一種印刷品質量檢測方法
【專利摘要】本發(fā)明公開了一種印刷品質量檢測方法，該方法包括圖像預處理、印刷品定位、缺陷分割、缺陷識別等方面，解決了印刷品識別的問題。圖像預處理階段，對圖像進行了灰度化、中值濾波、灰度拉伸、二值化等處理。在這一過程中，采用OTSU法對圖像進行了二值化處理，達到了理想效果，去除了圖像的噪聲，為印刷品定位和缺陷分割奠定了基礎?；谟∷⑵返幕咎卣鞑捎靡环N改進的水平投影法對印刷品進行了缺陷分割。針對印刷品識別的后期技術，該網絡由BP神經網絡識別模塊和模糊控制器構成。實驗結果表明，和標準BP網絡相比，該算法具有更加良好的性能，滿足實時識別印刷品的要求。
【專利說明】
一種印刷品質量檢測方法
技術領域
[0001] 本發(fā)明屬于圖像處理技術領域，具體涉及一種印刷品質量檢測方法。
【背景技術】
[0002] 隨著人們生活水平的提高，人們對印刷品的外觀要求越來越高，印刷品也越來越 精細另一方面，當前印刷生產已經實現(xiàn)了自動化和數(shù)字化，印刷速度越來越高，這就導致了 印刷品的生產難度不斷增加。由于印刷過程中印刷機械和印刷材料的不完善以及一些不易 避免的隨機因素的影響，在印刷過程中經常會出現(xiàn)顏色深淺失真、油墨污點、文字模糊、起 皺、漏印、刮傷、套印不準等各種缺陷。
[0003] 為了使印刷品的廢品率得到嚴格的控制，使不合格品得到快速剔除，這就要求我 們在印刷過程中對印刷品出現(xiàn)的各種缺陷能進行準確地識別和判斷，并把得到的信息及時 地反饋給印刷機，對印刷機進行適當?shù)卣{整，以實現(xiàn)對印刷過程的實時控制和印刷品質量 的在線檢測。

【發(fā)明內容】

[0004] 根據(jù)以上現(xiàn)有技術的不足，本發(fā)明所要解決的技術問題是提出一種印刷品質量檢 測方法，通過獲取印刷品的圖像，對圖像進行預處理并送入識別系統(tǒng)，完成印刷品的自動識 別技術。
[0005] 為了解決上述技術問題，本發(fā)明采用的技術方案為:一種印刷品質量檢測方法，包 括如下步驟:SOlXCD攝像機由主機控制，當被測印刷品到達預設檢測點時，采集接口根據(jù) 主機信號自動攝入印刷品正面包含印刷品的視頻圖像，并對所攝取的圖像進行輸入接口處 理、幀存和模數(shù)轉換，圖像采集卡獲得印刷品圖像；S02、對所采集到的圖像進行濾波及增 強，通過邊緣檢測確定印刷品在整個圖像中的具體相對位置，并從中將印刷品區(qū)域分割出 來并去除噪聲干擾，由整個原始圖像得到矩形印刷品圖像;S03、對圖像采集階段產生傾斜 的印刷品區(qū)域圖像進行傾斜矯正，去除邊框，然后將得到的矩形印刷品區(qū)域圖像進行分割， 得到幾個只包含單個印刷品缺陷的小矩形圖像;S04、把分割出的單個缺陷圖像輸入缺陷識 別系統(tǒng)進行識別，并將結果輸出到數(shù)據(jù)庫或顯示界面。所述步驟S02中，印刷品在整個圖像 中的定位方法具體為:Ρ〇1、邊緣腐蝕，在對二值化的印刷品圖像進行了邊緣檢測后，構造垂 直方向的結構基元對圖像進行腐蝕運算，來消除背景區(qū)域內的噪聲;P02、區(qū)域連通，采用閉 運算對圖像進行處理，通過其連接鄰近物體和平滑邊界的性能將印刷品區(qū)域變?yōu)檫B通區(qū) 域;P03、去除干擾，設置印刷品區(qū)域面積閾值范圍為[T 1;],則把面積大小在[T1, T2]之外 區(qū)域看作干擾區(qū)域，并將其刪除;P04、搜索印刷品，自下而上對圖像進行逐行掃描，記錄第i 行中白色像素點的數(shù)目為X，根據(jù)經驗設置X的閾值為Thdl，若所在行滿足條件P: x>Thdl，記 錄i的數(shù)值作為缺陷區(qū)域下邊界ibottom，然后再向上逐行掃描，直到白色像素點數(shù)目突然 減少到不滿足條件P，再記錄此時i的數(shù)值作為缺陷區(qū)域上邊界itop。