• 沒有找到結果。

中 華 大 學

N/A
N/A
Protected

Academic year: 2022

Share "中 華 大 學"

Copied!
86
0
0

加載中.... (立即查看全文)

全文

(1)

中 華 大 學

碩 士 論 文

題目:應用機器視覺技術於彩色印刷品之缺陷檢測

系 所 別:機械與航太工程研究所

學號姓名:M09408006 梁鶴馨 指導教授:邱 奕 契 博 士

中華民國九十六年 十 月

(2)

摘要

消費者隨著生活習性的改變和個性品牌意識的提高,對於產品包裝素材及印 刷品質的視覺感官要求也日益提高,彩色印刷是否精緻美觀、印刷色彩與套色位 置的控制是否精準等印刷缺陷,不但影響消費者對該產品的視覺消費意願與信 賴,對於公司的信譽形象與生產廠商影響甚巨。有鑑於此,本研究針對彩色印刷 品質缺陷的線上即時檢測需求,運用機器視覺自動檢測技術代替傳統人工裸眼離 線檢測方式,發展一套以快速面掃瞄取像技術為基礎之印刷品瑕疵偵測系統,冀 望能夠降低印刷業者購置 AOI 設備的成本,以提高產業的競爭力。

為了達成上述目標,本研究分兩階段進行:第一階段為硬體設備的規劃,其 首要目標是將出現在印刷品上的所有瑕疵完整且真實的呈現出來。本階段是本研 究成敗的關鍵,因為如果影像中所出現的瑕疵失真或不完整,則後續的工作將變 得毫無意義可言。本研究所建構之硬體設備是由一台面掃瞄攝影機、一張影像攫 取卡、光纖背光光源、定位感測器與一個步進馬達驅動所組成。第二階段為本研 究將色彩檢測與套色檢測之演算法進行探討,將檢測軟體與演算法套用於彩色印 刷檢測時,可能發生的情況,如光源變化、印刷偏移、旋轉等情形進行實驗,本 研究發現將灰階平均誤差度與相關係數法之門檻值分別設定為 0.5%與 70%最為 適當。其實驗結果顯示,本研究以七類標籤共 432 張樣本進行測試,在檢測環境 恆定時,檢測率僅可達 75.69%。

關鍵詞:彩色印刷、機器視覺、線上檢測、瑕疵檢測。

(3)

Abstract

As the customers change their life habits and grow recognition of personal brand, the demands for product wrapping material and request for visual feeling for printing quality have raised. Fine color printing, inking color, and positioning accuracy affect not only buyers' desire and brand loyalty, but also the enormous loss from manufacturing vendors. Because of the above reasons, this research aims on the testing demand for the color printing defect on the product lines. Using the automatic vision examining techniques to replace the traditional human eyes examining process, this printing defect detection system based on the fast image scanning techniques is aimed to reduce the cost of publishers buying AOI facilities, hence enhance the industrial competition capability.

To achieve the above goals, this research is divided into two stages. The first stage is the hardware facility design, the target is to truly show all the defects on the publishing. The stage is consisted of a plane video camera, a capturing images card, the back light source of optical fiber, a positioning sensor, a mechanism plane with a step motor. The other stage is to treat the algorithm of color detection and color process. When applying the detection software and algorithm to color printing, there are the situation like change of source of light, offset of printing and rolling processing the experiment. This experiment finds the best outcome can be achieved by setting the gray scale average tolerance parameter and relevant minimal accepted value to 0.5% and 70%. The result of experiments is that the research used 7 labels and 432 samples processing testing, the rate of detection can reach 75.69% under the stable environment.

Keyword:

Color printing, Machine vision, Automatic Optical Inspection, Defect detection.

(4)

致 謝

中華大學機械與航太工程研究所碩士班兩年中承蒙指導教授邱奕契博士,在 研究領域上或是生活學習上,皆能適時地給予督促與指導,以及論文內容細心校 稿、逐字更正,使得本論文內容更趨完善。另外更要感謝口試委員:吳孟軍博士、

羅鵬飛博士與陳春福博士給予本論文指導與建議,使本論文得以順利完成,在此 獻上十二萬分的謝意與敬意。

研究期間承蒙實驗室團隊梁有燈、楊禮鴻、林正宇、陳學宇、蔡孟儒、李韋 辰等學長對於學業上的指導。此外,家振、柏程、儀威、信維、光倫等同窗同學,

直諭、智銘、少俠、詩婷、志豪、妙嫻、建良等好友,以及孝廉、祥恩、柚利、

昇哲、崇浩、盈宜、冠廷等學弟、妹在學業上的討論及生活上的幫忙與陪伴,使 我在這兩年間留下美好及深刻的回憶。並在此特別感謝發一崇德 中華伙食團陳 世明、邱俊凱、林煜承、許炳坤等講師及團內的每一個人,在學業上的鼓勵及生 活上的幫忙並給予的指導與協助。最後要感謝我的家人,在這兩年中不斷的鼓勵 與支持,使我能專心致力於所學並順利畢業,一路上默默的關心、支持與鼓勵我,

讓我可以順利完成碩士階段的學習,沒有你們就沒有今日的我,謝謝!僅將此論 文獻給曾經陪伴過我的每一個人,願他們都能事事順心、健康平安、幸福快樂。

在這兩年的研究生活中,感謝我的指導教授 邱奕契老師。

『老師,謝謝您在我學習路途中不斷的給予指導;

謝謝您在我徬徨不知所措時,指引我成功方向;

謝謝您在我辜負您期許時,還不斷給予我機會,

並指導我如何勇敢地去面對過錯與諄諄教誨。』

謹致 梁鶴馨 碩士生 於中華大學機械與航太工程所

中華民國九十六年 夏

(5)

目錄

摘要...1

第一章 緒論...10

1.1 研究背景...10

1.2 研究動機與目的...17

1.3 研究範疇...18

1.4 論文架構...18

第二章 文獻探討與基本理論...20

2.1 文獻回顧...20

2.1.1 國內、外相關研究... 20

2.1.2 現有相關專利... 27

2.2 基本理論...28

2.2.1 色彩檢測理論... 29

2.2.2 套色檢測理論... 31

第三章 研究設備...36

3.1 硬體設備...36

3.1.1 捲動機構... 37

3.1.2 攝影機系統... 38

3.1.2.1 攝影機...39

3.1.2.2 影像攫取卡...40

3.1.3 定位感測器... 40

3.1.4 數位振動計... 43

3.2 軟體程式...44

第四章 研究方法...45

4.1 檢測環境設定... 45

4.1.1 光源設定...45

4.1.2 振動設定...48

4.2 攝影機設定... 49

4.3 檢測方法... 50

第五章 結果與討論...58

5.1 研究結果...58

5.2 討論...74

(6)

第六章 結論...76

6.1 結論...76

6.2 未來展望...77

參考文獻...78

附錄 A...81

附錄 B...84

(7)

圖目錄

圖一、高速印刷機(資料來源:羅鐵機械股份公司) ...13

圖二、印刷作業流程圖(資料來源:財政部印刷中心) ...14

圖三、濾鏡式色差計(資料來源:廣柏國際股份有限公司) ...15

圖四、彩色印刷之文獻樣本影像:上圖為正常之影像,下圖為瑕疵之影像,瑕疵 影像依序是色彩錯誤、刀絲、套色不確實、污點,瑕疵區域以矩形框框選。 (資料來源:朱虹處理圖像研究室,HTTP://XAUTDIPH.51.NET/,西安理工大學) ...17

圖五、彩色印刷品自動光學檢測系統組織架構圖 ...19

圖六、圓的中心點向外擴張尋找圓邊界示意圖 ...25

圖七、搜尋遮罩...26

圖八、利用沿邊點找尋點所找出的邊界點 ...26

圖九、穿孔式定位法(參考資料:雙基材視覺對位技術探討) ...26

圖十、透明樣板定位法(參考資料:雙基材視覺對位技術探討) ...27

圖十一、JOHN與 JEFFERSON檢測系統示意圖 ...27

圖十二、常用的圖形偵測運用技術 ...28

圖十三、彩色印刷之樣本影像,上圖為正常之影像,下圖為瑕疵之影像,其中維 他露 P 及益菌多為套色瑕疵,黑糖沙士及御茶園為色彩瑕疵,瑕疵區域以紅 色矩形框選...29

