一、印刷品質(zhì)量的控制與檢測（論文文獻綜述）
韓勝蘭[1]（2021）在《基于數(shù)字印刷系統(tǒng)的印刷品呈色質(zhì)量分析與控制研究》文中認為印刷,就是忠實原稿的大量復制。因此,尋求印品質(zhì)量的提升空間和途徑始終是業(yè)界的不懈追求。印刷質(zhì)量的分析與控制研究也一直是我們的工作核心。印刷呈色質(zhì)量受眾多因素的影響,研究單一因素的定量影響關系是進行印刷質(zhì)量控制的基礎。本文立足實驗室數(shù)字印刷技術設備,通過呈色質(zhì)量的理論分析和實驗考察,分別對單色印刷、雙色印刷和三色（多）色印刷,從印刷色序、加網(wǎng)方式以及數(shù)字系統(tǒng)呈色可控性三方面進行探索研究。本文具體完成工作內(nèi)容及取得的研究成果如下:（1）采用特殊的加網(wǎng)方式和色序變更策略,針對實驗室的數(shù)字印刷系統(tǒng)和測試設備,設計了印刷測試版,依次進行了印刷實驗、樣張?zhí)崛?、?shù)據(jù)測取和數(shù)據(jù)預處理。密度學體系和色度學體系的呈色差異分析顯示:不同色序的印刷會產(chǎn)生不同的呈色效果,密度的可加性與比例性設定再次受到挑戰(zhàn);（2）針對數(shù)字系統(tǒng),依據(jù)量化誤差的根源和影響分析,設計了實驗測試版,進行了印刷實驗。在排除了量化誤差影響和德米切爾方程計算誤差前提下,針對單、雙色梯尺呈色平均數(shù)據(jù)和不同位置梯尺數(shù)據(jù),進行了理論呈色效果與實驗數(shù)據(jù)的密度差異分析和色差計算,開展了數(shù)字系統(tǒng)質(zhì)量可控性研究分析。研究表明:除量化誤差外、數(shù)字系統(tǒng)也存在著位置呈色差異和網(wǎng)點擴大問題;（3）通過不同加網(wǎng)方式之間產(chǎn)生的呈色差異計算比較,分析了加網(wǎng)誤差。采用CIE1976LAB色差公式,通過特定加網(wǎng)方式下的實驗測量值與（基于色元色度以及色元面積率計算）理論計算值之間的顏色比較,進行了考慮加網(wǎng)影響和量化誤差影響的系統(tǒng)印刷質(zhì)量可控性探討。
于謙[2]（2021）在《基于機器視覺的啤酒箱印刷質(zhì)量檢測系統(tǒng)設計》文中研究指明啤酒是一種消耗量極大的日常飲品,啤酒箱作為它的包裝其印刷質(zhì)量很大程度地影響了產(chǎn)品的銷量和品牌的形象,所以對啤酒箱的印刷質(zhì)量進行檢測對于企業(yè)來說具有重要意義,而對于啤酒箱面紙此類畫面信息豐富的膠印印刷品的質(zhì)量檢測也十分具有研究意義。因此,本文針對實際需求,設計了一套啤酒箱印刷質(zhì)量檢測系統(tǒng)。本文將啤酒箱印刷過程中常見的缺陷歸為全局缺陷與局部缺陷兩類。根據(jù)全局缺陷的性質(zhì)構建較為寬泛的對比閾值,完成了對較為明顯的全局缺陷的檢測。根據(jù)局部缺陷的性質(zhì)首先提出了基于差異模型的模板匹配檢測方案,通過提取模板圖像中形狀與灰度值信息構建差異模型,將待檢測圖像與差異模型進行對比達到了對局部缺陷進行檢測的目的。為解決傳統(tǒng)機器視覺技術檢測精度與抗干擾能力差相沖突的問題又提出了基于金字塔場景解析網(wǎng)絡的語義分割模型的局部缺陷檢測方案,通過多尺度特征融合達到了獲取更多的上下文信息的目的,并完成了對局部缺陷的檢測。分別對兩種局部缺陷檢測方案進行檢測實驗,基于差異模型的模板匹配方案檢測準確率達到96%,平均耗時在10ms,檢測精度高但抗干擾能力差;而基于語義分割模型的方案準確率達到71%以上,平均耗時在50ms,但抗干擾能力強。實驗結(jié)果證明了兩種方案的可行性,并將現(xiàn)階段更加穩(wěn)定高效的基于差異模型的局部缺陷檢測方案與全局缺陷檢測組成完整的系統(tǒng)以軟件平臺的形式進行實現(xiàn)進行測試,測試結(jié)果證明本文設計的系統(tǒng)可以快速、準確地對啤酒箱進行印刷質(zhì)量檢測。
王佳[3]（2021）在《基于機器視覺的印刷品套印精度離線檢測系統(tǒng)研究》文中認為印刷業(yè)不僅是國家文化軟實力的重要載體,也是國家實體經(jīng)濟不可或缺的部分。近年來,隨著人民生活水平的日益提高,人們在印刷品質(zhì)量和美觀方面的要求提升,而套印精度對印刷品的質(zhì)量起著至關重要的作用。在線印刷機套準控制系統(tǒng)在印刷過程中可以實時檢測套印精度,從而調(diào)整相應的設備提高印品質(zhì)量。但對于第三方檢測機構,在對印品質(zhì)量檢測時,往往需要離線套印精度檢測系統(tǒng)保證檢測結(jié)果的穩(wěn)定可靠。在此背景下,進行了基于機器視覺系統(tǒng),對彩色印刷品套印精度檢測算法模型的研究與實驗,主要工作有:首先,基于數(shù)字圖像處理理論知識,對彩色印刷品套印標識圖像進行預處理。將待測樣本的數(shù)字化圖片統(tǒng)一到規(guī)定的尺寸,使像素矩陣的維數(shù)固定;將彩色套印標識圖像轉(zhuǎn)換到CMYK空間后以黑色為基準進行圖像分割;使用3*3中值濾波器與3*3高斯濾波器相結(jié)合的濾波算法去噪均衡化,去除干擾無用信息,使圖像的有用信息更加突出;采用Canny邊緣檢測算子在特征生成環(huán)節(jié)提取圖像邊緣信息,供套印精度檢測模型標定和預測,有利于提高套印檢測算法的速度與精度。其次,在預處理環(huán)節(jié)的基礎上,提出一種基于直線斜率檢測的套印精度檢測算法以及兩種基于神經(jīng)網(wǎng)絡的套印精度檢測算法?；谥本€斜率的檢測方法通過檢測各色套印線的斜率,同時將單位像素與實際距離標定完成后進行套印精度的檢測,但實驗表明此方法對圖像的邊緣檢測要求高;在此基礎上,基于全連接神經(jīng)網(wǎng)絡和基于卷積神經(jīng)網(wǎng)絡以輸入完成檢測的套印精度圖像數(shù)據(jù)為標簽進行模型訓練,以多組對比實驗進行超參數(shù)尋優(yōu),確定參數(shù)。神經(jīng)網(wǎng)絡模型算法相較于直線斜率檢測算法通用性強,模型適應性好,且真正的解決了人為主觀性,提高檢測的精度。最后,進行了硬件視覺檢測實驗平臺的完善搭建,且基于MATLAB的GUI功能設計實現(xiàn)直觀操作界面,包括圖像預處理部分及套印精度檢測算法部分。進行軟件可靠性測試后證明該視覺檢測系統(tǒng)運行穩(wěn)定,檢測的數(shù)據(jù)可靠且效率高。
王文娟[4]（2021）在《基于Android平臺的網(wǎng)點圖像邊緣檢測系統(tǒng)的設計與實現(xiàn)》文中進行了進一步梳理目前圖像邊緣檢測技術被應用于印刷網(wǎng)點測量中。當下,學界方面普遍認為相比較其他邊緣檢測算法而言,Canny邊緣檢測算法能夠發(fā)揮出更好的邊緣檢測性能。但是對在印刷品質(zhì)量檢測系統(tǒng)中經(jīng)常出現(xiàn)的脈沖噪聲（椒鹽噪聲）的濾除效果并不理想。根據(jù)這一現(xiàn)狀,本課題提出了基于自適應中值濾波的Canny邊緣檢測算法,以達到提高印刷品網(wǎng)點圖像邊緣檢測效果的目的。并在Android平臺上開發(fā)基于自適應中值濾波的Canny算法的印刷品網(wǎng)點圖像邊緣檢測系統(tǒng)。論文首先研究和分析了圖像邊緣檢測的常用算法,同時進一步針對自適應中值濾波展開了有關于Canny邊緣檢測算法的探討和實踐應用,對膠印、柔印、凹印、絲網(wǎng)印刷四種印刷品網(wǎng)點圖像進行邊緣提取,并通過峰值信噪比PSNR對其效果進行了客觀評價,通過對比實驗驗證了該算法對于含有脈沖噪聲的印刷品網(wǎng)點圖像的邊緣檢測效果和良好的去噪效果。根據(jù)提出的基于自適應中值濾波的Canny邊緣檢測算法,進行邊緣檢測,開發(fā)出的Android網(wǎng)點圖像邊緣檢測針對含有脈沖噪聲印刷品網(wǎng)點圖像的檢測精確度高,可以應用于印刷品的網(wǎng)點圖像邊緣檢測中。
