印刷套准识别方法研究

目的研究印刷标志套准机器快速和高精度的识别方法。方法提取印刷标志图像的灰度共生矩阵表达其纹理特征,采用Adaboost分类器对印刷标志套准图像进行识别,以判断印刷是否套准。结果提取出了印刷标志图像的能量、熵、惯性矩、相关度等的均值和标准差的8维图像纹理特征。为了比较不同分类器的分类性能,分别得出了Adaboost、K近邻、贝叶斯、支持向量机、Fisher和决策树对印刷标志图像纹理特征的分类准确率和分类时间。结论采用文中方法,印刷标志图像套准识别准确率达到97.5%,分类时间达到0.022 377 s,优于其他的分类方法。

基于机器视觉的印刷套准识别方法研究

针对印刷套准检测存在的精度低、速度慢的问题,提取了印刷标志图像的Tamura纹理特征,包括粗糙度、对比度和方向度,以描述其印刷标志套准或套不准特征。设计了支持向量机的分类器对印刷标志图像进行套准识别,并采用高斯径向基核函数用于非线性数据的分类。实验结果证明,采用建议的印刷标志图像特征提取和分类方法,识别准确率达到90%,识别时间为0.032 751 s,方法在识别准确率和识别速度上都优于人工检测和文献[8]的方法。

基于图像模式识别与PLC控制的印刷套准自适应系统

针对印刷过程的不稳定性,通过对套印标记的图像采集和处理,适时调整纸张张力大小,构建了一种印刷套准无模型自适应系统。该系统通过图像、PLC和组态软件的联合控制,实现了套准标记的自动检测、图像识别和自动校准。利用该系统中的PLC和组态软件还可实现印刷过程的实时监控,便于观察印刷过程的动态特性。该系统用于各类多色印刷设备上,可提高印刷设备的自动化程度。

基于特征融合与降维的印刷套准识别方法

目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。

基于PLC与图像联合控制的印刷套准系统关键技术研究

以印刷套准智能化问题为研究对象,制定了基于PLC与图像联合控制的印刷套准控制系统总体方案,并就图像处理、数据存储和通讯、硬件选型等系统实现的关键技术进行了研究。经实验验证,该系统实现了印刷套准标记的在线检测和自动校准,套准标记灵活、多样。通过串行设备服务器组成以太网,实现了印刷全过程的远程监控。

非均衡训练集过采样的印刷套准识别方法

目的针对印刷标志图像训练数据集非均衡性导致印刷标志图像中少类数据套准状态识别准确率低的问题,提出改进的SMOTE训练集过采样方法,以提高少类数据的识别准确率。方法提取印刷标志图像灰度行程矩阵的纹理特征,组成多维的模型输入特征数据。基于少类样本的邻域信息,得到少类样本的过采样参数。对少类样本采取不同的过采样策略,实现训练集样本的均衡。使用均衡的训练集建立支持向量机模型,实现对印刷套准状态的识别。结果实验结果表明,文中方法在不同非均衡印刷数据集上,获得的平均分类准确率几何平均数Gmean为0.8507,召回率Re为0.7192,ROC曲线下面积A为0.8549。结论文中方法在不同非均衡印刷套准数据集上的分类性能要优于实验中的SMOTE,IS和SVM等方法。

基于约束谱聚类的印刷套准状态识别

目的针对实际生产中获取印刷标志图像标签成本较高的问题,研究基于约束谱聚类的印刷套准状态识别方法。方法基于少量有标签的样本,建立样本之间的must-link约束和cannot-link约束,并进行约束扩展。计算印刷标志图像样本点欧式空间相似度矩阵,并根据扩展后约束关系修正,构建样本点的特征向量空间。采用K-means方法对样本点特征向量空间进行2类聚类,即印刷套准图像和印刷套不准图像。结果文中方法在实验数据集上的最高印刷套准识别准确率为98.11%。文中方法(约束对数为30)的识别准确率优于无监督的谱聚类方法、朴素贝叶斯方法和决策树方法,文中方法与SVM方法的识别准确率接近。文中方法获取印刷标志图像标签的成本低于SVM方法,且模型建立和识别的时间也少于SVM方法。结论文中方法以较少的获取印刷标志图像标签成本达到了较高的印刷套准识别准确率。

