下载文档原格式
基于机器视觉的包装印刷质量检测技术研究随着包装业的不断发展，包装印刷质量检测技术也不断被更新换代。
传统的人工检测方式效率低下，而机器视觉检测技术的出现极大地提高了包装印刷质量的检测效率和准确度，成为了包装印刷行业的重要技术之一。
本文旨在探讨基于机器视觉的包装印刷质量检测技术研究。
一、机器视觉检测技术优势传统的包装印刷质量检测方式主要由人工质检员完成，其效率低下，耗时长，且容易出现人为误判等问题。
而基于机器视觉的包装印刷质量检测技术具有以下优势：1. 高效快捷：机器视觉能够以极快的速度捕捉并识别图像数据，能耗低，利用并行处理技术，大大提高了效率和速度。
2. 自动化程度高：由于机器视觉技术的普及，现在各大厂商都实现了对机器人的智能控制。
机器人在运动中完成了对包装印刷质量的检测任务。
3. 准确度高：机器视觉能够精确识别并定位缺陷，对于人工难以察觉的微小缺陷也有很好的检测能力。
4. 可视化演示：通过机器视觉的成像技术，用户可实时看到产品的质量数据，验证检查结果，便于质检人员进行及时处理。
二、机器视觉检测技术原理包装印刷质量检测的核心是图像处理和图像分析技术。
基于机器视觉的包装印刷质量检测技术主要分为以下几个环节：1. 图像采集：通过数码相机或其他型号的相机，将需要检测的包装印刷品拍摄下来。
2. 图像处理：对采集的图像进行滤波、灰度化、增强等处理，使得图像更加清晰、明亮。
3. 特征提取：根据之前人工设定的标准，选取需要检测的特征，比如图案、文字、边框等。
并以这些特征为基础开始图像分析。
4. 数据分析：对采集的图像进行分类分析，通过模式匹配、机器学习等技术进行图像识别，判断是否存在某种缺陷、错误等。
5. 缺陷检测报告：对于检测结果异常的图像，生成缺陷检测报告，包括缺陷类型、缺陷大小、缺陷位置等详细信息。
缺陷检测报告会被传输到专门的缺陷管理系统中，以便管理者分析并改善流程，提升生产效率和品质。
三、机器视觉检测技术在包装印刷中的应用基于机器视觉的包装印刷质量检测技术在包装行业领域有着广泛的应用，大致可分为以下几个方面：1. 印刷品检测：通过机器视觉检测技术实现对印刷品的快速、准确地检测和分类，提高生产效率。
浅谈机器视觉系统在印刷包装中的应用•1、自动印刷品质量检测自动印刷品质量检测设备采用的检测系统多是先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。
CCD线性传感器将每一个像素的光量变化转换成电子信号，对比之后只要发现被检测图像与标准图像有不同之处，系统就认为这个被检测图像为不合格品。
印刷过程中产生的各种错误，对电脑来说只是标准图像与被检测图像对比后的不同，如污迹、墨点色差等缺陷都包含在其中。
最早用于印刷品质量检测的是将标准影像与被检测影像进行灰度对比的技术，现在较先进的技术是以RGB三原色为基础进行对比。
全自动机器检测与人眼检测相比，区别在哪里?以人的目视为例，当我们聚精会神地注视某印刷品时，如果印刷品的对比色比较强烈，则人眼可以发现的、最小的缺陷，是对比色明显、不小于0.3mm的缺陷；但依靠人的能力很难保持持续的、稳定的视觉效果。
可是换一种情况，如果是在同一色系的印刷品中寻找缺陷，尤其是在一淡色系中寻找质量缺陷的话，人眼能够发现的缺陷至少需要有20个灰度级差。
而自动化的机器则能够轻而易举地发现0.10mm大小的缺陷，即使这种缺陷与标准图像仅有一个灰度级的区别。
但是从实际使用上来说，即便是同样的全色对比系统，其辨别色差的能力也不同。
有些系统能够发现轮廓部分及色差变化较大的缺陷，而有些系统则能识别极微小的缺陷。
对于白卡纸和一些简约风格的印刷品来说，如日本的KENT烟标、美国的万宝路烟标，简单地检测或许已经足够了，而国内的多数印刷品，特别是各种标签，具有许多特点，带有太多的闪光元素，如金、银卡纸，烫印、压凹凸或上光印刷品，这就要求质量检测设备必须具备足够的发现极小灰度级差的能力，也许是5个灰度级差，也许是更严格的1个灰度级差。
这一点对国内标签市场是至关紧要的。
标准影像与被检印刷品影像的对比精确是检测设备的关键问题，通常情况下，检测设备是通过镜头采集影像，在镜头范围内的中间部分，影像非常清晰，但边缘部分的影像可能会产生虚影，而虚影部分的检测结果会直接影响到整个检测的准确性。