圖十四、影像對應圖...30

圖十五、利用基因演算法檢測之過程 ...35

圖十六、硬體設計圖...36

圖十七、馬達之速度與時間關係圖 ...38

圖十八、攝影機擺設位置圖...39

圖十九、影像攫取卡...40

圖二十、ㄈ型定位感測器實體圖 ...41

圖二十一、穩壓 IC 之腳位接線圖 ...42

圖二十二、數位振動計實體圖 ...43

圖二十三、檢測程式畫面...44

圖二十四、參數設定畫面...44

圖二十五、印刷品原始影像(紅色圓框選處為沒有印刷的地方。) ...46

圖二十六、使用 LED 環形光源進行不同快門速率取像結果。 ...46

圖二十七、使鹵素燈光源進行不同快門速率取像結果。 ...46

圖二十八、照度計實體圖...47

圖二十九、背光板與光纖電源供應器 ...47

圖三十、光源擺設示意圖...48

(8)

圖三十一、ROLLER示意圖...48

圖三十二、ROLLER擺設示意圖...49

圖三十三、CCD 設定程式畫面 ...50

圖三十四、彩色印刷缺陷檢測流程 ...51

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...52

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...52

圖三十七、程式檢測圖...53

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 ...56

圖三十九、色彩分割區域數量方式 ...57

圖四十、套色分割區域數量方式 ...57

圖四十一、御荼園樣本檢測結果畫面:左圖為標準影像;右圖為待測影像,待測 影像未通過色彩檢測與套色檢測,因此檢測結果為 NG ...59

圖四十二、黑糖沙士樣本檢測結果畫面:左圖為標準影像,右圖為具有瑕疵之樣 本,因此被判定為 NG...60

圖四十三、益菌多樣本檢測結果畫面:左圖為標準影像,右圖為具有瑕疵之樣本, 因此被判定為 NG...61

圖四十四、維他露 P 樣本檢測結果畫面:左圖為標準影像,右圖為具有瑕疵之樣 本,因此被判定為 NG...63

圖四十五、塑膠膜圓形樣本檢測結果畫面:左圖為標準影像;右圖為待測影像, 待測影像有 100 像素之色彩瑕疵,檢測結果判定為 NG ...65

圖四十六、塑膠膜愛心樣本檢測結果畫面:左圖為標準影像;右圖為自製待測影 像,自製待測影像某一區域內有 250 像素之色彩瑕疵,因此檢測結果判定為 NG...66

圖四十七、塑膠膜半圓樣本檢測結果畫面:左圖為標準影像;右圖為自製向右偏 移 2 像素與向下偏移 1 像素的樣本,檢測結果判定為 NG ...68

圖四十八、塑膠膜半圓樣本檢測結果畫面:左圖為標準影像;右圖為自製逆時針 旋轉 1 度的樣本,檢測結果判定為 NG ...69

圖四十九、影像內容與位移對相關係數的影響:圖(B)為圖(A)朝左下偏移之結果 影像,圖(C)與圖(A)具有相同的背景顏色,不同的內容。 ...70

圖五十、色彩增減變化對相關係數的影響:圖(B)與圖(A)是兩張影像內容相同, 但是部分顏色不同,圖(C)與圖(A)具有相同的背景顏色與部分內容相同,但 是圖(C)有一些不同的顏色圖形。 ...70

圖五十一、左圖為塑膠膜圓形樣本之標準影像,右圖為塑膠膜圓形樣本之待測影 像,左圖與右圖相差 15LUX的光源變化,檢測結果為 GO ...72

(9)

圖五十二、左圖為塑膠膜圓形樣本之標準影像,右圖為塑膠膜圓形樣本之待測影

像,左圖與右圖相差 18LUX的光源變化,檢測結果為 NG ...73

圖五十三、彩色印刷品檢測機實體圖 ...73

圖五十四、數位振動計量測圖 ...74

圖五十五、設備改善示意圖...74

(10)

表目錄

表一、印刷業發展優、劣勢分析 ... 11

表二、產業統計...12

表三、印刷作業過程百分比...14

表四、傳統人眼檢測的方法與缺點 ...16

表五、演算法比較表...24

表六、RS232 通訊規格...37

表七、馬達控制指令...37

表八、攝影機規格...39

表九、匸型感測器之規格...41

表十、穩壓 IC 7805 之優、缺點...42

表十一、電源供應器輸入電壓與輸出電壓之對照表 ...43

表十二、御茶園樣本檢測結果 ...59

表十三、黑糖沙士樣本檢測結果 ...60

表十四、益菌多樣本檢測結果 ...62

表十五、維他露 P 樣本檢測結果 ...63

表十六、塑膠膜圓形樣本檢測結果 ...65

表十七、塑膠膜愛心樣本檢測結果 ...67

表十八、塑膠膜半圓樣本檢測結果 ...68

表十九、相關係數閥值程度...71

表二十、光源變化程度...72

(11)

第一章 緒論

1.1 研究背景

自從印刷技術發明以來,人們藉著印刷品來傳達和散播自己的意念;也因此 形成了知識的傳承與延續,從此印刷與人類的生活息息相關密不可分。目前印刷 的目的不再是為了傳遞知識,還包含了資訊的傳播;其中有商業性、體育性、娛 樂性、新聞性…等等。而現今的消費者也愈來愈重視產品外表品質的視覺感受,

要在如此競爭的消費市場中引來消費大眾的目光,唯有靠精美多樣的印刷圖案與 鮮豔多彩的色彩印刷技術。人類生來即存在於多彩多姿的大自然環境中,日常生 活使用的各種產品設計工作,除了強調造型的多變及機能的多樣化之外,不同的 色彩規劃也賦予產品不同的生命力。隨著社會生活環境的改善和健康意識的提 高,以及各項法規的逐步健全,人們對包裝材料及印刷品品質的要求也日益提 高。微小的印刷缺陷,就很可能導致印刷商承擔巨大的經濟損失,並失去用戶對 廠商的信賴;而印刷價格的降低,也使印刷商更加注重原材料的節約使用;同時,

印刷商承受著批量減少、品種增加以及交貨期縮短的巨大壓力。既要提高工作效 率、降低成本,又要不斷滿足客戶對多色彩、高難度和高品質印刷品的要求,如 表一所示,為印刷業發展優、劣勢分析。一般人對各種形形色色的產品,首先引 起反映的是色彩,它是人體視覺諸元素中,對視覺刺激最敏感,反應最快的視覺 資訊。人對色彩的注意力占 80%左右,對形狀的注意力僅占 20%左右,且根據 調查統計,彩色的印刷品可以提高百分之四十的閱讀率,因此印刷色彩對產品包 裝的設計有著舉足輕重的作用。

(12)

表一、印刷業發展優、劣勢分析 優勢:

¾ 我國教育及文化水準日益提高,有 助於印刷傳播市場之發展,且包裝 產品種類多元化,有助提升相關產 品附加價值。

¾ 先進設備之研究與技術人力,和鄰 近國家(日本、香港、中國)相較毫 不遜色。

¾ 印刷品運用廣泛,與其它產業關連 性極高,容易配合發展。

劣勢:

¾ 業者研發能力不足。

¾ 印刷產品以內銷為主,同業削價競 爭。

¾ 缺乏國貿及經營管理人才。

¾ 紙張關稅結構不合理,導致成本居 高不下。

¾ 市場資訊不足,缺乏量化與可靠資 料。

¾ 工時縮短,薪資提高。

先機:

¾ 政府支持研究發展與技術升級輔 導。

¾ 已設立專責研究單位,建立印刷產 業研發基礎。

¾ 我國進入 WTO 使關稅合理化,促使 競爭力提升。

¾ 亞太媒體中心之發展,有助於印刷 傳播產業之成長。

¾ 業者積極引進先進設備及技術具 備開拓國際市場之能力。

壓力:

