本发明涉及印刷品检测，尤其涉及一种基于人工智能的印刷品质量检测方法及系统。
背景技术：
1、印刷技术是我国的一项古老的技术，随着社会的不断进步，人们对印刷技术的要求越来越高，对印刷品的质量要求也越来越严格，在印刷品出成品后，对印刷品质量的检测成为了必要而关键的一步；此外，随着人工智能的发展，人工智能也越来越多地应用到印刷品质量检测领域，通过将人工智能与印刷品质量检测相结合，可以实现自动化的缺陷检测、颜色一致性管理、图像识别分类、印刷质量评估和实时监控反馈等功能，这种结合不仅提高了生产效率和产品质量，还降低了生产成本和人工成本，推动着印刷行业朝着智能化生产的方向迈进。
2、但是通过“广撒网”的方式全面检测印刷品，虽然能够有效保证检测质量，但是容易造成较大的检测工作负担，影响检测效率；因此，“如何在保证检测效果的同时，利用设备参数降低检测的工作量”是本发明所需要解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的印刷品质量检测方法及系统，以解决上述背景技术中提出“如何在保证检测效果的同时，利用设备参数降低检测的工作量”的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种基于人工智能的印刷品质量检测方法，所述方法包括：
4、采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置；
5、向所述印刷内容中叠加检测规则，其中检测规则包括抽检正常位置和必检缺陷位置，搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络；
6、根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征，利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端。
7、进一步的，所述采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置的步骤包括：
8、确定印刷品生产的节点，采集所述节点的设备参数；
9、利用预设的位置划分规则，将所述印刷内容划分为正常位置和缺陷位置，并对所述缺陷位置进行标记。
10、进一步的，所述向所述印刷内容中叠加检测规则的步骤包括：
11、将所述检测规则细化为必检规则和抽检规则；
12、将所述必检规则叠加到缺陷位置中，将所述抽检规则叠加到正常位置中。
13、进一步的，所述搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络的步骤包括：
14、基于所述网络架构，确定任务目标，并将所述任务目标导入到输出层中；
15、利用组建完成的数据集训练所述卷积神经网络。
16、进一步的，所述根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征的步骤包括：
17、基于所述检测规则，对印刷品进行图像采集；
18、创建缺陷特征的集合，并利用预设的增强技术，扩展所述集合；
19、利用所述集合校正所述卷积神经网络的输出结果。
20、进一步的，所述利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端的步骤包括：
21、对所述正常位置的图像数据进行特征提取，汇总提取到的特征，生成对照图；
22、比对所述缺陷特征和对照图，并将比对结果填入到构建完成的描述模板中，获取描述信息；
23、基于所述位置划分规则，回溯所述图像数据，定位出缺陷特征的目标位置。
24、进一步的，所述方法还包括：
25、统计所述目标位置，并根据统计结果在印刷内容中添加重点关注区域；
26、在卷积神经网络中嵌入视觉注意力机制。
27、进一步的，所述系统包括：
28、划分模块，用于采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置；
29、生成模块，用于向所述印刷内容中叠加检测规则，其中检测规则包括抽检正常位置和必检缺陷位置，搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络；
30、报告模块，用于根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征，利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端。
31、进一步的，所述划分模块包括：
32、采集单元，用于确定印刷品生产的节点，采集所述节点的设备参数；
33、标记单元，用于利用预设的位置划分规则，将所述印刷内容划分为正常位置和缺陷位置，并对所述缺陷位置进行标记。
34、进一步的，所述生成模块包括：
35、细化单元，用于将所述检测规则细化为必检规则和抽检规则；
36、叠加单元，用于将所述必检规则叠加到缺陷位置中，将所述抽检规则叠加到正常位置中；
37、导入单元，用于根据所述网络架构，确定任务目标，并将所述任务目标导入到输出层中；
38、训练单元，用于利用组建完成的数据集训练所述卷积神经网络。
39、与现有技术相比，本发明的有益效果是：
40、1、通过获取设备参数，能够对生产参数进行监测，并及时发现和纠正潜在的问题或偏差，保证印刷工作的持久稳定，通过叠加检测规则，极大地降低了检测工作的工作量，通过利用卷积神经网络，能够快速定位出印刷品中的缺陷特征，大大提高了质量检测效率，通过生成检测报告，能够可视化检测数据，更为直观地展示出印刷品的缺陷数据，从而更好地为生产者提供决策支持，同时在保证检测效果的同时，利用设备参数，大大降低了检测的工作量。
41、2、通过利用视觉注意力机制，能够对印刷品的质量缺陷位置进行预判，有效地减少了无效检测，进一步降低了检测的工作量。
1.一种基于人工智能的印刷品质量检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的印刷品质量检测方法，其特征在于，所述采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置的步骤包括：
3.根据权利要求1所述的基于人工智能的印刷品质量检测方法，其特征在于，所述向所述印刷内容中叠加检测规则的步骤包括：
4.根据权利要求1所述的基于人工智能的印刷品质量检测方法，其特征在于，所述搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络的步骤包括：
5.根据权利要求4所述的基于人工智能的印刷品质量检测方法，其特征在于，所述根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征的步骤包括：
6.根据权利要求2所述的基于人工智能的印刷品质量检测方法，其特征在于，所述利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端的步骤包括：
7.根据权利要求6所述的基于人工智能的印刷品质量检测方法，其特征在于，所述方法还包括：
8.一种基于人工智能的印刷品质量检测系统，其特征在于，所述系统包括：
9.根据权利要求8所述的系统，其特征在于，所述划分模块包括：
10.根据权利要求8所述的系统，其特征在于，所述生成模块包括：
