基于机器视觉的印刷品检测方法及装置与流程

本申请涉及机器视觉，尤其涉及一种基于机器视觉的印刷品检测方法及装置。

背景技术：

1、印刷品质量检测是印刷行业中至关重要的环节，直接影响产品的最终品质和客户满意度。随着印刷技术的不断进步和产品要求的日益提高，传统的人工检测方法已经难以满足现代印刷业的需求。机器视觉技术的引入为印刷品质量检测带来了新的机遇，然而，现有的基于机器视觉的印刷品检测方法仍然存在一些局限性。

2、目前，大多数机器视觉检测系统主要依赖于简单的图像处理算法和固定的阈值判断，难以适应复杂多变的印刷环境和多样化的缺陷类型。这些系统在处理高度变化的印刷图案、细微缺陷和新型缺陷时常常表现不佳。此外，传统方法往往需要大量的人工标注数据进行训练，这不仅耗时耗力，而且难以覆盖所有可能的缺陷情况。

技术实现思路

1、本申请提供了一种基于机器视觉的印刷品检测方法及装置，用于提高了印刷品的缺陷检测准确率。

2、第一方面，本申请提供了一种基于机器视觉的印刷品检测方法，所述基于机器视觉的印刷品检测方法包括：

3、对多个印刷品样本图像进行预处理和数据增强，得到图像字典数据集；

4、对所述图像字典数据集和待检测印刷品图像进行双网络特征提取，得到目标特征向量；

5、对所述目标特征向量进行相似度计算和非监督对比学习，构建印刷品特征识别模型；

6、对所述待检测印刷品图像进行多个卷积神经网络去噪处理，得到多个去噪相位结果；

7、对所述多个去噪相位结果进行神经网络权值计算和加权融合，得到融合相位图；

8、将所述融合相位图输入所述印刷品特征识别模型进行缺陷检测和分类，得到印刷品缺陷检测结果。

9、第二方面，本申请提供了一种基于机器视觉的印刷品检测装置，所述基于机器视觉的印刷品检测装置包括：

10、预处理模块，用于对多个印刷品样本图像进行预处理和数据增强，得到图像字典数据集；

11、提取模块，用于对所述图像字典数据集和待检测印刷品图像进行双网络特征提取，得到目标特征向量；

12、构建模块，用于对所述目标特征向量进行相似度计算和非监督对比学习，构建印刷品特征识别模型；

13、去噪模块，用于对所述待检测印刷品图像进行多个卷积神经网络去噪处理，得到多个去噪相位结果；

14、融合模块，用于对所述多个去噪相位结果进行神经网络权值计算和加权融合，得到融合相位图；

15、检测模块，用于将所述融合相位图输入所述印刷品特征识别模型进行缺陷检测和分类，得到印刷品缺陷检测结果。

16、本申请第三方面提供了一种基于机器视觉的印刷品检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于机器视觉的印刷品检测设备执行上述的基于机器视觉的印刷品检测方法。

17、本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于机器视觉的印刷品检测方法。

18、本申请提供的技术方案中，通过对样本图像进行预处理、几何变换、光学增强和相位偏移等操作，构建了丰富的图像字典数据集，增强了模型的泛化能力和对各种印刷缺陷的适应性。采用问询网络和编码网络的双网络架构，实现了对图像字典和待检测图像的多尺度特征提取，提高了特征表示的全面性和鲁棒性。通过相似度计算和对比学习，构建了印刷品特征识别模型，无需大量标注数据即可实现有效的特征学习，降低了模型训练成本。使用多个结构不同的卷积神经网络对带噪相位图进行去噪处理，并通过残差学习和注意力机制提高去噪效果，通过神经网络计算像素级权重，实现了多个去噪结果的自适应加权融合，充分利用了不同去噪网络的优势，提高了融合结果的质量。将融合相位图输入特征识别模型，通过多任务学习实现了缺陷检测和分类的统一处理，提高了检测效率和准确性。在融合过程中引入细节增强和残差连接，保留了高频细节信息，有助于提高对小型和细微缺陷的检测能力。通过区域提议网络和缺陷分类网络的组合，实现了对缺陷位置和类型的精确识别，提高了印刷品的缺陷检测准确率。

技术特征：

1.一种基于机器视觉的印刷品检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述对多个印刷品样本图像进行预处理和数据增强，得到图像字典数据集，包括：

3.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述对所述图像字典数据集和待检测印刷品图像进行双网络特征提取，得到目标特征向量，包括：

4.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述对所述目标特征向量进行相似度计算和非监督对比学习，构建印刷品特征识别模型，包括：

5.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述对所述待检测印刷品图像进行多个卷积神经网络去噪处理，得到多个去噪相位结果，包括：

6.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述对所述多个去噪相位结果进行神经网络权值计算和加权融合，得到融合相位图，包括：

7.根据权利要求1所述的基于机器视觉的印刷品检测方法，其特征在于，所述将所述融合相位图输入所述印刷品特征识别模型进行缺陷检测和分类，得到印刷品缺陷检测结果，包括：

8.一种基于机器视觉的印刷品检测装置，其特征在于，用于执行如权利要求1-7中任一项所述的基于机器视觉的印刷品检测方法，所述装置包括：

9.一种基于机器视觉的印刷品检测设备，其特征在于，所述基于机器视觉的印刷品检测设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的基于机器视觉的印刷品检测方法。

技术总结
本申请涉及机器视觉技术领域，公开了一种基于机器视觉的印刷品检测方法及装置。所述方法包括：对多个印刷品样本图像进行预处理和数据增强，得到图像字典数据集；对图像字典数据集和待检测印刷品图像进行双网络特征提取，得到目标特征向量；对目标特征向量进行相似度计算和非监督对比学习，构建印刷品特征识别模型；对待检测印刷品图像进行多个卷积神经网络去噪处理，得到多个去噪相位结果；对多个去噪相位结果进行神经网络权值计算和加权融合，得到融合相位图；将融合相位图输入印刷品特征识别模型进行缺陷检测和分类，得到印刷品缺陷检测结果，本申请提高了印刷品的缺陷检测准确率。

技术研发人员：龚明晓,廖章伟,汤彪
受保护的技术使用者：东莞市祥企印刷制品有限公司
技术研发日：
技术公布日：2024/9/23