机器视觉在印刷质量检测中的应用一、机器视觉检测系统的工作原理1.机器视觉的含义机器视觉（Machine Vision），顾名思义就是将自动控制机器的能力和视觉传感结合起来。
形象的说，人通过眼睛感知外部世界的变化，然后通过大脑进行分析处理、作出判断，最后由手和脚完成动作。
机器视觉就是将这一过程通过具有运算能力的自动化控制设备来完成的。
具体来说，机器视觉是用摄像机代替人眼，用计算机代替人的大脑来进行测量与判断的。
机器视觉系统（Machine Vision System）是指通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等；再根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等；最后根据判别的结果来控制现场的设备动作。
机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。
其特点是速度快、精度高、自动化及智能化程度高、非接触、客观性强、可靠性高、信息量大、功能多、生产效率高。
正是由于机器视觉具有这些特点，因此在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装印刷、汽车制造等行业中。
机器视觉用于印刷、包装行业中的质量检测，其基本的工作原理是用摄像机拍摄（采集）印刷品上的图像，在计算机中与该印品的标准图像（模板）相匹配比较，如果发现差异并超出设定的公差范围，即判定为不合格产品。
而实际的机器视觉系统要复杂得多。
2.视觉检测系统的结构与工作原理视觉检测系统主要由照明光源、光学镜头、摄像机、图像信息的处理与执行机构四大部分所组成。
机器视觉在自动化包装中的应用在当今高度自动化的工业生产领域，包装环节的效率和质量对于企业的竞争力具有至关重要的影响。
机器视觉技术作为一种先进的检测和控制手段，正逐渐在自动化包装中发挥着不可或缺的作用。
机器视觉，简单来说，就是让机器具备像人一样的视觉能力，能够对物体进行识别、测量、定位和检测。
在自动化包装中，它主要通过摄像头等图像采集设备获取包装过程中的图像信息，然后利用图像处理软件和算法对这些图像进行分析和处理，从而实现对包装产品的质量控制、缺陷检测、尺寸测量、包装完整性检查等多种功能。
首先，机器视觉在自动化包装中的一个重要应用是产品质量检测。
在生产线上，产品可能会出现各种缺陷，如外观瑕疵、破损、变形等。
传统的人工检测方式不仅效率低下，而且容易受到检测人员主观因素的影响，导致检测结果的准确性和一致性难以保证。
而机器视觉系统能够以极高的速度和精度对产品进行全方位的检测，迅速准确地识别出有缺陷的产品，并将其剔除出生产线。
例如，在食品包装行业，机器视觉可以检测食品的包装是否完整、封口是否严密、标签是否正确粘贴等；在电子产品包装中，它可以检测产品的外壳是否有划痕、零部件是否缺失等。
通过机器视觉的质量检测，企业能够有效地提高产品的合格率，降低次品率，从而提升产品的市场竞争力。
其次，机器视觉在包装尺寸测量方面也具有显著的优势。
在包装过程中，产品的尺寸需要符合一定的标准，以确保包装的合适性和美观性。
传统的测量方法往往需要人工使用量具进行测量，不仅效率低下，而且容易产生误差。
机器视觉系统可以通过对产品图像的处理和分析，快速准确地测量出产品的长度、宽度、高度、直径等尺寸参数，并与预设的标准尺寸进行对比。
如果尺寸不符合要求，系统会及时发出警报，以便操作人员进行调整。
这种非接触式的测量方式不仅提高了测量的效率和精度，还避免了对产品的损伤。
此外，机器视觉还可以用于包装的定位和引导。
在自动化包装生产线中，需要将产品准确地放置在包装材料的特定位置上，以保证包装的准确性和稳定性。
工业机器人在印刷包装行业的应用与趋势随着科技的飞速发展和社会的进步，工业机器人已经逐渐成为了现代工业生产中的重要角色。
在印刷包装行业中，工业机器人的应用正发挥着越来越重要的作用。
本文将探讨工业机器人在印刷包装行业的应用领域以及未来的趋势。
一、印刷行业中的工业机器人应用工业机器人在印刷行业中的应用广泛且多样化。
首先，工业机器人可以用于印刷品的装订和排版。
