[发明专利]一种基于云计算的纸张质量检测的优化方法

说明书

本发明涉及人工智能领域，具体涉及一种基于云计算的纸张质量检测的优化方法。包括将均匀光照下的纸张图像传输至云服务器中并进行灰度级量化得到纸张灰度分级图像，获取其中各邻域的局部幅频图，计算各局部幅频图中像素点的明显程度；构建各邻域内的局部灰度共生矩阵，计算其对应的纹理方向的纹理宽度和纹理变化速率；计算局部灰度共生矩阵的有效性；计算纸张图像各像素点的特征值生成纸张纹理特征图并进行模板匹配确定纸张的质量，判断是否印刷该纸张。本发明选择纸张纹理的明显方向生成灰度共生矩阵，确定灰度共生矩阵的有效性，得到纸张的纹理特征图，纹理特征更清晰、明显；纸张的纹理特征确定当前纸张的质量，检测结果更准确。

技术领域

本发明涉及人工智能领域，具体涉及一种基于云计算的纸张质量检测的优化方法。

背景技术

劣质纸的纸张表面粗糙、纸灰大、细微沙粒多，在印刷时，容易磨损预涂感光版的感光树脂胶膜，使印版的耐印率降低。因此，要提高胶印印版的耐印率，首先就要从材料的进货渠道抓起，但是现如今印刷材料市场上品牌繁多，难辨好坏，难免买到质量不高的纸张，而且同一批次中难免有个别几张质量不达标的纸张，仅靠人工不可能将每张纸都检查一遍，所以对于纸张的质量检测是很重要的一个环节。

现有技术检测纸张质量，是通过相机获取纸张图片，获取纸张图片的灰度共生矩阵，根据灰度共生矩阵得到纸张的纹理特征图，利用纸张的纹理特征图进行模板匹配确定纸张的质量。

这种方法在获得图片的灰度共生矩阵的时候，会人为给定一个相对位置，但是人为给定的这个相对位置很难适应所有的情况：如果给定相对位置的距离过大，那么生成的灰度共生矩阵就不能准确反应纸张的纹理；而如果给定相对位置的距离过小，纹理会有很多重复无用的信息。

发明内容

本发明提供一种基于云计算的纸张质量检测的优化方法，以解决现有的根据纸张图片的灰度共生矩阵得到的纸张的纹理特征图进行模板匹配的过程中，获取灰度共生矩阵时的相对位置时认为给定的，给定相对位置的距离过大，那么生成的灰度共生矩阵就不能准确反应纸张的纹理；而给定相对位置的距离过小，纹理会有很多重复无用的信息；在生产时由于纸张质量造成工业成本过大从而导致浪费的问题。

本发明的基于云计算的纸张质量检测方法采用如下技术方案，包括以下步骤：

S1:将获取的均匀光照下的纸张图像传输至云服务器中；

S2:对云服务器中的纸张图像进行灰度级量化，得到纸张灰度分级图像；

S3:获取纸张灰度分级图像中每个像素点对应的邻域，计算各邻域的特征值，将该特征值作为该邻域对应像素点的特征值；其中计算邻域特征值的步骤包括：

S301:将各邻域进行傅里叶变化得到各邻域对应的局部幅频图；

S302:提取每个局部幅频图中每个频率点的信息计算每张局部幅频图中所有频率点的明显程度；

S303:筛选出各局部幅频图中所有明显频率点，构建各明显频率点对应的局部灰度共生矩阵；

S304:根据每个局部灰度共生矩阵中的元素数值计算各局部灰度共生矩阵对应的纹理宽度；

S305:根据每个局部灰度共生矩阵中的元素数量计算各局部灰度共生矩阵对应的纹理变化速率；

S306:根据每个局部灰度共生矩阵对应的纹理宽度和纹理变化速率计算各局部灰度共生矩阵对应的有效性；

S307:根据各邻域对应的局部幅频图中所有局部灰度共生矩阵的有效性计算各邻域的特征值；

S4:根据纸张图像中每个像素点的特征值生成纸张纹理特征图，对纸张纹理特征图进行模板匹配确定纸张的质量；

S5:根据纸张质量确定是否对该纸张进行印刷。