用于数码直喷印花机的喷印控制方法及装置与流程

本技术涉及计算机，特别涉及一种用于数码直喷印花机的喷印控制方法及装置。

背景技术：

1、在现代纺织工业中，数码直喷印花技术因其能够实现高分辨率、多色彩和个性化图案的打印而受到广泛应用。该技术特别适用于小批量生产和快速反应市场变化的需求，如定制服装、装饰布料和时尚配饰等。

2、相关技术中，现有的数码直喷印花机通常通过精确控制喷头，将墨水以极细的墨滴形式喷射到纺织物上，形成所需图案。为了实现高生产效率，往往倾向于提高墨滴的喷射速度。然而，过快的喷射速度导致墨滴在纺织物上的分布不均匀，不均匀的墨滴分布导致墨水渗透到纺织物的背面，造成图案模糊和颜色不均。另一方面，如果为了确保墨滴分布的均匀性而降低喷射速度，虽然可以提高打印质量，但会显著降低生产效率，增加生产成本。

3、综上，如何在追求高生产效率与保证打印质量之间找到最佳的平衡点，是需要亟需解决的问题。

技术实现思路

1、本技术实施例提供了一种用于数码直喷印花机的喷印控制方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

2、第一方面，本技术实施例提供了一种用于数码直喷印花机的喷印控制方法，方法包括：

3、响应于喷印指令，接收预先安装在数码直喷印花机上的视觉传感器反馈的纺织物图像；

4、识别纺织物图像中的待喷印区域；

5、从预先设计的待打印图像中，确定与待喷印区域对应的目标分割区域；

6、根据目标分割区域的区域中心像素位置，从预先构建的区域中心像素位置与区域喷射参数的映射关系中，获取对应的目标区域喷射参数；其中，映射关系是通过存储每个分割区域的区域中心像素位置与每个分割区域对应的区域喷射参数之间的关联关系得到的，每个分割区域是根据待打印图像的复杂度将待打印图像进行分割得到的，每个分割区域对应的区域喷射参数是根据预先训练的喷射参数确定模型对每个分割区域进行分析得到的，预先训练的喷射参数确定模型是预先通过机器学习的用于确定区域喷射参数的数学模型；

7、根据目标区域喷射参数指示的喷射速度和墨滴大小，控制数码直喷印花机对待喷印区域进行喷印，并继续执行接收预先安装在数码直喷印花机上的视觉传感器反馈的纺织物图像的步骤。