¾ 機材依賴進口,易造成技術及零組 件供應不及。

¾ 北、中、南印刷專業區土地取得不 易。

¾ 電子資訊產業之成長帶動電子出 版之發展,影響傳統紙張印刷市 場。

¾ 大陸東南亞新興國家印刷業迅速 發展,造成國際競爭壓力。

¾ 環保問題漸漸受重視,增加產業投 資成本。

(資料來源:印刷工業技術研究中心)

彩色印刷產品最主要之功能,在表彰企業自己之商品與服務信譽,並與他人 之商品與服務相區隔;消費者則是藉由彩色印刷品上的文字、圖形、記號、顏色、

形狀等樣式來識別不同來源之商品。在過去狹義認為彩色印刷僅僅只是自粘性印 刷品而已,這種認知侷限了印刷產品的開發方向和業務發展。現今彩色印刷產品 內容豐富,彩色印刷涵蓋範圍不斷增大,主要包括模內標籤、膠粘印刷、熱收縮 印刷、標籤印刷等,還包括不斷推陳出新的各種新技術。然而多年來在印刷過程 中,由於印刷技術與設備精度等原因,印刷機在生產過程中常會產生異物、污點、

刀絲、文字漏印、重影、皺褶、套印不良、色彩偏差等各種印刷缺陷。對於傳統

(13)

印刷品質管制主要是靠人工視覺觀察和經驗判斷,這些方法已不再滿足當前的數 位化生產流程。因此,實現規範化、資料化、效率化的生產模式,進而提昇產品 之品質,滿足國際市場導向的需要,是當前急需解決的問題。

表二、產業統計

年度 1997 年 2000 年 2005 年 2006 年 廠商家數(家) 2613 2773 3062 3123

從業人員(仟人) 59 64 72 74

產 值 ( 新 台 幣 億 元)

729 868 1161 1231 進口值(新台幣億

元)

65 75 96 100

出口值(新台幣億 元)

43 57 92 101

1997 年以來參考數據估計:

1. 工業統計調查報告(廠商家數、從業人員) 2. 行政院主計處(產值)

3. 財政部關稅總局進出口統計月報(進出口值)

根據印刷公會與經濟部統計從印刷廠商家數與分佈情形,如表二所示,可以 得知平均每家印刷廠的人數約為 18.6 人,屬於中小型企業,若扣除中大型印刷 廠的人數分配,則更有可能多數印刷企業平均人數是在 10 人左右,就以目前的 產業發展環境而言,強化印刷產業的數位化,將是重要的工作,透過網路化、資 訊化、標準化的作業流程,將可使小型企業有自己發展的空間,透過創意的設計 與產品的差異化策略,使相關的印刷廠成為一個群聚,將是印刷業發展的契機。

依據 Pira Iternational 於近日公佈一期最新的研究報告,預期 2005 年至 2015 年,全球印刷市場的產值將高達 56 兆新台幣。根據印刷業專家 Fank Rmano 以第一手調查資料報告名為《2015 年全球數位印刷市場預測》中,詳細分析了 全球印刷技術的狀況並且預測了印刷技術將對全球市場造成的影響,報告預測從 2005 年到 2015 年,數位印刷將占全球印刷總量的 30%左右,並預期 2015 年,印

(14)

刷市場價值將達到 1.3 兆新台幣,而中國將成為世界最重要的印刷市場。預期未 來,包裝產業將穩健成長,目前全球的彩色印刷品,是以平版和柔性版印刷機印 刷,預估約有 7500 萬平方英尺。印刷產品檢測系統的重要性與日俱增,在歐美、

中國等印刷工業發達地區,大部分的印刷機製造廠已把影像檢測系統定為標準配 置,圖一所示為一般市售高速印刷機。

圖一、高速印刷機(資料來源:羅鐵機械股份公司)

根據圖二印刷作業流程圖與表三印刷作業過程百分比得知,印前與印刷作業 約佔了 55%以上的比重,顯示目前印刷廠是以這兩種的印刷企業為大宗,這代表 了多數的印刷業者已投入印前與印刷的作業,而且印前的數位化作業流程與印刷 作業的標準化能夠流通,同時代表了數位化與網路化在印前與印刷部份做得較完 善。

(15)

圖二、印刷作業流程圖(資料來源:財政部印刷中心)

表三、印刷作業過程百分比 過程 印前製

印刷作 業

裝訂 一貫作 業

特殊印 刷

電腦報 表

其他 合計 百分

22% 35% 14% 11% 7% 7% 4% 100%

(資料來源:2001年台灣區印刷工業同業公會廠商調查)

依據台灣印刷產業市場現況,2001 年產值約 603 億元新台幣,進口值約 67 億元新台幣,出口值約 34 億元新台幣,因印刷產業是屬於內需型產業,長久以 來印刷業以國內印刷市場為目標來從事生產作業,較少有印刷廠從事印刷出口外 銷,除了中、大型的印刷廠之外,其餘近 77%的中小型印刷廠幾乎無法獲得國 外的訂單,從另外一個角度來看,從 2002 年台灣印刷科系就學人數統計數據可 知,台灣印刷從業人員教育程度以高中、大學為主體,約佔 71%,對於外銷市 場對國內的印刷廠而言,應該是一個未開發的市場,值得好好開發。

根據實地參觀彩色印刷生產線時發現,印刷品質的檢測目前還是以人工目檢 為主。在高頻閃光燈的協助下,檢測人員利用「視覺暫留」的原理,檢測彩色印

(16)

刷是否異常。在檢測的過程當中,檢測人員必需持續以裸眼注視著高速捲動的彩 色樣本,並且在高頻閃光打在彩色印刷上的瞬間,查看彩色樣板的色彩及位置是 否正常。由於彩色樣板是以極快的速度移動著,很容易因為檢測人員的疲勞、分 神或視差等因素出現漏檢,可見這種人工檢測的方式並不可靠。目前印刷業產品 非常多,如印刷品質檢測系統應用於光碟片、悠遊卡、信用卡、記憶卡、保特瓶 等之印刷檢測。生活中有身份辨識系統,例如:身份證、彩色條碼辨認、照片辨 認、人臉辨識、文字辨認、彩色圖形辨認比對等之圖形比對。過去傳統上,印刷 業大多以人眼來判定顏色及管理顏色,但是受到光源、工作環境及人眼彼此間差 異的影響,往往使得人眼辨色變得不可靠,因而必須藉助儀器進行色樣的量測及 顏色的管理。目前市面上所用的濾鏡式色差計,如圖三所示。已逐漸被更先進的 分光光度儀所取代,主要是因為色差計無法克服機器彼此間的交換性以及長時間 下自身的穩定性等問題。然而分光光度儀也只能對顏色進行量測,並無法對印刷 位置做檢測。因此有必要發展一種能夠同時對色彩及印刷位置進行把關的檢測 法。表四所示為傳統人眼檢測的方法結構與缺點,在印品檢測中,傳統的離線和 線上檢查方法都只能進行間斷的檢查,需要熟練的專業人員,無法實現全面檢查 並記錄檢查結果,而且人工目視檢查的方式很難適應高速大量且多樣的彩色印刷 品。

圖三、濾鏡式色差計(資料來源:廣柏國際股份有限公司)

(17)

表四、傳統人眼檢測的方法與缺點

方法 傳統的離線檢查方式 傳統的線上檢查方式

構成 頻閃儀+目視檢查 頻閃儀+CCD 照相機+顯示器+目視檢查

只能進行間斷的檢查 只能進行間斷的檢查

需要熟練的檢查人員 需要熟練的檢查人員

無法實現全面檢查 無法實現全面檢查

無法實現長時間檢查 無法記錄檢查結果

無法實現高速檢查 無法記錄檢查結果 缺點

難以發現偶發的缺陷

目前高速印刷機在生產過程中會產生污點、刀絲、異物、印刷色差與套印位 置不準等各種印刷缺陷,如圖四所示。其中最煩人的印刷缺陷為套印位置不準,

使大量的產品因此而成為次級品或廢品,使企業蒙受很大的成本損失。套印位置 不準產生的原因為套印精度不高,引起原因如:導桿和壓桿的加工精度不良、原 料張力的波動、原料厚薄不均、變形等。因為套印不準所造成偏差是連續的變化,