所述步驟S03中，傾斜 的印刷品圖像矯正的具體步驟為:M01、由于圖像中印刷品傾斜角度通常在20°以內，于是對 邊緣檢測后的圖像作范圍為(-20°，20°)的Radon變換;M02、求取在每個角度Radon變換后投 影圖像梯度絕對值，并進行累加;M03、選取最大累加值對應角度作為傾斜角度并進行輸出； M04、將印刷品圖像根據(jù)傾斜角度做逆時針校正。所述步驟S03中，去除圖像邊框的步驟具體 為:A01、在印刷品圖像高度四分之一處自下而上逐行對其掃描，并記錄i數(shù)值，即上一步i減 I; A02、計算掃描行所含有連續(xù)黑色像素點的個數(shù)j ; A03、選取閾值為n/5，并將所在行j與其 進行比較，如果j>n/5,則停止掃描，執(zhí)行下一步；否則返回步驟1繼續(xù)循環(huán)，A04、去除此行以 上所有區(qū)域。所述步驟S03中，圖像分割的具體步驟為:B01、將二值化后的圖像自左向右逐 列掃描，記錄每一列的白色像素點數(shù)目X，可以用一個In的向量來表示，其中η為印刷品圖像 像素列數(shù)，可選取X閾值t為2;Β02、在掃描過程中，將所在列X數(shù)值與閾值t作比較，直到首次 掃描到X大于閾值t的列，將其標記為缺陷分割起始處，繼續(xù)掃描直到尋找到X小于閾值t的 列則標記并暫停;B03、然后設置寬度閾值d為印刷品寬度的1/9,計算上述標記的兩列之間 寬度并與閾值d作比較，若大于d，則停止掃描;若小于d，繼續(xù)進行掃描直到尋找到下一個白 色像素點大于閾值t的列并將其標記，繼續(xù)重復上述寬度判斷的過程，直到大于閾值d則缺 陷分割完成。B04、印刷品中其他缺陷均為連通區(qū)域，繼續(xù)自左向右對圖像逐列掃描，直到遇 到白色像素點X大于閾值t的列作為起始位置，繼續(xù)掃描直到X小于閾值或該列與起始列之 間寬度大于總寬度的1/6。
[0006] 本發(fā)明有益效果是：（1)本發(fā)明先對印刷品圖像進行了預處理，去除噪聲，克服干 擾，為印刷品定位和缺陷分割奠定基礎。采用了分段先行灰度化法，對圖像進行了灰度化， 并進行了中值濾波。二值化法采用全局閾值發(fā)中的OTSU法，對圖像進行了二值化。
[0007] (2)對經過預處理的印刷品進行精確的定位。采用SObel算子法對預處理后的圖像 進行了邊緣檢測，并通過數(shù)學形態(tài)學方法做了一系列處理，對印刷品進行了精準的定位。
[0008] (3)對定位后的印刷品進行了 Radon變換傾斜校正和去邊框的處理，校正效果良 好，保證了印刷品圖像的質量。
[0009] (4)分析了常用的缺陷分割法，根據(jù)缺陷特征，提出一種基于水平投影的改進型分 割法，對處理后的印刷品缺陷進行了分割，效果良好。
[0010] (5)使用了并行神經網絡算法進行印刷品識別，該識別算法具有良好的快速性，穩(wěn) 定性和準確性，滿足印刷品實時識別的要求。由于將一個大樣本庫分成4個獨立的子樣本 庫，簡化了識別過程，也適合硬件實現(xiàn)。
