一种基于质量检测系统的缺陷图像高速识读分析系统及方法与流程

摘要: 本发明涉及印刷质量检测与机器视觉数据分析,特别涉及一种基于质量检测系统的缺陷图像高速识读分析系统及方法。背景技术:1、在印刷包装行业中,纸卷类产品的生产包含印刷...
一种基于质量检测系统的缺陷图像高速识读分析系统及方法与流程

本发明涉及印刷质量检测与机器视觉数据分析,特别涉及一种基于质量检测系统的缺陷图像高速识读分析系统及方法。

背景技术:

1、在印刷包装行业中,纸卷类产品的生产包含印刷、烫金、模切等多道工序,各工序均会产生飞墨、套印偏差、烫金不实、模切破裂等多种缺陷。目前主流产线均配置了在线视觉检测系统,能够实时采集纸卷表面图像并识别缺陷,最终以单卷纸为单位生成pdf格式的检测报告,每份报告包含按时间序列排列的缺陷图片与对应文本记录。

2、但是,同一份检测报告中,往往包含很多类型的图案缺陷,同类型缺陷分散在不同时间点,人工无法高效集中观测,数量较多的缺陷对应的工艺隐患容易被忽视,易引发后续质量事故;传统的缺陷分类方法需要提前制作各类缺陷的标准模板,印刷产品种类多、换型频繁,适配周期长。另外,现有方案多针对单张图像或单份报告进行分析,面对海量pdf文件与缺陷图像时,解析效率低,无法实现全批次的快速归集分析。

技术实现思路

1、本发明的目的在于克服现有技术中印刷纸卷缺陷报告中数据分散、无法充分利用缺陷数据的不足,提供一种基于质量检测系统的缺陷图像高速识读分析系统及方法,将检测报告中的缺陷图案在无模板的条件下实现自动聚类、精准分类归档,实现工序废品监控、批量问题预警、缺陷精准提取等功能。

2、为实现上述目的,本发明采用以下技术方案:一种基于质量检测系统的缺陷图像高速识读分析方法,应用于印刷行业纸卷生产场景,其特征在于,包括图像处理识读步骤和检测报告数据统计步骤;

3、其中,图像处理识读步骤用于从报告中提取缺陷图像进行处理,或者直接对文件夹内图片进行聚类或分类识别;而所述检测报告数据统计步骤用于批量提取pdf缺陷检测报告中的质检生产数据并生成汇总表格。

4、优选的,图像处理识读步骤包含自动模式与学习模式,均兼容两种输入数据源:第一类为pdf格式缺陷检测报告;第二类为文件夹存储的jpg、png格式图片文件。

5、优选的,所述自动模式为系统默认初始流程,用于进行基于图像相似度的模糊聚类识读,包括以下步骤:

6、①选择目标文件类型,确定采用“从缺陷检测报告提取图片”或“直接聚类文件夹图片”的输入方式;

7、②导入一份或多份pdf缺陷检测报告,或指定待处理图片文件夹路径,启动处理流程;所述pdf缺陷检测报告由印刷生产流程在单卷产品生产完成后自动生成,单份报告内的缺陷图像数量与该卷产品生产过程中检出的缺陷数量一致;

8、③调用“图像相似度算法”对全部输入缺陷图像进行聚类运算,将原本分散无序的缺陷图像按视觉相似度归为不同类别;

9、④将聚类结果以“日期+时间”为文件夹名称存储至用户指定的输出路径,并同步生成聚类统计报告,报告中记录每一聚类类别对应的缺陷名称、图像数量信息。

10、优选的,所述学习模式用于进行基于样本训练的精准分类识读,需先完成产品配置与样本训练,再执行分类识别处理,具体包括训练前置步骤与分类执行步骤。

11、优选的,所述训练前置步骤包括:

12、①录入新增产品名称,产品添加操作同步记录于处理日志;配置一键清空指令,触发后解除所有产品与缺陷样本的绑定关系,并同步删除全部已录入的产品信息;

13、②进入样本管理环节,为对应产品创建多个缺陷类别并录入缺陷名称,为每一缺陷类别上传对应缺陷样本图片,上传后的样本图片可在训练样本预览区域展示;

14、③校验缺陷类别和数量,当配置至少两类及以上缺陷类型时,允许启动分类器训练;不满足条件时禁止启动训练;

15、④接收训练指令后,将全部缺陷样本与对应产品建立绑定关系,完成分类器训练;训练完成后训练状态由“未训练”更新为“已训练”,并同步展示当前产品已训练的缺陷类别数量与样本图片总量。

