一種印刷機械故障標識檢測新方法的研究

侯和平, 徐卓飛, 劉 凱, 趙慶海(.西安理工大學 印刷包裝與數(shù)字媒體學院, 陜西 西安 70048; .西安理工大學 機械與精密儀器工程學院, 陜西 西安 70048)

印刷機械是將印版表面上的圖文信息轉移并牢固地附著在承印物表面上完成大規(guī)模復制的機器。由于印刷機械是一種結構復雜、精度極高、運轉高速、多介質耦合的設備,生產(chǎn)過程中一旦出現(xiàn)故障將在短時間內(nèi)產(chǎn)生大量廢品,浪費大量紙張、油墨、部分昂貴包裝材料等。印刷品作為印刷機械的產(chǎn)品,由各印刷色組單元按照印刷工藝的順序精確疊印而成,各機構的運行狀態(tài)以油墨為載體記錄在印刷畫面之中。通過對印刷畫面的檢測,提取有關的特征參數(shù),反演印刷機械關鍵機構的工作狀態(tài),進而判斷印刷機械故障是當前印刷機械故障診斷一種新的研究方法。與傳統(tǒng)機械故障診斷方法相比,該方法將印刷故障檢測標識作為傳感器,與其他印刷內(nèi)容放在一起進行印刷,通過檢查印完的樣品,提取標識的特征,分析特征的變化來推斷機構的運行狀態(tài)[1]。

常用印刷故障檢測標識見圖1,(a)為多色套印檢測標識,(b)為傳紙和輸紙機構運動狀態(tài)的檢測標識,(c)為印刷機滾筒與墨輥壓力以及滾筒傳動齒輪振動的檢測標識。這些印刷機械故障標識都是直線的不同組合,通過檢測直線間距以及寬度的變化,與預設值進行比較就可判斷機構是否出現(xiàn)運行故障[2]。因此,能夠準確快速識別、定位標識中的直線并提取相應的特征,是實現(xiàn)印刷及印刷機械故障準確判斷與預測的關鍵。

圖1 各種印刷及印刷機械故障檢測標識Fig.1 Kinds of printing inspection marks

對于直線的檢測,其基本思路是:先對圖像進行邊緣檢測,即提取圖像中的邊緣點或特征點集合,然后利用相關算法識別集合中的直線[3-4]。邊緣檢測即尋找圖像灰度值階躍性變化或者屋頂狀變化區(qū)域的邊緣。算法的好壞、結果的可靠性和正確性將對提取輪廓的精度、系統(tǒng)性能和系統(tǒng)對圖像的理解產(chǎn)生直接影響。文獻[4]提出了一種基于Hough變換和最小二乘法結合的直線檢測方法,應用于套印標識的檢測;文獻[5]采用Laplace、Roberts、Canny、Prewitt和Sobel算子等實現(xiàn)邊緣檢測,但直線周圍灰度的變化為階躍狀,包含灰度急劇上升和下降,會出現(xiàn)雙邊緣現(xiàn)象,導致后續(xù)邊緣定位出現(xiàn)偏差;文獻[6]提出了基于Radon變換與灰度投影積分方法的矩形檢測,該方法保證了矩形檢測的準確性,提高了矩形檢測的速度,但是應用于自動檢測時的計算速度比較慢。OPTA算法(One-Pass Thinning Algorithm)細化比較徹底但在紋線的水平和垂直方向會產(chǎn)生較多毛刺,且在分叉點處存在不是單像素寬的問題;快速細化算法(Quick Thinning Algorithm)運行速度快,紋線光滑無毛刺,但不是單像素寬[7]。

本文提出了一種結合快速細化算法和最小二乘法擬合的快速直線檢測方法,以用于印刷畫面中故障標識的直線檢測,為印刷偏差自動計算提供支撐。該方法具備運行速度快、精度高的特點,符合實際生產(chǎn)的要求。

1 標識直線檢測方法

印刷故障標識圖案由相互垂直的直線組成,直線的寬度和間距在設計時有相應的規(guī)定,如傳紙和輸紙機構運動狀態(tài)的檢測標識直線寬度設定為0.4 mm,直線的間距為0.4 mm。完成標識檢測的主要內(nèi)容包括:利用ZS細化算法實現(xiàn)直線單像素寬的細化[8],并采用最小二乘法對圖像中最長直線進行線性擬合得到圖像傾斜角,對傾斜校正之后的圖像進行水平和垂直方向的灰度積分投影,完成直線的快速檢測[9-11]。主要步驟如下。

1) 對待檢測圖像進行預處理(灰度化,二值化)。

2) 對預處理圖像執(zhí)行細化算法。

3) 最小二乘法擬合直線得到傾斜角,校正圖像傾斜。

4) 運用灰度積分投影方法求取圖像在水平和垂直方向的投影圖,并定位直線的位置。其檢測流程圖見圖2。

圖2 檢測流程圖Fig.2 The flow chart of detection

1.1 邊緣檢測

ZS算法作為8鄰接、并行細化算法迭代次數(shù)少,運行速度快,對直線、T行交叉和拐角的處理能精確地與原圖像保持一致,是目前應用最為廣泛的算法之一[12]。圖3為8鄰域示意圖,物體輪廓點及前景點的值為1,圖像背景點的值為0。

