一种柔印标签缺陷检测方法

本发明涉及纺织工业检测，更具体的，涉及一种柔印标签缺陷检测方法。

背景技术：

1、柔印(柔性版印刷)，是指使用柔性版通过网纹辊传递油墨的印刷方式，柔性版为橡胶、感光性数值等弹性固体材料制成的凸版总称。印刷时传墨辊将油墨均匀、稳定地涂布在印版滚筒图文部分，然后在印版滚筒和压印滚筒压力的作用下，印版上的图文转移到承印材料表面，从而获得清晰的图文。柔印以其印刷质量好、适用性广、生产率高、可控性好等优点被广泛应用于日用品的包装、标签和装潢。无毒油墨柔印已成为标签印刷的主流选择，尤其是在面料和服装行业。

2、柔印过程由于机器故障、油墨故障、环境污染物干扰等问题，不可避免地产生缺陷，如不被及时发现将会导致批量产品出错，造成原材料批量浪费和人工浪费。柔印标签上的语言涉及世界各地语言，且印刷内容多，若采用人工检测抽检方式容易导致漏检，仍旧存在批量印刷错误风险。

3、目前一般采用在线检测的方式，但柔印印刷过程由于衬底的材质厚薄，疏密成度不一导致印刷受力不均，无缺陷样品的内容也会发生轻微的形变，如印粗、扭曲等，若使用标准模板与样本做差的方法检测缺陷容易引发大批量误检。

技术实现思路

1、本发明为克服目前使用标准模板的柔印缺陷检测方式容易误检的技术缺陷，提供一种柔印标签缺陷检测方法。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种柔印标签缺陷检测方法，包括以下步骤：

4、s1：使用第一生成器对要检测的柔印标签图像进行初步修复，生成第一生成样本；

5、s2：使用第二生成器对第一生成样本进行进一步修复，生成第二生成样本；

6、s3：使用预构建的划分模板分别将柔印标签图像、第一生成样本和第二生成样本划分，得到相应的字符区域和背景区域；

7、s4：使用字符差分阈值对字符区域进行二值化，使用背景差分阈值对背景区域进行二值化；

8、s5：对二值化后的字符区域使用结构相似度进行判断，得到字符区域检测结果；对二值化后的背景区域使用块残差统计阈值进行判断，得到背景区域检测结果；

9、s6：将字符区域检测结果和背景区域检测结果取并集得到最终检测结果，完成缺陷检测。

10、上述方案中，首先通过两个生成器修复样本，避免了进行局部匹配耗时长的问题，然后使用预构建的划分模板进行字符区域和背景区域的划分，并使用不同的差分阈值分别对字符区域和背景区域进行二值化，之后对二值化后的字符区域和背景区域分别使用结构相似度和块残差统计阈值判断是否存在缺陷，最后将两个区域的检测结果取并集得到最终检测结果，对缺陷的定位更加精准，提高了缺陷检测能力，降低了误检率。

11、优选的，所述第一生成器包括高噪声因子编码器、低噪声因子编码器和第一解码器；

12、在训练第一生成器时，通过高噪声因子编码器和低噪声因子编码器分别对输入的训练样本添加高噪声因子和低噪声因子，然后将低噪声因子编码器得到的编码信息融合到高噪声因子编码器中，输出特征向量到第一解码器中；通过第一解码器的特征整合模块完成特征向量的上采样和融合，每个特征整合模块包含三个卷积单元，卷积单元中卷积层的连接方式为残差连接，利用残差连接将上采样后的低尺度信息和编码器信息通过累加实现融合，让新特征层同时包括低尺度的解码信和和高尺度的编码信息，得到最终解码特征，使用反卷积根据最终解码特征得到第一生成样本。

13、优选的，所述第二生成器包括多个尺度的编解码器；

14、在训练第二生成器时，将第一生成样本添加噪声后作为第二生成器的输入，在第二生成器中，卷积核大小为3，且引入多尺度输入，高尺度的编码信息在经过注意力模块后与低尺度的编码信息进行堆叠，然后使用卷积层将两种编码信息进行融合；在各个尺度的编解码器得到最终解码特征后，从低尺寸向高尺寸进行融合，让较低尺度的解码特征经过注意力模块后与更高尺寸的解码特征融合；多个尺度融合完成后，经过残差连接使得解码信息更好地整合，最后经过反卷积得到第二生成样本。

15、优选的，生成器的损失函数lgen为：

16、lgen＝l(g,d)+λ1·lδ(y,g(x))+λ2·ssim(y,g(x))

17、

18、其中，x为添加噪声的输入图像，y为第二生成样本，g为生成器，δ设为1；

19、

20、其中，μy，μg(x)分别为y和g(x)的均值，和分别为y和g(x)的方差，σyg(x)为y和g(x)的协方差，c1和c2为不同的常数；

21、

22、

23、第一生成器和第二生成器的总损失函数ltotal为：

24、ltotal＝lgen1+lgen2

25、其中，lgen1为第一生成器的损失函数，lgen2为第二生成器的损失函数。

26、优选的，通过以下步骤构建划分模板：

27、创建全0矩阵fre，根据训练集的一训练样本创建n张模板，依次输入训练集的其他训练样本与各模板进行比较，计算训练样本的像素xi,j与n张模板的像素mn,i,j之间的欧氏距离distn,i,j：