【附圖說明】
[0011] 下面對本說明書附圖所表達的內容及圖中的標記作簡要說明：
[0012] 圖1是本發(fā)明的【具體實施方式】的方法流程圖。
[0013] 圖2是本發(fā)明的【具體實施方式】的并行識別系統(tǒng)構架。
[0014]圖3是本發(fā)明的【具體實施方式】的BP網絡結構圖。
【具體實施方式】
[0015]下面對照附圖，通過對實施例的描述，本發(fā)明的【具體實施方式】如所涉及的各構件 的形狀、構造、各部分之間的相互位置及連接關系、各部分的作用及工作原理、制造工藝及 操作使用方法等，作進一步詳細的說明，以幫助本領域技術人員對本發(fā)明的發(fā)明構思、技術 方案有更完整、準確和深入的理解。
[0016] 一種印刷品質量檢測方法，包括如下步驟:SO I、CXD攝像機由主機控制，當被測印 刷品到達預設檢測點時，采集接口根據(jù)主機信號自動攝入印刷品正面包含印刷品的視頻圖 像，并對所攝取的圖像進行輸入接口處理、幀存和模數(shù)轉換，圖像采集卡獲得印刷品圖像； S02、對所采集到的圖像進行濾波及增強，通過邊緣檢測確定印刷品在整個圖像中的具體相 對位置，并從中將印刷品區(qū)域分割出來并去除噪聲干擾，由整個原始圖像得到矩形印刷品 圖像;S03、對圖像采集階段產生傾斜的印刷品區(qū)域圖像進行傾斜矯正，去除邊框，然后將得 到的矩形印刷品區(qū)域圖像進行分割，得到幾個只包含單個印刷品缺陷的小矩形圖像;S04、 把分割出的單個缺陷圖像輸入缺陷識別系統(tǒng)進行識別，并將結果輸出到數(shù)據(jù)庫或顯示界 面。所述步驟S02中，印刷品在整個圖像中的定位方法具體為:P01、邊緣腐蝕，在對二值化的 印刷品圖像進行了邊緣檢測后，構造垂直方向的結構基元對圖像進行腐蝕運算，來消除背 景區(qū)域內的噪聲;P02、區(qū)域連通，采用閉運算對圖像進行處理，通過其連接鄰近物體和平滑 邊界的性能將印刷品區(qū)域變?yōu)檫B通區(qū)域;P03、去除干擾，設置印刷品區(qū)域面積閾值范圍為 [T 1,T2]，則把面積大小在[T1,T2]之外區(qū)域看作干擾區(qū)域，并將其刪除;P04、搜索印刷品，自 下而上對圖像進行逐行掃描，記錄第i行中白色像素點的數(shù)目為X，根據(jù)經驗設置X的閾值為 Thdl，若所在行滿足條件P:x>Thdl，記錄i的數(shù)值作為缺陷區(qū)域下邊界ibottom，然后再向上 逐行掃描，直到白色像素點數(shù)目突然減少到不滿足條件P，再記錄此時i的數(shù)值作為缺陷區(qū) 域上邊界itop。所述步驟S03中，傾斜的印刷品圖像矯正的具體步驟為:M01、由于圖像中印 刷品傾斜角度通常在20°以內，于是對邊緣檢測后的圖像作范圍為（-20°，20°)的Radon變 換;M02、求取在每個角度Radon變換后投影圖像梯度絕對值，并進行累加;M03、選取最大累 加值對應角度作為傾斜角度并進行輸出;M04、將印刷品圖像根據(jù)傾斜角度做逆時針校正。 所述步驟S03中，去除圖像邊框的步驟具體為:A01、在印刷品圖像高度四分之一處自下而上 逐行對其掃描，并記錄i數(shù)值，即上一步i減1;A02、計算掃描行所含有連續(xù)黑色像素點的個 數(shù)j;A03、選取閾值為n/5,并將所在行j與其進行比較，如果j>n/5,則停止掃描，執(zhí)行下一 步；否則返回步驟1繼續(xù)循環(huán)，A04、去除此行以上所有區(qū)域。