[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

说明书

本发明公开了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，该方法主要包括如下步骤：首先将模板图像分成m*n个分区，然后针对每个分区使用自动阈值判定该分区是否含有检测信息，然后提取特征信息创建形状模板，然后在测试图像上进行匹配对位，使得截取的测试分区图像与模板分区图像高度重合，接下来进行图像差分处理、边缘处理，筛选出各种缺陷信息。然后人工检查缺陷信息，将人工认为不是缺陷的信息收集放入差异样本中进行训练，然后在后续的检测过程中滤除类似的缺陷。该方法可对检测结果的纠正和训练，使检测效果更智能化，减少传统检测方法造成过多误检和过检的情况发生。可实现印刷品表面缺陷检测更加稳定和准确。

技术领域

本发明涉及检测技术领域，尤其涉及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。

背景技术

当前生产生活的需求使得现阶段的印刷生产朝着精度高、速度快、色彩复杂等方向发展，而传统的印刷表面缺陷检测方法已经很难满足大幅面、高精度、柔性材质高速印刷的生产需求，因此针对这些复杂需求的缺陷检测技术也是印刷行业亟待去突破的技术难点。因此，现有技术需要进一步改进和完善。

发明内容

本发明的目的在于克服现有技术的不足，提供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。

本发明的目的通过下述技术方案实现：

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。

具体的，所述模板创建阶段主要包括如下步骤：

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。

具体的，所述图像样本训练阶段主要包括如下步骤：

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。

具体的，所述图像实时检测阶段主要包括如下步骤：

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。