|本期目录/Table of Contents|

[1]刘鹏,戴文战.基于机器视觉的化妆品纸质标签缺陷检测方法[J].浙江理工大学学报,2019,41-42(自科二):231-238.
　LIU Peng,DAI Wenzhan.Method for detecting cosmetic paper label defects based  on machine vision[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):231-238.
点击复制

基于机器视觉的化妆品纸质标签缺陷检测方法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第41-42卷
期数:
2019年自科二期
页码:
231-238
栏目:
出版日期:
2019-04-23

文章信息/Info

Title:
Method for detecting cosmetic paper label defects based  on machine vision
文章编号:
1673-3851 (2019) 03-0231-08
作者:
刘鹏; 戴文战
1. 浙江理工大学自动化研究所，杭州310018；2. 浙江工商大学信息与电子工程学院，杭州310018
Author(s):
LIU Peng;  DAI Wenzhan
1. Institute of Automation ,Zhejiang Sci-Tech University, Hangzhou 310018, China; 2. School of Information and Electronic Engineering, Zhejiang Gongshang University, Hangzhou 310018, China
关键词:
纸质标签; 质量检测; 特征提取; 点阵字符识别; 机器视觉
分类号:
TP391-41
文献标志码:
A
摘要:
针对化妆品纸质标签生产中出现的不干胶标贴漏贴、偏移、倾斜、叠加，生产日期字符漏喷、偏移、倾斜、多喷，日期喷印错误等缺陷，提出一种化妆品纸质标签缺陷视觉检测方法。首先，利用数字形态学与连通域分析技术，从倾斜校正后的标签本体图像中分别提取不干胶标贴和日期字符区域；其次，分别提取区域重心坐标与方向角检测不干胶标贴和日期字符的位置缺陷；进而，在日期点阵字符垂直校正基础上分割字符，提取网格特征、垂直投影、投影宽度及字符占空比等字符特征，利用这些特征训练BP神经网络并实现对日期点阵字符的识别；最后，在样机上采集了大量正常及具有不同类型缺陷的化妆品标签图像，进行实验验证。实验结果表明:该算法准确率高、稳定性好，能够快速检测位置缺陷和准确识别日期字符，检测准确率可达94.4%。

参考文献/References:

［1］ 徐浪,曾忠,刘金赞,等. 机器视觉在印刷缺陷在线检测中的应用与研究［J］.计算机系统应用,2013,22(3):186-190.
［2］ Truong M T N, Kim, Hoon S. Automatic image thresholding using Otsu′s method and entropy weighting scheme for surface defect detection［J］. Soft Computing, 2018, 22(13): 4197-4203.
［3］ Zhang H, Jin X T, Jonathan Wu Q M, et al. Jonathan. Automatic visual detection system of railway surface defects with curvature filter and improved gaussian mixture model［J］. IEEE Transactions on Instrumentation and Measurement, 2018, 67(7): 1593-1608.
［4］ 简川霞,高健. 手机玻璃屏表面缺陷视觉检测方法研究［J］.包装工程,2018,39(5):16-21.
［5］ 冀永乐,张团善,颜亚飞,等.基于机器视觉的纺织布品色差检测研究［J］.西安工程大学学报,2018,32(4):438-442.
［6］ 孙毅,张明,高延鑫. 皮革表面缺陷检测的研究现状及展望［J］.西部皮革,2015,37(20):28-31.
［7］ 陈丽, 唐万有. 基于DP方法的印刷品图像检测技术研究［J］. 包装工程2014,35(5):116-120.
［8］ 邢堃, 韩汉光, 吴怡之. 基于机器视觉的印刷标签检测系统的改进［J］. 计算机工程与应用, 2014, 50(11):197-201.
［9］ Mehenni B, Wahab M A. APRIS: Automatic pattern recognition and inspection system［C］// Compeuro ′93. ′computers in Design, Manufacturing, and Production′, Proceedings. IEEE, 1993:23-28.
［10］ 胡方尚,郭慧.基于改进多类支持向量机的印刷缺陷检测［J］.华东理工大学学报(自然科学版),2017,43(1):143-148.

备注/Memo

备注/Memo:
收稿日期：2018-09-14
网络出版日期： 2018-12-01
基金项目：国家自然科学基金项目(61374022)；浙江省基础公益研究计划项目（LGG18F030001）；金华市科学技术研究计划重点项目（20181027）
作者简介：刘鹏（1992-），男，安徽淮北人，硕士研究生，主要从事图像处理、产品缺陷检测等方面的研究
通信作者：戴文战，Email：dwz@zjsu.edu.cn
更新日期/Last Update: 2019-03-19