印刷品外观缺陷机器视觉的检测与识别宁波

印刷品外观缺陷机器视觉的检测与识别

在印刷过程中，由于工艺等原因,印刷品往往会出现色差、套印不准现象，还会出现一些缺陷点、墨线、黑皮之类的外观缺陷，从而导致印刷次品的出现。印刷企业一般采用人工方法，在印中抽样及印后逐一进行目测的方法分拣次品，检测效率低、成本高、劳动强度大。实践证明，利用机器视觉系统来代替人进行印刷品缺陷检测，可以提高生产效率，降低生产成本。探讨了利用基于PC的机器视觉系统代替人工进行印刷品检测，利用计算机精度高、速度快的特点，迅速而精确地检测出印刷品的外观缺陷，并对缺陷程度进行综合分析，从而判断印刷品是否为次品或废品。

一、图像采集及预处理

本系统所采用图像采集卡为Matrox公司的meteor II/MC，CCD摄像头为Pulnix6703，系统图像采集速度设定为60帧/秒（图像大小为640×480）。微机系统CPU为PIII750，内存256M。软件开发环境为Win98!VC3、操控办法应用不当6.0。

图像采集过程中，由于摄像机精度、照明环境等因素的影响，采集的图像会存在一定的随机噪声，从而导致图像失真。这里采用即可去掉尖锋干扰，又能保持边缘细节的加权中值滤波算法。确定一个像素个数为奇数的窗口W，先对窗口内各像素加权，某一像素加权值为m，即窗口像素灰度排队时该像素重复m个，再将窗口内的各像元按灰度值从大到小排列，再用其中间位置的灰度值代替原图像f（x，y）的中间值，得到增强图像g（x，y）。

二、视觉检测

（一）缺陷检测

印刷缺陷表现在图像上，即为采集图像缺陷处的灰阶值与标准图的差异。将采集图像的灰度值同标准图进行差分（像素值相减），判断其差值（两幅图灰阶值的相差程度）是否超出以预先设定的标准值范围，就能判断出这幅印刷品有无缺陷。

（二）缺陷识别

差分完成后,得到一幅同采集图大小相同的差分图，其像素值是每两幅图像对应像素点的差值。随后，对差分图像进行逐行扫描，对缺陷点进行探测。当遇到缺陷点像素时（其值 0），用递归的方法遍历整个缺陷区域，同时记录下缺陷区的大小、尺寸。整个扫描过程完成后，递归的次数就是缺陷的个数。在缺陷识别过坏的话差在哪里程中，会有两个或多个相距很近的缺陷区（比如两个缺陷点在图像上只有一个像素距离），通常认为它们同属一个缺陷区，因此，检测前需要先把它们合并成一个缺陷区。这里采用的是数学形态学的膨胀算法（如图1所示）。再经过腐蚀、膨胀、再腐蚀等一系列操作，将缺陷图像的边缘形状提取出来，以便进行进一步的分析和判跨国公司通过向境外技术和资金输出断。

三、实验结果

对在静态方式下所采集的印刷品图像进行测试，实验结果表明（参见图2、图3、图4、图5），上述方法是有效的，能够将仿真的缺陷完整地检测出来，达到了预期的目的。

四、讨论

利用机器视觉识别系统代替人工进行印刷品质量检测，具有实用价值，对此进行了初步的探讨和尝试。下一步需要解决的，一是动态图像捕捉及处理，二是较之外观缺陷要困难得多的如色差、套印不准等缺陷的检测与识别问题。但最下不得少于20毫米此外，印刷质量的评价是一个综合指标，提高系统的智能化信息处理能力也是十分必要的。

鲁镇恶 谢勇

转载自:包装工程

Python3入门机器学习
Java并发
SQL Server教程