在传统的印刷包装流程中，人工装订和排版不仅费时费力，而且存在一定的误差。
而通过工业机器人的应用，可以实现自动化的装订和排版，大大提高了效率和准确性。
其次，工业机器人还可以用于印刷品的包装和封装。
传统的包装封装过程通常需要大量的人力投入，而且操作的速度和效率有限。
而引入工业机器人后，可以实现自动化的包装和封装，减少了人力投入的成本，提高了生产效率。
此外，工业机器人还可以通过视觉识别技术，对印刷品的质量进行检测和控制。
传统的质检方式往往需要大量的人力和时间，且存在主观判断的偏差。
而工业机器人通过高精度的视觉识别系统，可以准确地检测印刷品的质量，并实时进行反馈和调整，大大提高了产品的质量。
二、工业机器人在印刷包装行业的趋势随着科技的不断进步和工业机器人技术的不断发展，工业机器人在印刷包装行业中的应用正呈现出以下几个趋势：1. 自适应控制技术的应用：工业机器人在印刷包装行业中的应用需要不断适应不同的印刷品类型和规格，因此自适应控制技术将成为未来的发展方向。
通过引入自适应控制技术，工业机器人可以根据不同的印刷品要求进行自主调整和优化，提高生产效率和产品质量。
2. 人工智能技术的融合：人工智能技术在工业机器人中的应用已经有了巨大的突破，而在印刷包装行业中，工业机器人与人工智能技术的融合将会进一步推动行业的发展。
通过引入人工智能技术，工业机器人可以实现更加智能化的自主决策和操作，大大提高了自动化生产的效率和精度。
3. 柔性生产线的建设：随着市场需求的不断变化和个性化订制的兴起，印刷包装行业需要更加灵活和多样化的生产方式。
机器视觉技术在自动印刷行业的应用研究第一章绪论随着智能化、信息化时代的来临，机器视觉技术正在各个行业得到越来越广泛的应用。
在自动印刷行业中，机器视觉技术的应用可以帮助企业实现高效、精准、自动化的生产，提高产品的质量和生产效率。
本文将针对机器视觉技术在自动印刷行业中的应用情况进行探讨和研究。
第二章自动印刷行业现状与问题自动印刷行业在快速发展的过程中，面临着以下几个问题：1. 受限于传统的印刷方式，印刷产品的精度和质量无法保证。
2. 生产成本高，生产效率低，利润空间小。
3. 人工操作容易出现失误，影响了产品的质量和效率。
第三章机器视觉技术在自动印刷行业中的应用机器视觉技术是一种以摄像机为核心的自动化智能识别技术，能够实现对目标物体进行快速、高效的识别和分析。
在自动印刷行业中，机器视觉技术可以应用于以下几个领域：1. 印刷品质检测。
机器视觉技术可以通过对印刷品进行图像处理和分析，可以检查印刷品的错位、颜色、断点、图像清晰度等问题。
2. 自动矫正系统。
在印刷工艺中，常常会出现误差和偏移，机器视觉技术可以通过智能算法进行识别并自动进行矫正。
3. 自动切割和裁剪系统。
机器视觉技术可以通过对印刷品的图像识别，实现对其进行自动切割和裁剪。
4. 粘贴系统。
通过机器视觉技术，可以对需要粘贴的位置进行识别和标记，实现自动化的粘贴操作。
第四章机器视觉技术在自动印刷行业中应用的优势1. 可以大幅提高生产效率，减少劳动力成本。
2. 可以有效降低生产过程中的错误率，提高产品质量。
3. 可以实现自动化生产，并减少人工干预。
第五章机器视觉技术在自动印刷行业中应用的挑战1. 需要有效的人工干预，在技术不稳定的情况下，尤其需要具有高度的专业知识和经验。
2. 需要投入大量资金和时间，以确保系统兼容性和稳定性。
3. 机器视觉技术的应用需要通过精准的数据分析和处理，需要用大量的专业技术和分析工具，以确保数据的准确性和可信度。
第六章机器视觉技术在自动印刷行业中的发展前景随着机器视觉技术的快速发展和推广，其在自动印刷行业中的应用前景逐渐清晰。
工业机器视觉在印刷行业中的应用随着科技的不断发展，工业机器视觉在各个领域中都得到了广泛的应用。
在印刷行业中，工业机器视觉在整个过程中都发挥着重要的作用。
本文将对工业机器视觉在印刷行业中的应用进行探讨。
一、原材料检测在印刷行业中，最重要的原材料就是纸张。
因此，在生产过程中需要对纸张进行检测，以确保印刷出来的产品质量。
工业机器视觉可以通过对纸张图像的处理，快速而准确地检测出以下问题：1.纸张的颜色、光泽度和对称性是否达到标准要求。
2.纸张的纹理是否符合要求。
3.纸张的厚度是否均匀。