符愛周[5]（2021）在《印刷品缺陷檢測關鍵技術研究及系統(tǒng)開發(fā)》文中指出隨著印刷行業(yè)的蓬勃發(fā)展,市場對印刷產(chǎn)品質(zhì)量的要求愈發(fā)嚴格。傳統(tǒng)的人工檢測印刷品缺陷的方式存在效率低、主觀性強、漏檢率高且舒適性差等缺點。機器視覺技術的發(fā)展推進了生產(chǎn)過程的智能化進程,印刷品缺陷的視覺檢測方式由此產(chǎn)生,并憑借其高效、準確和客觀等特點逐漸成為近些年的研究熱點?；谏鲜霰尘?論文以典型的機器視覺檢測原理為基礎,對印刷品缺陷檢測技術展開研究。根據(jù)醫(yī)藥軟包裝材料在印刷過程中的運動特性,對編碼器觸發(fā)掃描的線陣相機的成像特點進行分析。針對現(xiàn)有印刷品缺陷檢測系統(tǒng)存在的誤報率高且系統(tǒng)長時間運行時宕機的問題,結(jié)合企業(yè)對印刷品的生產(chǎn)質(zhì)量和效率的要求,論文將降低圖像噪聲和保障系統(tǒng)運行穩(wěn)定性作為研究的關鍵技術,并開發(fā)可用于生產(chǎn)現(xiàn)場的印刷品缺陷檢測系統(tǒng)。針對編碼器脈沖波形存在雜波干擾和圖像采集卡分頻失誤的問題,論文提出在編碼器與線陣相機之間添加I/O盒的解決方案,對編碼器脈沖信號濾波并實現(xiàn)舍棄脈沖功能,從源頭上改善圖像質(zhì)量。對于已存在噪聲的印刷品圖像,論文根據(jù)噪聲的表現(xiàn)形式將噪聲分為灰度、位置和輪廓噪聲三類。在對噪聲特性進行充分分析的基礎上,論文采用動靜態(tài)閾值、角點區(qū)域-區(qū)域配準和領域行灰度值差的抑制算法,并結(jié)合動態(tài)更換模板和基于人眼特性的輔助降噪方法,有效減少此三類噪聲對檢測結(jié)果的影響,從而降低了系統(tǒng)誤報率。通過計算圖像形變量的方式監(jiān)控圖像質(zhì)量,并根據(jù)形變量超出閾值的情況決定是否進行初始相位配準,或暫停檢測并提示用戶檢查設備。以模塊化的方式表示缺陷檢測的一般過程,在生產(chǎn)者-消費者模型的制約下,采用事件對象的方式執(zhí)行多線程調(diào)度,保障了各模塊的運行時序。根據(jù)圖像大小和計算機內(nèi)存實時監(jiān)控和調(diào)節(jié)各模塊緩沖區(qū)容量,將系統(tǒng)的內(nèi)存占用率控制在95%以內(nèi),保障了系統(tǒng)的穩(wěn)定性。針對比較操作和Blob分析模塊耗時嚴重的問題,論文采用線程池和限制缺陷個數(shù)的方式,有效控制了模塊的運行時長,提高了檢測系統(tǒng)的實時性。參考市面上已有的檢測軟件,結(jié)合企業(yè)的生產(chǎn)需求,論文重新設計缺陷檢測軟件系統(tǒng)的人機交互界面,并基于C++11標準、借助opencv4.1.0和MFC開發(fā)庫,在VS2017編譯平臺上實現(xiàn)整個檢測系統(tǒng)的開發(fā)。最后通過對在線采集的印刷品圖像進行離線分析和處理,驗證了降噪算法的有效性和保障系統(tǒng)穩(wěn)定性方法的可行性。論文開發(fā)的檢測系統(tǒng)能夠精確檢出異物、墨點、漏印等嚴重缺陷,也能可靠檢出刀絲、劃痕等微弱缺陷。檢測精度為0.15mm,最小可檢灰度差為10,檢測誤報率小于1%。
蘇林林[6]（2021）在《中小學教科書的印刷質(zhì)量及其安全性研究》文中認為中小學教科書是義務教育的重要支撐,是傳播知識與文化的重要載體。一本印刷精美、色彩艷麗、安全性好的教科書可以有效地激發(fā)起學生的學習興趣和內(nèi)在動力,同時保護中小學生的身心健康。針對現(xiàn)有生產(chǎn)的教科書印刷質(zhì)量不佳、色彩還原性不足、印刷過程各環(huán)節(jié)獨立未實現(xiàn)數(shù)據(jù)化規(guī)范化控制、教科書安全性未形成體系化管控的問題,通過控制網(wǎng)點變形、色彩還原、重金屬含量、VOCs含量,構建教科書印刷復制規(guī)范化體系及安全體系,以構建的體系進行規(guī)范化印刷。本文主要研究內(nèi)容如下:（1）運用灰色關聯(lián)分析法確定了影響印刷質(zhì)量的主要因素為網(wǎng)點擴大。綜合考慮膠印的工藝及印刷過程,分析影響網(wǎng)點變形的因素。使用補償原理引入網(wǎng)點修正曲線,實現(xiàn)原稿的數(shù)字化網(wǎng)點在制版過程的修正,確保原稿的網(wǎng)點和制版的網(wǎng)點相一致。對教科書生產(chǎn)現(xiàn)狀進行分析構建教科書印刷復制體系并制定印刷規(guī)范化流程,將教科書印刷復制過程體系化考慮,消除印刷材料、印刷工藝、印刷參數(shù)對網(wǎng)點的影響,確保網(wǎng)點傳遞過程的一致性,實現(xiàn)教科書印刷復制過程的數(shù)據(jù)化標準化控制。（2）對現(xiàn)有生產(chǎn)工藝和原輔料及其質(zhì)量控制體系和檢測體系進行梳理,對教科書印刷過程中產(chǎn)生有毒有害物質(zhì)的因素進行分析,查找印刷品重金屬、有機揮發(fā)物產(chǎn)生的各種顯性和隱性因素,構建教科書生產(chǎn)原輔材料及生產(chǎn)工藝的安全體系。（3）基于工廠實際生產(chǎn)材料及設備條件,以人教版四年級《語文》下冊為對象,在教科書印刷復制體系及數(shù)據(jù)化流程的指導下,進行樣書制版與印刷的數(shù)據(jù)化規(guī)范化控制及安全性指標控制。通過實驗形成標準化的數(shù)據(jù),用標準化的數(shù)據(jù)控制教科書的印刷生產(chǎn),確保教科書的印刷質(zhì)量。對所生產(chǎn)的教科書進行印刷質(zhì)量檢測及安全性檢測,結(jié)果表明運用印刷補償和色彩管理技術生產(chǎn)的教科書墨層厚實、圖像色彩飽滿、色彩還原性好,重金屬含量及VOCs含量遠低于所制定的安全標準。本文關于中小學教科書印刷質(zhì)量及安全性的研究對于確保云南省中小學教科書的安全和高品質(zhì)生產(chǎn)具有重要的應用價值,對于提升書刊印刷品的質(zhì)量具有參考價值。
