SAML-QC：一种基于随机评估与机器学习的工业印刷质量控制技术
计算机视觉与模式识别
2019-01-23 v1 机器学习
摘要
近年来，工业自动化与高速印刷的发展给成品印刷质量检验带来了诸多挑战。本文提出一种基于机器视觉的技术，用于评估工业物体上文本的印刷质量。该评估基于三种质量缺陷：文本错位、印刷色调不均和文本错印。所提方案通过基于印刷二阶统计量的随机评估技术进行质量检验。第一：通过图像处理技术识别印刷产品上的含文本区域。第二：对识别出的含文本区域进行对齐测试。第三：执行光学字符识别将文本划分为不同的小框，仅将每个含文本框的强度值作为随机变量，并估计二阶统计量，以在一、二和三西格玛阈值下确定文本中的印刷不均缺陷。第四：执行基于 K 近邻（K-Nearest Neighbors）的监督机器学习，为错印文本检测提供随机过程。最后，该技术以不同的 n 和 m 值部署于工业图像上以进行印刷质量评估。结果表明，所提 SAML-QC 技术能够实现工业印刷的实时自动检测。
引用
@article{arxiv.1901.07370,
title = {SAML-QC: a Stochastic Assessment and Machine Learning based QC technique for Industrial Printing},
author = {Azhar Hussain},
journal= {arXiv preprint arXiv:1901.07370},
year = {2019}
}
备注
7 Pages, 10 figures, 6 Tables