高精度針孔檢測設備
More >>
您所在的位置：精質視覺 > 新聞中心>印刷質量缺陷的視覺檢測原理
2022-08-06 10:46:05 精質視覺
印刷品作為產品包裝的一種主要形式，具有外觀精美、清潔衛(wèi)生、成本低廉、使用方便等優(yōu)點，在眾多行業(yè)得到了廣泛的應用，其特點是材質多樣、工藝復雜、質量要求高。在本問題域中，印刷品主要涉及三個主要類型：不干膠標簽、煙盒包裝和塑料薄膜軟包裝。其中，不干膠標簽主要包括：藥品標簽、電子產品標簽、日化品標簽、食品標簽;煙盒包裝包括：軟盒包裝和硬盒包裝;塑料薄膜軟包裝主要包括：藥品包裝、食品包裝、日化品包裝。
塑料軟包裝印刷品生產過程中可能會產生各種各樣的缺陷，如墨點、異物、文字殘缺、漏印、色差、套印不準、臟點、刀絲、拖墨、劃傷、溢膠、氣泡等。這些缺陷一旦出現(xiàn)在產品包裝上，產品視覺觀感將大打折扣，嚴重影響產品的品牌、降低客戶滿意度。目前，印刷企業(yè)主要以頻閃燈照明、人工粗略局部抽檢進行質量控制。由于人眼的局限性，質量得不到有效控制。隨著用戶對產品品質要求的不斷提高以及行業(yè)競爭的加劇，傳統(tǒng)的以人工抽檢為主的質量檢測手段已經嚴重制約了企業(yè)競爭力的提高，用自動化質量檢測設備代替人工是必然趨勢。目前，市場中已經出現(xiàn)了多種自動化質量檢測系統(tǒng)，大都基于視覺圖像進行產品外觀質量檢測。總體而言，國外產品由于綜合性能具有較大優(yōu)勢，占據著大部分高端市場。國內產品憑借價格和服務優(yōu)勢，占據著中、低端市場。未來，國內產品要在檢測速度、檢測能力、易用性、產品外觀、可靠性等方面進行全面提升，才能更好地服務國內客戶，乃至開拓國際市場。因此，產品技術升級迫在眉睫。
二、檢測原理
典型的印刷品檢測算法主要包括三大類：(1)有參照判決。將被檢測圖像與標準模型比對，包括圖像級的逐點比對，特征級的特征比對。標準模板的獲取方式，包括基于PDF設計文件和基于好品統(tǒng)計兩類。(2)無參照校驗。根據事先定義的產品特征，檢測圖像中指定區(qū)域是否存在違反規(guī)則的情況。(3)混合型判決。綜合運用標準模板比對和基于規(guī)則的判決兩種方法。目前系統(tǒng)缺陷檢測選取了“混合型判決”的方法：以無參照的方法檢測刀絲缺陷(針對型檢測)，以有參照的方法檢測文字殘缺、偏色、墨點、漏白、套印不良等缺陷(通用型檢測)。產品的使用過程包括“建模”和“檢測”兩個主要環(huán)節(jié)。
印刷品缺陷檢測系統(tǒng)工作流程示意圖其中，“建模”環(huán)節(jié)由質量管理人員(QA)或者印刷機機長負責，主要操作步驟包括：產品基本資料輸入、標準產品圖像獲取、設置檢測范圍、劃分特殊檢測區(qū)域(配準區(qū)域、字符區(qū)域、刀絲區(qū)域、屏蔽區(qū)域等)、設置檢測標準及相關參數。建模完成后相關數據將保存到統(tǒng)一的數據服務器中，該數據通常稱為“模板”。“檢測”環(huán)節(jié)由印刷機長或者普通操作人員負責，主要是完成分辨率標定和進行產品缺陷檢測。系統(tǒng)檢測算法基本流程如圖5所示。
三、針對型檢測算法
拉絲、淺臟、散斑、串色，這類缺陷通用型檢測難以檢查出來，需要針對性提取其的特征才能查出來。
拉絲：一般只有一兩個像素寬度，但是長度較長，顏色較淺，基于點對點比較的通用性算法難以檢測這類缺陷，需要從不同顏色分量、紋理、對比度、縱向低頻橫向高頻等多個維度提取特征進行檢測。淺臟：這類缺陷顏色較淺、面積較大，但是如果轉換到另一個顏色空間，則缺陷會明顯的突出出來，這類缺陷需要進行特殊的顏色轉換才能查出來。散斑：這類缺陷表現(xiàn)為不連續(xù)，單個斑點缺陷不大，但是聯(lián)合起則較大，對于距離一兩個像素較近的散斑，則通過數學形態(tài)學的方法可以解決，距離較大的散斑則可通過顏色及距離兩個維度進行聚類。顏色測量：在印刷過程中由于不同墨鍵位置上墨量不同、不同區(qū)域版壓不同、不同時間溫度不同會導致印出產品顏色與標準樣有一定的差異。
通過標準白板及專有色卡對采集系統(tǒng)進行標定得到RGB到LAB空間的顏色轉換模型，把實時印品不同區(qū)域不同顏色的LAB值與標準樣本對應區(qū)的LAB值比較得到色差△E。
四、通用型檢測算法
通用型檢測算法，即基于標準模板比對的算法，一般用于檢測灰度或者顏色差異比較大、面積稍大的各種缺陷。算法原理：分為離線和在線兩個步驟。離線：通過定位校正實時圖像與模板圖像的位置偏差，把校正后的合格的圖像作為樣品集訓練出大小模板;在線：通過定位校正實時圖像，比較實時圖像與大小模板每個像素之間的像素值，并計入一個錯誤值，若樣品像素在可接受的范圍，其錯誤值為零，若超過了此范圍，就由錯誤加權計算出其錯誤值，并進行連通性分析得到Blob、對Blob進行面積、占空比、能量等形狀特征分析識別缺陷。1)大小模板如何生成?
2)錯誤值如何計算?
根據當前檢測圖像與模板進行逐點灰度值比較，找出大于大模板圖像灰度值(漏印或墨淺)點然后進行加權計算，生成漏印圖像;找出小于小模板圖像灰度值(臟點或墨濃等)的點進行加權計算，生成臟點圖像。錯誤值根據Tolerance(容忍度)、STEP(步長參數)、GAIN(增益參數)、LIMIT(范圍參數)進行計算。通常情況下，由于產品中的字符區(qū)域帶有很多重要信息，因此對于字符區(qū)域缺陷的檢測往往要比其它區(qū)域更加嚴格。典型的字符缺陷包括：漏印、臟點、針孔，分別如下圖所示。
字符區(qū)域墨點缺陷對字符區(qū)域進行特殊的檢測，基于現(xiàn)有的圖像灰度比對技術基本是可以解決的，但要進行字符區(qū)域缺陷檢測，前提是：必須在“建模”階段精確劃分出字符區(qū)域。目前，這個任務主要是由人工通過建模軟件來完成?？紤]到不同印刷品，字符顏色、粗細、種類等千差萬別，完全依靠手工建模，存在著工作量大、操作繁瑣、容易疲勞且?guī)в泻艽蟮闹饔^性，因此必須考慮采用智能化的方法進行字符區(qū)域自動提取(下篇再做詳細分析)。
