專利名稱：圖像質(zhì)量預(yù)測方法和設(shè)備以及故障診斷系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種多功能一體機的故障診斷系統(tǒng)和方法，特別涉及以嵌入式的多傳感器信息預(yù)測多功能一體機的圖像質(zhì)量的系統(tǒng)和方法。同時，本發(fā)明涉及故障診斷系統(tǒng)的設(shè)計與實現(xiàn)，包括系統(tǒng)功能、體系結(jié)構(gòu)和人機界面的設(shè)計。本發(fā)明用于多功能一體機的故障診斷領(lǐng)域，同時也可用于打印機、掃描儀等設(shè)備的故障診斷。
背景技術(shù)：
本發(fā)明所述的多功能一體機，是指將打印機、掃描儀、傳真機、復(fù)印機等的功能集于一體的機器。對多功能一體機而言，市場的調(diào)研分析表明，設(shè)備的維護對用戶和生產(chǎn)廠商都是非常重要的，因而對設(shè)備制造商來說，有必要提供故障診斷系統(tǒng)，利用該故障系統(tǒng)可以在故障發(fā)生前預(yù)測故障的發(fā)生，因而可以減少設(shè)備維護的花費，進而提高用戶滿意度。與此同時，技術(shù)的發(fā)展也使故障診斷技術(shù)的設(shè)計和應(yīng)用成為可能。
市場調(diào)研分析表明大約25％的多功能一體機的故障與其圖像質(zhì)量相關(guān)，因而有必要設(shè)計和開發(fā)圖像質(zhì)量的評估和預(yù)測方法及系統(tǒng)。
傳統(tǒng)上，多功能一體機的圖像質(zhì)量評估是由其領(lǐng)域的專家來完成的。通常來說，首先，多功能一體機打印出C/M/Y/K四種圖像，然后圖像質(zhì)量由專家來分別進行評估。該方法的主要缺點是評估的結(jié)果完全依賴于專家的知識和水平，而缺乏統(tǒng)一的標(biāo)準(zhǔn)。
隨著信息技術(shù)的發(fā)展，人們希望能設(shè)計出圖像質(zhì)量的自動評估/預(yù)測系統(tǒng)和方法。
發(fā)明內(nèi)容
因此，本發(fā)明的目的在于提供預(yù)測多功能一體機圖像質(zhì)量的方法及系統(tǒng)。
本發(fā)明的另一個目的在于針對圖像質(zhì)量預(yù)測問題，提供一種診斷方法及系統(tǒng)，如果該系統(tǒng)的診斷結(jié)果為異常，則可以及時地維護該設(shè)備。
根據(jù)本發(fā)明的一個方面，提供一種圖像質(zhì)量預(yù)測方法，包括獲取步驟，獲取多個原始數(shù)據(jù)，訓(xùn)練步驟，通過所述多個原始數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)；以及預(yù)測步驟，利用優(yōu)化后的預(yù)測模型預(yù)測圖像的質(zhì)量。
根據(jù)本發(fā)明的另一個方面，提供一種圖像質(zhì)量預(yù)測方法，包括步驟獲取步驟，獲取多個被打印圖像的相關(guān)數(shù)據(jù)；訓(xùn)練步驟，用所述相關(guān)數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)；以及估計步驟，用優(yōu)化后的預(yù)測模型來估計當(dāng)前打印的圖像的質(zhì)量。
根據(jù)本發(fā)明的再一個方面，提供一種用于預(yù)測圖像質(zhì)量的設(shè)備，包括數(shù)據(jù)獲取裝置，用于獲取多個數(shù)據(jù)；存儲裝置，用于存儲所述多個數(shù)據(jù)；信息處理裝置，用于通過所述多個數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)，并用優(yōu)化后的預(yù)測模型來預(yù)測圖像的質(zhì)量。
