⼀、应⽤背景
印刷品作为产品包装的⼀种主要形式，具有外观精美、清洁卫⽣、成本低廉、使⽤⽅便等优点，在众多⾏业得到了⼴泛的应⽤，其特点是材质多样、⼯艺复杂、质量要求⾼。 在本问题域中，印刷品主要涉及三个主要类型：不⼲胶标签、烟盒包装和塑料薄膜软包装。其中，不⼲胶标签主要包括：药品标签、电⼦产品标签、⽇化品标签、⾷品标签；烟盒包装包括：软盒包装和硬盒包装；塑料薄膜软包装主要包括：药品包装、⾷品包装、⽇化品包装。标签、烟包和软包装典型的产品图像如图1～图3所⽰。水过滤板
图 1 药品标签
图 2 烟包
图 3 塑料软包装
印刷品⽣产过程中可能会产⽣各种各样的缺陷，如墨点、异物、⽂字残缺、漏印、⾊差、套印不准、脏点、⼑丝、拖墨、划伤、溢胶、⽓泡等。这些缺陷⼀旦出现在产品包装上，产品视觉观感将⼤打折扣，严重影响产品的品牌、降低客户满意度。
⽬前，印刷企业主要以频闪灯照明、⼈⼯粗略局部抽检进⾏质量控制。由于⼈眼的局限性，质量得不到有效控制。随着⽤户对产品品质要求的不断提⾼以及⾏业竞争的加剧，传统的以⼈⼯抽检为主的质量检测⼿段已经严重制约了企业竞争⼒的提⾼，⽤⾃动化质量检测设备代替⼈⼯是必然趋势。
⽬前，市场中已经出现了多种⾃动化质量检测系统，⼤都基于视觉图像进⾏产品外观质量检测。总体⽽⾔，国外产品由于综合性能具有较⼤优势，占据着⼤部分⾼端市场。国内产品凭借价格和服务优势，占据着中、低端市场。未来，国内产品要在检测速度、检测能⼒、易⽤性、产品外观、可靠性等⽅⾯进⾏全⾯提升，才能更好地服务国内客户，乃⾄开拓国际市场。因此，产品技术升级迫在眉睫。
⼆、检测原理
典型的印刷品检测算法主要包括三⼤类：
锌合金压铸模具(1)有参照判决。将被检测图像与标准模型⽐对，包括图像级的逐点⽐对，特征级的特征⽐对。标准模板的获取⽅式，包括基于PDF设计⽂件和基于好品统计两类。
(2)⽆参照校验。根据事先定义的产品特征，检测图像中指定区域是否存在违反规则的情况。
(3)混合型判决。综合运⽤标准模板⽐对和基于规则的判决两种⽅法。
⽬前系统缺陷检测选取了“混合型判决”的⽅法：以⽆参照的⽅法检测⼑丝缺陷（针对型检测），以有参照的⽅法检测⽂字残缺、偏⾊、墨点、漏⽩、套印不良等缺陷（通⽤型检测）。
钢舌鼓>510自动发卡产品的使⽤过程包括“建模”和“检测”两个主要环节。主要流程如图4所⽰。
图 4 印刷品缺陷检测系统⼯作流程⽰意图
其中，“建模”环节由质量管理⼈员（QA）或者印刷机机长负责，主要操作步骤包括：产品基本资料输⼊、标准产品图像获取、设置检测范围、划分特殊检测区域（配准区域、字符区域、⼑丝区域、屏蔽区域等）、设置检测标准及相关参数。建模完成后相关数据将保存到统⼀的数据服务器中，该数据通常称为“模板”。“检测”环节由印刷机长或者普通操作⼈员负责，主要是完成分辨率标定和进⾏产品缺陷检测。
系统检测算法基本流程如图5所⽰。
图 5 印刷品缺陷检测算法流程⽰意图
三、针对型检测算法
拉丝、浅脏、散斑、串⾊，这类缺陷通⽤型检测难以检查出来，需要针对性提取其的特征才能查出来。
