檢測方法

本研究在進行檢測前，檢測環境需配合使用照度計量測照度值約 600lux，

以及使用數位振動計量測振動值在 1mm 以下，使用照度計與數位振動計量測的目 的是希望標準影像與待測影像能在同樣的環境取像(在 4.1 節有完整的說明)。印 刷缺陷檢測流程如圖三十四所示，實驗流程分兩站進行色彩檢測與套色檢測，當 檢測環境設定完成後，設定高速攝影機參數，將攝影機設定成觸發模式取像(在

4.2 節說明攝影機設定)，接著擷取標準影像與待測影像，將影像分割成

n

×

m

個 區塊，再進行色彩檢測，在抽取待檢測彩色樣板色彩分量後，利用灰階平均誤差 度法進行色彩檢測，待測影像的 RGB 色彩若未通過容許值，即視為瑕疵品；若通 過色彩檢測的影像才進行套色檢測，利用相關係數法比對兩張影像相似程度，接 著利用比對值是否大於容許值，若大於容許值視為通過套色檢測判定為良品，反 之視為瑕疵品。本研究目前使用灰階平均誤差度與相關係數法進行色彩檢測與套 色檢測，自行設定色彩檢測的門檻值（目前使用的門檻值為 0.5%），與相關係 數法之門檻值(目前使用的門檻值為 70%)，若瑕疵區域超過一個區域以上，即視 為瑕疵樣本，且連續三張影像之檢測結果為 NG，則立即停機。

檢測環境設定

開始 攝影機設定 擷取標準與待測

彩色樣本

分割影像成 nxm個區塊

第一站 色彩檢測 RGB色彩

誤差度<容許值?

第二站 比對值>容許值? 套色檢測

色彩有誤 套色有誤

合格

結束

是

否 是

否

圖三十四、彩色印刷缺陷檢測流程

第一站色彩檢測時必須有標準影像做為比對的參考影像，因此在檢測前首先 擷取標準彩色影像，並抽取其 RGB 色彩分量作為後續色彩比對的基準。從彩色印 刷缺陷檢測流程可知，接著擷取待檢測彩色影像，接下來將影像分割成

n

×

m

個子 區域，如圖三十五所示。完成分割後，進行色彩的檢測，當 RGB 色彩誤差度大於 容許值，即視為色彩異常子區域，初步設定之容許值為 0.5%，必須通過色彩檢 測，才能進行下一站的套色檢測。

圖(a) 圖(b) 圖(c) 圖(d) 圖三十五、影像分割結果:圖(a)~(c)分別為不同彩色印刷取像結果，綠色點為自 行分割之區塊。圖(d)為與圖(c)色彩比對檢測之局部結果，紅色點為檢測結果

第二站套色位置檢測時(必須先通過色彩檢測)，同樣在整張影像已分割成 12（3×4）個子區域數中，再繼續進行套色位置檢測，如圖三十六所示。套色位 置檢測時自行設定門檻值設為 70%，大於等於門檻值 70%者視為合格。請參考圖 中以綠色標示者，代表該子區域超過 70%；反之，以紫紅色標示者，代表該子區 域低於 70%。

圖(a) 圖(b) 圖(c)

圖三十六、套色位置瑕疵之結果：圖(a)為標準影像，圖(b)為待測影像，圖(c) 為套色位置瑕疵之結果

此外，本研究在檢測時，利用自行撰寫之簡易程式，進行彩色印刷品之色彩 檢測與套色檢測，檢測時程式畫面如圖三十七所示，左圖為標準影像，右圖為待 測影像，檢測結果會顯示於左下方。

圖三十七、程式檢測圖

色彩檢測方法

目前印刷業者在色彩監測只能靠人工裸眼與分光光度儀，對彩色印刷品進行 直接觀測，而無法長時間進行有效檢測，但有些彩色印刷品在未發生變化時，由 於印刷品重疊、張力及濕度等因素導致產品發生色彩缺陷，這樣就可能使缺陷產 品直接流入市場。

色彩檢測的基本原理是比較待測影像與標準影像 R、G、B 分量之相似程度，

如果色彩差異超過設定之門檻值代表待測影像具有色彩上的瑕疵。檢測前首先擷 取標準影像之 RGB 彩色影像，接著計算各子區域之 R、G、B 灰階平均值，方式如 下：

∑ ∑= =

= × ^m

i n j

g

g f i j

n f m

1 1

) , 1 (

)

μ ( ; f =R,G,B (6)

其中 f之值可以是 R、G 或 B ，因此當 f =R時，R_g代表標準影像之 R 分量；m 及 n 分別代表子區域之寬度與高度。因此利用(6)式我們可以得到標準影像中各 子區域之 R、G、B 灰階平均值：μ_g(R)、μ_g(G)與μ_g(B)。同理我們可以利用(7) 式得到待測影像中各子區域之 R、G 與 B 平均灰階值：μ_t(R)、μ_t(G)與μ_t(B)。