本發(fā)明還提供一種用于預(yù)測圖像質(zhì)量的設(shè)備，包括圖像獲取裝置，用于獲取多個被打印圖像的相關(guān)數(shù)據(jù)；存儲裝置，用于存儲所述多個相關(guān)數(shù)據(jù)；以及信息處理裝置，用于通過所述多個相關(guān)數(shù)據(jù)訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)，并用優(yōu)化后的預(yù)測模型估計當(dāng)前打印的圖像的質(zhì)量。
本發(fā)明還提供一種故障診斷系統(tǒng)，包括多功能一體機，用于打印圖像；以及圖像質(zhì)量預(yù)測裝置，用于利用預(yù)測模型來預(yù)測所述圖像的質(zhì)量，并根據(jù)所預(yù)測的質(zhì)量輸出通知信息。
本發(fā)明還提供一種打印及掃描設(shè)備，包括圖像質(zhì)量預(yù)測裝置，用于通過獲取所述打印及掃描設(shè)備的多個傳感器數(shù)據(jù)或圖像數(shù)據(jù)來訓(xùn)練預(yù)測模型，并利用所述預(yù)測模型來預(yù)測所述打印及掃描設(shè)備要打印的圖像的質(zhì)量。
本發(fā)明的圖像質(zhì)量自動估計/預(yù)測系統(tǒng)和方法的優(yōu)勢在于具有客觀的評估結(jié)果，從而避免專家主觀因素的影響；可以發(fā)現(xiàn)人眼所不能見的缺陷，尤其是在故障發(fā)生的初期，該自動估計/預(yù)測系統(tǒng)可以盡早發(fā)現(xiàn)故障。另外，在現(xiàn)今的企業(yè)內(nèi)聯(lián)網(wǎng)中，經(jīng)常是用戶要打印的文檔并不在自己的位置附近，在這種情況下，利用本發(fā)明的圖像質(zhì)量估計/預(yù)測系統(tǒng)和方法，可以不用親眼見到所打印出的文檔，就能知道所打印的文檔的質(zhì)量。
圖1描述了本發(fā)明基本策略中的訓(xùn)練和測試過程。
圖2是本發(fā)明的多功能一體機圖像質(zhì)量預(yù)測(故障診斷)系統(tǒng)的結(jié)構(gòu)圖。
圖3是本發(fā)明基于傳感器的圖像質(zhì)量預(yù)測方法的流程圖。
圖4為圖像質(zhì)量在特征空間中分布的示例圖，其中示出了兩維正交空間中的判別函數(shù)值、質(zhì)心以及圖像質(zhì)量之間的關(guān)系。
圖5是本發(fā)明基于圖像的圖像質(zhì)量自動估計方法的流程圖。
圖6示出了本發(fā)明的多功能一體機打印的帶有標(biāo)識的圖像。
圖7示出了本發(fā)明用于調(diào)節(jié)色調(diào)的調(diào)節(jié)函數(shù)。
圖8示出了本發(fā)明正常圖像的投影曲線。
圖9示出了本發(fā)明中具有水平或垂直缺陷的圖像的投影曲線。
圖10示出了本發(fā)明中正常圖像的差值曲線。
圖11示出了本發(fā)明中異常圖像的差值曲線。
圖12是示出了利用三個不同的窗口函數(shù)對同一個特征值序列(多組特征值)進行平滑處理后的示圖。
圖13是本發(fā)明基于圖像的圖像質(zhì)量分析系統(tǒng)的預(yù)測模型的示圖。
圖14示出了本發(fā)明系統(tǒng)的領(lǐng)域支持體系結(jié)構(gòu)。
圖15示出了本發(fā)明系統(tǒng)的網(wǎng)絡(luò)支持體系結(jié)構(gòu)。
圖16示出了本發(fā)明系統(tǒng)的嵌入式體系結(jié)構(gòu)。
具體實施例方式
通常而言，多功能一體機的圖像質(zhì)量可以分為三類垂直缺陷、水平缺陷及點狀缺陷。從打印的圖像上來看，垂直缺陷和水平缺陷是垂直或水平的白線或深顏色的線，點狀缺陷是直徑大約是3毫米左右的斑點。在本發(fā)明中，考慮到各種缺陷均有不同的嚴(yán)重程度，因而將各種缺陷(圖像質(zhì)量)分為四個級別，即，級別0為無缺陷正常圖像，級別1為輕微缺陷，級別2為中等缺陷，級別3為嚴(yán)重缺陷。
