取所述待检图像的色彩通道值，根据像素点间的空间距离构建基于标准差控制的二维高斯概率密度分布，并利用所述二维高斯概率密度分布计算得到距离加权矩阵；

16、利用所述距离加权矩阵对所述待检图像的色彩通道值执行空间二维离散卷积求和运算，得到所述平滑油墨密度积分值。

17、优选地，还包括执行动态容差预测模型的训练步骤，其包括：

18、获取历史合格印刷样本数据，提取单位法向量；

19、沿着所述单位法向量方向建立空间搜索射线，计算所述空间搜索射线与实际图文边缘的几何交点，根据所述几何交点计算基准外扩距离；

20、将所述基准外扩距离作为目标输出值构建由特征-标签数据对组成的训练集，基于所述训练集对机器学习回归模型执行迭代优化训练，得到所述训练好的动态容差预测模型。

21、优选地，所述前向推理生成二维动态容差带，包括：

22、将所述动态容差预测模型推理输出的预测外扩距离与所述单位法向量的投影分量相乘得到乘积，将所述乘积加上所述图文边缘轮廓点坐标，解算出外扩边界点坐标；

23、依据拓扑索引顺序依次连接所述外扩边界点坐标构建封闭的所述二维动态容差带。

24、优选地，所述构建封闭的所述二维动态容差带，包括：

25、依据所述平滑油墨密度积分值与油墨密度饱和阈值的差值构建非线性惩罚模型来计算惩罚系数；

26、将所述预测外扩距离与所述惩罚系数进行标量乘法运算，将运算结果作为最终外扩距离；

27、依据拓扑索引顺序依次连接应用所述最终外扩距离平移后的图文边缘轮廓点坐标，生成修正后的所述二维动态容差带。

28、优选地，所述将映射后的所述图文边缘像素坐标与所述二维动态容差带比对以输出废品剔除指令，包括：

29、计算所述图文边缘像素坐标的重心坐标系数；

30、将所述重心坐标系数与所述基准网格集合中的基准三角形网格单元顶点的横纵坐标执行线性加权求和，解算出映射坐标；

31、以所述映射坐标为起点向设定方向建立射线；

32、计算所述射线与所述二维动态容差带边界的几何交点数量；

33、根据所述几何交点数量判定所述映射坐标是否位于所述二维动态容差带边界外；

34、当判定位于所述二维动态容差带边界外时，将对应的所述映射坐标标记为越限缺陷坐标点；

35、根据所述越限缺陷坐标点输出所述废品剔除指令。

36、优选地，根据所述越限缺陷坐标点输出所述废品剔除指令，包括：

37、计算任意两个所述越限缺陷坐标点之间的欧氏距离，生成缺陷连通区域；

38、基于所述缺陷连通区域提取缺陷面积与缺陷连通区域总数量；

39、根据所述缺陷面积与所述缺陷连通区域总数量计算缺陷严重度指数；

40、根据所述缺陷严重度指数匹配控制策略等级；

41、根据所述控制策略等级下发包含排废剔除代码的工业通信数据帧作为所述废品剔除指令。

42、本发明第二方面提供了基于人工智能的印刷版面智能分析与校对系统，包括：

43、配准模块，用于获取印刷版面的基准图像与待检图像；

44、网格模块，用于联合真实锚点与虚拟锚点生成网格集合；

45、提取模块，用于提取几何拉伸分量与平滑油墨密度积分值；

46、计算模块，用于提取基准图像的图文边缘轮廓点及单位法向量，并进行前向推理输出预测外扩距离，以生成二维动态容差带；

47、判定模块，用于提取待检图像的图文边缘像素坐标，将所述图文边缘像素坐标映射至网格空间判定越限缺陷坐标点，聚类生成缺陷连通区域并输出废品剔除指令。

48、本发明提供了基于人工智能的印刷版面智能分析与校对方法和系统，具备以下有益效果：

49、本发明通过提取基准图像与待检图像的真实锚点，并结合全局仿射变换矩阵生成虚拟锚点来构建拓扑网格集合，进而对网格集合进行极分解以提取几何拉伸分量。该技术特征能够从全局位移中准确剥离出承印物在机械传输过程中产生的二维拉伸变形。结合重心坐标法的空间映射机制，系统消除了基材拉伸或局部形变引入的坐标偏移量，使得边缘比对在统一的基准下进行。避免了由于走纸抖动或纸张正常形变而被误判为印刷缺陷的情况，提升了检测的准确率。

50、本发明对图像执行二维高斯权重积分获取平滑油墨密度，并将图文边缘的单位法向量、几何拉伸分量与平滑油墨密度融合，生成二维动态容差带。配合设定的油墨密度饱和阈值与非线性惩罚模型，系统能够根据图文边缘局部的实际油墨覆盖率动态调整边界的外扩距离。在油墨密度正常区域提供合理的允许波动空间，而在油墨密度过高、易发生晕染和重影的区域，则通过惩罚系数自动收缩容差范围。这种动态容差机制克服了传统静态固定比对框无法兼顾正常波动与细微缺陷的弊端，降低了高密度油墨区的漏检风险。

51、本发明在越限判定后，采用基于密度的空间聚类算法对欧氏距离小于特定半径的越限坐标点进行分组，生成缺陷连通区域，提取其几何属性计算缺陷严重度指数并输出剔除指令。该机制从算法层面直接滤除了由图像采集设备引发的局部高频噪点及离散孤立像素，确保被判定为缺陷的区域具备实际的物理面积意义。结合最终输出的控制策略等级数据帧，能够直接驱动工业产线底层的可编程逻辑控制器与物理执行机构，实现了从视觉智能分析到产线废品分拣的精确闭环控制。