PS版的需求量增多,使得PS版的整体稳定性和整体质量难以保证。为了取得优良的印刷效果,市场对于版面质量提出了较高的要求,且以此参数,评估PS版的整体品质。人工目测一直是国内多数生产企业PS版检测的方法,它存在很大的局限性,这与高速度、大规模、自动化的生产模式是无法比拟的,与企业自动化发展目标背道而驰。为了提高PS版生产的速度与表面瑕疵检测的准确率,并实现对生产线瑕疵检测的实时控制,研制PS版瑕疵分类与检索系统具有十分重要的意义。根据课题研究的技术指标,本文从硬件设计和软件设计的角度对PS版表面瑕疵检测系统进行了论述。硬件设计包括系统光源的比较选取以及成像CCD的计算选取,同时对多CCD的安装方式进行了设计。软件设计方面,根据现有的图像处理技术和BP神经网络模式识别技术,对常见PS版的瑕疵图像进行了处理、分析、分类和识别。首先,由于成像环境不稳定等各种原因,导致所成的瑕疵图像质量差,瑕疵目标难分辨。本文首先采用局部增强的方法-分块方差操作的方法,对图像进行增强,得到了清晰的瑕疵图像,紧接着采用中值滤波的方法对图像中的噪声进行滤除。瑕疵图像预处理后,采用迭代阈值分割的方法,对图像进行二值化分割。由于二值化处理后的图像含有小面积噪点,本文采用形态学操作的方法,滤除了小面积噪点。图像分割完成后,对能够区分瑕疵的形状特征、几何特征、灰度特征进行了提取,其中包括面积、周长、矩形度、长宽比、圆形度、灰度均方差。最后,设计了BP神经网络,并利用以上特征作为输入,PS版常见的几种瑕疵类型作为输出,进行神经网络的训练。利用训练好的BP神经网络,随机抽取PS版样本进行分类识别,实验结果表明,识别结果的准确率满足课题指标的要求。