張勝[7]（2020）在《基于圖像處理的印刷品缺陷檢測研究》文中指出印刷品是人們享受精神文化信息傳播的重要載體之一,因此人們對印刷品質(zhì)量的要求也越來越高。如何及時檢測和發(fā)現(xiàn)印刷品缺陷,減少印刷廢品流入市場,降低印刷成本和人力資源是人們關注的熱點。印刷產(chǎn)品質(zhì)量缺陷具有種類多、成因復雜等特點,但隨著圖像處理等技術的不斷發(fā)展,圖像處理技術成為印刷品缺陷檢測的一種有效手段之一。本文針對現(xiàn)有的印刷品質(zhì)量存在的缺陷,開展了基于圖像處理的印刷品缺陷檢測算法研究。主要研究內(nèi)容包括:首先針對印刷品質(zhì)量缺陷的特點,為有效降低噪聲數(shù)據(jù)對預測準確度的影響,本文提出了滿足點、線和圓三類印刷品缺陷預處理和邊緣處理方法;其次為不失印刷品缺陷圖像特征,本文開展了Sobel算子、Roberts算子、Prewitt算子、Laplace算子和Canny算子五種不同特征提取算法比較分析,提出了改進的Sobel特征提取算法,獲得了較好的邊緣提取效果;最后通過BP網(wǎng)絡和卷積神經(jīng)網(wǎng)絡分類器進行實驗分析比較,提出了一種改進的BP神經(jīng)網(wǎng)絡分類算法。通過實際數(shù)據(jù)驗證表明,本文所提出的方法不僅能夠有效降低印刷品質(zhì)量檢測成本,而且能有效提高印刷產(chǎn)品質(zhì)量檢測的效果。其成果具有重要的推廣應用價值。
潘煜[8]（2020）在《基于FPGA的印刷品缺陷檢測系統(tǒng)的設計與實現(xiàn)》文中研究表明制造業(yè)是一個國家實力的體現(xiàn),而印刷工業(yè)是其中的重要組成部分,隨著經(jīng)濟的發(fā)展,印刷工業(yè)如何利用先進技術創(chuàng)新發(fā)展成為不得不面對的問題。在實際的生產(chǎn)過程中,印刷品經(jīng)常出現(xiàn)印刷質(zhì)量問題,譬如漏印、墨點、劃傷等缺陷,并且當前的印刷缺陷還會對后序的印刷產(chǎn)生影響,這些問題的出現(xiàn)直接決定著企業(yè)生產(chǎn)的印刷品能否得到客戶的認可和滿意。但是以往對于印刷品缺陷的檢測和識別都是依靠人眼來觀察,耗時長并且準確率也不高。因此為了解決這些印刷品缺陷問題,設計開發(fā)一款基于FPGA（現(xiàn)場可編程邏輯門陣列）的能夠?qū)τ∷⑵返娜毕輪栴}進行高效實時檢測的印刷品缺陷檢測系統(tǒng)來解決現(xiàn)階段印刷品制造業(yè)中出現(xiàn)的問題,具有非常重要的意義。本系統(tǒng)的開發(fā)過程經(jīng)過了實地調(diào)研,所開發(fā)的功能符合實際應用,能夠較為圓滿地解決生產(chǎn)過程中存在的印刷缺陷問題。本系統(tǒng)搭建了人機交互的可視化Web系統(tǒng),首先,在硬件平臺對印刷品進行拍照操作后,由用戶通過交互模塊提交標準圖像模板和檢測流程,數(shù)據(jù)傳入后臺,通過模板與待檢測圖片進行圖像匹配,從而得到檢測區(qū)域并對檢測區(qū)域進行不同錯誤類型的檢測,檢測結(jié)果包含錯誤類型與錯誤位置兩個參數(shù)。系統(tǒng)將標記出相對應的缺陷位置并標明缺陷類型,并將檢測結(jié)果實時反饋,以方便客戶針對特定的缺陷類型進行相應的處理。Web系統(tǒng)使用Python語言編寫,采用了當前最新的Vue.js前端框架進行開發(fā)設計,運用模塊化編程方式,便于二次開發(fā)。本系統(tǒng)圖像分割模塊采用了 FPGA加速實現(xiàn),從而使得圖像分割流程能夠高速完成。在印刷品的分類檢測程序中,采用了 HOG（方向梯度直方圖）特征提取及SVM（支持向量機）分類的方式,使得系統(tǒng)對于不同的印刷品缺陷都能夠進行有效的識別和分類,同時采用了 OpenCV中關于圖像處理的有關接口來具體實現(xiàn)。本系統(tǒng)基于機器視覺有效解決了當前市面上存在的印刷品缺陷檢測交互性差、速度慢、準確率低等問題,相比較傳統(tǒng)的印刷品檢測系統(tǒng)取得了長足的進步,對整個印刷品行業(yè)的發(fā)展起到了推動作用。
劉斯陽[9]（2020）在《適用于地圖印刷的缺陷檢測技術研究》文中認為地圖印刷缺陷檢測作為地圖質(zhì)量控制的重要環(huán)節(jié),其檢測技術的創(chuàng)新與發(fā)展對于促進地圖生產(chǎn)和管理系統(tǒng)轉(zhuǎn)型升級具有重要意義。為了提高地圖印刷缺陷檢測的自動化程度,進一步完善地圖生產(chǎn)的數(shù)字化管理模式,本文以機器視覺檢測系統(tǒng)組成、圖像處理算法和機器學習思想為基礎,對地圖印刷缺陷圖像的采集設備、圖像預處理、缺陷檢測以及缺陷分類算法等進行了較為深入的研究,并完善了系統(tǒng)功能模塊。主要研究內(nèi)容如下:1.改進了地圖印刷缺陷檢測系統(tǒng)的硬件方案。分析地圖淺色普染缺陷難以檢測的原因,設計了適用于地圖缺陷檢測的照明方案,最大限度地突出了普染區(qū)域。2.優(yōu)化了適用于地圖印刷缺陷檢測的圖像預處理算法。選擇合適的模板制作方法,針對紙面與要素對比度較低的問題,設計了一種基于權值調(diào)整的灰度化方法,較大程度的提高淺色普染要素與紙面的對比度;設計了Gamma校正與CLAHE結(jié)合的圖像增強算法,并通過實驗給出最佳參數(shù)確定方法。針對圖像采集中的噪聲選擇雙邊濾波,在保留邊緣的同時濾除噪聲。3.建立了基于機器學習的分類模型。首先設計了支持向量機的多分類算法,并通過實際產(chǎn)生的數(shù)據(jù)集進行實驗;重點闡釋了基于Faster R-CNN網(wǎng)絡設計的針對本文需求的分類算法,設計實驗證明在小樣本數(shù)據(jù)集下其具有更好的分類效果。4.優(yōu)化了地圖缺陷檢測系統(tǒng)的功能模塊。改進了硬件管理模塊和圖像處理模塊;重建了模型訓練模塊和缺陷分類模塊,重點增加了基于卷積神經(jīng)網(wǎng)絡的分類模型的訓練、更新和分類操作;添加了缺陷信息管理模塊,為缺陷分類模型建立缺陷訓練數(shù)據(jù)庫,充分利用缺陷檢測結(jié)果,指導地圖分級,生成檢測報告和更新分類模型。
唐海艷[10]（2020）在《基于顏色直方圖特征的印刷品顏色缺陷檢測》文中研究表明我國作為世界上第二大經(jīng)濟體,印刷包裝行業(yè)的產(chǎn)值近年得到持續(xù)穩(wěn)定的增長,商品的印刷包裝在流通和消費過程中成為連接商品生產(chǎn)和消費者的重要紐帶。由于印刷工藝設計、承印物質(zhì)量、印刷設備和操作人員技術水平等因素,導致印刷品不可避免地會出現(xiàn)各種印刷缺陷,從而嚴重影響到產(chǎn)品質(zhì)量,不僅會使得企業(yè)蒙受經(jīng)濟損失,同時也會造成極大的人力和物力浪費。因此,開展印刷生產(chǎn)線上快速、準確的印刷品缺陷檢測方法相關的研究,是保障印刷品質(zhì)量的重要途徑。本文針對目前印刷品顏色缺陷在線檢測效率和準確率難以兼顧的問題,提出了基于顏色直方圖特征提取的圖像顏色缺陷檢測方法,對于提高印刷品印刷質(zhì)量、降低印刷成本具有一定的理論參考價值。本文的研究工作主要有以下幾個方面:1、對圖像尺寸為512×512的彩色標準圖像“Lena”,將其從RGB顏色空間轉(zhuǎn)換至HSV顏色空間,并隨機改變H、S、V分量值,然后采用CIE L*a*b*計算樣本圖像與標準圖像的色差值,以6NBS為閾值判斷圖像是否存在顏色缺陷,獲取了65000張樣本圖像;根據(jù)圖像顏色直方圖統(tǒng)計分布特點,采用非均勻量化方法對圖像的直方圖特征進行了提取,最終使表征圖像顏色的特征數(shù)從786432個減少為784個。2、針對本文圖像顏色缺陷檢測問題,以檢測準確率為驗證指標,采用網(wǎng)格搜索法確定了支持向量機法高斯核函數(shù)的懲罰系數(shù)C和超參數(shù)?