所以必須依賴連續的監視與控制誤差量並及時採取措施。

根據國內印刷現場生產條件,發現目前彩色印刷時有下列印刷缺陷產生:

1. 印刷位置偏差、印刷圖案、文字模糊。

2. 印刷時,樣板壓過重以致發生印刷模糊人為性問題。

3. 油墨黏度太高造成印刷模糊,經常會出現毛邊和雙眼皮現象。

4. 印刷樣板上可能有紙屑或垃圾、雜物等,造成油污和污點現象。

5. 油墨的乾燥速度太慢,經常會出現凸點和漏白現象。

6. 印刷套色不準的問題。

(18)

色彩錯誤 刀絲 套色不確實 污點 圖四、彩色印刷之文獻樣本影像:上圖為正常之影像,下圖為瑕疵之影像,

瑕疵影像依序是色彩錯誤、刀絲、套色不確實、污點,瑕疵區域以矩形框框 選。(資料來源:朱虹處理圖像研究室,http://xautdiph.51.net/,西安理 工大學)

1.2 研究動機與目的

近年來,在印刷產業競爭激烈的環境中,如何使印刷產品快速地大量的自動 化生產,並且獲得良好的品質控管,將是能否提升競爭力的關鍵。彩色印刷自動 化檢測已是現今的趨勢,自動化檢測不僅可提高工廠生產快速、效率、高穩定的 優勢,更可使產品之品質達到標準,降低過去傳統人工誤判率或遺漏等缺點。

由於彩色標籤所具有之可撓性及半穿透光性,使得彩色印刷自動光學檢測機 的開發更具有挑戰性。如前所述,一旦印刷產品的需求量大增,品質把關上所必 備的自動光學檢測設備將面臨短缺的問題,即便從國外進口,也勢必增加設備成 本上的極大負擔,造成諸多不便。

有鑑於此,本研究的目的為了滿足印刷檢測率提升及維持印刷品質的需求,

同時對色彩及印刷位置進行自動化檢測,以克服人工裸眼耗時、耗力及準確性不 高等缺點。本研究為了達成目的,除了應用機器視覺檢測技術外,還結合高速彩 色面掃描攝影機、定位感測器等技術,透過取像與分析的方式,建構一套高速彩 色印刷品檢測系統的雛型。本研究利用瑕疵偵測的目的在於為產品的品質進行把

(19)

關與監控,使監控人員在印刷機高速運轉印刷時即時發現印刷缺陷,能糾正錯 誤、減少廢品、節省時間與成本,並提升國內印刷產業的競爭力。

1.3 研究範疇

本論文所建構之檢測系統可分為硬體與軟體兩大部分,其中,硬體設備部 分,包含了機構控制、取像設備、光源控制等硬體周邊控制。本研究目前使用飲 料標籤與封口機專用印刷品為檢測樣本,檢測軟體部分,對於所有影像皆採用彩 色影像進行處理,在擷取印刷品之彩色影像後,經由色彩檢測與套色檢測,來判 定彩色印刷品是否合乎需要。

檢測彩色影像主要分成色彩檢測與套色檢測兩大部分:

¾ 色彩檢測方面,利用灰階平均誤差度檢測,判定待測樣本的印刷色彩是 否合乎色彩檢測的標準。

¾ 套色檢測方面,運用相關係數之門檻值,判定待測樣本的印刷套色是否 合乎套色檢測的標準。

所發展的設備與檢測方式,除了可以檢測上述兩種產品外,還可以適用於布匹、

軟性電路板等產品檢測。

1.4 論文架構

本論文主要是做彩色印刷品上的色彩與套色檢測,配合捲動機構控制、光源 強度控制、動態取像等硬體方面的架構,再加上影像處理、訊號傳輸等軟體配合,

讓整個檢測系統從一開始的機構捲動取像、影像處理分割、色彩檢測與套色檢 測,到最後的檢測結果,完成彩色印刷品之機器視覺檢測系統。

本論文一共分成六章:首先,第一章為緒論,主要介紹彩色印刷品的用途、

傳統檢測方法、研究方法簡述。第二章為文獻探討與基本理論,主要介紹國內、

外對於彩色印刷品的相關研究、專利、色彩檢測理論與套色檢測理論。第三章為

(20)

介紹本論文的整個檢測系統架構,包含了捲動機構控制、光源強度控制、取像設 備等,如圖五所示。第四章為介紹本論文的研究方法,包含了色彩檢測、套色檢 測。第五章為檢測結果與討論,主要介紹整個系統的檢測結果與結果討論。第六 章針對本論文做一個簡單的結論,以及未來可以改進的地方與現有架構的延伸。

圖五、彩色印刷品自動光學檢測系統組織架構圖

(21)

第二章 文獻探討與基本理論

此章針對彩色印刷品自動化光學檢測,國內、外相關研究、專利研究、彩色 印刷色彩檢測理論及套色檢測理論進行介紹,其內容為本研究硬體設備設計與程 式演算法之重要依據。在 2.1 節為文獻回顧,其中又包含了 2.1.1 節國內、外相 關研究與 2.1.2 節現有相關專利,在 2.2 節為基本理論,其中又包含了 2.2.1 節 色彩檢測理論與 2.2.2 節套色檢測理論。

2.1 文獻回顧

此節針對彩色印刷品自動化光學檢測,將相關文獻分為 2.1.1 節國內、外相 關研究,其內容有色彩檢測演算法之研究、套色檢測演算法之研究、物件定位等 相關研究。2.1.2 節現有相關專利,其內容主要以機台專利進行介紹。

2.1.1 國內、外相關研究

在 1940 年代,一群隸屬於美國麻省理工學院的研究人員,致力於模擬人類 大腦學習與辨識圖形的基本原理,進而發展出一套圖形比對的數學法則,也就是 後來所謂的 Normalized Grayscale Correlation(以下簡稱 NGC)是目前使用最普 遍的圖形比對檢測法。其基本的運算方式,乃是事先建立一個學習樣本,然後以 樣本與測試影像進行逐行逐列式的數學比對,直到出現最高的相似度為止。由於 NGC 的數學法則,包括許多迴歸式計算與繁重的運算式子,需盡可能縮小樣本與 測試影像的解析度,才能得到正確結果[1]。

過去傳統圖形比對技術大都是以灰階影像為主,可利用以特徵為基礎的比對 法或以灰階為基礎的比對法進行比對。在彩色圖形的比對上,蔡雅惠[2]發展一 種能充分掌握影像中每一個像素點色彩資訊的圖形比對法,該方法的優點是系統 的辨識率並不會受待檢測影像所可能出現的方向變異的影響。缺點是對於大小和

(22)

形狀不一的瑕疵,該方法並無有效的定義和搜尋。在車牌的辨識上,曾揚建[3]

將待檢測影像與金樣本影像重疊進行 XOR 運算,檢測時則是讓標準影像在待檢測 影像上以每次一像素的方式移動,找出具有最小值的位置,並紀錄其距離。在顏 色辨識技術上,王建權[4]發展把各種顏色分類並設定閥值,對不同的顏色做選 擇性的過濾,以及對不同膚色做膚色分析,利用影像追蹤較常用的顏色空間:正 規化 RGB、YIQ、HSV、HSI、HSL 等。建立起膚色相關資料,但建立資料過程較為 複雜,而以膚色為人體在影像中的依據,是因為膚色和一般環境的色彩有顯著的 差別,經過這樣的步驟可以將臉部和背景區隔出來。在生物特徵辨識方面上,Turk 與 Pentland[5]利用主要分量分析法(principal component analysis,PCA),使 用較低維度的特徵向量去描述人臉,且設計了一個距離函數(distance from feature space,DFFS),作為原始輸入影像與重建後影像間差距的評估。在以幾 何為基礎的人臉辨識上,部份研究者利用人臉上的五官,例如:眼睛、鼻子、嘴 巴、下巴及臉形等特徵間的幾何關係,及彼此相對位置實現人臉辨識的工作。1983 年後有些研究者運用類神經網路[6]的技術在影像中找尋人臉特徵,文獻[7]的做 法是一個典型的例子,該作者以一種連結模組來表示臉部,其方法使用金字塔的 結構來表示影像的資料,金字塔中的每一層都是用網路來表示其內容,包括一個 輸入、一個隱藏及一個輸出層。訓練的資料包括 6 個手繪不同表情的臉部,此類 神經網路雖然可將各人臉成功的辨識出來,但是如果臉部加以變化則只有 50%的 辨識率。