4.纸张是否存在撕裂、折叠、污渍等缺陷。
通过工业机器视觉对原材料的检测，可以有效减少产品的不良率，提高印刷厂的生产效率。
二、印刷质量控制在印刷行业中，印刷质量是关键因素之一。
为了确保印刷品的质量，传统的方式是通过人工检测。
然而，这种检测方式不仅费时费力，而且难以保证100%的准确率。
因此，工业机器视觉的应用成为了解决该问题的有效手段。
工业机器视觉可以通过高分辨率的摄像头，对印刷品进行大面积的图像采集，然后进行图像处理和分析。
通过分析印刷品的颜色、套色、像素分布、清晰度等等指标，来判断印刷品是否符合标准要求。
同时，工业机器视觉可以对印刷品进行自动分类、统计、检测和缺陷识别，提高检测效率和准确性。
三、标签检测在日常生活中，我们常常会看到各种各样的标签，如各类食品包装上的标签、服装标签等等。
这些标签一般都包含着重要的信息，如生产日期、保质期等等。
因此，在印刷标签时，我们必须确保标签的质量和准确性。
工业机器视觉可以通过对标签图像的处理和分析，快速而准确地检测出以下问题：1.标签的颜色和图案是否完整，是否与设计图一致。
2.标签的内容是否准确无误，如文字、图案等是否清晰可见。
3.标签是否存在过多的气泡、褶皱、剥离等缺陷。
通过工业机器视觉对标签的检测，可以帮助厂商准确、高效地生产出符合标准和要求的标签，从而保证产品质量。
四、结论在印刷过程中，工业机器视觉的应用是不可或缺的。
机器视觉在自动化包装中的新技术在当今高度自动化的工业生产环境中，包装环节的效率和质量至关重要。
机器视觉作为一项关键技术，正为自动化包装带来革命性的变化。
机器视觉，简单来说，就是让机器能够像人眼一样“看”，并且能够理解所“看”到的内容。
在自动化包装领域，它的应用范围广泛，从检测产品的外观缺陷、识别包装上的标识和文字，到精确测量产品的尺寸和形状，都发挥着重要作用。
过去，传统的包装检测方法主要依赖人工抽检，这种方式不仅效率低下，而且容易出现漏检和误检的情况。
而机器视觉技术的出现，有效地解决了这些问题。
它能够以极高的速度和精度对包装产品进行全面检测，大大提高了生产效率和产品质量。
近年来，一些新的技术在机器视觉的自动化包装应用中崭露头角。
首先，深度学习技术的融入是一大亮点。
传统的机器视觉算法通常需要针对特定的任务进行复杂的特征提取和模型训练，而深度学习则通过构建多层神经网络，能够自动从大量的数据中学习到有用的特征和模式。
在自动化包装中，利用深度学习技术可以对复杂的包装外观缺陷进行更准确的检测和分类。
例如，对于一些细微的划痕、裂缝或者颜色不均匀等问题，深度学习模型能够通过对大量样本的学习，识别出这些难以用传统方法检测的缺陷。
其次，高分辨率成像技术的发展也为机器视觉在自动化包装中的应用提供了更强大的支持。
随着相机技术的不断进步，如今可以获取到超高分辨率的图像，能够清晰地捕捉到产品包装上的微小细节。
这使得机器视觉系统能够检测到更加细微的缺陷和瑕疵，同时也为更精确的尺寸测量和形状识别提供了可能。
再者，多相机协同工作的技术也逐渐成熟。
在一些大型包装生产线中，单个相机可能无法覆盖整个包装区域，或者无法从多个角度全面地观察产品。
通过部署多个相机，并实现它们之间的协同工作，可以获取到产品包装的全方位信息。
这种多视角的检测方式能够有效避免检测死角，提高检测的准确性和完整性。
此外，智能照明技术的应用也不容忽视。
合适的照明条件对于获取高质量的图像至关重要。
机器视觉技术及其在包装印刷质量检测中的应用机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的柔性和自动化程度。
在一些不适合于人工作业的危险工作环境或人工视觉难以机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的柔性和自动化程度。
在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
一个典型的工业机器视觉应用系统包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像捕获卡），图像处理软件，监视器，通讯/输入输出单元等。