拉丝：⼀般只有⼀两个像素宽度，但是长度较长，颜⾊较浅，基于点对点⽐较的通⽤性算法难以检测这类缺陷，需要从不同颜⾊分量、纹理、对⽐度、纵向低频横向⾼频等多个维度提取特征进⾏检测。
浅脏：这类缺陷颜⾊较浅、⾯积较⼤，但是如果转换到另⼀个颜⾊空间，则缺陷会明显的突出出来，这类缺陷需要进⾏特殊的颜⾊转换才能查出来。
散斑：这类缺陷表现为不连续，单个斑点缺陷不⼤，但是联合起则较⼤，对于距离⼀两个像素较近的散斑，则通过数学形态学的⽅法可以解决，距离较⼤的散斑则可通过颜⾊及距离两个维度进⾏聚类。
zne1颜⾊测量：在印刷过程中由于不同墨键位置上墨量不同、不同区域版压不同、不同时间温度不同会导致印出产品颜⾊与标准样有⼀定的差异。
通过标准⽩板及专有⾊卡对采集系统进⾏标定得到RGB到LAB空间的颜⾊转换模型，把实时印品不同区域不同颜⾊的LAB值与标准样本对应区的LAB值⽐较得到⾊差△E。
四、通⽤型检测算法
通⽤型检测算法，即基于标准模板⽐对的算法，⼀般⽤于检测灰度或者颜⾊差异⽐较⼤、⾯积稍⼤的各种缺陷。
算法原理：分为离线和在线两个步骤。
离线：通过定位校正实时图像与模板图像的位置偏差，把校正后的合格的图像作为样品集训练出⼤⼩模板；
在线：通过定位校正实时图像，⽐较实时图像与⼤⼩模板每个像素之间的像素值，并计⼊⼀个错误值，若样品像素在可接受的范围，其错误值为零，若超过了此范围，就由错误加权计算出其错误值，并进⾏连通性分析得到Blob、对Blob进⾏⾯积、占空⽐、能量等形状特征分析识别缺陷。
1）⼤⼩模板如何⽣成？
2）错误值如何计算？
根据当前检测图像与模板进⾏逐点灰度值⽐较，出⼤于⼤模板图像灰度值（漏印或墨浅）点然后进⾏加权计算，⽣成漏印图像；出⼩于⼩模板图像灰度值（脏点或墨浓等）的点进⾏加权计算，⽣成脏点图像。错误值根据Tolerance（容忍度）、STEP（步长参木马制作
数）、GAIN（增益参数）、LIMIT（范围参数）进⾏计算。
通常情况下，由于产品中的字符区域带有很多重要信息，因此对于字符区域缺陷的检测往往要⽐其它区域更加严格。典型的字符缺陷包括：漏印、脏点、针孔，分别如下图所⽰。
字符区域漏印缺陷
字符上针孔缺陷
字符区域墨点缺陷
对字符区域进⾏特殊的检测，基于现有的图像灰度⽐对技术基本是可以解决的，但要进⾏字符区域缺陷检测，前提是：必须在“建模”阶段精确划分出字符区域。⽬前，这个任务主要是由⼈⼯通过建模软件来完成。考虑到不同印刷品，字符颜⾊、粗细、种类等千差万别，完全依靠⼿⼯建模，存在着⼯作量⼤、操作繁琐、容易疲劳且带有很⼤的主观性，因此必须考虑采⽤智能化的⽅法进⾏字符区域⾃动提取（下篇再做
详细分析）。
五、总结
该篇详细介绍了印刷质量缺陷的检测原理，分为通⽤性检测算法和针对性检测算法。其中通⽤性检测算法⽐较有代表性，不仅仅局限于印刷品的检测，其他很多⾏业都可以应⽤，详细的实现细节可参考halcon的print_check.hdev例⼦。