在樣板比對(Pattern Matching)方面,Bhalla[8]發展出一套快速特徵擷取 的 3D 視覺檢測系統,並將其成功的運用在脊椎外科手術上。在樣板匹配中,使 用 了 5 個 用 來 衡 量 相 似 度 的 指 標 : Euclidean difference 、 Orthodox correlation、Normalization correlation、Correlation with Means Adjustment 與 Correlation coefficient,透過這些指標的高低可快速的擷取出影像特徵,

以協助醫師做正確的診治。Yoshimura 與 Kanade[9]提出一套快速的特徵向量樣 板比對演算法,此法首先將影像經由 K.L.轉換(Karhunen-Loeve transform)

(23)

轉換成向量子空間,計算影像之特徵向量,並透過特徵影像的擷取所定義出旋轉 樣板,解決影像受旋轉時所造成的失真問題。接著以階層匹配的方式,使用相關 係數來對待測影像與旋轉樣板計算相似性。在研究結果中顯示,對物件位移及旋 轉角度的偵測,可達到 0.3 像素的準確度。雖然此演算法對於偵測物件微小的位 移及旋轉有高度的敏感性,但由於其是以階層匹配的方式來進行圖形比對,當需 要比對大樣板時,此法就顯得無效率。

針對此問題 Uenohara 與 Kanade[10]將上述演算法加以改良,他們同樣地先 將影像經由 K.L.轉換,計算影像之特徵向量,但不採用階層匹配的方式來進行 比對,而是將 K.L.轉換所得的特徵向量再經傅立葉轉換,並以相關係數衡量影 像相似性。如此即可改良上述的缺點,並將此法應用於檢測影像大小為 256x256 的印刷電路板上 IC 字體比對。

洪一平與陳永昇[11]發明一種稱為快速全域最佳樣板比對演算法,主要是在 保證找到全區域最佳樣板的前提下,可以減少非常大量的計算。在計算樣板與樣 板之間的距離時,由於大部分的樣板再累加其距離以後,就會大於全區域最佳樣 板與樣板之間距離,因此不需再繼續累加其餘的距離。此演算法所增加的排序計 算,可以藉由資料結構的設計使得第一次排序以後每次排序的計算量不會超過搜 尋範圍,根據在區塊運動估測的實驗,此演算法可以減少運算量約達 90%至 99%

以上。Vailaya[12]等人在樣板比對某一搜尋範圍內,找出與指定的標準影像最 接近、誤差最小的一個影像,在此為了要找到誤差最小的影像,必須在指定的搜 尋範圍內做全區域檢測。關於彩色樣板辨識方面,嚴格來說,只要有任何地方與 標準彩色印刷樣板不同即視為瑕疵彩色樣板。葉家瑜[13]在檢查待檢測彩色樣板 與標準彩色印刷樣板是否完全相同時,最簡單直接的方式是進行一對一的比對,

影像比對的方法相當多,大多是利用從影像中抽取之特徵如:外型特徵、結構特 徵、及紋路特徵等,透過特徵匹配、座標轉換、影像相減的方式找出兩張影像之 間的差異。周俊銘[14] 在刑事鑑識上利用影像排列技術,以整張影像進行比對 有精確度不足的問題,無法找出局部小瑕疵。許哲魁[15]的研究中,以最常用的

(24)

是兩張影像的相關係數愈接近 1,代表這兩張影像愈相似;相關係數愈接近-1,

代表這兩張影像的負相關性愈強;當相關係數趨近於 0 時,表示這兩張影像的線 性相關極弱(可能是兩張完全不同的影像),計算相關係數的方式不盡相同,然 而受到光源變化及相機與彩色樣板相對平移與旋轉的影響,即使完全相同的兩張 彩色樣板,擷取所得之影像也不太可能完全相同,亦即這兩張影像的相關係數不 可能是 1(相似程度不可能達到 100%)。

Chan 與Panchanathan[16]利用區塊比對法(block-matching)在動態影像移動估 測中,主要是在畫面中先選定一個參考區塊(reference block),然後比較參 考區塊與下一個畫面中所有候選區塊(candidate block)之灰階值,取其誤差 最小之候選區塊,進而獲得待測物體的移動。表五為將吳晉嘉與劉倫偉[17]所 提出的方法與 S.A.El-Azim[18]等人和張家榮[19]所提出的方法做比較,分別就 求取運動向量和多目標追蹤比對兩方面進行探討。S.A.El-Azim 等人的追蹤方法 是先將影像相減求得有運動的區域後,在該範圍中由 BMA 計算每一個區塊的運動 向量。而 S.A.El-Azim 等人提出使用 BMA 的物件追蹤技巧,先找出運動物體的區 域,再計算位於運動區域中每一區塊的運動向量,統計出現次數最多的運動向量 代表該物體的運動向量,使得追蹤物體的複雜度大為降低。為了求得代表物體的 位移量,統計每一個運動向量出現的次數,以最多次的代表運動物體的位移。雖 然這個方法簡單,但是僅以相減法求有運動的範圍,容易受到雜訊的影響而使結 果不正確,使得追蹤的物體不能被準確的分割出來。除此之外,假定運動物體為 剛體,所以應該能得到單一的運動向量。但事實上因為物體的微小變形和區塊的 觀察問題,而造成每個區塊的運動向量不盡相同。在某些情況下,可能導致所求 的運動向量出現模稜兩可的情況。

吳晉嘉與劉倫偉[17]的方法則是先以區塊為單位,判斷各區塊是否為產生位 移的區塊,再以區塊分佈的情形作分群。決定每個物體的範圍後,以定義的樣板 搜尋其運動向量,不會模稜兩可的情況。在多目標追蹤比對方面,張家榮的方法 是以等高集合法分割多個目標物,建立物體關係表進行追蹤。在分割物體部分,

(25)

利用背景影像與目前影像產生差值影像並搭配等高集合法,能夠精確的將物體的 輪廓切割出,在多目標物的交錯追蹤也有不錯的結果。但是等高集合法在計算上 耗費時間,若要應用在線上即時影像上,還有許多改善的空間。

表五、演算法比較表

吳晉嘉、劉倫偉[17] 張家榮[19] S.A.E1-Azim[18]

運動偵測 區塊分析 影像相減 影像相減

物體分割 分群演算法(DBSCL) 等高集合法與編號 法

區塊比對法(BMA) 演算方法 樣 板 比 對 搭 配 物 件

清單管理

以物體關係表進行 追蹤

出 現 次 數 最 多 的 運 動向量

目標結果 多數比對 多數比對 單一比對

由於實際生產線上速度非常快,而為了達到加快比對處理速度之目的,根據 程雅娟[20]的說法,色彩量化之步驟目的是可降低色彩及空間之解析。根據王大 佛[21]等人的說法,當印刷機工作速度達到 200m/min 或者以上時,在使用白熾 燈或自然光作光源的情況下,高速印刷機數位監控系統拍攝到的印刷品圖像變 形,甚至模糊不清,不能拍攝出真實印刷品。若使用閃光燈時,就能夠解決因為 印刷機工作速度快,而得不到有效清晰的印刷品圖像。Luo 與 Zhang[22]利用 RBG 分水嶺演算與神經網路等方法,將彩色影像進行圖形比對測試,此研究目前處於 靜態影像測試,經過檢測成功率趨近 80%。根據 Luo 與 Zhang 在靜態彩色影像處 理,可得知待測影像若有缺陷,則影像結構與標準影像處理後之結果不一樣。韓 斌[23]等人,利用遺傳演算與採樣點等方式,研究以信用卡印刷檢測為主,主要 缺陷有針孔、顏色失真、油墨濺污、黑點、文字模糊、沾污、起皺、漏印、刮傷、

