[发明专利]一种人工智能的柔版印刷压力预测方法

说明书

本发明公开了一种人工智能的柔版印刷压力预测方法，首先执行对分色原稿图像进行二值化操作，得到二值化图像；其次执行二值化图像进行取反操作，得到反色二值化图像；执行反色二值化图像的网格化，计算每个网格区域内的图文面积，得到面积矩阵；执行对分色原稿图像进行梯度计算，得到梯度图像；然后执行梯度图像的网格化，计算每个网格内的最大梯度值得到最大梯度值矩阵；再执行对分色原稿图像进行灰度共生矩阵计算，得到分色原稿图像灰度共生矩阵；再对分色原稿图像进行梯度直方图特征计算；后执行面积矩阵、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，最后进行压力预测模型的建立。

技术领域

本发明属于印刷技术领域，涉及一种人工智能的柔版印刷压力预测方法。

背景技术

近年来，随着材料技术、工艺技术和印前技术的持续改善，使得柔印步入高印刷品质行列，柔印也迎来了绿色环保国策下最好发展条件的时代。

随着生产智能化的推进，将会带动生产模式的改变，打造科技赋能的柔性、智能生产模式。借助人工智能、机器学习的方法来预测最佳印刷压力值。可以代替传统的压力预测方式。企业可以大量减少人工投入，大幅度提高生产效率。

发明内容

本发明的目的是提供一种人工智能的柔版印刷压力预测方法，能够在不使用专用版面信息测量设备的情况下，通过人工智能的方法来实现柔版印刷压力的预测。

本发明所采用的技术方案是，一种人工智能的柔版印刷压力预测方法，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。

本发明的特点还在于：

其中步骤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；

其中步骤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；