[发明专利]一种数字化印刷工作流程中墨键开度预测方法

摘要

本发明涉及一种数字化印刷工作流程中墨键开度预测方法。现有技术没有考虑到墨键间相互影响和印刷条件的影响，致使没有达到预期的使用效果。本发明运用3层BP神经网络对训练样本进行有导师训练及对未训练的样本进行墨键开度预测。将客户的原稿完整的版面数据信息通过光栅化处理后产生点阵信息，并将产生的点阵信息通过软件转化产生图文信息，即网点面积率。以印刷现场条件(包括现场温度、现场湿度、印刷机转速)与墨区对应的网点面积率作为BP神经网络的输入原始数据，建立与墨键开度的非线性映射关系。用训练好的BP神经网络来预测未训练样本。该方法可有效缩短开机调整时间，提高印刷效率。

主权项

一种数字化印刷工作流程中墨键开度值预测方法，其特征在于包括以下步骤：1)以实地密度即均匀且无空白地印刷出来的表面颜色密度符合国标印刷标准的印张为训练样本，并对训练样本的CMYK，即青色Cyan、品红色Magenta、黄色Yellow和黑色Black，四色进行按套色顺序印刷试验，其中套色顺序有：黑色、品红色、青色、黄色；或者青色、品红色、黄色、黑色；记录试验的印刷条件，即现场温度，现场湿度，印刷机转速，获取训练样本的网点面积率，将客户的原稿完整的版面数据信息通过光栅图像处理器光栅化处理后产生点阵信息，并将产生的点阵信息转化产生图文信息，同时获得与训练样本的网点面积率相对应的墨键开度；2)将印刷条件，即现场温度、现场湿度、印刷机转速以及20‑30个墨区的网点面积率归一化处理后作为BP神经网络输入层输入数据；墨键开度归一化处理后作为BP神经网络输出层输入数据；隐含层节点数设定为21‑35；运用输入层、隐含层和输出层3层BP神经网络算法程序训练模块对训练样本有导师训练学习，当BP神经网络的收敛误差小于10e‑4时，BP神经网络最终收敛，保存BP神经网络算法非线性映射的权值和阈值至数据库；3)对于未训练样本将印张的网点面积率和印刷条件，即现场温度、现场湿度和印刷机转速，输给BP神经网络算法的预测模块，BP算法程序利用已存储的权值和阈值对输入的现场温度、现场湿度、印刷机转速和网点面积率进行预测计算，从而预测出未训练样本的网点面积率对应的墨键开度；墨键开度预测值通过网络或者存储媒介传送到印刷机控制台，控制台接收数据并自动控制相应的墨键供墨到印刷机完成印刷。