所述步驟S03中，圖像分割的具 體步驟為:BO1、將二值化后的圖像自左向右逐列掃描，記錄每一列的白色像素點數(shù)目X，可 以用一個I η的向量來表示，其中η為印刷品圖像像素列數(shù)，可選取X閾值t為2; BO 2、在掃描過 程中，將所在列X數(shù)值與閾值t作比較，直到首次掃描到X大于閾值t的列，將其標記為缺陷分 割起始處，繼續(xù)掃描直到尋找到X小于閾值t的列則標記并暫停;B03、然后設置寬度閾值d為 印刷品寬度的1/9,計算上述標記的兩列之間寬度并與閾值d作比較，若大于d，則停止掃描； 若小于d，繼續(xù)進行掃描直到尋找到下一個白色像素點大于閾值t的列并將其標記，繼續(xù)重 復上述寬度判斷的過程，直到大于閾值d則缺陷分割完成。B04、印刷品中其他缺陷均為連通 區(qū)域，繼續(xù)自左向右對圖像逐列掃描，直到遇到白色像素點X大于閾值t的列作為起始位置， 繼續(xù)掃描直到X小于閾值或該列與起始列之間寬度大于總寬度的1/6。
[0017] 本發(fā)明的識別方法主要思路如下:CCD攝像機由主機控制，當被測印刷品到達預設 檢測點時，采集接口根據(jù)主機信號自動攝入印刷品正面的視頻圖像，并對所攝取的圖像進 行輸入接口處理、幀存和模數(shù)轉換，圖像采集卡獲得印刷品圖像。
[0018] 計算機視覺系統(tǒng)安裝在印刷生產線上，對生產線上的印刷產品圖像實現(xiàn)實時的動 態(tài)采集，采集得到的圖像經傳輸、變換等一系列處理，最后進行缺陷檢測。在圖像的形成、傳 輸和變換的過程中，圖像經常會被各種不同的噪聲，如生產線上傳送帶的抖動引起的噪聲、 傳感裝置的電噪聲、圖像傳感器和圖像傳輸產生的椒鹽噪聲等噪聲污染。為了提高檢測系 統(tǒng)的分析與識別能力，在圖像做進一步處理之前，需要進行濾波以去除原始圖像中的噪聲。
[0019] 通過邊緣檢測確定印刷品在整個圖像中的具體相對位置，并從中將印刷品區(qū)域分 割出來并去除噪聲干擾，由整個原始圖像得到印刷品圖像。為了便于后續(xù)的識別工作效果 更好，在缺陷分割之前，需要對圖像采集階段產生傾斜的印刷品區(qū)域圖像進行傾斜矯正。然 后將得到的印刷品區(qū)域圖像進行分割，得到幾個只包含單個印刷品小矩形圖像，這便是待 識別的印刷品。在印刷質量檢測系統(tǒng)中，印刷品缺陷的檢測是通過比較"標準的"模板圖像 與實際采集圖像，根據(jù)它們之間是否存在差異以及差異的大小，來判斷印刷品合格與否的。
[0020] 原始印刷品圖像一般是通過攝像機等設備拍攝采集所得，所以得到的圖像通常是 印刷品及復雜背景的彩色數(shù)字圖像，這會使系統(tǒng)的運行處理速度變低，而且還會占據(jù)很大 的存儲空間。于是應該先將原始圖像進行灰度化處理，得到灰度圖像;另外圖像在拍攝的過 程會受到當時印刷品運行速度及外界天氣及光線等不確定因素影響，給采集到的圖片帶來 噪聲干擾，而圖片質量的降低是不利于后續(xù)的定位、缺陷分割及識別工作的。因此，要保證 高的正確識別率，需要提高對圖像進行預處理工作，去除噪聲和與識別無關的信息，弱化背 景影響，同時增強缺陷區(qū)域，使圖像質量更適合識別。