基于卷积神经网络的印刷套准识别方法

目的针对目前印刷套准识别方法依赖于经验人工设计特征提取的问题,提出一种不需要人工提取图像特征的卷积神经网络模型,实现印刷套准状态的识别。方法采用图像增强技术实现不均衡训练集的均衡化,增加训练集图像的数量,提高模型的识别准确率。设计基于AlexNet网络结构的印刷套准识别模型的结构参数,分析批处理样本数量和基础学习率对模型性能的影响规律。结果文中方法获得的总印刷套准识别准确率为0.9860,召回率为1.0000,分类准确率几何平均数为0.9869。结论文中方法能自动提取图像特征,不依赖于人工设计的特征提取方法。在构造的数据集上,文中方法的分类性能优于实验中的支持向量机方法。

不均衡训练集特征选择的印刷套准状态识别

目的针对不均训练集导致印刷套准识别模型无法较好识别印刷套不准图像的问题,提出基于最大相关、最小冗余的印刷标志图像数据特征选择方法。方法提取印刷标志图像的多维特征数据,计算特征与印刷套准和印刷套不准2类之间的相关性和特征之间的冗余度。确定特征选择的目标函数,通过增量搜索方法寻找最优特征,加入特征子集,实现不均衡印刷标志图像的特征选择。结果文中的特征选择方法获得了3项不均衡数据分类性能评价指标,A为0.9900,R为0.9400,Gmean为0.9466。结论在不均衡印刷标志图像套准识别中,文中提出的方法性能优于实验中的未处理方法、PCA方法、Relief方法和NCA方法。

基于半监督学习的印刷套准识别方法

针对有标记的训练样本数量较少会降低印刷套准识别模型性能的问题,本研究提出了基于安全样本过采样预处理和协同训练的半监督方法,以提升识别模型的性能。首先采用k近邻方法识别训练集中的安全样本。在安全样本间进行过采样,生成新的训练集。然后采用Bootstrap采样方法将新的训练集分成三个子训练集,学习得到三个决策树子分类模型,不断对无标记样本进行预测,并将其加入到子训练集,更新子分类模型,直至其能稳定为止。集成子分类模型,形成最终分类模型。实验结果表明,本研究方法随着训练样本数量的增多,分类性能也逐渐提高。当训练样本数量为800时,其在测试集上的分类准确率Accuracy达到98%,召回率的几何平均数G-mean为99%,在同样数量的训练样本上,均高于实验中的其他方法。本研究方法可以有效利用无标记样本,提高印刷套准识别模型的性能,实现数量较少的训练集样本的印刷套准识别。

印刷套准的改进

为了提高现行印刷产品的质量，保证多次多单元印刷的连续性，提出了产品印刷的计算机控制系统的改进方法及套准图标的改印办法。

面向不均衡训练集的印刷图像套准状态检测方法

目的针对不均衡的印刷图像套准状态检测中存在的印刷套不准图像识别准确率低的问题,研究不均衡印刷图像训练集的预处理方法。方法提出不均衡印刷图像训练集数据的集成采样预处理方法。支持向量机先将不均衡的训练集数据分为支持向量和非支持向量,然后过采集少类样本(即印刷套不准图像)中的支持向量,欠采集多类样本(即印刷套准图像)中的非支持向量,实现训练集数据的均衡化。最后采用预处理后的均衡训练集对支持向量机模型进行训练,并优化模型参数。结果采用文中提出的集成采样方法对不均衡训练集预处理后获得支持向量机模型,通过对印刷图像套准状态进行识别,获得的少类样本识别率a+为0.9375,识别准确率几何平均数Gmean为0.9437,F测度为0.9574。结论文中提出方法获得的印刷套不准图像识别准确率a+,Gmean和F测度均优于实验中的其他方法。

