基于图像识别的烫金UV印刷瑕疵智能检测方法及系统与流程
本发明涉及视觉检测,特别涉及基于图像识别的烫金uv印刷瑕疵智能检测方法及系统。
背景技术:
1、烫金uv复合印刷广泛应用于包装制品,印刷瑕疵直接影响产品品质,基于视觉检测的瑕疵识别是品质管控核心手段。现有视觉检测多采用固定模式成像与统一检测算法,适用于单一材质平面印刷件,但烫金uv制品兼具高反光烫金区与漫反射uv涂层,还包含直面、曲面复合结构,传统方案适配性差。
2、传统视觉检测未区分像素材质特性统一采集图像,无法同步获取表层、三维、层间的多维度特征;曲面曲率畸变易造成误检,全域高分辨率扫描效率低下,难以精准、高效识别气泡、脱层、划痕等瑕疵,数据准确度不足,无法满足烫金uv印刷产线高精度在线质检需求。
技术实现思路
1、本申请提供了基于图像识别的烫金uv印刷瑕疵智能检测方法及系统,解决了印刷品表面因材质反射特性差异大及曲面区域曲率干扰,导致单一成像模式难以全面有效获取缺陷信息的技术问题。
2、本申请的第一个方面,提供了基于图像识别的烫金uv印刷瑕疵智能检测方法,所述方法包括:对目标印刷区域执行低分辨率预扫描,经轻量分类网络进行像素材质类别概率分析,生成材质分布热力图;依据所述材质分布热力图,驱动成像装置执行动态路由采集,经空间坐标系统一与像素级拼接,得到目标检测图,其中,高反光材质区域并行触发相位偏折成像模式、交叉偏振照明模式与近红外模式的采集通道,漫反射材质区域触发光度立体成像模式的采集通道;将材质分布热力图与目标检测图输入双路检测器,通过划分直面区域与曲面区域执行双路定向缺陷检测与整合,得到缺陷分布图,其中,曲面区域采用相位偏折重建与标准曲面差分滤除曲率背景畸变;在移动终端界面,对所述缺陷分布图进行可视化与质量报警。
3、本申请的第二个方面,提供了基于图像识别的烫金uv印刷瑕疵智能检测系统,所述系统包括:材质分布热力图生成模块,用于对目标印刷区域执行低分辨率预扫描,经轻量分类网络进行像素材质类别概率分析,生成材质分布热力图;目标检测图获取模块,用于依据所述材质分布热力图,驱动成像装置执行动态路由采集,经空间坐标系统一与像素级拼接,得到目标检测图,其中,高反光材质区域并行触发相位偏折成像模式、交叉偏振照明模式与近红外模式的采集通道,漫反射材质区域触发光度立体成像模式的采集通道;缺陷分布图获取模块,用于将材质分布热力图与目标检测图输入双路检测器,通过划分直面区域与曲面区域执行双路定向缺陷检测与整合,得到缺陷分布图,其中,曲面区域采用相位偏折重建与标准曲面差分滤除曲率背景畸变;可视化及报警执行模块,用于在移动终端界面,对所述缺陷分布图进行可视化与质量报警。
4、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
5、本申请通过依据材质分布预判结果分区采集多模态图像,经三维重建、跨模态特征融合处理获取印刷瑕疵相关数据,计算缺陷位置、尺寸与类型信息,结合直面、曲面区域划分对缺陷识别结果进行差异化校正,从而准确识别复合印刷工件上多类形态的瑕疵情况,使烫金uv印刷瑕疵检测结果更加精准可靠,达到了对混合材质及曲面印刷品表面的分区域适配成像与畸变滤除,提升复杂工况下缺陷检测的精度与全面性的技术效果。
1.基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,生成材质分布热力图,包括:
3.如权利要求2所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,驱动成像装置执行动态路由采集,经空间坐标系统一与像素级拼接,得到目标检测图,包括:
4.如权利要求3所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,通过识别编码标识,针对高反光材质区域,触发多成像通道,并行执行针对高度信息层面、表面纹理层面与界面状态层面的采集,得到第一图集;
5.如权利要求4所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,并行执行针对高度信息层面、表面纹理层面与界面状态层面的采集,得到第一图集,包括:
6.如权利要求1所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,通过划分直面区域与曲面区域执行双路定向缺陷检测与整合,得到缺陷分布图,包括:
7.如权利要求6所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,将所述直面区域的目标检测图输入第一检测路径之后,包括:
8.如权利要求7所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,作为曲面缺陷区域并进行特征识别,包括:
9.如权利要求8所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,其特征在于,所述状态缺陷包含界面附着缺陷与表面形貌缺陷;
10.基于图像识别的烫金uv印刷瑕疵智能检测系统,其特征在于,用于实施权利要求1-9任意一项所述的基于图像识别的烫金uv印刷瑕疵智能检测方法,所述系统包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com