[0021] 圖像增強是指對圖像按照具體需求來進行加工處理，來增強圖像中一些重要信息 并抑制其他信息，改善原圖像的視覺效果使其變得更有利于后續(xù)工作。在拍攝采集和傳輸 印刷品圖像時，往往會有許多不良因素的干擾影響，例如光線條件、拍攝距離、印刷品運行 速度等，這些干擾可能會導致所采集的圖像質量降低，印刷品區(qū)域對比度低，圖像細節(jié)模糊 難以辨認，給下一步的定位和識別工作增加難度。于是，應該對印刷品圖像做相應的圖像增 強處理，來改善圖片質量和視覺效果。
[0022] 圖像增強是圖像預處理的基本內容，包括空域增強和頻域增強兩大類?？沼蛟鰪?是指通過改變原圖像中像素的灰度值來直接對其進行處理，相當于對圖片自身進行處理； 而頻域增強則是先改變原圖像的傅立葉變換系數(shù)，然后將其進行傅立葉變換，得到圖像增 強的效果。常用的圖像增強手段有圖像灰度變換、圖像濾波等。在復雜環(huán)境下可以采用 Retinex算法和暗原色先驗去霧算法等等。
[0023]灰度圖像一般共有256個灰度級，雖然其明暗對比度看上去比較明顯，但對于印刷 品定位工作來說，還存在著太多的背景像素干擾。為了提高定位和識別的準確率，要將目標 像素和背景像素徹底分離開來，使圖像只含有黑與白兩種灰度色彩，即圖像的灰度級只包 括0和1。將灰度圖像進行處理轉變成二值圖像的過程便是圖像的二值化過程。數(shù)字圖像二 值化所起的作用很大，因為不僅減少了信息量，在存儲和運算方面降低了系統(tǒng)資源占用率 和運行時間，還更有利于去除噪聲，便于對圖像特征進行檢測與提取。
[0024] 二值化的具體算法是先根據(jù)灰度圖像中目標像素和背景像素的灰度值對比，設置 一個二值化閾值范圍，然后依據(jù)其對像素進行處理，灰度級在閾值范圍內劃分為一類，其余 的劃分為另一類。將背景像素灰度值設置為〇,目標像素灰度值設置為1。由此看來，選取合 適的閾值范圍是十分關鍵的。確定閾值范圍的方法很多，總體上可分為全局閾值法和局部 閾值法。
[0025] 為了能準確地將印刷品區(qū)域定位提取出來，應將邊緣檢測后的圖像運用數(shù)學形態(tài) 學方法來進行處理。數(shù)學形態(tài)學是一種基于幾何學與形態(tài)集合論，使用特定形態(tài)的結構基 元來對二值圖像進行分析與處理的理論方法。該方法作為一種獨特的研究圖像形態(tài)特征的 新方法，在圖像處理分析、模式識別、視覺檢測等領域中取得廣泛應用。數(shù)學形態(tài)學方法是 先選取對圖像處理合適類型的結構基元，并采用像素鄰域邏輯運算完成對圖像形態(tài)變換過 程，以加強圖像中所需信息。
[0026]本發(fā)明采用了數(shù)學形態(tài)學，選取了不同類型的結構基元，對邊緣檢測后的圖像進 行了多次處理，削弱了背景區(qū)域內的干擾因素影響，并將缺陷區(qū)域連通成為整體，與其他區(qū) 域斷開。然后對處理后的圖像進行分析，獲得準確的定位結果。基于數(shù)學形態(tài)學處理的印刷 品定位具體步驟為：
[0027] 1.邊緣腐蝕
[0028] 在對二值化的印刷品圖像進行了邊緣檢測后，印刷品區(qū)域被突出的同時也伴隨著 外部區(qū)域一些孤立噪聲被加強。此時印刷品缺陷區(qū)域內含有較豐富的縱向邊緣，可以構造 垂直方向的結構基元對圖像進行腐蝕運算，來消除背景區(qū)域內的噪聲。
[0029] 2.區(qū)域連通
[0030] 此時印刷品區(qū)域內還存在著斷開的缺陷邊緣紋理，需將其中的空洞和裂縫填補以 成為一個整體。于是可以采用閉運算對圖像進行處理，通過其連接鄰近物體和平滑邊界的 性能將印刷品區(qū)域變?yōu)檫B通區(qū)域。