首先采用摄像机获得被测目标的图像信号，然后通过A/ D 转换变成数字信号传送给专用的图像处理系统，根据像素分布、亮度和颜色等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别准则输出判断结果，去控制驱动执行机构进行相应处理。
机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。
浅谈机器视觉系统在印刷包装中的应用
1、自动印刷品质量检测
自动印刷品质量检测设备采用的检测系统多是先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。
CCD线性传感器将每一个像素的光量变化转换成电子信号，对比之后只要发现被检测图像与标准图像有不同之处，系统就认为这个被检测图像为不合格品。
印刷过程中产生的各种错误，对电脑来说只是标准图像与被检测图像对比后的不同，如污迹、墨点色差等缺陷都包含在其中。
最早用于印刷品质量检测的是将标准影像与被检测影像进行灰度对比的技术，现在较先进的技术是以RGB三原色为基础进行对比。
全自动机器检测与人眼检测相比，区别在哪里?以人的目视为例，当我们聚精会神地注视某印刷品时，如果印刷品的对比色比较强烈，则人眼可以发现的、最小的缺陷，是对比色明显、不小于
0.3mm的缺陷；但依靠人的能力很难保持持续的、稳定的视觉效果。
可是换一种
情况，如果是在同一色系的印刷品中寻找缺陷，尤其是在一淡色系中寻找质量缺陷的话，人眼能够发现的缺陷至少需要有20个灰度级差。
而自动化的机器则能够轻而易举地发现0.10mm大小的缺陷，即使这种缺陷与标准图像仅有一个灰度级的区别。
但是从实际使用上来说，即便是同样的全色对比系统，其辨别色差的能力也不同。
有些系统能够发现轮廓部分及色差变化较大的缺陷，而有些系统则能识别极微小的缺陷。
对于白卡纸和一些简约风格的印刷品来说，如日本的KENT烟标、美国的万宝路烟标，简单地检测或许已经足够了，而国内的多数印刷品，特别是各种标签，具有许多特点，带有太多的闪光元素，如金、银卡纸，烫印、压凹凸或上光印刷品，这就要求质量检测设备必须具备足够的发现极小灰度级差的能力，也许是5个灰度级差，也许是更严格的1个灰度级差。
这一点对国内标签市场是至关紧要的。
标准影像与被检印刷品影像的对比精确是检测设备的关键问题，通常情况下，
检测设备是通过镜头采集影像，在镜头范围内的中间部分，影像非常清晰，但边缘部分的影像可能会产生虚影，而虚影部分的检测结果会直接影响到整个检测的准确性。
从这一点来说，如果仅仅是全幅区域的对比并不适合于某些精细印刷品。
如果能够将所得到的图像再次细分，比如将影像分为1024dpi X 4096dpi或2048dpi X 4096dpi，则检测精度将大幅提高，同时因为避免了边缘部分的虚影，从而使检测的结果更加稳定。
采用检测设备进行质量检测可提供检测全过程的实时报告和详尽、完善的分析报告。
现场操作者可以凭借全自动检测设备的及时报警，根据实时分析报告，及时对工作中的问题进行调整，或许减少的将不仅仅是一个百分点的废品率，管理者可以依据检测结果的分析报告，对生产过程进行跟踪，更有利于生产技术的管理。
因为客户所要求的，高质量的检测设备，不仅仅是停留在检出印刷品的好与坏，还要求具备事后的分析能力。
某些质量检测设备所能做的不仅可以提升成品的合格率，还能协助生产商改进工艺流程，建立质量管理体系，达到一个长期稳定的质量标准。
2、凹版印刷机位置控制及产品检测
由设置在生产线上的摄像机连续摄取印制品的视频图像，摄像的速度在30 帧／s以下且可调。
摄像机采集到的图像，首先进行量化，将模拟信号转化成数字信号，从中抽取一张有效代表镜头内容的关键帧，并将其显示在显示器上。
对于一帧图像，可采用对静止图像的分析方法来处理，通过尺寸测量和多光谱分析可识别出视频图像上各色标，得出色标间距和色标的颜色参数以及一些其他相关。
由于各种因素影响，会出现各种各样的噪声，如高斯噪声、椒盐噪声及随机噪声等。
噪声给图像处理带来很多困难，它对图像分割，特征提取，图像识别，具有直接的影响，因此实时采集的图像需进行滤波处理。
图像滤波要求能去除图像以外的噪声，同时又要保持图像的细节。
