论文部分内容阅读
随着科学技术的不断发展，人们对印刷品质量有了更高的要求，税票印刷行业也是如此。然而，由于机械精度、印刷工艺等各方面的影响，税票印刷过程中不可避免的会出现污点、漏印、飞墨、套印不准等各种影响税票印刷质量的缺陷问题。然而传统的人工检测方法由于受到多种主观因素的影响，已经无法满足现代税票印刷行业高速度、高质量的要求。近年来，随着图像处理技术和计算机软硬件技术的不断发展，机器视觉技术在工业检测领域的应用已经逐渐广泛，这使得基于机器视觉技术的印刷品缺陷在线检测成为可能。 本文针对税票轮转印刷的基本特点，把图像处理、机器视觉等技术与印刷基本原理相结合，研究了基于机器视觉技术的税票轮转印刷在线检测系统。首先在对一般的基于机器视觉技术的检测系统进行分析和研究的基础上，提出了本系统的总体设计方案，包括相应的软件和硬件设计，并对该系统的线阵CCD相机、采集卡、照明光源等硬件部分做了介绍和分析。 在票面检测部分，通过对现有的模板学习算法和缺陷检测算法做对比和分析，提出了极大极小值模板学习算法和基于图像差分法的缺陷检测方法，并对算法的有效性做了实验验证。 在可变信息检测部分，本文提出了一种高效的QR码识别算法，包括灰度化、二值化、粗定位、精确定位、图像旋转以及最终的译码过程。实验表明，该算法对存在畸变或者分辨率较低的QR码图像都能做到有效的识别。 为了保证系统各模块之间大量图片的实时网络传输，提出了一种基于IntelIPP的实时图像解压缩算法，并对该算法的实时性和有效性做了实验验证。 最后，对本系统的模块构成做了详细分析，并对系统技术指标和部分界面做了简单展示。