基于支持向量数据描述的印刷图像套准状态检测方法

目的针对不均衡的印刷标志图像训练集构建的二分类模型,对少类的印刷套不准图像识别准确率低的问题,研究不均衡印刷标志图像套准状态的单分类模型识别方法。方法提出支持向量数据描述方法,实现多类的印刷套准图像和少类的印刷套不准图像的准确识别。采用多类的印刷套准图像训练支持向量数据描述,构建模型。采用网格寻优方法和交叉验证方法确定模型的最佳参数C和s。利用模型对印刷标志图像套准状态进行识别。结果采用文中提出的支持向量数据描述方法,对印刷标志图像套准状态识别获得的总体识别率a为0.9500,印刷套准图像和印刷套不准图像识别准确率的几何平均数Gmean为0.9513。结论文中提出的方法获得的总体识别率a和识别率的几何平均数Gmean要优于实验中的其他方法。

无轴传动胶印机自适应套准控制系统的研究

无轴传动胶印机控制系统设计中需要解决的主要问题是电子轴取代了机械长轴后,如何实现电机的高精度同步运动,以及如何实现快速套准。以无轴传动胶印机如何实现快速智能套准问题为研究对象,根据卷筒纸胶印机套准测控的特点,采用图像模式识别提取套准误差;构建单神经元自适应PID套准误差主从控制方案。组建了由工控机、PLC和步进电机等构成的以太网;并结合图像采集卡、印刷单元等建成实验平台。通过实验,验证了该系统实现了无轴传动卷筒纸胶印机套准的自适应控制,系统具有良好的动静态性能,套准精度较高。

iRegister套准检测软件应用

iRegister是德国TECHKON公司于2011年开发的一款印刷套准检测软件。该软件可实现印刷套准的自动测量，并将检测结果数据化，彻底改变依靠人眼进行套准判断的传统方式，避免了由于主观因素造成的误差，火大提高了检测精度和榆测效率。目前，该软件仅可存iPhone、iPod touch或iPad等移动终端上使用，

胶印套准工艺规范

本文讨论的胶印套准工艺,与胶印操作人员技能关系不大。当印刷设备与承印材料的印刷适性相匹配时,即使操作水平一般的人员,在印刷套准要求很高的印刷品时也能顺利完成作业。

定位角标在印刷中的应用

说起印刷品的精度,人们更多地关注印刷机的精度和从制版到印刷过程中统一打孔定位系统。但令很多业内人士疑惑的是,明明印刷机状况良好,套印精度没有问题,而且印版从制作到印刷机装版使用的都是统一的打孔定位系统,为什么印刷出来的产品还是会有版面歪斜、页码不齐、成品出血边参差不齐、烫金或模切不准等现象。

瑞典SOLNA D300印刷机的故障及解决方法

瑞典SOLNA轮转印刷机结构精密，质量可靠，获得众多报纸印刷企业的好评。为了出版彩色报纸，泉州晚报社于1993年开始陆续引进了SOLNAD300印刷机组14个（分成5机组和9机组两条生产线），SOLNAD380和SOLNAD480两条塔式轮转印刷生产线，以及高斯塔式轮转印刷生产线。可以说，SOLNA轮转印刷机为泉州晚报社的报纸印刷立下了不可磨灭的功劳。

如何印好套印精度要求高的产品

笔者单位印刷一本画册，共4个印张，纸张是200g／m^2正度铜版纸，使用海德堡CD102四色印刷机，印刷是正反面四色加金加上光油。由于从印前到印刷都没有给予高度重视，导致印刷品质量不理想，套印不好，最后有3个印张需要补印。如何印好套印精度要求高的产品？笔者认为在印前准备和印刷过程中应注意以下环节。