圖3 8鄰域示意圖Fig.3 8-neighbood schematic diagram

對于值為1的任意像素點P1,采用ZS算法的細化過程如下。

Step1 若P1點8鄰域滿足:①2≤N(p1)≤6,②S(p1)=1,③p2×p4×p6=0,④p4×p6×p8=0,則將P1點標記為待刪除,等到本次掃描結束后,刪除標記的像素,即令p1=0。其中,N(p1)表示P1像素8鄰域中非0點的個數(shù);S(p1)表示P1像素8鄰域中以P2、P3、…、P9為序時,像素值由0變1的次數(shù)。

Step2 若P1點同時滿足Step1中的①和②以及條件⑤p2×p4×p8=0和條件⑥p2×p6×p8=0,標記P1為待刪除點。

Step3 重復上述Step1和Step2操作,直到原圖像中沒有滿足標記條件的像素點,此時剩下的像素點組成邊界的骨架,細化過程結束,完成直線的邊緣檢測。

1.2 線性擬合

Step1 由于擬合直線需要盡可能靠近或通過所有點,即求偏差平方和的極值,則必然滿足對各變量的偏導數(shù)等于0,即對目標函數(shù)e求偏導數(shù),結果如下:

(1)

Step2 整理合并括號內(nèi)各項,并分離k和b,結果如下:

(2)

(3)

并求得k和b的值如下:

(4)

Step4 擬合得到直線的斜率k,同時傾斜角θ的范圍為0°≤θ<180°,則傾斜角θ的值如下:

θ=kπ+arctan(θ) (k=0,1)

(5)

以上是最小二乘法擬合直線的常用方法,該直線擬合方法能快速、高精度確定圖像中直線的方程,有利于提高圖像傾斜校正的精度。

由于紙張位置變化以及收紙機構振動等原因,擬合后的直線通常有一定的傾斜,需要對標識圖像可進行旋轉校正。通過簡單的坐標旋轉變換即可實現(xiàn)旋轉校正:

(6)

式中,(x,y)為旋轉前的圖像坐標,(x',y')為旋轉后的圖像坐標。

1.3 直線定位

傾斜校正完成后的直線,要進行定位,以便確定直線間的距離,定位方法運用積分投影法[11-13]。當圖像某一行像素灰度值發(fā)生變化時,水平積分投影值會體現(xiàn)出相應的變化;同理垂直積分投影值反映某一列像素灰度值的變化情況。假設f(x,y)是像素點(x,y)處的灰度值,則水平方向積分投影Sh(x)和垂直方向積分投影Sv(y)的定義如下:

(7)

式中:n為圖像一行所有的像素點數(shù);m為圖像一列所有的像素點數(shù)。

由上述公式可知,水平或者垂直積分投影是對圖像中一行或一列像素點灰度值的累加及顯示。因此,投影圖像中灰度值的極值即原圖中直線的位置,同時極坐標系下的投影能夠確保算法具有旋轉不變性,提高定位精度,降低錯誤定位率。

圖4所示為垂直和水平積分投影效果圖,圖中直線極值即為采集圖像中直線的位置,得出直線位置如表1所示。

表1 標識1中直線位置Tab.1 Location of straight lines in the first logo

圖4 灰度積分投影圖Fig.4 Image of gray integral projection

2 實驗及算法對比

2.1 實驗描述及方案

本實驗將印刷傳紙及輸紙故障檢測標識與其他印刷圖像一起制版,置于印版的咬口部位,并將制作好的印版安裝在PZ650膠印機上,將圖像采集裝置放置在膠印機的收紙位置,調(diào)節(jié)好印刷機的各種印刷參數(shù),開機進行印刷。實驗場景見圖5。

圖5 實驗現(xiàn)場圖Fig.5 Experimental platform

本次實驗使用的儀器有:計算機直接制版機Trend setter 800Ⅱ;型號為W-PTP-850C的沖版機;光華PZ1650單張紙印刷機;最小刻度為0.005 mm的MG10081-2150X讀數(shù)顯微鏡;由面陣CCD相機ECO655、遠心鏡頭TEC-M55、寬條型光源JK-L20032W、支架以及外部觸發(fā)器搭建而成的圖像采集存儲系統(tǒng)、計算機和圖像特征提取軟件模塊。

2.2 實驗采集處理結果

在印刷穩(wěn)定、印刷速度3 600 r/h的速度下進行印刷,采集印刷故障標識,并將印刷故障標識存儲在計算機中。處理過程見圖6,連續(xù)采集100張印刷樣張,運用本文算法與Canny算法進行檢測,并將檢測的結果對比,比較結果如表2所示。結果表明均值更接近理論值,標準差變小,數(shù)據(jù)集的一致程度更好,即直線定位精度更高。

表2 本文算法與Canny算法對比Tab.2 Contrast of Canny algorithm with this algorithm

圖6 故障標識檢測及處理Fig.6 The detection and processing of fault identity

3 結 論

通過對印刷標識的檢測反演印刷機械重點機構的運行狀態(tài)是一種全新的印刷機械故障診斷的方法,其關鍵是能夠準確、快速提取印刷故障標識的特征參數(shù)。本文提出了一種結合快速細化算法和最小二乘法擬合的快速直線檢測方法,應用于印刷畫面的直線檢測,通過在機印刷提取印刷標識。主要的結論如下。

1) 分析了不同的印刷故障標識,找出了不同印刷故障標識的主要特征。

2) 通過ZS算法與最小二乘法實現(xiàn)了直線的快速檢測。

3) 通過對比實驗證明了本文計算的均值更接近理論值,標準差變小,數(shù)據(jù)集的一致程度更好,直線定位精度更高。

4) 為印刷故障標識在機識別與特征提取提供了支撐。