一种基于视觉的印刷品检验方法与流程

1.本发明属于印刷品检测领域，特别地，涉及一种基于视觉的凹版印刷品质量检验方法。


背景技术：

2.印刷品验证是印刷企业管控产品质量的基本要求。在传统的印刷工艺中，较普遍采用的是通过印刷工的目视来检测印刷品质量，容易造成人为误差。随着技术的进步，采用图像处理技术及机器视觉技术对印刷品进行检测成为印刷行业广泛使用的技术方法，可以实现更高质量、更高效率的检测。
3.基于机器视觉技术的印刷品检测通过拍摄印刷品的表面图像，根据检测要求和先验性知识对印刷品实施检测，评价印刷品外观是否符合质量要求。常用的机器视觉图像检测方法包括基于图像边缘、角点特征的底层特征检测方法，以及基于词袋、支持向量机、神经网络等的高层特征检测方法，实现对印刷品局部或整体的检测。
4.凹版印刷作为印刷行业的一种特殊工艺，在印刷包装及图文出版领域内占据极其重要的地位。然而，由于凹版印刷品表面的不平整特性，其在二维视觉图像中的外观具有二义性，即在传统平面印刷检测时，部分边缘、凸起或凹陷会被认为是缺陷，而在凹版印刷品上则可能是正常需要。因此，凹版印刷品的视觉图像检测更具备挑战性。
5.目前，凹版印刷品的图像检测方法多采用边缘检测等底层特征实施检测，具有对噪声较敏感、对前述二义性问题误检率高等问题。通用图像识别的神经网络也同样存在上述问题。可见，目前亟需能够避免上述问题出现、提高印刷品质量检测准确性、加快检测速度的专用的算法。