[0031] 3.去除干擾
[0032] 閉運算之后的圖像中存在一些連通的區(qū)域，其中除了印刷品區(qū)域外其余都是背景 的干擾，需要盡可能地將這些干擾區(qū)域去除。本發(fā)明是根據(jù)面積來去除一些和印刷品區(qū)域 面積相差過多的干擾區(qū)域，保留面積接近的作為候選區(qū)域。
[0033] 通常來說，經過拍攝所采集印刷品圖像中，印刷品區(qū)域的面積是在一定范圍內的， 設置該面積閾值范圍為[T1J 2],則把面積大小在[T1, T2]之外區(qū)域看作干擾區(qū)域，并將其刪 除。攝像機對印刷品的拍攝存在很大的隨性，因此需要針對具體情況調整閾值TjPT 2的大 小。
[0034] 4.搜索印刷品
[0035] 將部分干擾區(qū)域消除后，自下而上對圖像進行逐行掃描，記錄第i行中白色像素點 (灰度級為255)的數(shù)目為X。根據(jù)經驗設置X的閾值為Thdl。若所在行滿足條件P:x>Thdl，記 錄i的數(shù)值作為缺陷區(qū)域下邊界ibottom。然后再向上逐行掃描，直到白色像素點數(shù)目突然 減少到不滿足條件P，再記錄此時i的數(shù)值作為缺陷區(qū)域上邊界itop。最后適量在上下邊框 外部各放寬幾行以保留印刷品邊框。
[0036] 用同樣的算法從左向右逐列掃描，也可以將缺陷區(qū)域的左右邊框ileft和iright 搜索到，在搜索過程中設置白色像素數(shù)目y的閾值Thd2要比Thdl小。
[0037] 經過印刷品定位所提取出的印刷品區(qū)域還是一個整體，需要將其中的污點等缺陷 分割出來，變成單個缺陷圖像的形式，這便是缺陷分割的過程。正確的缺陷分割是印刷品缺 陷識別順利進行的關鍵，分割的效果直接影響了識別的正確率。往往實際中拍攝的印刷品 圖像中，會或多或少地出現(xiàn)污點、褪色以及光照不勻等因素，再加上分割技術本身的難度， 影響缺陷分割的準確性。本發(fā)明對幾種常用的缺陷分割算法分別進行了深入研究，然后針 對傳統(tǒng)算法的優(yōu)缺點提出了一種改進算法，并完成了印刷品缺陷分割過程而且效果比較精 確。
[0038] 1.針對印刷品左起第一個缺陷為漢字缺陷進行分割。將二值化后的圖像自左向右 逐列掃描，記錄每一列的白色像素點數(shù)目X，可以用一個In的向量來表示，其中η為印刷品圖 像像素列數(shù)，可選取X閾值t為2。
[0039] 2.在掃描過程中，將所在列X數(shù)值與閾值t作比較，直到首次掃描到X大于閾值t的 列，將其標記為缺陷分割起始處，繼續(xù)掃描直到尋找到X小于閾值t的列則標記并暫停。然后 設置寬度閾值d為印刷品寬度的1/9,計算上述標記的兩列之間寬度并與閾值d作比較，若大 于d，則停止掃描;若小于d，則說明所掃描的為不連通污點，所在列為污點中的間隙，需繼續(xù) 進行掃描直到尋找到下一個白色像素點大于閾值t的列并將其標記。繼續(xù)重復上述寬度判 斷的過程，直到大于閾值d則缺陷分割完成。
[0040] 3.印刷品中其他缺陷均為連通的，繼續(xù)自左向右對圖像逐列掃描，直到遇到白色 像素點X大于閾值t的列作為起始位置(此時閾值取值應大于3,以跳過第二個缺陷后面的小 圓點），繼續(xù)掃描直到X小于閾值或該列與起始列之間寬度大于總寬度的1/6。用同樣方法分 割出剩余缺陷。
