[发明专利]一种基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法

权利要求书

1.一种基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，包括：

模板创建阶段，获取无缺陷的模板图，按照横向和纵向进行分割，并按照分割后的区域区分为图案分区和无图案分区；

图像样本训练阶段，针对上一步的模板分区，采用检测方法输出检出的缺陷信息，并通过人工分选出图案边缘误检的分区图像，加入到差异模型中进行训练；

图像实时检测阶段，对检出的缺陷分区结合上一步中的差异模板进行比对，进一步剔除图案边缘未对齐等造成的误检情况，从而降低实时检测中的整体误检率；

所述模板创建阶段、图像样本训练阶段、图像实时检测阶段依次执行。

2.根据权利要求1所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，所述模板创建阶段包括如下步骤：

步骤S1：获取印刷品的模板图像Img_Templet，设定其检测ROI区域和定位块区域；

步骤S2：根据ROI区域将模板图像按照尺寸分成m*n个分区；

步骤S3：选取其中一个模板分区图像Part_Templet，使用自动阈值方法判断该分区是否含有印刷图案信息，有图案的分区图像为Img_BackPart，无图案的分区为Img_BackGD；

步骤S4：提取Img_BackPart中的图案区域创建形状模板Templet_BackPart；

步骤S5：循环进行步骤S3、S4，将M*N个分区图像区分是否包含印刷图案区域，针对有图案区域分别创建形状模板。

3.根据权利要求1所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，所述图像样本训练阶段包括如下步骤：

步骤S6：获取样品图像，根据模板图像的定位块进行匹配粗定位，得到样品检测图像Img_Simple；

步骤S7：按照模板分区图像是否含有图案，分为两种缺陷检测步骤；

步骤S8：人工检查步骤S7中检测到的缺陷，如果认为该缺陷可接受或为误检情况，此时将区域的差分图像Diff_Img加入到差异样本中，进行训练加入得到该区域的差异模型PartTrain_Model。

4.根据权利要求1所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，所述图像实时检测阶段包括如下步骤：

步骤S9：获取实际检测图像Img_Test,重复步骤S6、S7，检测获得缺陷信息；

步骤S10：经S9获取缺陷信息，根据其所在分区调取差异模型PartTrain_Model进行比对筛选，如果该缺陷满足训练模板区域要求，则剔除该缺陷；

步骤S11：经过步骤S10筛选后最终的缺陷信息进行输出显示，并按照生成需求进行下一步作业。

5.根据权利要求3所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，按照模板分区图像是否含有图案，分为两种缺陷检测步骤，第一种缺陷检测步骤如下：

步骤S7_T1：选取模板分区图像Img_BackPart，如果为有图案区域，在Img_Simple内进行形状模板匹配，截取样品分区图像Part_Simple；

步骤S7_T2：将模板分区图像Img_BackPart和样品分区图像Part_Simple进行差分处理，获得差分图像Diff_Img；

步骤S7_T3：将差分图像Diff_Img进行开运算去除夹角和杂点干扰，按照设定阈值要求(灰度、面积、长度)进行分割，判断该分区是否存在缺陷，如果有缺陷则输出缺陷信息。

6.根据权利要求3所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，按照模板分区图像是否含有图案，分为两种缺陷检测步骤，第二种缺陷检测步骤如下：

步骤S7_F1：选取模板分区图像Img_BackPart，如果为无图案区域,按照模板分区图像位置信息，在Img_Simple内截取相同大小分区图像Part_SimpleGD；

步骤S7_F2：使用Blob分析方法寻找Part_SimpleGD图像的中的缺陷点，若有缺陷则输出缺陷信息并执行步骤S11。

7.根据权利要求5所述的基于多分区匹配和差异模型学习的印刷品表面缺陷检测方法，其特征在于，所述阈值要求包括灰度、面积、长度。