山东工业技师学院 山东省 261053
摘要：人工神经网络（简称神经网络）是20世纪80年代发展起来的一种模仿生物脑结构和功能的信息处理系统，是近年来国际学术界的研究热点之一。神经网络由相互间部分或完全联系的微处理单元（即神经元）组成，具有并行分布处理、非线性映射、通过训练自学等特别能力，能够完成各种涉及非线性结构的工作。随着人们对人工神经网络研究的深入，它在各个学科中的应用也越来越广泛。本文就人工神经网络在印刷工程领域的应用进行探讨。
关键词：人工神经网络;印刷工程;色彩管理;质量检测;色貌模型;故障诊断;边缘检测
在印刷工程领域，人工神经网络已经开始应用于色彩管理、印刷品质量检测、色貌模型研究、图像网目调处理算法、印刷机故障诊断、边缘检测等各方面。
一、应用于色彩管理
色彩管理在业界已引起普遍重视，其作用是在印刷复制过程中正确描述颜色，并使颜色从输入设备到显示设备，以及到输出设备的数据传输过程中尽可能地保持一致。其中与设备有关的颜色值通常以RGB或CMYK数值来表示，而与设备无关的颜色值代表了用设备复制出的颜色感觉，用特征文件连接颜色空间（PCS）来表示，即用CIEXYZ或CIELAB色空间来描述。
设备颜色空间和PCS空间的转换是双向的，同时也是非线性的。长期以来，研究人员一直在寻找合适的颜色空间转换方法，尝试过查找表法、平面方程法、多项式拟合法，也试验过神经网络。国外有学者在对数字照相机颜色特征化时采取了多项式回归和神经网络两种方法进行比较研究。通过实验，他们发现，多项式回归和神经网络的效果基本上是相同的，但是如果训练样本过小，神经网络产生的误差将变大，同时，目前神经网络法所需要的时间较长。国内也有人在研究中对比了图表法、查找表法、数学模型法和人工神经网络法四种颜色空间转换方法，得到的结论是：图表法转换效率不高；查找法在转换中色差较大；数学模型法和人工神经网络法的转换精度较高，能基本满足多数实际应用的要求。而且在以往的实验中，研究人员并没有找到最优的神经网络结构，否则，利用人工神经网络进行转换的精度还会进一步得到提高。研究表明，将人工神经网络引入色彩管理领域，作为研究色彩空间转换和特征化的一种方法和途径，是行之有效的。
二、应用于印刷品质量检测
印刷品质量检测除采用信号条、测控条进行人工主观目测法外，主要采用密度检测法和色度检测法。密度检测法是印刷复制中最经济、使用最广泛的测量方法，可用于计算墨层厚度、网点面积率、网点扩大及色强度等。但密度是相对值，无法真实反映色彩的具体信息，表征颜色不够准确，难以与印刷客户交流。色度检测能准确反映颜色的外貌，色度值与人的视觉感知一致，具有明显的优点，在印刷业中的应用越来越普遍，但用色度值具体指导印刷生产过程又相对困难。
为了更好地对印刷品质量进行评价，研究人员考虑将两种方法结合起来。通常情况下，研究人员利用最小二乘法原理建立多元线性回归方程来确定密度检测和色度检测之间的转换关系。而后，采用BP神经网络建立密度检测和色度检测之间的转换关系，取得较满意的结果，给定一个色块的色度值，即可采用BP神经网络方法求得该色块的密度值。这样就可以在色度体系下校正印刷油墨颜色，提供印刷特性参数，使我们能在色度体系下发挥密度检测的一些优点，对推广使用色度检测法具有重要意义。
期刊文章分类查询,尽在期刊图书馆
目前，印刷过程直接检测印品画面和实时检测技术迅猛发展。直接检测的原理是：通过向检测系统中预存经客户签字付印的标准图像，然后在印刷过程中通过采集系统得到待检测图像，将两幅图像进行比较，最终得到检测结果。例如，在印刷过程中，可通过检测印品画面的网点面积率，实现对印刷机各供墨区的墨量调节。按油墨叠印呈色模型，四色印刷理应只有16种基本色元。只要计算出图像各个像素与各基本色元的差距，选择距离最小的颜色为该像素的色彩，就可以把四色分开，并得到各色的网点面积率。实际上，在印刷压力变化、油墨叠印效果、供墨量大小等因素的影响下，不仅网点大小会发生变化，墨层厚度也会变化，最终呈现在印品上的颜色，实际上超过理论上的16种基本色元。对印品图像的采样分辨力越高，这种现象越明显。很显然，在印品图像直接检测系统中，采用距离法来判别存在较大误差。