但是上述四個級別不對本發(fā)明的技術(shù)范圍構(gòu)成限制，本發(fā)明的其它實施例可以采用其它的級別數(shù)目。
下面結(jié)合附圖來說明本發(fā)明的優(yōu)選實施例。
本發(fā)明中對圖像質(zhì)量進行預(yù)測的基本策略包括訓(xùn)練、測試和預(yù)測三個過程。
圖1描述了本發(fā)明基本策略中的訓(xùn)練和測試過程。
如圖1所示，本發(fā)明的基本策略是在多功能一體機中收集原始數(shù)據(jù)，形成原始數(shù)據(jù)集，并利用原始數(shù)據(jù)對預(yù)測模型(分類器)進行訓(xùn)練，或者將所收集的原始數(shù)據(jù)分為訓(xùn)練集和測試集，利用訓(xùn)練集對預(yù)測模型(分類器)進行訓(xùn)練，然后用測試集對訓(xùn)練后的預(yù)測模型進行測試。如果測試結(jié)果合格，則將所訓(xùn)練的預(yù)測模型作為該多功能一體機的標(biāo)準(zhǔn)預(yù)測模型，來供用戶使用，以對用戶需要預(yù)測的圖像的質(zhì)量進行預(yù)測。
如果所有多功能一體機都具有相同的屬性，則該訓(xùn)練和測試過程不是必須的，因為在一個多功能一體機上的一次訓(xùn)練數(shù)據(jù)可以被用于其它的多功能一體機，即多個多功能一體機可以使用同一個預(yù)測模型。但由于每個多功能一體機的工作環(huán)境各不相同，且具有不同的個體特征，因此在大多數(shù)情況下，都需要訓(xùn)練和測試過程，作為預(yù)測過程的前期階段。
圖2是本發(fā)明的多功能一體機圖像質(zhì)量預(yù)測(故障診斷)系統(tǒng)的結(jié)構(gòu)圖。
如圖2所示，本發(fā)明的多功能一體機故障診斷(圖像質(zhì)量預(yù)測)系統(tǒng)200由四個基本模塊組成，即，數(shù)據(jù)獲取模塊210、信息處理模塊220、存儲管理模塊230和用戶接口模塊240。
數(shù)據(jù)獲取模塊210用于獲取各種數(shù)據(jù)，包括原始數(shù)據(jù)和實時數(shù)據(jù)，同時所獲取的各個數(shù)據(jù)被存儲管理模塊230存儲于存儲裝置(未示出)中，作為系統(tǒng)應(yīng)用日志。
存儲管理模塊230包括存儲裝置(未示出)，并用于管理系統(tǒng)參數(shù)(主要是分類器系數(shù)，還包括例如短信中心的號碼以及手機號碼等)、用戶設(shè)置、系統(tǒng)維護日志、傳感器數(shù)據(jù)日志及圖像質(zhì)量日志等。對于系統(tǒng)參數(shù)而言，由于該診斷系統(tǒng)在應(yīng)用中可被用于各種不同種類的多功能一體機，或同一多功能一體機的不同工作環(huán)境，因而幾組不同的系統(tǒng)參數(shù)被存儲在存儲裝置中。
信息處理模塊220執(zhí)行預(yù)測模型的訓(xùn)練和圖像質(zhì)量的預(yù)測功能，在該模塊中，將通過數(shù)據(jù)獲取模塊210收集的原始數(shù)據(jù)分為訓(xùn)練集和測試集，利用訓(xùn)練集對預(yù)測模型(分類器)進行訓(xùn)練，以優(yōu)化該預(yù)測模型的系統(tǒng)參數(shù)，然后用測試集對訓(xùn)練后的預(yù)測模型進行測試。另外，信息處理模塊220接收通過數(shù)據(jù)獲取模塊210從傳感器采集的實時傳感器數(shù)據(jù)，然后根據(jù)多功能一體機的類型及運行環(huán)境，在存儲裝置(未示出)中檢索相應(yīng)的優(yōu)化后的系統(tǒng)參數(shù)，并將該系統(tǒng)參數(shù)輸入到預(yù)測模型(分類器)中，對所采集的實時傳感器數(shù)據(jù)進行計算，以進行圖像質(zhì)量的預(yù)測。最終的預(yù)測結(jié)果被輸入到用戶接口模塊240中。