分別為4.5和0.1;分析了BP神經(jīng)網(wǎng)絡模型的結(jié)構、隱藏層神經(jīng)元數(shù)目、各層激勵函數(shù)、訓練函數(shù)與訓練時間和檢測準確率的關系,構建了BP神經(jīng)網(wǎng)絡模型;考察了卷積神經(jīng)網(wǎng)絡池化方法、卷積層層數(shù)與驗證集和訓練集的RMSE、檢測準確率的關系,確定了本文圖像顏色缺陷檢測所需的卷積神經(jīng)網(wǎng)絡模型。3、對10000張測試集樣本圖像進行檢測,結(jié)果表明:支持向量機法、BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡方法的檢測準確率分別為99.52%、99.7%和99.77%,單張圖像的檢測時間分別為59.92ms、65.95 ms和57.66ms;三種方法的檢測準確率與訓練樣本數(shù)量關系密切,隨著訓練樣本數(shù)量的增加,檢測準確率均提高。4、支持向量機、BP神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡方法等基于顏色直方圖特征的圖像顏色缺陷檢測方法相比于色差計算公式和超像素方法在檢測效率方面有了顯著提升,卷積神經(jīng)網(wǎng)絡方法檢測效率相比于CIE L*a*b*和CIEDE2000色差計算公式分別提升了約3.36倍和6.11倍,即:通過非均勻量化顏色直方圖特征的提取,采用卷積神經(jīng)網(wǎng)絡方法對圖像顏色缺陷進行檢測可以達到既保證高檢測準確率又可顯著提升檢測效率的目的,說明該方法在印刷品顏色質(zhì)量在線監(jiān)測領域具有很好的應用價值。
二、印刷品質(zhì)量的控制與檢測（論文開題報告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡單簡介論文所研究問題的基本概念和背景，再而簡單明了地指出論文所要研究解決的具體問題，并提出你的論文準備的觀點或解決方法。
寫法范例：
本文主要提出一款精簡64位RISC處理器存儲管理單元結(jié)構并詳細分析其設計過程。在該MMU結(jié)構中,TLB采用叁個分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲器并行查找,支持粗粒度為64KB和細粒度為4KB兩種頁面大小,采用多級分層頁表結(jié)構映射地址空間,并詳細論述了四級頁表轉(zhuǎn)換過程,TLB結(jié)構組織等。該MMU結(jié)構將作為該處理器存儲系統(tǒng)實現(xiàn)的一個重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關研究對象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對象從而得到有關信息。
實驗法：通過主支變革、控制研究對象來發(fā)現(xiàn)與確認事物間的因果關系。
文獻研究法：通過調(diào)查文獻來獲得資料，從而全面的、正確的了解掌握研究方法。
實證研究法：依據(jù)現(xiàn)有的科學理論和實踐的需要提出設計。
定性分析法：對研究對象進行“質(zhì)”的方面的研究，這個方法需要計算的數(shù)據(jù)較少。
定量分析法：通過具體的數(shù)字，使人們對研究對象的認識進一步精確化。
跨學科研究法：運用多學科的理論、方法和成果從整體上對某一課題進行研究。
功能分析法：這是社會科學用來分析社會現(xiàn)象的一種方法，從某一功能出發(fā)研究多個方面的影響。
模擬法：通過創(chuàng)設一個與原型相似的模型來間接研究原型某種特性的一種形容方法。
三、印刷品質(zhì)量的控制與檢測（論文提綱范文）
（1）基于數(shù)字印刷系統(tǒng)的印刷品呈色質(zhì)量分析與控制研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 研究背景與意義 |
| 1.2 國內(nèi)外印刷質(zhì)量分析控制研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 本文研究內(nèi)容安排 |
| 2 印刷質(zhì)量分析與控制的理論與方法 |
| 2.1 顏色的復制與測評 |
| 2.1.1 顏色的再現(xiàn)方法 |
| 2.1.2 顏色的測量與評價 |
| 2.1.3 色空間轉(zhuǎn)換與定量計算 |
| 2.2 單一因素的影響分析 |
| 2.2.1 印刷質(zhì)量的影響因素 |
| 2.2.2 理論分析的依據(jù)與方法 |
| 2.2.3 實驗支持與數(shù)據(jù)獲取 |
| 2.3 實驗平臺選取與實驗設計 |
| 2.3.1 實驗平臺的選取 |
| 2.3.2 實驗參數(shù)設置與過程設計 |
| 2.4 本章小結(jié) |
| 3 色序呈色差異的實驗分析 |
| 3.1 總體規(guī)劃與實驗測試版設計 |
| 3.1.1 實驗研究規(guī)劃 |
| 3.1.2 實驗測試版設計 |
| 3.2 實驗過程及數(shù)據(jù)測量 |
| 3.2.1 實驗過程 |
| 3.2.2 數(shù)據(jù)測量 |
| 3.3 數(shù)據(jù)預處理 |
| 3.4 數(shù)據(jù)分析 |
| 3.4.1 雙色的色序影響分析 |
| 3.4.2 三色的色序影響分析 |
| 3.5 色序呈色差異的理論探析 |
| 3.5.1 墨量控制模型及其研究 |
| 3.5.2 新模型的探索研究 |
| 3.5.3 基于新模型的色序影響分析 |
| 3.6 本章小結(jié) |
| 4 數(shù)字系統(tǒng)呈色可控性實驗研究 |
| 4.1 實驗及數(shù)據(jù)采集 |
| 4.1.1 測試版的設計 |
| 4.1.2 實驗過程 |
| 4.1.3 實驗數(shù)據(jù)獲取及預處理 |
| 4.2 量化誤差及其單色呈色質(zhì)量控制分析 |
| 4.2.1 量化誤差的影響分析 |
| 4.2.2 各梯級實測密度與計算密度的差異分析 |
| 4.3 雙色呈色質(zhì)量的可控性分析 |
| 4.4 不同圖文位置的呈色差異分析 |
| 4.5 本章小結(jié) |
| 5 不同加網(wǎng)參數(shù)的呈色差異實驗分析 |
| 5.1 不同加網(wǎng)方式的呈色實驗 |
| 5.2 不同加網(wǎng)方式的呈色差異實驗分析 |
| 5.3 基于紐介堡方程呈色差異分析 |
| 5.4 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 論文總結(jié) |
| 6.2 未來展望 |
| 致謝 |
| 參考文獻 |
| 攻讀學位期間主要研究成果 |
（2）基于機器視覺的啤酒箱印刷質(zhì)量檢測系統(tǒng)設計（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 課題背景 |
| 1.2 印刷品質(zhì)量檢測研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 本文研究內(nèi)容 |
| 2 啤酒箱印刷質(zhì)量檢測系統(tǒng)的總體設計 |