技术实现要素：

6.为了解决上述问题，本发明提出一种基于视觉图像和神经网络模型的凹版印刷品验证方法，综合印刷品图像的亮度特性、色彩特性和局部驻点特性对凹版印刷品图像实施检测，克服噪声与凹版纹理的二义性问题，实现对凹版印刷品质量的高效验证。
7.一种基于视觉的印刷品检验方法，步骤1：利用摄像机采集待检测印刷品的现场图像，并获得与印刷品图案一致的参考模板图像；将现场图像和参考模板图像分别提取计算亮度通道、色彩通道和局部驻点通道；亮度通道是图像三色通道的线性加权：其中，、对应于方差最大的那个色彩通道，、对应于方差第二大的那个色彩通道，、对应于方差最小的那个色彩通道；色彩通道为根据图像三色通道的相对比例计算：
局部驻点通道根据图像局部的亮度和色彩的变化程度计算：局部驻点通道根据图像局部的亮度和色彩的变化程度计算：其中，，、为预设模板；步骤2：以现场图像、参考模板图像的亮度通道、色彩通道和局部驻点通道为输入，送入神经网络模型中，神经网络模型输出结果为与输入图像大小相同的矩阵，矩阵的每个元素表达了输入图像相应位置的差异性，反映了印刷品外观瑕疵的位置；其中，神经网络的激励函数为：。
8.。
9.该方法实施的系统包括服务器、通讯装置和摄像机。
10.摄像机设置于生产线末端，对准生产得到的印刷品，并采集相应图像。
11.通讯装置用于将摄像机采集的图像传输至服务器。
12.服务器根据接收到的图像并结合其存储的参考图像，判断该印刷品的瑕疵位置及瑕疵情况。
13.其中通讯装置包括4g\5g系统、wifi系统、总线系统。
14.神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层、输出层。
15.隐藏层第一层用于提取现场图像、参考模板图像的各特征通道的局部特征。
16.代价函数为：其中，为控制系数，为训练样本的输出真值，p为神经网络输出。
17.发明点及技术效果：1、通过将现场图像和参考模板图像分别提取计算亮度通道、色彩通道和局部驻点
通道，并对三通道进行综合对凹版印刷品图像实施检测，克服噪声与凹版纹理的二义性问题，实现对凹版印刷品质量的高效验证。
18.2、针对步骤1获取的亮度通道、色彩通道、局部驻点通道，建立对比现场图像和参考模板图像的专用神经网络检测模型，并优化了的网络模型结构，通过分别提取现场图像和参考模板图像的特征评价两图像之间的差异性，实现对印刷品外观的快速、准确验证。
具体实施方式
19.步骤1：凹版印刷品图像三通道采集和计算利用摄像机采集待检测印刷品的现场图像，并获得与印刷品图案一致的参考模板图像；将现场图像和参考模板图像分别提取计算亮度通道、色彩通道和局部驻点通道。
20.利用摄像机采集一张待检测印刷品的现场图像，并与印刷品图案一致的参考模板图像归一化至同样大小。
21.对现场图像和参考模板图像，分别提取其亮度通道、色彩通道和局部驻点通道。
22.其中，亮度通道是图像三色通道的线性加权，记为：其中，、分别表示现场图像和参考模板图像的亮度通道。、、，、、分别根据参考模板图像的三色通道、、计算：其中表示图像中一个像素的坐标，表示图像中的像素总数。根据式2，、对应于使式2的方差最大的那个通道，、对应于使式2的方差第二大的那个通道，、对应于使式2的方差最小的那个通道。例如，如果，则，，，，，。
23.亮度通道反映了图像的亮度特性。
24.色彩通道根据图像三色通道的相对比例计算：
式中，表示反余弦函数。色彩通道反映了图像的颜色特性。
25.局部驻点通道根据图像局部的亮度和色彩的变化程度计算。
26.定义模板其中e表示自然指数。则局部驻点通道、为二值矩阵，并且：为二值矩阵，并且：其中：其中：表示卷积计算符。为预设阈值。在值域归一化前提下，经过实验测试优选。
27.局部驻点通道反映了图像局部的亮度和色彩变化剧烈程度，为亮度、色彩特征提供了补充，有助于更加准确的验证印刷品外观。
28.步骤2：利用专用神经网络模型对凹版印刷品图像的亮度通道、色彩通道、局部驻
点通道进行处理，检测凹版印刷品现场图像的质量根据步骤1获取的亮度通道、色彩通道、局部驻点通道，建立对比现场图像和参考模板图像的检测模型，通过分别提取现场图像和参考模板图像的特征评价两图像之间的差异性，实现对印刷品外观的验证。
29.所述神经网络模型，是以现场图像、参考模板图像的三特征通道为输入，两图像的比较结果为输出的非线性模型；输出结果为与输入图像大小相同的矩阵，矩阵的每个元素表达了输入图像相应位置的差异性，反映了印刷品外观瑕疵的位置。
30.神经网络模型输入、输出之间由隐藏层定义，表示输入到输出的一组关系和计算方法。隐藏层包括多个层。
31.其中，隐藏层第一层定义如下：其中，隐藏层第一层定义如下：其中，隐藏层第一层定义如下：式8中，，表示5*5的卷积核函数，表示卷积核元素坐标；是偏置参数；卷积核函数用于构建亮度通道的低尺度局部特征。
32.式9中，，表示5*5的卷积核函数，表示卷积核元素坐标；是偏置参数；卷积核函数用于构建色彩通道的低尺度局部特征。
33.式10中，，表示13*13的卷积核函数，表示卷积核元素坐标；是偏置参数；卷积核函数用于构建局部驻点通道的低尺度特征。根据步骤1中式4定义，此处卷积核函数尺寸为式4模板大小的2倍左右，以能够测量相邻驻点之间的关系。
34.函数定义如下：
由于式8-10均为线性函数，通过引入激励函数使模型非线性化，用于实现更好的检测性能。参数可防止模型陷入过拟合，根据经验优选。
35.式8-10输出6个矩阵为隐藏层第一层，隐藏层第一层用于提取现场图像、参考模板图像的各特征通道的局部特征。
36.隐藏层的第二层定义如下:式12中，、、、、、是线性系数，构建现场图像、参考模板图像的对应通道关系，是偏置参数；定义如11.隐藏层的第三层定义如下：式13中，，、、表示21*21的卷积核函数，表示卷积核元素坐标；是偏置参数；采用更大的卷积核函数，捕捉各通道下的高尺度特征，与低尺度特征联合可更好的区分期望的印刷图案与噪声。定义如11.神经网络的输出层定义如下：式14中，、、为构建三通道关系的线性系数，第三通道为减号表示驻点通道的值越低，则越可能是信号。
37.输出为一矩阵，矩阵每个元素归一化后，其值越大，则表示该点对应位置越可能产生瑕疵。
38.在采用如前述8-14式所述神经网络模型实施检测前，需要训练该模型获得式中的各项参数。通过准备若干标记过瑕疵位置的现场图像和参考图像作为训练样本，并将瑕疵
对应位置标记为1，正常位置标记为0，作为训练样本的输出真值；根据代价函数：可以迭代求得模型各项参数。为控制系数，有助于提高对噪声的鲁棒性。作为优选，取。每次迭代后，用当前迭代轮次获得的参数求输出。
39.本发明提出一种基于视觉的凹版印刷品质量验证方法，综合印刷品图像的亮度特性、色彩特性和局部驻点特性对凹版印刷品图像实施检测，克服噪声与凹版纹理的二义性问题，实现对凹版印刷品质量的高效验证。其测量结果如表1。结果表明，本发明方法能够高效、自动的检测验证凹版印刷品质量。
40.表1该方法实施的系统包括服务器、通讯装置和摄像机。
41.其中摄像机设置于生产线末端，对准生产得到的印刷品；摄像机采集的图像通过通讯装置传输至服务器；服务器根据接收到的图像并结合其存储的参考图像，判断该印刷品的瑕疵位置及瑕疵情况。
42.其中通讯装置包括4g\5g系统、wifi系统、总线系统。
43.除此之外，实施例中记载的诸多效果，也是本发明所能够达到的效果，也是为了解决技术问题所专门设计的，同样属于本发明的发明贡献。
44.以上各种实施例仅为有限列举，由于篇幅无法穷举，因此不作为对权利保护范围的 限定，所有和上述产品、方法类似的技术方案均在本技术保护范围之内。