錯位等。此研究雖然可以將缺陷檢測出來,但是此研究目前仍無法滿足現場實際 的要求以及缺陷影像檢測時間過長等缺點。Desmulliez[24]等人,在晶圓印刷檢 測研究中,經過多次實驗與不同的壓印方式進行試驗,以印刷每秒 40mm 之速度 及八公斤的壓力,可以提高晶圓的良率。余文勇[25]等人,研究從光源設計、圖

(26)

像處理算法和進行處理結構等三方面著手,通過獨特的光學系統,再檢測紙張印 刷品上的瑕疵,避免了因紙張變形和張力波動所造成的誤檢,通過 FPGA/DSP 網 路化進行檢測,對圖像數據進行分佈式處理和集中統計管理。

在任何機器視覺技術的應用中,從最簡單的機械手臂取件操作到高精度的定 位,物件定位是否成功的關鍵。雖然聽起來很簡單,但物件定位卻極具挑戰性,

這是因為有許多可變的條件會改變一個物體出現在視覺系統上的情況,如精準度 不足、雜訊等。一般來說,機器視覺系統作物件定位時必須先作樣本圖形的校正,

傳統的物件定位技術依靠的是像素點分析處理過程,通常稱為正規化關連性 (Normalized Correlation)。這個方法會尋找一個物體的灰階模型或參考影像與 影像的各部份之間的統計相似性,來決定物體在 X、Y 軸上的位置。雖然它在特 定的狀況下相當有效,但這種方法在有各種不同外觀(生產線常見的情形,例如 物體角度、大小、及陰影)的情況下,會限制尋找物體的能力以及找到物體的精 確度。圖六所示,郭明賢[26]係利用圓範圍之中心點向外擴張尋找圓邊界之示意 圖,首先沿著邊界點,尋找灰階值不為零的像素點做為邊界點,為了加快找尋之 速度,設計了如圖七所示之 3×3 遮罩,分別為搜尋因子以及對應因子,其中對應 因子主要是當找到灰階值不為零像素點的搜尋因子後,透過對應因子編碼作為下 一邊界點找尋的起點,因此不用每次搜尋都得重頭開始,才找到下一個邊點,除 此之外也可避免重覆找到上一點。這些點則為屬於邊界的點,將此方法應用於找 圓其結果,如圖八所示,此定位方法不適合用於本研究之檢測主要原因是旋轉後 定位物件不一定準確。

圖六、圓的中心點向外擴張尋找圓邊界示意圖

(27)

圖七、搜尋遮罩

圖八、利用沿邊點找尋點所找出的邊界點

蔡雅惠與唐煌欽[27]利用機器視覺系統裝置與具有穿孔之樣板的同側,此定 位方式是以機器視覺系統將某一樣板鑽孔之圓形中心與另一樣板之目標孔做校 準定位,藉由捲動調整以達成兩樣板之定位,如圖九所示,此方法只適用於印刷 電路板、IC 晶圓、LCD 面板定位等。

圖九、穿孔式定位法(參考資料:雙基材視覺對位技術探討)

機器視覺裝置與透明樣板同一側,此條件為兩個對準校正之樣板上需設置出 定位點或定位區,由於其中有一個樣板為透明材質,如玻璃、膠帶等,對位方式 則以機器視覺系統在對位時辨識出兩者的定位處,並藉由捲軸捲動調整以達成樣 板之定位,如圖十所示,此方法適用於彩色標籤、布匹等之定位。

(28)

圖十、透明樣板定位法(參考資料:雙基材視覺對位技術探討)

李韋辰[28]等人運用機器視覺檢測技術,對彩色標籤印刷品質的檢測進行研 究,為了能夠找出局部性小瑕疵,將影像框選劃分成 3×4 個子區域,並分別對各 個子區域進行檢測,檢測時,將框選影像分成色彩檢測及套色檢測兩個步驟依序 進行,雖然不能達到全檢,但是抽檢也是可以達到品質把關的目的。

2.1.2 現有相關專利

李業麗與陸利坤[29]將常見的票據印刷品,要求每張印刷品上有不同的識別 數據,在印刷過程中,必須對印刷品進行監控和控制,使用高速數位信號處理器 (DSP),解決可能的實際應用問題,目前處於模擬的平台上能夠大約達到的識別 速 度 為 120m/min , 離 實 際 高 速 印 刷 的 300m/min 仍 有 一 段 差 距 。 John 與 Jefferson[30]將彩色印刷品色彩瑕疵與套印不準分成兩站檢測,並以自行設計之 專利圓型白熾光源進行取像,印刷檢測系統如圖十一所示。

圖十一、John 與 Jefferson 檢測系統示意圖

(29)

Furtler[31]等人針對常見的郵票作印刷檢測,自行設計一套完整的機台,此 機台主要是利用多個氣壓吸盤將原料運送,再經由線掃瞄攝影機與兩個水銀燈管 進行取像,其具有二十四小時自動化運作、裝載紙張自動化。檢測系統是由自行 設計 3×3 之遮罩進行檢測,但是檢測一整張 550mm×350mm 之郵票印刷品約十分 鐘。Sun 與 Brosnan[32]使用機器視覺對披薩餅皮和番茄醬的塗抹來做品質的檢 測。把 20 個披薩餅皮依圓形度等指標做披薩餅皮分類,蕃茄醬汁塗抹使用 25 個 樣本作特性的檢測,塗抹品質的指標是醬汁面積和暗色顏色百分比,之後再使用 發展醬汁塗抹的分類系統,醬汁塗抹分類成可接受的和有瑕疵的。將分類結果與 人工檢測相比,披薩餅皮有 87%的準確率。

2.2 基本理論

此節針對過去十幾年來,不斷有新的研究根據不同的應用加以修正與簡化,

藉以減低計算量。本論文所用到之相關學理,包括了特徵向量樣板比對演算法、

圖形對照、分量分析法、樣板比對等(請參考圖十二)進行簡單的介紹,其理論可 應用於彩色印刷色彩檢測與套色檢測。

圖十二、常用的圖形偵測運用技術

(30)

2.2.1 色彩檢測理論

在仔細觀察本研究欲檢測之七類彩色印刷品樣本後發現,瑕疵大概可分成色 彩異常及套色位置偏移兩大類,如圖十三只有四類樣本所示。色彩異常是印刷過 程中,染料塗佈不均以及被其他顏色染料沾污所造成的瑕疵。彩色印刷品的印刷 是以一次印刷一個顏色的方式疊加而成,因此當兩種顏色的染料印刷位置出現偏 差即造成套色位置偏移。另外,若以整張影像進行比對有精確度不足的問題,無 法找出局部小瑕疵,本研究將影像分割成數個小區塊,再以逐區比對的方式進行 檢測。

維他露 P 益菌多 黑糖沙士 御茶園 圖十三、彩色印刷之樣本影像,上圖為正常之影像,下圖為瑕疵之影像,其中維 他露 P 及益菌多為套色瑕疵,黑糖沙士及御茶園為色彩瑕疵,瑕疵區域以紅色矩 形框選

如何分辨彩色印刷品的色彩瑕疵與套色瑕疵之差異,色彩瑕疵是指印刷時,

彩色印刷品顏色的錯誤,印刷顏色錯誤通常為一個區域面積或彩色圖案顏色錯 誤,如圖十三的御茶園樣本。套色瑕疵是指印刷時,是以一次印刷一個顏色的方 式疊加而成,所以當彩色印刷品印刷位置偏差,造成印刷圖案文字模糊等缺陷,

如圖十三的維他露P 樣本。

(31)

