[发明专利]一种机器视觉中印刷品缺陷自动分类方法

说明书

本发明公开了一种机器视觉中印刷品缺陷自动分类方法，首先定义印刷品缺陷类型，将印刷品缺陷分类为暗缺陷、亮缺陷、刀丝和偏色四类；然后采集四类缺陷样本图像，并进行预处理以获得对应的形态特征图像，对缺陷样本及其对应的形态特征图像进行标记；设计卷积神经网络模型；优化选择合适的训练参数和训练策略，训练卷积神经网络模型；最后对于待分类的印刷缺陷图像，提取其形态特征图像，连同缺陷图像一起作为输入图像，进行分类，以确定其属于暗缺陷、亮缺陷、刀丝和偏色中的哪一类型。本发明解决了现有技术中存在的印刷缺陷特征提取鲁棒性不够好、分类识别的正确率较低的问题。

技术领域

本发明属于印刷技术领域，具体涉及一种机器视觉中印刷品缺陷自动分类方法。

背景技术

现代印刷机的速度越来越快，印刷企业对产品质量的要求越来也越高。为了及时发现印刷缺陷，减少浪费，提高产品质量，大多数的印刷企业都配备了基于机器视觉的印刷品质量检测系统。但目前的检测系统大多是能将缺陷检测出来，但无法对印刷缺陷的种类进行精确的分类。由于不同缺陷产生的原因不同，有些缺陷是临时出现的，只需标记出来；而另外一些缺陷属于严重缺陷，是由设备异常引起的，会在生产的过程中一直存在，如果不及时停机处理将造成巨大的浪费。因此，企业迫切需要精确的印刷缺陷自动分类方法，以能够自动区分不同类型的缺陷。同时，对不同种类的缺陷进行标记，也有利于生产企业对出现错误的原因进行分析，便于生产管理。

目前，在印刷缺陷的分类方面大多数还是基于传统的机器学习方法。通过人工设计的特征提取方法，提取缺陷区域的面积、周长、长宽比及纹理特征并通过相应的分类器进行分类。人工设计的特征提取方法，因人而异，提取的特征在鲁棒性、适应性、分类的准确性方面均存在着问题。为克服这些问题，本发明提出一种机器视觉中印刷缺陷特征自动分类方法，能够自适应的提取不同种类的印刷缺陷特征，具有较高的分类正确率。

发明内容

本发明的目的是提供一种机器视觉中印刷品缺陷自动分类方法，解决了现有技术中存在的印刷缺陷特征提取鲁棒性不够好、分类识别的正确率较低的问题。

本发明所采用的技术方案是，一种机器视觉中印刷品缺陷自动分类方法，具体按照以下步骤实施：

步骤1、定义印刷品缺陷类型，将印刷品缺陷分类为暗缺陷、亮缺陷、刀丝和偏色四类；

步骤2、采集步骤1所述四类缺陷样本图像，并进行预处理以获得对应的形态特征图像，对缺陷样本及其对应的形态特征图像进行标记；

步骤3、设计适合印刷缺陷分类的卷积神经网络模型；

步骤4、优化选择合适的训练参数和训练策略，训练步骤3所设计的卷积神经网络模型；

步骤5、对于待分类的印刷缺陷图像，提取其形态特征图像，连同缺陷图像一起作为输入图像，应用步骤4训练好的模型进行分类，以确定其属于暗缺陷、亮缺陷、刀丝和偏色中的哪一类型。

本发明的特点还在于，

步骤2具体按照以下步骤实施：

步骤2.1、计算检测到的缺陷的缺陷中心点，然后以该中心点为中心，裁切出128×128大小的图像作为缺陷样本图像；

步骤2.2、将检测到缺陷的图像，和检测系统中的标准图像配准对齐，进行差分，求取差分后图像中的缺陷中心点，以该中心点为中心，在差分图像中裁切出128×128大小的图像作为该缺陷样本图像对应的形态特征图像；

步骤2.3、人工标记出每个缺陷样本图像及其对应的形态特征图像的缺陷的种类。

步骤3卷积神经网络模型包括输入层、6个卷积层、2个全连接层及分类层。

输入层为128×128大小的缺陷图像及其对应的形态特征图像。

6个卷积层具体如下：