| 2.1 啤酒箱印刷質(zhì)量檢測的需求分析 |
| 2.1.1 檢測系統(tǒng)的技術需求分析 |
| 2.1.2 檢測系統(tǒng)的功能需求分析 |
| 2.2 質(zhì)量檢測系統(tǒng)的整體架構設計 |
| 2.3 質(zhì)量檢測系統(tǒng)軟件部分的架構設計 |
| 2.4 質(zhì)量檢測系統(tǒng)硬件部分的架構設計 |
| 2.5 本章小結(jié) |
| 3 啤酒箱印刷質(zhì)量檢測系統(tǒng)硬件的設計 |
| 3.1 工業(yè)相機的選型 |
| 3.2 光學鏡頭的選型 |
| 3.3 光源的選型 |
| 3.4 圖像采集平臺與照明方式的設計 |
| 3.5 本章小結(jié) |
| 4 基于模板匹配的啤酒箱印刷質(zhì)量檢測研究 |
| 4.1 模板匹配的介紹 |
| 4.2 啤酒箱印刷質(zhì)量檢測整體流程 |
| 4.3 全局缺陷檢測算法 |
| 4.3.1 清晰度異常測算法設計 |
| 4.3.2 色偏檢測算法設計 |
| 4.3.3 亮度異常檢測算法設計 |
| 4.4 基于差異模型的局部缺陷檢測方案 |
| 4.5 目標區(qū)域自動選取的方法研究 |
| 4.5.1 常見圖像分割算法的介紹 |
| 4.5.2 圖像分割算法的研究 |
| 4.6 模板模型的制作研究 |
| 4.7 模板模型的匹配與對比研究 |
| 4.7.1 基于形狀的模板匹配 |
| 4.7.2 模板模型與待檢測區(qū)域的對齊 |
| 4.7.3 縮放圖像灰度值范圍 |
| 4.7.4 待檢測圖像與差異模型的對比 |
| 4.8 本章小結(jié) |
| 5 基于PSPNet語義分割的局部缺陷檢測研究 |
| 5.1 金字塔場景解析網(wǎng)絡 |
| 5.2 基于PSPNet語義分割的檢測流程 |
| 5.3 局部缺陷檢測實驗平臺搭建 |
| 5.4 基于語義分割模型的檢測實驗 |
| 5.4.1 圖像數(shù)據(jù)集的構建 |
| 5.4.2 語義分割模型與數(shù)據(jù)集的預處理 |
| 5.4.3 語義分割模型的訓練與評估 |
| 5.4.4 新圖像的推理預測 |
| 5.5 本章小結(jié) |
| 6 啤酒箱印刷質(zhì)量檢測系統(tǒng)的軟件開發(fā) |
| 6.1 軟件平臺的需求與功能設計 |
| 6.1.1 軟件平臺的需求分析 |
| 6.1.2 軟件平臺的功能設計 |
| 6.2 軟件平臺的開發(fā)工具介紹 |
| 6.3 界面設計與功能實現(xiàn) |
| 6.3.1 用戶登錄模塊 |
| 6.3.2 參數(shù)調(diào)整與質(zhì)量檢測模塊 |
| 6.3.3 軟件平臺的打包 |
| 6.4 本章小結(jié) |
| 結(jié)論 |
| 參考文獻 |
| 攻讀學位期間發(fā)表的學術論文 |
| 致謝 |
（3）基于機器視覺的印刷品套印精度離線檢測系統(tǒng)研究（論文提綱范文）
| 致謝 |
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 1.2 印刷品套準偏差檢測國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 印刷品套準偏差檢測國外研究現(xiàn)狀 |
| 1.2.2 印刷品套準偏差檢測國內(nèi)研究現(xiàn)狀 |
| 1.3 論文研究內(nèi)容 |
| 2 印刷品套印標識圖像處理 |
| 2.1 套印標識圖像分割算法 |
| 2.1.1 CMYK單色通道提取 |
| 2.1.2 圖像分割 |
| 2.2 套印標識圖像濾波算法 |
| 2.2.1 空間濾波 |
| 2.2.2 頻率域法 |
| 2.3 套印標識圖像邊緣檢測算法 |
| 2.3.1 Roberts算子 |
| 2.3.2 Prewitt算子和Sobel算子 |
| 2.3.3 Canny算子 |
| 2.4 本章小結(jié) |
| 3 神經(jīng)網(wǎng)絡算法 |
| 3.1 神經(jīng)網(wǎng)絡基本理論 |
| 3.1.1 激活函數(shù) |
| 3.1.2 歸一化方法 |
| 3.1.3 反向傳播 |
| 3.2 全連接神經(jīng)網(wǎng)絡 |
| 3.3 卷積神經(jīng)網(wǎng)絡 |
| 3.4 本章小結(jié) |
| 4 基于機器視覺的套印精度檢測算法 |
| 4.1 基于直線斜率的套印精度檢測算法 |
| 4.1.1 算法流程 |
| 4.1.2 誤差降低 |
| 4.2 基于全連接神經(jīng)網(wǎng)絡的套印精度檢測算法 |
| 4.2.1 模型結(jié)構 |
| 4.2.2 模型細節(jié) |
| 4.3 基于卷積神經(jīng)網(wǎng)絡的套印精度檢測算法 |
| 4.3.1 模型結(jié)構 |
| 4.3.2 模型細節(jié) |
| 4.4 本章小結(jié) |
| 5 基于機器視覺的套印精度檢測系統(tǒng)設計與實現(xiàn) |
| 5.1 硬件運動平臺 |
| 5.1.1 視覺系統(tǒng) |
| 5.1.2 機械平臺 |
| 5.2 系統(tǒng)軟件設計 |
| 5.2.1 軟件功能 |
| 5.2.2 軟件界面 |
| 5.3 印刷品套印精度檢測實驗 |
| 5.3.1 取樣 |
| 5.3.2 實驗過程 |
| 5.3.3 實驗結(jié)果及分析 |
| 5.4 本章小結(jié) |
| 6 總結(jié)與展望 |
| 參考文獻 |
| 附錄 A 不同檢測模型的印刷品套印精度檢測數(shù)據(jù) |
| 作者攻讀學位期間取得的研究成果 |
（4）基于Android平臺的網(wǎng)點圖像邊緣檢測系統(tǒng)的設計與實現(xiàn)（論文提綱范文）
| 致謝 |
| 摘要 |
| ABSTRACT |
| 1 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 圖像邊緣檢測算法研究現(xiàn)狀 |
| 1.2.2 中值濾波研究現(xiàn)狀 |
| 1.2.3 網(wǎng)點測量技術研究現(xiàn)狀 |
| 1.3 論文研究對象及內(nèi)容 |
| 2 印刷網(wǎng)點圖像邊緣檢測理論基礎 |
| 2.1 圖像邊緣檢測的基本理論 |
| 2.1.1 圖像邊緣檢測定義 |
| 2.2 幾種常用的邊緣檢測算法 |
| 2.2.1 Roberts邊緣檢測算法 |
| 2.2.2 Sobel邊緣檢測算法 |
| 2.2.3 Prewitt邊緣檢測算法 |
| 2.2.4 LOG邊緣檢測算法 |
| 2.2.5 Canny邊緣檢測算法 |
| 2.3 圖像邊緣檢測的難點和算法優(yōu)缺點比較 |
| 2.3.1 圖像邊緣檢測的難點 |
| 2.3.2 圖像邊緣檢測算法的優(yōu)缺點比較 |
| 3 幾種常用邊緣檢測算法的效果驗證實驗 |
| 3.1 幾種常用邊緣檢測算法的實現(xiàn) |
| 3.1.1 Roberts邊緣檢測算法的實現(xiàn) |
| 3.1.2 Sobel邊緣檢測算法的實現(xiàn) |
| 3.1.3 Prewitt邊緣檢測算法的實現(xiàn) |
| 3.1.4 LOG邊緣檢測算法的實現(xiàn) |