∑ ∑= =

= × ^m

i n j

t

t f m n

n f m

1 1

) , 1 (

)

μ ( ; f =R,G,B (7)

得到標準影像與待測影像中各子區域之 R、G 與 B 平均灰階值後，利用下式我們 可以得到待測影像與標準影像各相對應子區域之 R、G 與 B 平均灰階值差量的百 分比。在此，將此值稱為灰階平均誤差度（Grayscale Mean Error），簡稱 GSME。

GSME 之計算方式如下：

) % (

) ( )

(

α μ

β μ α μ

f f GSME f

g t g

f

= − ; f =R,G,B (8)

其中α =μ_g(R)+μ_g(G)+μ_g(B);β =μ_t(R)+μ_t(G)+μ_t(B)。同樣的， f可以是 R、G 或 B。使用如此複雜的運算手續，目的是希望能夠降低取像時，因照明變異對色 彩所造成的負面影響。換言之，即使擷取待測影像時所使用之照明，無法與擷取 標準影像時所使用之照明相同，當差異不大時也不致於出現誤判的情形。為了方 便起見，在此將色彩檢測分成下列三個步驟說明：

1. 利用(6)與(7)式計算標準影像與待測影像各子區域之 R、G 與 B 灰階平均值。

2. 將步驟 1 所得之結果與標準樣本之相對應值代入(8)式，計算各子區域之 R、

G、B 灰階平均誤差度：GSME_R、GSME_G及GSME_B。

3. 若GSME_R、GSME_G或GSME_B之值大於 0.5%，則該子區域視為瑕疵區。若瑕 疵區超過 1 個（含 1 個），代表該樣本有色彩瑕疵。

套色檢測方法

本研究的套色檢測方法，利用在第二章第 2.2.2 節所提及的相關係數計算方 法一進行檢測，同樣的令

m

及

n

分別代表整張影像之高度及寬度；f_g( ji, ), f_t( ji, ) 分別代表標準影像或待測影像中位於( ji, )之像素灰階值；μ_g,μ_t分別代表標準影

像及待測影像之灰階平均值；σ²_g,σ_t²分別代表標準影像及待測影像之灰階變異 數，則相關係數可由下式計算得到[35]：

1 1

; )

, ( )

,

1 ( _{2 2}

1 1

≤

≤

−

−

× −

= ∑ ∑

= =

r j

i f j

i n f

r m _{g t}

n j

t t

g g

m i

σ σ μ

μ (1)

其中

∑ ∑= =

= × ⁿ

j m i

R

R f i j

n

m1 _{1 1} (, )

μ ; R=g,t

[ ]

∑ ∑= =

× −

= ⁿ

j m i

R R

R f x y

n

m _{1 1}

2

2 1 ( , ) μ

σ ; R=g,t

本研究目前使用相關係數計算方法一進行套色檢測，相關係數之門檻值設為 70%；當相似度大於 70%即為合格區（在該區以綠色顯示其相似度）；相似度小於 70%即為不合格區（在該區以紫紅色顯示其相似度）。統計結果顯示，當紫紅色區 域數大於綠色區域數即屬套色不良的影像。在此將套色位置的檢測分成下列兩個 步驟來說明：

1. 利用(1)式計算標準影像與待測影像的各子區域之相關係數。

2. 若相關係數之值小於 70%，則該子區域套色異常區，以紫紅色標記；反 之，以綠色標記。同樣的紫紅色標記區超過一個以上(含一個)，則該影 像視為不合格。

檢測子區域建立

為了提高檢測的精確度，先將影像分割成一些較小面積的子區域。分割的數 目及子區域的大小，使用者可自行設定。一般說來，長寬尺寸差異不大的標籤，

可分割成 4x4 個子區域，例如「維他露 P」、「益菌多」、及「黑糖沙士」。至於長 寬尺寸差異較大之標籤，則分割成 5x4 個子區域，例如「御茶園」，如圖三十八 所示。為了解那一種分割方式可得到最佳的結果，本研究就 2×2、3×3、3×4、4×3 及 4×4 等四種分割方式進行探討。觀察圖三十九及四十為灰階平均誤差度法與相 關係數法之不同分割方式與平均檢測誤差率之關係圖，誤判率明顯地受分割區域 數量的影響，其中以 3x4 分割法之曲線最為平滑，平均檢測誤差約為 0.5%，屬 於最理想的分割法，因此本研究將以 3x4 的分割方式，分別對這 12 個子區域進 行檢測。

圖(a) 圖(b)

圖三十八、圖(a)為御茶園原始影像，圖(b)為分割成 5x4 個子區域之御茶園影像

圖三十九、色彩分割區域數量方式

圖四十、套色分割區域數量方式

在文檔中 中 華 大 學 (頁 51-59)