精细印刷过程检测过程自动化的应用

精细印刷过程检测过程自动化的应用

1精细印刷印刷的质量控制精细印刷品是指图案复杂、细节复杂的印刷品。它的发票和邮政标签是典型的代表。由于印刷技术的不完善,以及一些不易避免的随机因素,在印制过程中常会出现各种缺陷。以钞票为例,常见的缺陷有纤维落在纸上造成的污点;油墨未干前纸张之间有相对运动在图案上产生的痕迹;由于纸张未放平整,纸张和印刷滚筒之间接触不良或与印刷头未接触上而使图案的缺版发白;另外还有走版(即凹印部分整体相对于裁切边缘而言距离不合适或超出了公差范围);胶印墨大或墨浅(导致胶印部分的底色花纹颜色过深或过浅)等。目前在我国仍主要是通过有经验的检验员用目测法检测精细印刷品印刷的缺陷。这种方法有可能带来三个问题:一是检验速度慢,需要花费大量的人力物力;二是会有漏检(如人眼疲劳走神导致视而不见),需要建立多层检测;三是检验质量不稳定(对合格标准的把握个人之间存在差异)。如果能将缺陷检测过程自动化,就既能提高生产效率和产品质量,也能降低生产成本和节约资金。考虑到以上因素,我们对精细印刷品的自动缺陷检测借助图像技术进行了探讨,提出了一个初步方案,并对包括图像采集中的一些因素,标准模板的制作,借助图像匹配进行产品检测的算法进行了研究和实验,下面分别介绍。2产品检测和检测我们提出的初步方案将检测分为两步,见图1。首先是检测准备,通过对一定数量的合格产品进行图像采集,获得标准样本图像,也称模板。其次是实际检测,将待检产品的图像与所得模板进行匹配比较,从而根据比较结果确定缺陷的存在和位置,并发出信号以控制机械手对产品进行筛选分类。实际中对图像的采集如果是在生产线上进行的,一般需要采用CCD等进行无接触的图像采集。如果仅对成品进行检测,也可采用扫描仪等接触性的图像采集方式。模板的制作需要使用在统计上有意义数量的合格产品,并对它们进行合理的选取以保证模板的通用有效。检测准备期的图像采集条件应尽可能与实际检测时的条件一致。考虑到不同的检测目的需采取相应的方法,如果仅需要确定产品合格与否,只要将合格产品区分出来即可;而如果还要确定不同的印制错误,则可对不合格产品继续进行分类。在后一种情况,需要产生对应不同缺陷的不同信号。3测试准备检测准备过程主要包括图像采集和模板制作两个模块。3.1因素对自动检测质量的影响我们在初步研究中使用了平板扫描仪来采集印刷品的图像,其中如下几个因素对自动检测的质量和效率有重要影响:扫描的参数,图像的空间分辨率,图像空间坐标的校正,彩色图像的色调,网线的消除等。考虑到具体的工作情况,对扫描参数的确定以及对采集图像的坐标校正进行了探讨。(1)扫描分辨率的选择扫描参数的确定取决于后期检测时对匹配精度的要求。由于使用平板扫描仪,所以图像采集装置与样品的距离方位是相对固定的,而且外界光照条件的干扰也可忽略,所以关键就只是要选择合适的扫描分辨率。如果分辨率偏低,扫描图的信息量太少,会影响后来的检测精度;但如果分辨率偏高,扫描图的数据量太多,则会浪费硬盘空间和计算能力。通过分析可知,图像的分辨率应该等于小于缺陷线度的一半,且可为扫描仪光学分辨率整除以避免其后的空间插值并保持原始图像的色调整体性。例如我们的检测目标是发现小到约0.5mm×0.5mm的缺陷,所以采取了150dpi的分辨率,这样每个象素对应约0.17mm×0.17mm的面积。(2)裁剪机图像的校正步骤当用扫描仪来采集图像时,由于样品放置方位的不同,会导致各图像之间产生旋转偏移。为将图像配准,需要进行空间坐标校正。假设经剪切之后的印刷品外轮廓为标准的矩形(裁剪机的工艺指标可以保证这一点),则可以将外轮廓的最长边缘作为校正的基准。具体的校正步骤依次为:搜索最长边缘;利用边缘求出倾斜角度;根据倾斜角度,将原始图像绕坐标原点旋转,并用插值方法最终恢复原始的象素值。倾斜角度计算时仅从边缘上选取一些点即可,这样既能提高速度,也可减小误差。插值方法的选择要兼顾精确度和计算量。实际中比较了双线性插值法和三线性插值法。这两种方法各有优缺点,前者计算量较小,但精确度较差;后者计算量较大,但精确度较高。3.2阈值法l实际中由于合格产品之间仍会存在各种差异,所以需要采集多张合格产品的图像来制作模板。这里需要计算用于制作模板的各个样本之间的相关系数和差值百分比,从而综合出一个统计化的模板。我们实验了两种模板制作方法:统计平均法和阈值法。统计平均法是根据各个样本象素值的概率分布,求出统计平均值作为模板值。设样本数为N,每个样本图像表示为fi(x,y),i=0,1,…,N-1,则模板上各象素值为M(x,y)=1N∑i=1N−1fi(x,y)Μ(x,y)=1Ν∑i=1Ν-1fi(x,y)阈值法的思路是在模板制作中仅选取与统计平均值相近的象素值而摈弃与统计平均值相差较远的象素值以减少个别大误差的影响。具体是先如统计平均法那样求出统计平均值,并在每个位置求出与统计平均值差值最大的样本值以得到差值图d(x,y),然后取d(x,y)的适当百分比为阈值。