| 3.1.5 Canny邊緣檢測算法的實現(xiàn) |
| 3.2 圖像邊緣檢測算法性能客觀評價指標 |
| 3.3 基于幾種經(jīng)典邊緣檢測算法的網(wǎng)點圖像邊緣檢測 |
| 3.3.1 實驗材料及過程 |
| 3.3.2 實驗結(jié)果 |
| 3.3.3 實驗分析 |
| 3.4 本章小結(jié) |
| 4 基于自適應中值濾波的Canny邊緣檢測算法 |
| 4.1 印刷品網(wǎng)點圖像灰度化處理 |
| 4.2 印刷品網(wǎng)點圖像降噪 |
| 4.2.1 傳統(tǒng)中值濾波 |
| 4.2.2 中值濾波的改進—自適應中值濾波 |
| 4.3 印刷品網(wǎng)點圖像邊緣提取 |
| 4.3.1 實驗材料及過程 |
| 4.3.2 實驗結(jié)果及分析 |
| 4.3.3 小結(jié) |
| 4.4 本章小結(jié) |
| 5 印刷品網(wǎng)點圖像邊緣檢測系統(tǒng)的實現(xiàn) |
| 5.1 Android平臺簡介 |
| 5.1.1 平臺簡介及特性 |
| 5.1.2 Android平臺架構 |
| 5.2 網(wǎng)點圖像邊緣檢測系統(tǒng)的實現(xiàn) |
| 5.2.1 項目搭建 |
| 5.2.2 系統(tǒng)界面的實現(xiàn) |
| 5.2.3 圖像裁剪 |
| 5.2.4 系統(tǒng)圖像處理機制 |
| 5.3 軟件操作 |
| 5.4 仿真實驗驗證 |
| 5.4.1 測試工具 |
| 5.4.2 測試結(jié)果及分析 |
| 5.5 本章小結(jié) |
| 6 結(jié)論 |
| 7 展望 |
| 參考文獻 |
| 附錄 印刷網(wǎng)點圖像檢測樣品 |
| 作者攻讀碩士學位期間取得的研究成果 |
（5）印刷品缺陷檢測關鍵技術研究及系統(tǒng)開發(fā)（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 論文研究背景 |
| 1.1.1 印刷業(yè)發(fā)展背景 |
| 1.1.2 機器視覺技術發(fā)展應用 |
| 1.1.3 印刷品缺陷檢測與機器視覺結(jié)合趨勢 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.2.1 國外研究現(xiàn)狀 |
| 1.2.2 國內(nèi)研究現(xiàn)狀 |
| 1.3 檢測需求說明與研發(fā)難點概述 |
| 1.3.1 檢測需求說明 |
| 1.3.2 研發(fā)難點概述 |
| 1.4 論文章節(jié)安排 |
| 2 檢測系統(tǒng)總體方案設計 |
| 2.1 機器視覺缺陷檢測系統(tǒng)介紹 |
| 2.1.1 印刷品缺陷檢測系統(tǒng)的構成 |
| 2.1.2 印刷品缺陷檢測基本過程介紹 |
| 2.2 檢測系統(tǒng)的硬件選型 |
| 2.3 模塊化系統(tǒng)設計 |
| 2.3.1 檢測系統(tǒng)的模塊化組成 |
| 2.3.2 模塊間的時序關系說明 |
| 2.4 本章小結(jié) |
| 3 印刷品圖像的降噪技術研究 |
| 3.1 圖像噪聲分析 |
| 3.1.1 噪聲來源分析 |
| 3.1.2 圖像噪聲分類 |
| 3.1.3 圖像噪聲特性 |
| 3.2 I/O盒提高圖像質(zhì)量 |
| 3.2.1 I/O盒的功能定義 |
| 3.2.2 濾波和舍棄脈沖處理 |
| 3.3 圖像噪聲的抑制算法 |
| 3.3.1 使用靜動態(tài)閾值的灰度噪聲抑制算法 |
| 3.3.2 基于角點的位置噪聲抑制算法 |
| 3.3.3 細圖案輪廓噪聲的抑制算法 |
| 3.3.4 輔助降噪方法 |
| 3.3.5 圖像的降噪流程分析 |
| 3.4 本章小結(jié) |
| 4 系統(tǒng)運行穩(wěn)定性的保障方法分析 |
| 4.1 系統(tǒng)穩(wěn)定性分析 |
| 4.1.1 系統(tǒng)穩(wěn)定性定義和評價指標 |
| 4.1.2 現(xiàn)有缺陷檢測系統(tǒng)的穩(wěn)定性分析 |
| 4.2 圖像形變量監(jiān)控 |
| 4.2.1 基準版周的獲取 |
| 4.2.2 圖像形變量監(jiān)控 |
| 4.2.3 初始相位同步 |
| 4.3 保障各模塊運行時序的方法分析 |
| 4.3.1 多線程調(diào)度與內(nèi)存監(jiān)控策略 |
| 4.3.2 提高耗時模塊運行速度的方法 |
| 4.4 本章小結(jié) |
| 5 檢測系統(tǒng)開發(fā)與實驗結(jié)果分析 |
| 5.1 檢測系統(tǒng)開發(fā) |
| 5.1.1 人機交互界面設計 |
| 5.1.2 關鍵類的UML圖及接口說明 |
| 5.1.3 檢測系統(tǒng)使用介紹 |
| 5.2 實驗結(jié)果分析 |
| 5.2.1 實驗條件說明 |
| 5.2.2 實驗結(jié)果介紹 |
| 5.2.3 實驗結(jié)果分析 |
| 5.3 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻 |
| 攻讀碩士期間科研成果 |
| 致謝 |
（6）中小學教科書的印刷質(zhì)量及其安全性研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 引言 |
| 1.2 選題背景與意義 |
| 1.3 國內(nèi)外研究現(xiàn)狀 |
| 1.4 本文主要研究內(nèi)容及研究路線 |
| 第二章 中小學教科書印刷復制及質(zhì)量評價相關理論 |
| 2.1 印刷復制原理及工藝 |
| 2.1.1 印前加網(wǎng)原理 |
| 2.1.2 教科書印刷復制工藝 |
| 2.2 印刷質(zhì)量評價基礎理論 |
| 2.3 色彩管理理論 |
| 2.3.1 色彩管理概述 |
| 2.3.2 色空間理論 |
| 2.3.3 色彩管理系統(tǒng)基本構成 |
| 2.4 本章小結(jié) |
| 第三章 印刷質(zhì)量影響因素分析及體系構建 |
| 3.1 影響印品質(zhì)量的性能參數(shù)分析 |
| 3.1.1 印品質(zhì)量性能評價參數(shù) |
| 3.1.2 灰色關聯(lián)分析步驟 |
| 3.1.3 實驗 |
| 3.1.4 灰色關聯(lián)分析計算及結(jié)果分析 |
| 3.2 印刷網(wǎng)點擴大影響因素分析 |
| 3.2.1 印前制版 |
| 3.2.2 印刷材料 |
| 3.2.3 印刷條件 |
| 3.3 控制印刷網(wǎng)點擴大的方法 |
| 3.3.1 印刷補償方法及原理 |
| 3.3.2 印刷補償實驗 |
| 3.4 印刷體系構建 |
| 3.4.1 印刷體系構建 |
| 3.4.2 印刷復制規(guī)范化流程 |
| 3.5 本章小結(jié) |
| 第四章 中小學教科書安全性分析及安全體系的建立 |
| 4.1 影響中小學教科書安全性因素分析 |
| 4.1.1 印刷主要材料 |
| 4.1.2 印刷輔料 |
| 4.1.3 印刷過程 |
| 4.2 中小學教科書安全體系建立 |
| 4.2.1 材料選擇 |