[0041] 缺陷識別是印刷品自動識別系統(tǒng)中最關鍵的工作步驟，本發(fā)明提出了圖2所示的 一種并行神經網絡結構，識別算法可細分為某些子任務，而且為了減少通信和同步的開銷， 各子任務是相互獨立的，然后對判決器的工作狀態(tài)進行如下控制：
[0042] 分類控制采取模糊控制算法，首先判定輸入缺陷對各缺陷子集隸屬度的最大值， 即
[0043] A(x) =.:max〇),//&(x)}x，其中 A ⑴表示缺陷X對缺陷子集Ri的 隸屬程度，取值范圍為[0，1]，然后控制Ri的判決器工作是否有效。IF輸入向量e缺陷集Ri, THEN缺陷集Ri識別結果有效，判決器將識別結果送往系統(tǒng)輸出向量；IF輸入向量g缺陷集 R1，THEN缺陷集心識別結果無效，判決器放棄相應識別結果，用' 0 '填充編碼結果并發(fā)送給系 統(tǒng)輸出向量。系統(tǒng)每個輸出向量編碼對應第i個缺陷集的第j個缺陷。
[0044] 每個網絡選取101維特征向量作為輸入，根據(jù)先驗知識，字母識別網絡有25個輸出 單元(字母A~Z不包括I )，數(shù)字識別網絡有10個輸出單元，漢字識別網絡分別有34個輸出單 元。經實驗，20個隱層單元數(shù)有較好的收斂速度。
[0045] -般的說，一個神經元可以同時發(fā)送它的激勵信號到其它的神經元，函數(shù)f(x)是 處處可導的，X的值盡量控制在收斂比較快的范圍內，本發(fā)明選取神經元作用函數(shù)為：
[0046] f(x)=-l/2+l/(l+e-x) (3)
[0047] 實驗表明，采用此函數(shù)和采用標準S函數(shù)相比，收斂時間可以減少40 %左右。用粗 網格和紋理特征作為輸入，對4個神經網絡分別進行無噪聲和有噪聲訓練，無噪聲訓練時目 標誤差取〇. 1，最大次數(shù)為5000次，有噪聲訓練時目標誤差取0.5，最大次數(shù)為500次。
[0048]針對網絡學習時間長，收斂速度慢的特點，本發(fā)明采用式(4-2)加動量項的方法來 調節(jié)BP網的連接權值和式(4-1)改進的神經元作用函數(shù)，改善學習收斂效果。
[0049] Wy(N + l) -/<3H^.(iV)+ (4)
[0050] 式中 μ取0.8。
[0051] 上面結合附圖對本發(fā)明進行了示例性描述，顯然本發(fā)明具體實現(xiàn)并不受上述方式
【主權項】
1. 一種印刷品質量檢測方法，其特征在于，包括如下步驟： SO 1、CCD攝像機由主機控制，當被測印刷品到達預設檢測點時，采集接口根據(jù)主機信號 自動攝入印刷品正面包含印刷品的視頻圖像，并對所攝取的圖像進行輸入接口處理、幀存 和模數(shù)轉換，圖像采集卡獲得印刷品圖像； 502、 對所采集到的圖像進行濾波及增強，通過邊緣檢測確定印刷品在整個圖像中的具 體相對位置，并從中將印刷品區(qū)域分割出來并去除噪聲干擾，由整個原始圖像得到矩形印 刷品圖像； 503、 對圖像采集階段產生傾斜的印刷品區(qū)域圖像進行傾斜矯正，去除邊框，然后將得 到的矩形印刷品區(qū)域圖像進行分割，得到幾個只包含單個印刷品缺陷的小矩形圖像； 504、 把分割出的單個缺陷圖像輸入缺陷識別系統(tǒng)進行識別，并將結果輸出到數(shù)據(jù)庫或 顯示界面。2. 