28、distn.i,j＝|xi,j-mn,i,j|

29、设置xi,j的匹配数初始为10，

30、若distn.i,j小于最小半径radius，则xi,j的匹配数加1，

31、若distn.i,j不小于最小半径radius，则跳到第n+1个模板，

32、若xi,j的匹配数大于等于预设的最小匹配数，则有1/k的概率使用xi,j随机更新任一模板中的对应位置的像素值，同时也有1/k的概率去更新模板中像素(i,j)八邻域的像素值；

33、若xi,j的匹配数小于最小匹配数，则将矩阵fre中第(i,j)个像素点frei,j加1；

34、将其他训练样本与各模板进行比较完成后，得到最终的矩阵fre作为划分模板；

35、其中，1/k为采样概率；k为6，radius为15。

36、优选的，将划分模板二值化并去除噪点后，将字符区域置为0，背景区域置为1；

37、然后将划分模板与柔印标签图像相乘得到柔印标签图像的背景区域，通过柔印标签图像与其背景区域进行差分得到柔印标签图像的字符区域；

38、将划分模板与第一生成样本相乘得到第一生成样本的背景区域，通过第一生成样本与其背景区域进行差分得到第一生成样本的字符区域；

39、将划分模板与第二生成样本相乘得到第二生成样本的背景区域，通过第二生成样本与其背景区域进行差分得到第二生成样本的字符区域。

40、优选的，字符差分阈值为：

41、t1＝|ui1-ui2|-c1·δi1

42、其中，ui1为训练样本字符区域的灰度均值，δi1为训练样本字符区域的灰度标准差，ui2为训练样本背景区域的均值；

43、定义常数c1的范围为：

44、

45、优选的，背景差分阈值为：

46、t2＝|ui2-u′i2|+c2·δi2

47、其中，ui2为训练样本背景区域的均值，u′i2为第二生成样本背景区域的均值，δi2为训练样本背景区域的标准差；

48、t2<t1

49、则定义常数c2的范围为：

50、

51、优选的，字符区域缺陷判定：

52、将柔印标签图像xi的字符区域与xi的第一生成样本g1(xi)的字符区域做差得到第一差分图像根据字符差分阈值t1对进行二值化；若像素值小于t1则将其置为0，若像素值不小于t1则将其置为255，像素值为255的为噪点；

53、将柔印标签图像xi的字符区域与xi的第二生成样本g2(xi)的字符区域做差得到第二差分图像根据字符差分阈值t1对进行二值化；若像素值小于t1则将其置为0，若像素值不小于t1则将其置为255，像素值为255的为噪点；

54、对中的噪点进行判定，

55、若噪点的轮廓面积小于等于1，则判定为伪缺陷并滤除，

56、若噪点的轮廓面积大于1且小于10，则判定为潜在缺陷，

57、轮廓面积大于等于10则直接判定为缺陷；

58、和取交集，获得潜在缺陷分布；

59、为了避免在同一区域多次计算结构相似度，首先获取一个潜在缺陷的最小外接矩形，然后获取另一潜在缺陷的最小外接矩形，若两最小外接矩形距离小于等于20则归为同一个潜在缺陷，得到新缺陷的最小外接矩形；循环上述操作，将缺陷区分并得到潜在缺陷的位置；根据潜在缺陷位置计算xi和g2(xi)对应位置邻域的结构相似度ssim；

60、g2的ssim公式为：

61、

62、其中，为xi的均值，为g2(xi)的均值，为xi和g2(xi)的协方差，为xi的方差，为g2(xi)的方差；

63、若结构相似度小于0.9，则判定为缺陷；

64、若结构相似度不小于0.9，则判定为正常。

65、优选的，背景区域缺陷判定：

66、将柔印标签图像xi的背景区域与xi的第二生成样本g2(xi)的背景区域做差得到第三背景差分图像根据背景差分阈值t2对进行二值化；若像素值小于t2则将其置为0，若像素值小于t1且大于或等于t2则将其置为255，像素值为255的为潜在缺陷，若像素值大于或等于t1，则直接判定为缺陷；

67、将xi、g2(xi)分别划分为r*c个patch；

68、使用块残差统计阈值综合考量柔印标签图像xi与xi的第二生成样本g2(xi)的残差信息：

69、resi＝|xi-g2(xi)|

70、

71、其中，为resi的第r行c列个patch的重构残差；

72、

73、

74、其中，为第r行c列个patch的平均重构残差，为重构残差与平均重构残差做差后的二阶范数；

75、背景区域的缺陷判定阈值为：

76、

77、

78、

79、其中，为每个patch第r行c列的统计均值，)为每个patch的统计标准差，c为常数，为第j个训练样本的重构残差与平均重构残差做差后的二阶范数，为第j个训练样本的残差信息resj的第r行c列个patch的重构残差，m为训练样本的数量；

80、若大于则判定第r行c列个patch存在缺陷；

81、若不大于则判定第r行c列个patch正常，将相应的潜在缺陷的像素值置0。

82、与现有技术相比，本发明技术方案的有益效果是：

83、本发明提供了一种柔印标签缺陷检测方法，首先通过两个生成器修复样本，避免了进行局部匹配耗时长的问题，然后使用预构建的划分模板进行字符区域和背景区域的划分，并使用不同的差分阈值分别对字符区域和背景区域进行二值化，之后对二值化后的字符区域和背景区域分别使用结构相似度和块残差统计阈值判断是否存在缺陷，最后将两个区域的检测结果取并集得到最终检测结果，对缺陷的定位更加精准，提高了缺陷检测能力，降低了误检率。