[发明专利]一种人工智能的柔版印刷压力预测方法

权利要求书

1.一种人工智能的柔版印刷压力预测方法，其特征在于，具体按以下步骤实施：

步骤1，对分色原稿图像进行二值化操作，得到二值化图像；

步骤2，将经步骤1得到的二值化图像进行取反操作，得到反色二值化图像；

步骤3，将经步骤2得到的反色二值化图像划分为若干规则的网格，计算每个网格区域内的图文面积，得到面积矩阵；

步骤4，对分色原稿图像进行梯度计算，得到梯度图像；

步骤5，将经步骤4得到的梯度图像划分为若干规则的网格，计算每个网格内的最大梯度值，得到最大梯度值矩阵；

步骤6，对分色原稿图像进行灰度共生矩阵计算，得到灰度共生矩阵，即为分色原稿图像的纹理特征；

步骤7，对分色原稿图像进行梯度方向直方图计算，得到梯度方向直方图矩阵，即为分色原稿图像的另一纹理特征；

步骤8，将经步骤3、步骤5、步骤6和步骤7得到的面积矩阵、最大梯度值矩阵、灰度共生矩阵和梯度方向直方图横向并列，得到分色原稿图像的特征矩阵；

步骤9，在柔版印刷机上采集与分色图像对应印版的实际印刷压力值，同时，将经步骤8得到的特征矩阵作为SVR-BP组合神经网络模型的输入数据；实际印刷压力值作为SVR-BP组合神经网络模型的输出数据，建立压力预测的SVR-BP组合神经网络模型，对模型参数进行优化，得到合适的压力预测模型。

2.根据权利要求1所述的一种人工智能的柔版印刷压力预测方法，其特征在于，所述步骤3具体按以下步骤实施：

步骤3.1，将步骤2得到的反色二值化图像划分为28*28的规则网格，用于网格区域内的图文面积计算；

步骤3.2，标记网格内连通区域的个数，然后，统计每个连通区域内的像素点个数，最后，将每个连通区域内的像素点数相加，得到网格内的图文面积；

步骤3.3，对每个网格内的图文面积进行计算，最终得到28*28的面积矩阵。

3.根据权利要求1所述的一种人工智能的柔版印刷压力预测方法，其特征在于，所述步骤5具体按以下步骤实施：

步骤5.1，使用常用的Robert算子横向梯度模板对分色原稿图像进行卷积计算，得到横向梯度图像；

步骤5.2，使用常用的Robert算子纵向梯度模板对分色原稿图像进行卷积计算，得到纵向梯度图像；

步骤5.3，计算梯度的模，得到梯度图像，通常将梯度的模简称为梯度，因此梯度的计算为：

式中，Gx为横向梯度，Gy为纵向梯度，G为梯度的模，即梯度。

4.根据权利要求1所述的一种人工智能的柔版印刷压力预测方法，其特征在于，所述步骤9具体内容包括：

以特征矩阵为输入数据和实际印刷压力值为输出数据的SVR-BP组合神经网络模型，首先将输入数据和输出数据组成的数据集划分为训练集和测试集，然后将训练集的数据输入到SVR-BP组合神经网络模型中，经归一化、组合网络处理，建立特征矩阵和实际印刷压力值之间的非线性映射关系，最后将测试集的数据输入到训练好的SVR-BP组合神经网络模型中，经过SVR-BP组合神经网络模型计算便可以预测出最佳印刷压力值。

5.根据权利要求1所述的一种人工智能的柔版印刷压力预测方法，其特征在于，所述步骤9中首先将经步骤8得到的特征矩阵进行归一化处理，采用线性归一化的方法，将特征矩阵归一化至[0,1]区间，其表达式如下：

式中，X和X'分别表示为原始数据和归一化后数据，X_min和X_max分别表示原始数据的最小值和最大值。