過去的圖形比對研究主要是檢查待測影像與標準影像是否完全相同,最簡單 直接的方式是進行一對一的比對,影像比對的方法相當多,大概可分成特徵比對 法及直接比對法兩大類。特徵比對法是利用從影像中抽取之特徵(包括外型特 徵、結構特徵與紋路特徵等),透過特徵匹配、座標轉換、影像相減的方式找出 兩張影像之間的差異[13]。參考[28]研究以標準彩色印刷影像與待測彩色印刷影 像中所抽取出色彩百分比進行逐區比對之初步實驗;在此為了要找到誤差最小的 影像區域,必須在指定的搜尋範圍內做全區域檢測,因此在設定容許檢測誤差度 後,將 RGB 色彩百分比進行逐區比對,即可得知測試彩色樣板是否有色彩上的瑕 疵。除此之外,還可以利用影像對應圖得知彩色印刷品是否有色彩瑕疵,影像對 應圖是標準影像與待測影像的灰階值所呈現的對應圖,主要希望若待測影像無色 彩瑕疵缺陷出現時,影像對應圖會呈現一直線,如圖十四所示,能夠輔助監測人 員了解兩張影像色彩為正確。反之,若待測影像有色彩瑕疵缺陷出現時,影像對 應圖會呈現傘狀或有雜點分佈於影像對應圖上。

圖十四、影像對應圖

(32)

2.2.2 套色檢測理論

目前套色檢測只能靠人工裸眼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,由於印刷品張力、環境濕度及 人為操作不當等因素導致產品發生套色位置缺陷。在套色檢測上,大部分文獻常 利用相關係數研究,然而計算相關係數的方式不盡相同,以下就常見之幾種相關 係數演算法進行說明:

相關係數計算方法一:令

m

n

分別代表整張影像之高度及寬度;

) , ( ji

fg , ft( ji, )分別代表標準影像或待測影像中位於( ji, )之像素灰階值;μgt

分別代表標準影像及待測影像之灰階平均值;σg2t2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 1 ( , ) μ 2

σ ; R=g,t

由(1)式計算所得之相關係數 r(本研究目前所使用的方式),其值域介於-1 與+1 之間。 r 值趨近 1 表示兩張影像非常相似,可能為同一張影像;反之,當 r 值趨 近於-1 時,同樣表示兩影像非常相似,而且兩影像之色彩可能為互補;而當 r 值 趨近於 0 時,表示兩張影像差異很大,可能是兩張完全不同的影像。

(33)

相關係數計算方法二:標準影像 M 與具有uv偏移量之待測影像 T 相似度 可以下式評估[35]:

⎥⎥

⎢⎢

⎡ −

⎥⎥

⎢⎢

⎡ −

=

∑∑

∑∑

∑∑ ∑∑

∑∑ ∑∑ ∑∑

+ + +

+

+ + +

+

, 2 2,

, 2 2 ,

, ,

, ,

) (

) (

) )(

( )

, (

i j j i i j

j i

i i j

v j u i j

j v u i

i j i j

j i i j

v j u i j

i v j u i

M M

N T

T N

M T

M T

N v

u

r (2)

其中 N 代表像素之總數;Mi,j =M(i, j),代表位於標準影像i,j位置之像素之灰

階值;Ti+u,j+v=T(i+u,j+v),代表位於待測影像i+ ,u j+v位置之像素之灰階值,

uv分別代表待測影像 T 相對於標準影像在 X 及 Y 方向之偏移量。

相關係數計算方法三:此法屬於相關係數法之改良版,由於傳統相關係數法在迴 旋積運算上耗費過多的資源及時間,因此 Garakani 在 1996 年所獲准通過的專利 中[36],提出下式以簡化迴旋積運算。

2 )

( , , 2 2 , 2,

, ,

∑∑

∑∑

∑∑

∑∑

− +

=

+ + +

+ +

+ i j

j i i j

v j u i i j

j i v j u i

i j

j i v j u i

M T

M T

M

T

因此

( )

+

=

∑∑

∑∑

∑∑ ∑∑

∑∑

∑∑

∑∑ ∑∑

∑∑

+ + +

+

+ + +

+ +

+

, 2 2,

, 2 2 ,

, ,

, ,

, ,

) (

) (

) )(

2 ( )

, (

i j

j i

i j

j i

i i j

v j u i j

j v u i

i j

j i

i j

v j u i

i j i j

j i v

j u i

i j

j i v j u i

M M

N T

T N

M T

M T

M T

N v u r

(3)

除了上述相關係數法外,在許多欲求最佳解或適當解的數學方法中,常常只 能 找 到 由 某 起 點 開 始 的 區 域 最 佳 解(local optimum),而基因演算法(Genetic

(34)

Algorithm 簡稱 GA)則是藉由代表許多起點的起始族群出發,逐漸進化以尋求最 佳解,因此突破傳統數學方法可能只找到區域最佳解的限制。基因演算法的構想 源於達爾文的進化論與遺傳學,強調模擬自然界生物的演化過程,為適應環境,

一代代的演進產生優良的後代,其中的關鍵在於生物的基因(gene),生物的染色 體(chromosome)是一群基因的組合,不同的染色體讓生物對環境有不同的適應能 力,而生物藉由交配與突變產生後代的過程,『適者生存,不適者淘汰』,逐漸 進化以尋找最佳的基因組合。Holland 提出的遺傳演算法,提出兩個基本運算交 配(crossover)、突變(mutation),經由族群適應性(fitness)計算,然後透過交配、突 變產生後代的過程,逐漸逼近最佳解。以電腦程式來模擬演化的機制,首先面對 的是如何模擬生物的基因。遺傳基因可以利用一組二元字串來表示,例如 00 表 黑髮、01 表紅髮、10 表金髮、11 表白髮;其次再由一群基因組成一完整的生物 染色體,經由染色體即可透過適應函數,計算出該染色體所代表個體之於環境給 予限制條件下的適應性。擁有較佳適應性的個體,在產生後代時,擁有較大的機 會可以找到配對的對象交配,就如同自然界中生物的求偶過程,勝利者、強壯者 有較大的機會找到配偶。而在交配產生後代時,加入突變的機制,使後代除了可 繼承親代優良的基因外,更有一定的機會迥異於親代,藉以擴大差異。相對的,

表現較差的個體,其產生後代的機會較小,但也不是完全沒有機會,說不定在整 體表現欠佳的染色體中,隱藏著部份優良的基因,因此必須給予其一定的生存機 會。於是好的基因會漸漸留下,而不良的基因則會漸漸被淘汰,然後藉著一代代 的世代交替,直到達成限制條件為止。

因此引用遺傳演算法做為尋求解答的方法,必須先進行下列的步驟:

(1) 將欲解決問題的特徵加以編碼(encoding):意即將問題的變數加以編碼,也 就是訂定參數的搜尋空間,通常是以二元字串的方式。每個變項表示成一個基 因,若有 n 個變項,即表示有 n 個基因,每個基因以 X 與 Y,則染色體可表示成 {X1,X2,… ,Xn}。

(2) 定義適應函數(fitness function):即對於可能的染色體,定義一個績效衡

(35)

量的函數,藉以評估族群中各個體的優劣,並做為擇偶機會計算的依據。

(3) 決定交配的方式:其中遷涉到族群由後代置換的比率,以及親代間基因交換 的方式。交配率定的過高,可能造成優良親代的基因流失,過低又可能無法達到 進化的目標。而基因交換的方式,常見的有單點、兩點以及多點的方式。

(4) 決定突變率:即設定表示染色體的一串二進位,其中發生變異(即 0→1,1→0) 的機率。突變在演化過程中,演算法需增加差異,與避免落入區域最佳解,但是 過高的突變率常會造成系統的不穩定與收斂不易。

本研究參考[23]利用基因演算法進行印刷品檢測,(4)式所示將標準影像和 待測影像分別用 F(m,n)和 f(m ,' n )表示,以 M 行 N 列的矩陣表示,以標準影像' 的像素座標為標準。

⎟⎟⎠

⎜⎜ ⎞

⎛ Δ + Δ

⎟⎟⎠

⎜⎜ ⎞

⎟⎟⎛

⎜⎜ ⎞

⎛ −

⎟⎟=

⎜⎜ ⎞

n m n

m n

m

' '

cos sin

sin cos

α α

α α

(4)

