一种基于机器学习的喷绘机印刷质量评估方法及系统与流程

本发明属于质量检测，具体是一种基于机器学习的喷绘机印刷质量评估方法及系统。

背景技术：

1、基于机器学习的喷绘机印刷质量评估方法是一种利用数据挖掘、模式识别和机器学习的智能评估手段，通过大量的印刷品样本数据训练模型，让模型自动学习和提取质量的特征和规律，旨在更加准确、快速和客观地对印刷品质量进行评估和判断，提高质量评估的效率和精度，为印刷过程的优化和改进提供依据。但是现有的基于机器学习的喷绘机印刷质量评估方法，存在印刷品质量评估缺少标准框架，难以突出不同质量层次的特点和差异，出现质量问题时，无法快速定位问题所在的质量类别的技术问题；存在印刷品细节变化不易发现，局部区域对整体质量评估有较大影响，导致印刷品的综合质量评估不准确的技术问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种基于机器学习的喷绘机印刷质量评估方法及系统，针对存在印刷品质量评估缺少标准框架，难以突出不同质量层次的特点和差异，出现质量问题时，无法快速定位问题所在的质量类别的技术问题，采用将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类，使质量评估工作更系统、有序，为客户和市场提供清晰的质量参考；针对存在印刷品细节变化不易发现，局部区域对整体质量评估有较大影响，导致印刷品的综合质量评估不准确的技术问题，采用计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估，全面反映印刷品在多个关键维度的表现。

2、本发明采取的技术方案如下：本发明提供的一种基于机器学习的喷绘机印刷质量评估方法，该方法包括以下步骤：

3、步骤s1：印刷品样本数据收集，具体为收集各种类型和质量水平的印刷品样本数据；

4、步骤s2：数据预处理，具体为将收集到的印刷品样本数据进行预处理；

5、步骤s3：印刷品质量分类，具体为将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类；

6、步骤s4：进行质量评估，具体为计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估；

7、步骤s5：实际应用，具体为进行印刷生产监控和印刷工艺优化。

8、进一步地，在步骤s1中，所述印刷品样本数据收集，具体为广泛收集各种类型、各种质量水平的印刷品样本数据，从不同的印刷厂家和不同的项目中获取，确保数据的多样性和代表性，获取常见的印刷缺陷和质量变化情况。

9、进一步地，在步骤s2中，所述数据预处理，将收集到的印刷品样本数据进行清洗和处理，去除异常数据点，对数据进行标准化处理，使不同来源的样本数据具有同一的度量标准和可比性，进行图像增强处理，提升样本数据的清晰度和对比度，更好地识别和分析印刷缺陷。

10、进一步地，在步骤s3中，所述印刷品质量分类，包括以下步骤：

11、步骤s31：针对印刷品样本数据进行特征提取，从印刷品样本数据中提取与质量评估相关的各种特征，所述特征包括颜色特征、图文清晰度特征、网点特征、表面平整度特征；

12、所述颜色特征包括色彩分布、色调和饱和度；

13、所述图文清晰度特征包括线条边缘锐利程度、文字清晰度；

14、所述网点特征包括网点形状、大小和均匀度；

15、步骤s32：计算目标函数，将提取的印刷品样本数据特征整合到数据矩阵中，所用公式如下：

16、；

17、式中，是目标函数，用于衡量通过线性投影后，数据点和监督信息的差异程度，通过调整w最小化目标函数，达到更好地数据分类效果，y表示监督信息，代表了分类标准，w表示线性投影，用于最小化投影点和监督信息之间的差异，所述投影点是对印刷品样本数据进行线性投影操作后得到的点，所述监督信息用于更好地对新的样本进行分类和评估，表示弗罗贝尼乌斯范数的平方，x表示输入的印刷品样本数据特征的矩阵形式，t表示矩阵的转置操作；

18、步骤s33：引入潜在特征子空间，投影矩阵w的秩被限制，因此在数据进行投影变换时的自由度受到限制，限制解的搜索空间，这种限制会导致无法充分捕捉数据的复杂性和多样性，降低了模型的质量，为了解决这个问题，使用潜在特征子空间，所述子空间具有能实现更紧凑和更具判别性的数据表示的特点，将投影矩阵w分解为两个矩阵p和q的乘积，提高模型针对印刷品样本数据质量评估的灵活性，不再局限于固定的维度进行投影，并在特征提取过程中保留更多关键信息，提升模型在印刷品质量分类的任务中的性能；