根據(jù)權利要求1所述的印刷品質量檢測方法，其特征在于，所述步驟S02中，印刷品在 整個圖像中的定位方法具體為： P01、邊緣腐蝕，在對二值化的印刷品圖像進行了邊緣檢測后，構造垂直方向的結構基 元對圖像進行腐蝕運算，來消除背景區(qū)域內的噪聲； P02、區(qū)域連通，采用閉運算對圖像進行處理，通過其連接鄰近物體和平滑邊界的性能 將印刷品區(qū)域變?yōu)檫B通區(qū)域； P03、去除干擾，設置印刷品區(qū)域面積閾值范圍為[T^Ts]，則把面積大小在[T^Ts]之外 區(qū)域看作干擾區(qū)域，并將其刪除； P04、搜索印刷品，自下而上對圖像進行逐行掃描，記錄第i行中白色像素點的數(shù)目為X， 根據(jù)經驗設置X的閾值為Thdl，若所在行滿足條件P: x>Thdl，記錄i的數(shù)值作為缺陷區(qū)域下 邊界ibottom，然后再向上逐行掃描，直到白色像素點數(shù)目突然減少到不滿足條件P，再記錄 此時i的數(shù)值作為缺陷區(qū)域上邊界itop。3. 根據(jù)權利要求1所述的印刷品質量檢測方法，其特征在于，所述步驟S03中，傾斜的印 刷品圖像矯正的具體步驟為： M01、由于圖像中印刷品傾斜角度通常在20°以內，于是對邊緣檢測后的圖像作范圍為 (-20° ,20°)的Radon變換； M02、求取在每個角度Radon變換后投影圖像梯度絕對值，并進行累加； M03、選取最大累加值對應角度作為傾斜角度并進行輸出； M04、將印刷品圖像根據(jù)傾斜角度做逆時針校正。4. 根據(jù)權利要求1所述的印刷品質量檢測方法，其特征在于，所述步驟S03中，去除圖像 邊框的步驟具體為： A01、在印刷品圖像高度四分之一處自下而上逐行對其掃描，并記錄i數(shù)值，即上一步i 減1; A02、計算掃描行所含有連續(xù)黑色像素點的個數(shù)j; A03、選取閾值為n/5,并將所在行j與其進行比較，如果j>n/5,則停止掃描，執(zhí)行下一 步;否則返回步驟1繼續(xù)循環(huán)， A04、去除此行以上所有區(qū)域。5. 根據(jù)權利要求1所述的印刷品質量檢測方法，其特征在于，所述步驟S03中，圖像分割 的具體步驟為： BO 1、將二值化后的圖像自左向右逐列掃描，記錄每一列的白色像素點數(shù)目X，可以用一 個In的向量來表示，其中η為印刷品圖像像素列數(shù)，可選取X閾值t為2; B02、在掃描過程中，將所在列X數(shù)值與閾值t作比較，直到首次掃描到X大于閾值t的列， 將其標記為缺陷分割起始處，繼續(xù)掃描直到尋找到X小于閾值t的列則標記并暫停； B03、然后設置寬度閾值d為印刷品寬度的1/9,計算上述標記的兩列之間寬度并與閾值 d作比較，若大于d，則停止掃描;若小于d，繼續(xù)進行掃描直到尋找到下一個白色像素點大于 閾值t的列并將其標記，繼續(xù)重復上述寬度判斷的過程，直到大于閾值d則缺陷分割完成。 B04、印刷品中其他缺陷均為連通區(qū)域，繼續(xù)自左向右對圖像逐列掃描，直到遇到白色 像素點X大于閾值t的列作為起始位置，繼續(xù)掃描直到X小于閾值或該列與起始列之間寬度 大于總寬度的1/6。
【文檔編號】G06N3/02GK105844621SQ201610157347
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】程小飛
【申請人】阜陽市飛揚印務有限公司