为了提高检测的精确性和效率，有学者应用神经网络模式识别方法进行网点还原。把图像像素的R、G、B值作为神经网络的输入，该像素的颜色类别作为输出。通过实验对比研究，使用神经网络方法要比使用线性的距离判别函数存在较大优势，即使在高分辨力下也能正确识别各色网点，以实现二色叠印网点图像的精确分割。
三、应用于色貌模型
色貌模型是指在根据特定的照明、背景和观察环境等参数下的CIE色度参数（例如三刺激值）进行色貌属性参数（例如明度、彩度、色相）计算或预测的一组数学表达式或数学模型。它主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。色彩管理强调在同一观察条件和环境下，追求印刷过程中不同设备呈色的一致性，而色貌模型主要考虑颜色的观察条件和环境。CIE先后推荐了CIECAM97s和CIECAM02两个色貌模型应用于与彩色图像有关的工业。这两个模型虽然能实现相关行业对于色貌的要求，但是计算过程非常复杂，并且描述颜色色貌属性参数，如明度、彩度、色调等时，随着照明和环境的变化还会带有模糊性、非线性的特点。然而，对于具有并行数据处理能力和非线性特点的神经网络而言，劣势变成优势。
四、应用于图像网目调处理算法
一般数字图像用8 bit表示其灰度值，但是在很多应用场合（比如打印、印刷），限于复制设备的性能，只能表现两个灰度状态。这时需要用到图像的网目调处理技术即加网，利用图像的空间平均来重现灰度层次感觉。在目前最常用的图像网目调处理算法中，误差扩散法是较好的一种。它的基本思想是：利用原图像中某一像素的灰度值与输出二值图像对应像素灰度之间的误差，将这个误差分配到相邻的几个像素，使相邻像素共同承担该像素灰度值再现，使两个图像灰度平均值在局部达到一致，从而使整个图像的灰度值与输出二值图像的总误差达到最小，也称最小平均误差算法。但是，使用固定不变的误差扩散系数会引起较大的伪纹理。为了减轻伪纹理现象，在有关研究中，引入神经网络对误差扩散法进行修正。利用神经网络在学习时权矢量的不断修改，使误差扩散系数在网目调处理过程中随图像内容不断改变，从而使输出图像中尽可能少地出现规则的伪纹理，起到改善图像视觉效果的作用。
五、应用于印刷机故障诊断
随着印刷机的不断高速化以及自动控制程度的不断提高，人工进行故障的诊断和排除越来越困难，利用人工智能技术进行故障诊断是设备故障诊断的发展方向。
神经网络由于其自身的特点，在故障诊断技术中具有明显的优势。这些特点包括：训练过的神经网络能存储有关过程的知识，能直接从定量的、历史故障信息中学习，可以根据对象的正常历史数据训练网络，然后将此信息与当前测量数据进行比较，以确定故障。
除了以上提到的应用外，数字图像的边缘检测、印刷专色油墨的配色也可利用神经网络。神经网络用于纺织印染行业研究染料配色较多，而用于印刷专色油墨配色的研究目前尚少。印刷工程是一个高度综合的交叉学科，影响印品质量的因素多而复杂，印刷过程中存在着大量的模糊性和非线性关系。传统的研究方法在很多方面已力不从心，人工神经网络的出现及其突出优点，为印刷工程领域相关课题的研究，提供了一种新的思路和手段。随着人工神经网络理论及其相关技术的不断发展，人工神经网络在印刷工程领域的应用定将更加深入和广泛。
参考文献
[1]王保华，生物医学电子学高级教程，东南大学出版社，2001.
[2]赵建明，基于特征提取和BP神经网络相结合的车牌字符识别技术[J],国防科技大学.
[3] 杨建刚，人工神经网络实用教程，浙江大学出版社，2001.
论文作者:文孟俊
论文发表刊物:《基层建设》2016年20期
论文发表时间:2016/12/5
标签：神经网络论文; 图像论文; 颜色论文; 色度论文; 误差论文; 灰度论文; 网目论文; 《基层建设》2016年20期论文;