其中,0≤m,m'M −1 1 0≤n,n'N

α為逆時針旋轉角度,Δm和Δn分別為行和列的偏移像素。

待測影像經旋轉、平移後,利用基因演算法進行檢測,可找出缺陷。染色體 由三部分組成,分別對應變換參換的Δm、Δn和α。染色體的長度是根據進行中 可能發生的最大變換範圍和對準精度而定,目前設定參數為Δm=0、Δn=0 與 α=0.157 代入,其中α分別代入一度與十度進行實驗,如圖十五所示。

(36)

標準影像 每一度旋轉之結果 每十度旋轉之結果 圖十五、利用基因演算法檢測之過程

但是若將α以 0.157 代入,檢測一張約 3.094 秒。,由於檢測時間過長,並 不適合線上即時檢測。

(37)

第三章 研究設備

本章為研究設備的介紹,本研究的設備是將出現在印刷品上的所有瑕疵完整 且真實的呈現出來。而且硬體設備是本研究成敗的關鍵,因為如果影像中所出現 的瑕疵失真或不完整,則後續的工作將變得毫無意義可言。本章首先介紹硬體設 備(3.1 節),其次介紹軟體程式(3.2 節)。

3.1 硬體設備

圖十六所示,硬體設備包括面掃瞄攝影機(Area Scan Camera)、影像攫取卡、

鹵素燈、步進馬達及捲動機構等。本研究硬體設備是使用電腦來控制週邊硬體,

週邊設備有控制步進馬達、攝影機等,以下就捲動機構、攝影機系統、定位感測 器及數位振動計進行介紹。

圖十六、硬體設計圖

(38)

3.1.1 捲動機構

本研究使用兩相步進馬達進行控制,首先由個人電腦透過 RS232 通訊界面,

傳送控制指令給控制器;接下來,控制器根據接收的指令,透過 RS232 介面,發 出電子訊號驅動馬達,個人電腦與控制器之 RS232 通訊協定如表六所示。

表六、RS232 通訊規格 每秒傳輸位元 9600

資料位元 1

同位檢查 8

停止位元 1

流量控制 XON/XOFF 交換控制

透過控制器可對馬達進行控制,包括旋轉、停止、讀取目前位置、設定轉速、

正轉、反轉等。控制方式是透過 RS232,傳送一串控制指令(字串)至控制器,

控制器便會依據指令驅動馬達,相關控制指令如表七所示(可參考附錄 A)。必須 注意的是,字母大小寫並不相同,例如“r"與“R"並非相同指令,且指令需以

“,"為結尾。此外,由於本研究僅使用單一馬達,亦即僅有單一軸(X 軸),因 此,所有控制指令中僅使用 X 軸相關控制指令。

表七、馬達控制指令

指令碼 說明

r 讀取狀態,傳回“."表示轉動中;“>"表示 Ready;“L"表示 Limit。

b 立即停止轉動。

:RX 讀取目前位置。

:SI

l

,

h

,

d

設定轉速,其中

l

為初速度;

h

為高速速度;

d

為加(減)速花費步數。

(39)

設定馬達轉速時必須考慮加速至高速(欲使用之轉速)所需的時間,此時間

(t)與初速(l)、高速(h)、及加(減)速步數(d)之關係如圖十七所示。參考 圖十七即可得到加(減)速與所需時間的關係,如(5)式所示。在初速與加(減) 速步數的選擇方面,除了必需考慮加(減)速所需時間外,也必須考慮加速的穩定 性,當初速愈大或加速步數愈小,則達到高速所需時間愈短,但愈容易發生失步 的情形,加速的穩定性就愈差。相反的,若初速愈小或加速步數愈大,則達到高 速所需花費的時間愈長,但較不易發生失步的情形,加速的穩定性也較高。有鑑 於此,經實際測試後發現,為達到本研究所需要之轉速(300 RPM/1500 PPS), 必需將初速、高速、及加(減)速步數分別設定為 200、1000、及 1000 PPS。

) (

2 h l t d

= + (5)

圖十七、馬達之速度與時間關係圖

3.1.2 攝影機系統

本節主要介紹攝影機系統取像時,為了提昇攝影機動態取像時,影像之清晰 度與完整性。本研究是以外部觸發模式取像,當然在觸發模式取像下,攝影機的 取像速度不可以超過攝影機所能接受的範圍。

(40)

3.1.2.1 攝影機

攝影機的功能主要是取像,為了滿足生產線對速度的要求,本研究採用高速 面掃瞄攝影機進行取像。取像時可以一次取一個面或面中的一個區域。所採用之 攝影機為 PULINX TM/TMC-6740 系列相機,其規格如表八所示。此攝影機之感知 器大小為 1/3〞,漸進式 IT CCD 感測器(KAI-0340),用 8 位元數位訊號輸出,可 經由簡易圖控程式,即時調整攝影機各項參數,例如增益、位準、電子快門或外 部控制取像等設定。攝影機之擺設位置如圖十八所示。

表八、攝影機規格 搭配鏡頭規格 1/3"鏡頭

取像大小 640(H)X480(V),VGA 速度 每秒 200 張 輸出標準 支援 CameraLink™或 Gig E 快門速率 高達 1/64,000 秒

圖十八、攝影機擺設位置圖

(41)

3.1.2.2 影像攫取卡

除攝影機外,還需要影像攫取卡將攝影機所取得之資料轉換為電腦所能處理 之影像,本研究所使用之影像攫取卡為Matrox 公司的 Solios XCL 影像攫取卡,

如圖十九所示。影像擷取卡的主要功能是將 CCD 擷取到之類比訊號轉換成數位之 影像訊號,以利電腦進行處理。

圖十九、影像攫取卡

3.1.3 定位感測器

圖二十所示為本研究用以定位之匸型感測器,利用彩色印刷品四周的黑點進 行單點定位檢測。定位感測器的主要功能是針對印刷品定位,利用定位感測器遮 斷時,觸發彩色攝影機取像,使用定位感測器目的是希望印刷品不要發生旋轉、

平移等情形,以利後續攝影機取像,定位感測器規格如表九所示,或詳細資料請 參考附錄 B。

(42)

圖二十、ㄈ型定位感測器實體圖

表九、匸型感測器之規格

外殼材質 金屬

電源電壓 10~30V (建議使用 12~24V)

工作環境溫度 -20℃~+60℃

感應輸出 PNP/NPN

輸出頻率 10000/s

遮斷光源 紅外光

自行設計穩壓電路的主要原因是觸發卡僅能承受 5~9V 電壓。7805 是一顆 常用的穩壓 IC,它的功能就是把輸入 12~24 V 的電壓,調整成 5~9V 輸出的電 壓。7805 的穩壓效果不錯,只有 3 支腳,安裝使用方便,但常常需要加散熱片。

這是因為當 7805 的輸出電流大一點時它會發熱,加散熱片才能防止它燒毀。7805 的優點及缺點如表十所列:

參考文獻

相關文件

Wang, Solving pseudomonotone variational inequalities and pseudocon- vex optimization problems using the projection neural network, IEEE Transactions on Neural Networks 17

Then, it is easy to see that there are 9 problems for which the iterative numbers of the algorithm using ψ α,θ,p in the case of θ = 1 and p = 3 are less than the one of the

volume suppressed mass: (TeV) 2 /M P ∼ 10 −4 eV → mm range can be experimentally tested for any number of extra dimensions - Light U(1) gauge bosons: no derivative couplings. =>

Define instead the imaginary.. potential, magnetic field, lattice…) Dirac-BdG Hamiltonian:. with small, and matrix

incapable to extract any quantities from QCD, nor to tackle the most interesting physics, namely, the spontaneously chiral symmetry breaking and the color confinement.. 

• Formation of massive primordial stars as origin of objects in the early universe. • Supernova explosions might be visible to the most

(Another example of close harmony is the four-bar unaccompanied vocal introduction to “Paperback Writer”, a somewhat later Beatles song.) Overall, Lennon’s and McCartney’s

Microphone and 600 ohm line conduits shall be mechanically and electrically connected to receptacle boxes and electrically grounded to the audio system ground point.. Lines in