最后,选择d(x,y)中小于阈值的象素值做统计平均以得到模板值。我们比较了在不同阈值下所得到的模板在直观视觉上和匹配误判率上的区别。图2给出用相同的20幅图像为样本得到的三个模板,其中图(a)为用统计平均法获得的模板,略有一些模糊;图(b)是用阈值法取差值图d(x,y)的20%为阈值获得的模板,图像虽然清晰但有明显的斑点;图(c)是取d(x,y)的60%为阈值获得的模板,图像比较清晰且斑点消失。总体来讲,随着百分比的增加,用阈值法得到的模板图像逐步趋于平滑,细节逐步趋于模糊。当百分比为100%时,阈值法与统计平均法完全一样。进一步利用以不同方法得到的模板进行了实际匹配试验。我们用误判率来作为检验标准,它是误判的样本数在总样本数中的百分比。对图(b)的模板,实验给出的误判率达到60%。这里的主要原因是由于阈值太小导致模板中部分颜色分量的缺省,从而使得模板和实际图像的差异太大。对图(a)和图(c)的模板,实验给出的误判率均为0%,说明模板制作是成功的。4种典型检测方法实际检测主要是图像匹配。图像匹配可在不同层次进行,具体方法也可有许多种。在精细印刷品的自动缺陷检测中主要是进行图像和图像的匹配。匹配时要借助相关算法进行比较,不同的相关算法在复杂度和精确度方面各有特点。如果根据每次匹配时采用的基本单元不同可将匹配方法分为两种:逐象素匹配和分区域匹配。逐象素匹配可以检测出面积较小但象素值有较大差异的缺陷(如纤维污点或油墨痕迹),而分区域匹配有可能检测出范围较大但象素值仅有较小偏差的缺陷(如胶印墨大或墨浅)。考虑到第1节提到的各种可能的缺陷,仅用逐象素匹配和分区域匹配都不太可能完全满足所有的检测要求。为此我们实现了一种利用金字塔数据结构对图像分层匹配的方法,它综合了逐象素匹配和分区域匹配的优点,可以看作是应用分区域的思想对图像进行逐象素的匹配。它的具体算法是先将模板图像和采样图像分别以金字塔结构进行分解(实际中还可以根据象素位置对象素值设置不同的权重),然后从最底层开始进行匹配,完成一层之后上升一层,直到最高层。在每层匹配时都设置合适的容差T(即容许的匹配误差)以判断在该层的误差e是否超出(如超出则认为不合格)。图3中左图表示对图像的金字塔结构分解(各个子图像不一定为正方形),右图为在此分解基础上的匹配流程图。这种方法相当于依次对图像进行不同分辨率的检测,这样使得不管缺陷尺寸如何,都可以在某个分辨率下使之影响达到最大。由上可见,容差的设置是这种算法的关键。容差的设置要使合格的产品在各层全都能通过检验,而有缺陷的产品仅必在某一层上不通过。理论分析和实验均表明,容差在低层要比较大,以检测面积较小但象素值有较大差异的缺陷;容差在高层又要比较小,以检测范围较大但象素值仅有较小偏差的缺陷。这里要指出,范围较大且象素值也有较大偏差的缺陷在较低层的比较中就可以被检测出来。当从低向高逐层检测时,容差值可从大向小逐步降低,这样可以提高在每层的正确判断率,不容易出现漏检。理论上讲,这些容差值应是一个单减的序列,且是图像层(或区域尺寸)的函数。但这个函数的解析确定是比较困难的,在实际检测中,可以采用试验的方法来确定。5实验结果分析对上面的方案,我们用10张连续的一元人民币纸票作为样本进行了初步检测实验。在制作模板时,根据第2节的方法对10张样本每张分别扫描2次,得到20幅图像。用这20幅图像借助第3节的阈值法构建模板。为了考察不同样本之间的相关性,我们作出了它们的统计平均值与各个样本的最大差值图,它直观地反映了印刷品质量在不同位置区域的差异,见图4。图4中各处的深浅与样本和模板的差异成正比,胶印部分(即底纹处)较深,说明差异较大;而凹印部分(人像、国徽、盲点以及文字处)较浅,说明差异较小。这种情况可如下解释:(1)从颜色分布本身来说,凹印部分基本上是单色调图,而胶印部分色彩比较丰富,差异容易大;(2)从工艺角度来说,凹印工艺比较复杂,而胶印工艺较为简单,凹印的印刷质量本身比胶印好;(3)从整个印刷流程来说,是先胶印后凹印,产品的胶印部分相对于裁剪边缘来说总是或多或少存在位置偏移,而凹印图案则相对于胶印图案来说比较固定。另外需要指出,号码部分最深,说明差异最大,但号码部分在工艺上可用单独的检测系统,这里就不讨论了。模板制作完后,进行了对模拟污点的检测实验。具体是在纸票上用铅笔点了一些点作为污点。实验中对10张样本在各张的不同位置点了一个直径约2mm的点,另对7张样本在各张的不同位置还点了一个直径约0.5mm的点。根据第4节讨论的方法借助合格品确定出来的各层容差值分别为240,128,58,29,25,15,10,8。实验结果对10张有较大污点的样本取得了100%的正确检测率,即各个有污点的样本均被判为不合格。对7张有较小污点样本的检测中出现了一个错误,即有一个漏检,它对应最小的一个污点。实验结果初步表明,通过设置适当的阈值可以在采样精度不是很高的情况下较准确地检测出一般直径大于0.5mm的污点。6检测方法设定本文讨论了一种对精细印刷品的缺陷进行自动检测的初步方案,分析和实验结果表明借助图像技术