| 4.2.2 紙張油墨及成品安全性規(guī)范 |
| 4.2.3 紙張油墨安全性檢測實驗 |
| 4.3 印刷過程安全性規(guī)范 |
| 4.4 本章小結(jié) |
| 第五章 中小學教科書印刷實驗研究 |
| 5.1 教科書印刷實驗方案設計 |
| 5.2 印前設備調(diào)整與校準 |
| 5.2.1 印刷機性能調(diào)整 |
| 5.2.2 色彩管理設備校準及特征化 |
| 5.3 CTP制版實驗 |
| 5.3.1 實驗設備材料及參數(shù)設定 |
| 5.3.2 測試文件制作及檢查 |
| 5.3.3 印版線性化 |
| 5.4 測試版印刷實驗 |
| 5.4.1 實驗設備材料及參數(shù)設定 |
| 5.4.2 印刷反補償曲線建立 |
| 5.4.3 印刷ICC特性文件制作 |
| 5.4.4 印刷質(zhì)量綜合評價 |
| 5.5 中小學教科書印刷質(zhì)量及安全性評價 |
| 5.5.1 教科書印刷質(zhì)量評價 |
| 5.5.2 教科書安全性評價 |
| 5.6 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 結(jié)論 |
| 6.2 不足與展望 |
| 致謝 |
| 參考文獻 |
| 附錄 攻讀碩士期間成果 |
（7）基于圖像處理的印刷品缺陷檢測研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第一章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.2 圖像處理及其在印刷缺陷檢測中的應用 |
| 1.3 印刷質(zhì)量檢測國內(nèi)外研究現(xiàn)狀 |
| 1.4 論文的結(jié)構安排 |
| 第二章 圖像處理技術基本理論 |
| 2.1 圖像預處理 |
| 2.1.1 彩色圖像灰度化 |
| 2.1.2 灰度圖像增強 |
| 2.1.3 圖像濾波 |
| 2.2 圖像的邊緣檢測 |
| 2.2.1 微分算子法 |
| 2.2.2 常用的邊緣檢測算法 |
| 2.3 圖像的配準 |
| 2.3.1 圖像配準的概述 |
| 2.3.2 最大互信息測度 |
| 2.4 圖像缺陷的檢測方法 |
| 2.5 圖像模式識別基礎 |
| 2.6 本章小結(jié) |
| 第三章 印刷品圖像的缺陷檢測 |
| 3.1 印刷品圖像的采集 |
| 3.2 圖像預處理 |
| 3.2.1 彩色圖像灰度化 |
| 3.2.2 灰度圖像增強 |
| 3.2.3 圖像濾波 |
| 3.3 圖像的邊緣檢測 |
| 3.3.1 常用的邊緣檢測算法 |
| 3.3.2 改進的Sobel算子法 |
| 3.4 圖像的配準和檢測 |
| 3.5 實驗結(jié)果分析對比 |
| 3.5.1 不同邊緣提取算法的比較 |
| 3.5.2 圖像配準的精度比較 |
| 3.6 本章小結(jié) |
| 第四章 印刷品缺陷識別算法的研究 |
| 4.1 分類器的選擇 |
| 4.1.1 印刷品缺陷分類的分析 |
| 4.1.2 常見的分類器 |
| 4.2 BP神經(jīng)網(wǎng)絡分類器 |
| 4.2.1 BP神經(jīng)網(wǎng)絡的結(jié)構和原理 |
| 4.2.2 BP網(wǎng)絡的確定原則 |
| 4.2.3 BP網(wǎng)絡學習算法及其改進 |
| 4.3 基于BP網(wǎng)絡的缺陷分類 |
| 4.3.1 缺陷分類模塊的框架 |
| 4.3.2 BP網(wǎng)絡分類器構造 |
| 4.4 基于卷積神經(jīng)網(wǎng)絡的印刷品缺陷分類 |
| 4.4.1 卷積神經(jīng)網(wǎng)絡 |
| 4.4.2 卷積神經(jīng)網(wǎng)絡主要結(jié)構 |
| 4.5 實驗結(jié)果及分析 |
| 4.5.1 實驗硬件架構 |
| 4.5.2 兩種分類器的實驗結(jié)果 |
| 4.6 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 總結(jié) |
| 5.2 展望 |
| 參考文獻 |
| 攻讀學位期間所取得的相關科研成果 |
| 致謝 |
（8）基于FPGA的印刷品缺陷檢測系統(tǒng)的設計與實現(xiàn)（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 課題研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 相關理論及技術 |
| 1.3.1 Python |
| 1.3.2 Vue.js前端技術 |
| 1.3.3 OpenCV |
| 1.3.4 FPGA平臺 |
| 1.4 本文主要工作及章節(jié)安排 |
| 第2章 系統(tǒng)需求分析 |
| 2.1 印刷品缺陷分析 |
| 2.2 需求分析 |
| 2.2.1 業(yè)務需求 |
| 2.2.2 功能需求 |
| 2.2.3 性能需求 |
| 第3章 系統(tǒng)設計 |
| 3.1 系統(tǒng)設計基本原理 |
| 3.2 系統(tǒng)整體設計 |
| 3.3 軟件算法設計 |
| 3.4 系統(tǒng)硬件選型 |
| 3.4.1 計算平臺選擇方案 |
| 3.4.2 相機總體方案 |
| 第4章 系統(tǒng)詳細設計 |
| 4.1 用戶交互功能設計 |
| 4.2 缺陷檢測功能設計 |
| 4.2.1 圖像預處理 |
| 4.2.2 圖像匹配 |
| 4.2.3 內(nèi)容識別與生成 |
| 4.2.4 缺陷檢測 |
| 4.2.5 檢測分類 |
| 4.3 FPGA印刷品分割功能設計 |
| 4.3.1 加速平臺整體設計 |
| 4.3.2 設計IP核 |
| 4.3.3 綜合布局設計 |
| 4.3.4 燒錄測試 |
| 第5章 系統(tǒng)實現(xiàn) |
| 5.1 系統(tǒng)檢測流程 |
| 5.2 檢測平臺實現(xiàn) |
| 5.2.1 印刷品檢測流程插入 |
| 5.2.2 印刷品圖片分割 |
| 5.2.3 檢測對象處理 |
| 5.2.4 查看檢測結(jié)果 |
| 5.2.5 圖像分類及特征提取 |
| 5.3 檢驗結(jié)果分析 |
| 第6章 總結(jié)與展望 |
| 參考文獻 |
| 致謝 |
| 攻讀學位期間參與科研項目及獲獎情況 |
| 學位論文評閱及答辯情況表 |
（9）適用于地圖印刷的缺陷檢測技術研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景與意義 |
| 1.2 地圖印刷缺陷檢測技術研究現(xiàn)狀 |
| 1.2.1 印刷缺陷檢測系統(tǒng)的研究 |
| 1.2.2 產(chǎn)業(yè)化的印刷質(zhì)量檢測機 |
| 1.2.3 存在的問題 |
| 1.3 論文的研究內(nèi)容與研究目標 |
| 1.3.1 研究內(nèi)容 |
| 1.3.2 研究目標 |
| 1.4 論文的組織結(jié)構 |
| 第二章 地圖印刷缺陷檢測系統(tǒng)硬件的優(yōu)化 |
| 2.1 普染缺陷難以檢測的原因 |
| 2.2 光源與照明系統(tǒng)的設計 |