8、可选的，按照以下步骤生成预先构建的区域中心像素位置与区域喷射参数的映射关系，包括：

9、接收客户端上传的需要打印的原始图像进行预处理，以适应数码直喷印花机的工作区域和打印要求，得到待打印图像；

10、计算待打印图像中目标图案的复杂度；

11、根据待打印图像的复杂度，将待打印图像进行分割处理，得到多个分割区域；

12、将每个分割区域输入预先训练的喷射参数确定模型中，输出每个分割区域对应的区域喷射参数；

13、确定每个分割区域在待打印图像中的区域中心像素位置，得到每个分割区域的区域中心像素位置；

14、存储每个分割区域的区域中心像素位置与每个分割区域对应的区域喷射参数之间的关联关系；

15、将关联关系作为预先构建的区域中心像素位置与区域喷射参数的映射关系。

16、可选的，按照以下步骤生成预先训练的喷射参数确定模型，包括：

17、收集预设周期内已喷印的多个历史打印图像；

18、计算每个历史打印图像中目标图案的复杂度；

19、根据每个历史打印图像中目标图案的复杂度，将每个历史图像进行分割处理，得到每个历史图像的多个历史分割区域；

20、构建每个历史图像的每个历史分割区域的特征数据；

21、确定每个历史图像的每个历史分割区域的历史喷射参数；

22、将每个历史图像的每个历史分割区域的历史喷射参数作为标签标注于每个历史图像的每个历史分割区域的特征数据上，得到模型训练数据；

23、基于模型训练数据进行机器学习，得到预先训练的喷射参数确定模型。

24、可选的，计算每个历史打印图像中目标图案的复杂度，包括：

25、将每个历史打印图像转换为灰度图，得到多个灰度图；

26、对每个灰度图进行边缘检测，得到每个历史打印图像的边缘强度；其中，边缘强度图的计算公式为：

27、

28、其中，，，和分别是图像在水平和垂直方向上的梯度，为边缘强度图，为卷积操作，为每个历史打印图像的中每个像素点的像素强度；

29、计算每个历史打印图像的颜色直方图的熵，作为每个历史打印图像的颜色多样性度量；其中，

30、颜色多样性度量的计算公式为：

31、

32、其中，为颜色多样性度量，是颜色在图像中出现的概率，是历史打印图像的颜色通道的数量；

33、将每个历史打印图像的边缘强度与每个历史打印图像的颜色多样性度量进行加权求和，得到每个历史打印图像中目标图案的复杂度。

34、可选的，构建每个历史图像的每个历史分割区域的特征数据，包括：

35、在每个历史图像的每个历史分割区域中，确定历史图案；

36、在历史图案上采用标注框进行标注，以标注出历史图案的边界和位置，得到每个历史图像的每个历史分割区域的历史图案标注框；

37、对每个历史图像的每个历史分割区域的历史图案标注框进行特征提取，得到每个历史图像的每个历史分割区域的特征信息；

38、将每个历史图像的每个历史分割区域的特征信息进行量化处理，得到每个历史图像的每个历史分割区域的特征向量；

39、将每个历史图像的每个历史分割区域的特征向量作为每个历史图像的每个历史分割区域的特征数据。

40、可选的，对每个历史图像的每个历史分割区域的历史图案标注框进行特征提取，得到每个历史图像的每个历史分割区域的特征信息，包括：

41、使用边缘检测算法，从每个历史图像的每个历史分割区域的历史图案标注框中，提取历史图案的边缘特征；

42、从每个历史图像的每个历史分割区域的历史图案标注框中，提取历史图案的纹理特征；

43、从每个历史图像的每个历史分割区域的历史图案标注框中，提取历史图案的颜色特征；

44、将历史图案的边缘特征、纹理特征以及颜色特征组合为特征矩阵，得到每个历史图像的每个历史分割区域的特征信息。

45、可选的，对每个历史图像的每个历史分割区域的历史图案标注框进行特征提取，得到每个历史图像的每个历史分割区域的特征信息，包括：

46、在每个历史图像的每个历史分割区域的历史图案中，检测角点、边缘点或其他显著的特征点，作为贝塞尔曲线的控制点；

47、根据贝塞尔曲线的控制点，通过最小二乘法在每个历史图像的每个历史分割区域的历史图案中拟合贝塞尔曲线，得到每个历史图像的每个历史分割区域的贝塞尔曲线；

48、获取每个历史图像的每个历史分割区域的贝塞尔曲线的曲线阶数、控制点坐标、曲线长度以及曲率，作为每个历史图像的每个历史分割区域的特征信息。

49、可选的，确定每个历史图像的每个历史分割区域的历史喷射参数，包括：

50、获取每个历史图像的每个历史分割区域的实际打印参数，实际打印参数包括实际喷射速度、实际墨滴大小；

51、获取与每个历史图像的每个历史分割区域对应的历史纺织物图像的分割区域；

52、从与每个历史图像的每个历史分割区域对应的历史纺织物图像的分割区域中，提取墨滴分布参数、图案颜色参数；

53、接收用户基于墨滴分布参数、图案颜色参数对实际喷射速度、实际墨滴大小进行调整的以保证最佳打印质量的参数，得到每个历史图像的每个历史分割区域的历史喷射参数。

54、可选的，基于模型训练数据进行机器学习，得到预先训练的喷射参数确定模型，包括：

55、采用神经网络创建喷射参数确定模型；

56、将模型训练数据输入喷射参数确定模型中，输出模型损失值；

57、在模型损失值到达最小时，生成预先训练的喷射参数确定模型；其中，模型的损失函数为：

58、

59、其中，为损失值，为每个历史图像的每个历史分割区域的历史喷射参数，为针对每个历史图像的每个历史分割区域预测的预测喷射参数，为阈值参数，用于确定huber损失函数在平方损失和线性损失之间切换的点，为历史喷射参数与预测喷射参数之间的差的绝对值小于等于阈值参数时，为其他情况。

60、第二方面，本技术实施例提供了一种用于数码直喷印花机的喷印控制装置，装置包括：

61、纺织物图像接收模块，用于响应于喷印指令，接收预先安装在数码直喷印花机上的视觉传感器反馈的纺织物图像；

62、待喷印区域识别模块，用于识别纺织物图像中的待喷印区域；

63、目标分割区域确定模块，用于从预先设计的待打印图像中，确定与待喷印区域对应的目标分割区域；

64、目标区域喷射参数获取模块，用于根据目标分割区域的区域中心像素位置，从预先构建的区域中心像素位置与区域喷射参数的映射关系中，获取对应的目标区域喷射参数；其中，映射关系是通过存储每个分割区域的区域中心像素位置与每个分割区域对应的区域喷射参数之间的关联关系得到的，每个分割区域是根据待打印图像的复杂度将待打印图像进行分割得到的，每个分割区域对应的区域喷射参数是根据预先训练的喷射参数确定模型对每个分割区域进行分析得到的，预先训练的喷射参数确定模型是预先通过机器学习的用于确定区域喷射参数的数学模型；

65、喷射控制模块，用于根据目标区域喷射参数指示的喷射速度和墨滴大小，控制数码直喷印花机对待喷印区域进行喷印，并继续执行接收预先安装在数码直喷印花机上的视觉传感器反馈的纺织物图像的步骤。

66、本技术实施例提供的技术方案可以包括以下有益效果：

67、在本技术实施例中，一方面，本技术预先构建的区域中心像素位置与区域喷射参数的映射关系存储了每个分割区域的区域中心像素位置与每个分割区域对应的区域喷射参数之间的关联关系，使得不同的分割区域具备最佳的区域喷射参数，动态的喷射参数确保了数码直喷印花机可在不同打印时期采用不同的喷射速度和墨滴大小进行打印，避免采用全局的喷射参数打印时提升打印速度后带来的墨水分布不均或颜色不准确；另一方面，预先训练的喷射参数确定模型是预先通过机器学习的用于确定区域喷射参数的数学模型，该模型通过调整优化的数据集训练得到，使得根据预先训练的喷射参数确定模型对每个分割区域进行分析得到的区域喷射参数精确度高。因此，本技术结合映射关系和机器学习模型的方法，不仅提高了生产效率，还确保了打印质量，为数码印花行业带来了显著的技术进步。

68、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。