当噪声为高斯噪声时，最常使用的是线性滤波器，易于分析和实现；但线性滤波器对椒盐噪声的滤波效果很差，传统的中值滤波器能减少图像中的椒盐噪声，但效果不算理想，即充分分散的噪声被去掉，而彼此靠近的噪声会被保留下来，所以当椒盐噪声比较严重时，它的滤波效果明显变坏。
本系统改进型中值滤波法。
该方法首先求得噪声图像窗口中去除最大和最小灰度值像素后的中值，然后计算该中值与对应的像素灰度值的差，再与阈值相比较以确定是否
用求得的值代替该像素的灰度值。
图像分割在该阶段中检测出各色标并与背景分离，物体的边缘是由灰度不连续性所反映的L边缘种类可分为两种，其一是阶跃性边缘，它两边的像素的灰度值有显著不同；其二是屋顶状边缘，它位于灰度值从增加到减小的变化转折点L对于阶跃性边缘，其二阶方向导数在边缘处呈零交叉，因而可用微分算子来做边缘检测算子。
微分算子类边缘检测法类似于高空间域的高通滤波，有增加高频分量的作用，这类算子对噪声相当敏感，对于阶跃性边缘，通常可用的算子有梯度算子Sobel
算子和Kirsh 算子。
对于屋顶状边缘可用拉普拉斯变换和Kirsh算子。
由于色标为长方形，且相邻边缘灰度级相差较大，故采用边缘检测来分割图像。
这里采用Sobert 边缘子来进行边缘检测，它是利用局部差分算子来寻找边缘，能较好的将色标分离出来。
在实际的检测过程中，采用彩色图像边缘检测方法，选择合适的彩色基(如强度、色度、饱和度等)来进行检测。
根据印刷机的类型特点，即印刷机各色的颜色和版图的特点，进行多阈值处理，得到各色的二值图。
将分割后的图像进行测量，通过测量值来识别物体，由于色标为形状规则的矩形，所以可对下述特征进行提取：(1) 由像素计算矩形面积，(2) 矩形度，(3) 色度(H ) 和饱和度(S )，然后根据各色标的间隔的像素点数量得到色标间的间距，与设定值比较，得到两者的差值，共进行m次测量，取平均差值，给数字交流伺服调节部分提供相应的调节信号。
以调节色辊的相对位置，从而消除或减少印刷错位。
在特征提取时，对图像进行多光谱图像分析，可以定量地表示色标，如彩色数图像中像素的颜色，采用HIS格式得到各色标颜色信息的两个参数：色度和饱和度，以此来检测油墨的质量。
对各色二值图再进行统计计算或与标准图形进行样板匹配，测量印刷过程中墨屑等参数。
印刷机由开卷机放卷运行依次经过各印刷单元，进行各色的印刷和烘干，由收卷机进行收卷L每色印刷都会在印料的边沿印上以供套色用的色标，该色标线水平长10 mm ，宽1 mm ，每个相邻颜色的标志线在套印精确时应相互平行，垂直(纵向) 相距20 mm ，由设置在生产线上的摄影机连续摄取印制品的视频图像，通过尺寸测量和多光谱分析可识别出视频图像上各色标，得出色标间距和色标的颜色参数L如果相邻两色色标间隔大于或小于20 mm ，则说明套印出现了偏差。
将该偏差信号送给伺服变频驱动单元，驱动交流伺服电机，使相应的套色修正辊ML上下
移动来延长或缩短印料自上一单元印刷版辊到该单元印刷版辊的行程来动态修正。
3、在现代包装行业中的应用
在现代包装工业自动化生产中，涉及到各种各样的检查、测量，比如饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。
这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。
通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100的检验合格率（即零缺陷），而当今企业之间的竞争，已经不允许哪怕是0.1的缺陷存在。
有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。
这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，从而引入了机器人视觉技术。
一般地说，首先采用CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。
机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。
机器视觉极适用于大批量生产过程中的测量、检查和辨识，如：对IC表面印字符的辨识，食品包装上面对生产日期的辨识，对标签贴放位置的检查。