16、优选的,所述分类执行步骤包括:

17、①选定待处理的pdf文件或图片文件夹,设置输出路径后启动处理流程;

18、②通过训练完成的分类器对输入缺陷图像进行识别分类;

19、③输出分类识别结果,结果文件夹以对应缺陷类型名称命名,并同步生成分类统计报告,报告中记录各类缺陷图像的存储路径、图像数量信息。

20、优选的,所述检测报告数据统计步骤包括以下步骤:

21、①确定三类统计维度,一是检测时间数据,提取pdf报告的创建日期,对应该编号纸卷的生产完成时间;二是检测数量数据,提取单份pdf报告内记录的该卷产品缺陷总数量即检测数;三是检测长度数据,提取单份pdf报告内记录的该卷产品总米数即总长度,用于生产损耗监控;

22、②导入待统计的pdf检测报告并生成报告列表,选定输出目录后触发统计表格生成指令;

23、③在指定输出目录生成统计表格,所述统计表格包含与原报告文件名对应的纸卷编号、文件创建时间、缺陷检测总数、纸卷总长度四项内容,表格数据可与原始纸卷生产数据进行比对,核算生产损耗量。

24、本发明的另一个目的,是提供一种基于质量检测系统的缺陷图像高速识读分析系统,其特征在于:

25、包括人机交互操作模块、文件解析模块、图像聚类处理模块、缺陷样本训练模块、数据统计提取模块、存储输出模块;

26、所述人机交互操作模块分别与文件解析模块、图像聚类处理模块、缺陷样本训练模块、数据统计提取模块、存储输出模块信号连接,用于接收操作人员指令并展示系统运行状态、处理日志、样本预览信息;

27、所述文件解析模块用于识别输入文件类型,兼容pdf格式缺陷检测报告与jpg/png格式图片文件,实现批量pdf文件内缺陷图像的自动提取,或者本地文件夹图片的批量读取;

28、所述图像聚类处理模块配置自动模式处理逻辑,所述缺陷样本训练模块配置学习模式处理逻辑;自动模式与学习模式为系统两套独立并行工作模式,由人机交互操作模块切换调用;

29、所述存储输出模块用于存储聚类完成的缺陷图像、分类报告、数据统计表格,按照预设规则自动命名输出文件与存储文件夹;

30、所述数据统计提取模块用于批量解析pdf检测报告,自动提取卷材生产核心检测数据并生成标准化统计表格。

31、优选的,所述图像聚类处理模块配置自动模式的具体处理逻辑包括:

32、a、系统默认启动自动模式作为初始运行模式,操作人员通过人机交互操作模块选择目标文件类型,文件类型分为第一类“从缺陷检测报告提取图片”、第二类“直接聚类文件夹图片”;

33、b、若选择第一类,操作人员批量添加一份或多份pdf缺陷检测报告;若选择第二类,仅需指定待处理图片输入文件夹;

34、c、文件解析模块提取全部缺陷图像后,图像聚类处理模块依据图像像素相似度对全部缺陷图像执行高速模糊聚类处理,将分散无序的缺陷图像自动分组;

35、d、存储输出模块创建以“处理日期+时间”命名的输出文件夹,将聚类分组后的缺陷图像分类存储,同步生成聚类报告,聚类报告内记录每一类缺陷分组的图像数量、分组标识名称、文件存储路径。

36、优选的,所述图像聚类处理模块配置学习模式的具体处理逻辑包括:

37、a、操作人员通过人机交互操作模块点击添加产品并录入产品名称,系统处理日志实时同步产品添加信息;系统支持一键清空全部产品及绑定缺陷样本,清空后已训练分类器同步删除;

38、b、在样本管理界面,先添加至少两类缺陷类别并录入对应缺陷名称,选中单类缺陷名称后批量导入对应缺陷样本图片,系统实时预览导入样本;系统限制仅当缺陷类别数量≥2时,方可执行分类器训练;

39、c、操作人员触发训练指令后,缺陷样本训练模块将缺陷样本、缺陷类别与当前产品绑定,完成产品专属分类器训练,人机交互界面右上方训练状态由“未训练”更新为“已训练”,同步展示当前产品已训练缺陷类别总数、样本总数量;

40、d、完成训练后,选择待处理文件类型并导入对应pdf报告/图片文件夹,启动处理;图像聚类处理模块调用已完成训练的分类器完成缺陷图像精准归类;