| 2.2.1 光源的選擇 |
| 2.2.2 相機的選擇 |
| 2.2.3 照明系統(tǒng)的設計 |
| 2.3 實驗結(jié)果與分析 |
| 2.3.1 常用灰度化算法的結(jié)果對比 |
| 2.3.2 不同照明方案檢測效果的對比 |
| 2.4 本章小結(jié) |
| 第三章 地圖印刷缺陷檢測預處理算法的優(yōu)化 |
| 3.1 地圖模板圖像制作方法的選取 |
| 3.1.1 地圖缺陷檢測模板圖像的數(shù)據(jù)來源 |
| 3.1.2 常用標準模板制作方法的比較 |
| 3.1.3 地圖模板制備方法的確定 |
| 3.2 調(diào)整權值的灰度化方法 |
| 3.2.1 常用的灰度化方法 |
| 3.2.2 調(diào)整權值的灰度化方法 |
| 3.2.3 實驗結(jié)果與分析 |
| 3.3 動態(tài)參數(shù)的圖像增強方法 |
| 3.3.1 空間域圖像增強技術 |
| 3.3.2 Gamma校正結(jié)合CLAHE算法的增強方法 |
| 3.3.3 實驗結(jié)果與分析 |
| 3.4 圖像去噪算法的選取 |
| 3.4.1 圖像濾波器 |
| 3.4.2 實驗結(jié)果與分析 |
| 3.5 缺陷檢測實驗結(jié)果與分析 |
| 3.6 本章小結(jié) |
| 第四章 地圖印刷缺陷分類模型的建立 |
| 4.1 基于機器學習的缺陷分類方法 |
| 4.1.1 機器學習概述 |
| 4.1.2 基于機器學習分類方法的選擇 |
| 4.2 基于支持向量機的缺陷分類 |
| 4.2.1 支持向量機概述 |
| 4.2.2 地圖印刷缺陷分類器設計 |
| 4.2.3 實驗結(jié)果及分析 |
| 4.3 基于卷積神經(jīng)網(wǎng)絡的缺陷分類 |
| 4.3.1 卷積神經(jīng)網(wǎng)絡基本結(jié)構 |
| 4.3.2 卷積神經(jīng)網(wǎng)絡的訓練過程 |
| 4.3.3 基于Faster R-CNN模型的分類設計 |
| 4.3.4 實驗過程與結(jié)果 |
| 4.4 本章小結(jié) |
| 第五章 地圖印刷缺陷檢測系統(tǒng)的設計與實現(xiàn) |
| 5.1 軟件開發(fā)工具介紹 |
| 5.2 地圖印刷缺陷檢測系統(tǒng)總體設計 |
| 5.2.1 缺陷檢測系統(tǒng)結(jié)構 |
| 5.2.2 系統(tǒng)功能模塊設計 |
| 5.2.3 系統(tǒng)流程圖 |
| 5.3 系統(tǒng)集成實現(xiàn) |
| 5.3.1 系統(tǒng)邏輯處理過程 |
| 5.3.2 系統(tǒng)功能模塊設計 |
| 5.4 本章小結(jié) |
| 第六章 總結(jié)與展望 |
| 6.1 主要工作總結(jié) |
| 6.2 論文的創(chuàng)新點 |
| 6.3 進一步的工作 |
| 致謝 |
| 參考文獻 |
| 作者簡歷 |
（10）基于顏色直方圖特征的印刷品顏色缺陷檢測（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國內(nèi)外研究現(xiàn)狀 |
| 1.3 研究內(nèi)容及技術路線 |
| 第二章 樣本圖像獲取與顏色直方圖特征提取 |
| 2.1 色差圖像樣本獲取 |
| 2.1.1 圖像顏色空間轉(zhuǎn)換與HSV分量值 |
| 2.1.2 樣本和標準圖像色差值計算 |
| 2.2 圖像顏色直方圖特征提取與非均勻量化 |
| 2.2.1 圖像顏色直方圖特征 |
| 2.2.2 圖像顏色直方圖特征的非均勻量化 |
| 2.3 本章小結(jié) |
| 第三章 基于支持向量機的圖像顏色缺陷檢測 |
| 3.1 支持向量機 |
| 3.2 支持向量機檢測結(jié)果與分析 |
| 3.2.1 支持向量機核函數(shù)與參數(shù)優(yōu)化 |
| 3.2.2 訓練樣本數(shù)量與檢測準確率 |
| 3.3 本章小結(jié) |
| 第四章 基于BP神經(jīng)網(wǎng)絡的圖像顏色缺陷檢測 |
| 4.1 BP神經(jīng)網(wǎng)絡 |
| 4.1.1 激勵函數(shù) |
| 4.1.2 損失函數(shù) |
| 4.1.3 訓練函數(shù) |
| 4.2 BP神經(jīng)網(wǎng)絡模型的構建與優(yōu)化 |
| 4.2.1 隱藏層神經(jīng)元數(shù)目的確定 |
| 4.2.2 激勵函數(shù)和訓練函數(shù)的選擇 |
| 4.3 基于BP神經(jīng)網(wǎng)絡方法的檢測結(jié)果與分析 |
| 4.4 本章小結(jié) |
| 第五章 基于卷積神經(jīng)網(wǎng)絡的圖像顏色缺陷檢測 |
| 5.1 卷積神經(jīng)網(wǎng)絡 |
| 5.2 卷積神經(jīng)網(wǎng)絡模型構建 |
| 5.3 基于卷積神經(jīng)網(wǎng)絡的檢測結(jié)果與分析 |
| 5.4 本章小結(jié) |
| 第六章 實驗結(jié)果與討論 |
| 6.1 基于色差計算公式的圖像顏色缺陷檢測 |
| 6.2 基于超像素的圖像顏色缺陷檢測 |
| 6.3 檢測結(jié)果的對比分析與討論 |
| 6.4 本章小結(jié) |
| 第七章 結(jié)論與展望 |
| 7.1 本文結(jié)論 |
| 7.2 展望 |
| 致謝 |
| 參考文獻 |
| 附錄 A:支持向量機法 |
| 附錄 B:BP神經(jīng)網(wǎng)絡法 |
| 附錄 C:卷積神經(jīng)網(wǎng)絡法 |
| 附錄 D:攻讀學位期間學術成果和參與項目情況 |
四、印刷品質(zhì)量的控制與檢測（論文參考文獻）
- [1]基于數(shù)字印刷系統(tǒng)的印刷品呈色質(zhì)量分析與控制研究[D]. 韓勝蘭. 西安理工大學, 2021(01)
- [2]基于機器視覺的啤酒箱印刷質(zhì)量檢測系統(tǒng)設計[D]. 于謙. 哈爾濱商業(yè)大學, 2021(12)
- [3]基于機器視覺的印刷品套印精度離線檢測系統(tǒng)研究[D]. 王佳. 北京印刷學院, 2021(09)
- [4]基于Android平臺的網(wǎng)點圖像邊緣檢測系統(tǒng)的設計與實現(xiàn)[D]. 王文娟. 北京印刷學院, 2021(09)
- [5]印刷品缺陷檢測關鍵技術研究及系統(tǒng)開發(fā)[D]. 符愛周. 四川大學, 2021(02)
- [6]中小學教科書的印刷質(zhì)量及其安全性研究[D]. 蘇林林. 昆明理工大學, 2021(01)
- [7]基于圖像處理的印刷品缺陷檢測研究[D]. 張勝. 西京學院, 2020(04)
- [8]基于FPGA的印刷品缺陷檢測系統(tǒng)的設計與實現(xiàn)[D]. 潘煜. 山東大學, 2020(10)
- [9]適用于地圖印刷的缺陷檢測技術研究[D]. 劉斯陽. 戰(zhàn)略支援部隊信息工程大學, 2020(08)
- [10]基于顏色直方圖特征的印刷品顏色缺陷檢測[D]. 唐海艷. 昆明理工大學, 2020(04)
標簽：邊緣檢測論文; 印刷工藝論文; 網(wǎng)絡印刷平臺論文; 圖像融合論文; 缺陷管理論文;