19、步骤s34：计算更新后的目标函数，所用公式如下：

20、；

21、式中，表示更新后的目标函数；

22、步骤s35：进行模型迭代，分析在每次迭代中获得的线性投影，通过交替迭代收敛到局部最优解，更好地对印刷品样本数据进行质量分类，所用公式如下：

23、；

24、；

25、；

26、；

27、式中，表示第i次迭代得到的线性投影矩阵，表示表达式取最大值时对应的参数，tr表示矩阵的迹，表示类内散布矩阵，用于表示同一类别数据的相似性和聚集程度，表示类间散布矩阵，用于表示不同类别之间的差异和分离程度，表示第i次迭代得到的另一个线性投影矩阵，表示迭代矩阵。

28、进一步地，在步骤s4中，所述进行质量评估，包括以下步骤：

29、步骤s41：计算基于相位同余的评估值，反映印刷品样本数据局部质量与印刷品样本数据原始质量的对比情况，所述原始质量指印刷品在理想状态下最初设计的质量标准，引入基于相位同余的评估值，用于全面、细致地了解印刷品的各个局部区域的质量表现，以便及时发现潜在问题，为改进印刷工艺、提升印刷品质量提供重要依据，所用公式如下：

30、；

31、式中，表示坐标点处基于相位同余的评估值，是用于公式计算中的调整和修正的常数，和是用于记录印刷品样本数据局部特征的参数；

32、步骤s42：计算梯度幅度，用于更好地反映印刷品在坐标点处的细节变化过程，及时发现可能存在的模糊、边缘不清晰的问题，所用公式如下：

33、；

34、式中，表示梯度幅度的计算结果，，是两个梯度算子，t2是提高公式稳定性的常数；

35、步骤s43：计算相似性图的附加权重因子，用于衡量局部区域对整体质量评估的影响权重，所用公式如下：

36、；

37、式中，表示在坐标点处计算得到的相似性图的附加权重因子，max表示取最大值；

38、步骤s44：计算印刷品样本质量指数的最终公式，用于全面反映印刷品在细节、对比度和整体均匀性等多个关键维度的表现，所用公式如下：

39、；

40、式中，表示印刷品样本质量指数的最终公式，表示对属于区域ω内的所有坐标点的相似性图的附加权重因子进行求和。

41、进一步地，在步骤s5中，所述实际应用，包括以下步骤：

42、步骤s51：印刷生产监控，根据印刷品样本质量指数判断印刷品质量，及时发现并调整生产参数，保证生产的连续性和稳定性；

43、步骤s52：印刷工艺优化，分析质量指数与不同工艺参数之间的关系，找到最佳的印刷工艺组合，提升整体质量水平。

44、本发明提供的一种基于机器学习的喷绘机印刷质量评估系统，包括印刷品样本数据收集模块、数据预处理模块、印刷品质量分类模块、进行质量评估模块和实际应用模块；

45、所述印刷品样本数据收集模块，具体为收集各种类型和质量水平的印刷品样本数据；

46、所述数据预处理模块，具体为将收集到的印刷品样本数据进行预处理；

47、所述印刷品质量分类模块，具体为将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类；

48、所述进行质量评估模块，具体为计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估；

49、所述实际应用模块，具体为进行印刷生产监控和印刷工艺优化。

50、采用上述方案本发明取得的有益成果如下：

51、（1）针对存在印刷品质量评估缺少标准框架，难以突出不同质量层次的特点和差异，出现质量问题时，无法快速定位问题所在的质量类别的技术问题，采用将预处理后的印刷品样本数据进行特征提取，计算目标函数，引入潜在特征子空间并分解投影矩阵，更新目标函数，通过模型迭代进行印刷品质量分类，使质量评估工作更系统、有序，为客户和市场提供清晰的质量参考；

52、（2）针对存在印刷品细节变化不易发现，局部区域对整体质量评估有较大影响，导致印刷品的综合质量评估不准确的技术问题，采用计算基于相位同余的评估值和梯度幅度，反映印刷品的细节质量，计算相似性图的附加权重因子，衡量局部区域对整体质量评估的影响权重，计算印刷品样本质量指数的最终公式进行质量评估，全面反映印刷品在多个关键维度的表现。