41、e、存储输出模块以缺陷类型名称命名各组图像存储文件夹,生成分类报告,分类报告记录各类缺陷图像存储路径、对应缺陷图片数量。

42、优选的,所述数据统计提取模块的处理流程包括:

43、a、通过人机交互模块添加多份pdf缺陷检测报告,系统展示导入报告列表并指定表格输出目录;

44、b、逐份解析pdf检测报告,单份pdf文件对应一卷卷材,自动提取四项核心数据:pdf文件名、卷材生产完成时间、缺陷总检测数、卷材生产总长度;

45、c、在指定输出目录生成标准化汇总表格,表格集成全部卷材的卷材编号、创建时间、缺陷检测数、卷材总长度数据,用于与产线原始生产数据比对核算卷材损耗。

46、优选的,所述存储输出模块的存储规则区分两种工作模式:自动模式下输出“处理日期+时间”的文件夹;学习模式下缺陷图像子文件夹以对应缺陷类型名称命名;所有聚类报告、分类报告、统计表格统一同步存放至用户选定输出路径。

47、优选的,所述文件解析模块针对pdf缺陷检测报告配置线性图像解析逻辑,适配卷材线性生产流程生成的内嵌缺陷图,可完整提取单份pdf内全部数量的缺陷实拍图像,不受单卷缺陷发生频次限制。

48、优选的,所述缺陷图像包括:印刷飞墨、印刷拉墨、印刷缺墨、印刷套印、印刷挑版、烫金不实、烫金位置不正、烫金漏烫、烫金起皱、烫金沙缺、模切不正、模切压痕破裂、纸张凹陷、凸点、纸张黑点。

49、有益效果:

50、本技术结合产品检测报告中的缺陷图像、缺陷参数、检测结论等信息,同时将企业生产线工艺流程、生产标准、设备工况等特性进行联系,建立了智能化质量管控分析体系,实现工序废品动态监控、批量质量风险提前预警、产品缺陷精准定位提取等核心业务能力,最终实现生产质量可控制、生产过程可监测、生产成本可降低、生产效率可提高,为企业精细化生产管理提供支撑,具体目的与成效价值如下:

51、①本技术针对生产全流程中产生的各类废品、不合格产品,依托缺陷图像完成标准化分类归集、系统化梳理统计,可直观、清晰呈现各生产工序、各批次产品的废品缺陷类型、缺陷产生数量、缺陷分布点位及时段分布规律,完整还原生产线真实生产状态;基于归集整合的缺陷数据,可开展深层次质量成因溯源分析,精准定位人为操作、设备损耗、工艺参数、环境因素等各类质量问题根源;一方面,可有效规避传统管控模式下,分散性、隐蔽性质量缺陷累积形成的批量质量隐患,及时发现微小质量问题并干预整改,杜绝隐患扩散引发的大规模质量事故、产品返工及客户投诉问题,大幅提升产品出厂合格率与生产质量稳定性;另一方面,可为企业生产工艺优化、设备参数微调、工序流程优化、作业标准迭代提供精准的数据支撑,让工艺升级与设备运维有据可依、精准落地,从源头降低缺陷产品产出概率。

52、②本技术全面提取、整合缺陷检测报告中的图像数据、缺陷维度、不合格参数、检测结果等全维度业务数据,搭建生产数据对比分析模型,重点针对生产前后原辅材料消耗量、物料损耗量、成品产出量、废料产生量等核心数据进行联动对比与偏差分析;通过实时比对理论生产数值与实际生产数值的差异,精准捕捉生产过程中的物料损耗异常、工序运行异常、耗材偏差超标等问题,消除后期抽检、整改的滞后性,实现生产过程动态化、实时化、可视化监控,帮助管理人员快速发现生产异常,并且可快速定位偏差点,并及时排查异常原因,有效规避物料浪费、工序脱节、产能损耗等问题,保障生产流程规范、高效、标准化推进。

53、③本技术将缺陷成因结论、质量管控数据、生产运行数据、物料消耗数据等信息进行综合整理,通过挖掘与分析后找到提升生产线效率、缩减成本的优化空间;同时,精准明确不合格品的识别、管控、整改全流程规范,并梳理形成标准化的缺陷管控方案与生产优化方案;通过全方位优化生产管控模式、降低废品产出率、减少物料无效损耗,最终实现生产端降本、提质、增效的目标,提升企业生产精细化管理水平。