[发明专利]一种印刷字符缺陷定位方法

权利要求书

1.一种印刷字符缺陷定位方法，其特征在于包括如下步骤：

（1）模拟生产线上的字符印刷过程，通过仿射变换生成不同的缺陷字符图像样本，形成缺陷图像集Image_Set；

（2）模拟字符缺陷或少墨现象，将缺陷图像集Image_Set中不同图像中随机区域设置为白色，将对应形成的图像集命名为训练图像集Train_Set；

（3）将缺陷图像集Image_Set与训练图像集Train_Set的对应图像相减，通过将对应图像中相同区域像素被置和不同区域像素重置来对缺陷类型进行标记，形成对应的标签图像集Label_Set；

（4）构建基于缺陷图像的神经网络模型，所述神经网络模型包括特征提取网络以及特征预测网络；将缺陷图像集Image_Set与标签图像集Label_Set输入所述神经网络模型中对样本进行训练，待训练完成后将模型固化导出为model.pb；

（5）获取字符图像并输入所述神经网络模型，并调用model.pb文件进行缺陷预测，通过预测结果确定所述字符缺陷图像的实际缺陷，预测结果中0指代背景区域，1指代缺陷区域。

2.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（1）图像软件随机生成字符图像，将生成的所述字符图像进行不同程度的扭曲、旋转、平移、仿射变换得到m幅缺陷字符图像样本以构成缺陷图像集ImageSet；所述缺陷字符图像样本为RGB三通道图像，且图像尺寸为[m,n,3]，m对应单幅图像的长，n对应单幅图像的宽。

3.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（1）和步骤（5）的所述字符图像至少包括英文字符和中文字符中的一种。

4.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（2）采用Matlab软件产生[0,0]到[m,n]的随机二维坐标，设置Image_Set图像集中的字符缺陷，将对应的缺陷区域像素值置为255，即显示为白色，处理后的图像集为训练图像集Train_Set；且训练图像集Train_Set中的图像均为RGB三通道图像，其对应图像尺寸为[m,n,3]。

5.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（3）将缺陷图像集Image_Set与训练图像集Train_Set的对应图像相减后，得到的图像转成uint8单通道格式并形成为标签图像集Label_Set。

6.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（3）通过将对应图像中相同区域像素被置为0、不同区域像素被置为1来对是否存在缺陷进行标记，形成对应的标签图像集Label_Set。

7.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（3）中不同区域设定为缺陷区域，缺陷区域像素被置为1。

8.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（3）中所述的缺陷类型为少墨、缺失、漏印缺陷中的至少一种。

9.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（4）中，所述特征提取网络前端采用小卷积核卷积层用于局部特征提取，中端以及末端采取大卷积核卷积层用于全局特征提取，并在卷积层后连接池化层以实现特征降维处理，终端连接两个全连接层用于将所提取的特征按背景和字符缺陷这两类进行特征分类。

10.根据权利要求1所述的印刷字符缺陷定位方法，其特征在于步骤（4）中，所述特征预测网络采用池化层和一个全连接层；所述池化层用于防止特征数据过拟合，所述全连接层用于恢复标签图像集Label_Set预测图为输入图像尺寸。