信息處理模塊220可以是運行實現(xiàn)本發(fā)明方法的軟件的CPU(中央處理單元)，或是能夠完成本發(fā)明功能的專用集成電路。因此，本發(fā)明的信息處理模塊220可以通過僅軟件、僅硬件或軟件和硬件結(jié)合的方式來實現(xiàn)。
用戶接口模塊240用于向用戶提供相關(guān)信息，例如向用戶提供由信息處理模塊220的預(yù)測結(jié)果。在該診斷系統(tǒng)的實際應(yīng)用中，根據(jù)不同角色將用戶分為最終用戶和維護工程師，也就是說，為用戶接口模塊240提供最終用戶接口和維護工程師接口。對于最終用戶來說，該接口模塊提供了預(yù)測的圖像質(zhì)量、當(dāng)前的傳感器數(shù)據(jù)、圖像質(zhì)量的日志信息等。對于維護工程師來說，除了上述信息外，還可以查詢和設(shè)置附加的其它信息，如維護日志、模型的參數(shù)等。
用戶接口模塊240連接有輸入/輸出裝置(未示出)，輸入裝置例如是鍵盤、鼠標(biāo)、輸入筆、觸摸屏、麥克風(fēng)等，用于輸入系統(tǒng)指令和/或各種數(shù)據(jù)，而輸出裝置可以是各種顯示器(LCD、CRT等)和/或揚聲器，用于向用戶呈現(xiàn)所要輸出的各種信息和數(shù)據(jù)。
以上結(jié)合附圖描述了本發(fā)明的多功能一體機的故障診斷系統(tǒng)200的系統(tǒng)結(jié)構(gòu)。
下面，將結(jié)合附圖描述本發(fā)明的圖像質(zhì)量預(yù)測方法。
在本發(fā)明中，可以將要利用的數(shù)據(jù)源分為兩類一類為傳感器數(shù)據(jù)，另一類為打印出的圖像。對傳感器數(shù)據(jù)而言，多個傳感器被嵌入到多功能一體機中，因而傳感器數(shù)據(jù)可以被實時的獲取。對打印的圖像而言，圖像被多功能一體機打印出后又被重新掃描到該多功能一體機的處理裝置中，成為數(shù)字化的圖像數(shù)據(jù)，該數(shù)字化的圖像數(shù)據(jù)可以用于圖像質(zhì)量預(yù)測(故障診斷)系統(tǒng)。
因此，根據(jù)所用數(shù)據(jù)源的不同，可以將本發(fā)明的圖像質(zhì)量預(yù)測(故障診斷)方法分為如下兩類基于傳感器的方法和基于圖像的方法。即，在本發(fā)明中，可以分別利用傳感器信息或圖像信息來預(yù)測圖像中的缺陷種類或等級。
1.基于傳感器的圖像質(zhì)量預(yù)測方法圖3是本發(fā)明基于傳感器的圖像質(zhì)量預(yù)測方法的流程圖。
對于基于傳感器的系統(tǒng)和方法而言，數(shù)據(jù)獲取模塊210連接于多功能一體機中的多個傳感器(未示出)。在訓(xùn)練階段，為了建立預(yù)測圖像質(zhì)量的預(yù)測模型(分類器)，首先需要測試多功能一體機，以通過其中布置的多個傳感器獲取原始數(shù)據(jù)。
如圖3所示，過程開始后，在步驟S310(訓(xùn)練階段)，首先，本發(fā)明的系統(tǒng)200通過數(shù)據(jù)獲取模塊210采集傳感器的歷史數(shù)據(jù)，即在過去一段時間內(nèi)的傳感器數(shù)據(jù)，并將采集的傳感器數(shù)據(jù)輸入到存儲管理模塊230中，以形成傳感器數(shù)據(jù)集。
在步驟S320(訓(xùn)練階段)，通過信息處理模塊220對所采集的傳感器數(shù)據(jù)進行預(yù)處理，以刪除或替換所采集的原始數(shù)據(jù)中的孤立點、缺陷值或不完整的數(shù)據(jù)。該預(yù)處理過程的目的在于刪除數(shù)據(jù)中的孤立點，即對錯誤數(shù)據(jù)進行處理，例如去掉噪聲數(shù)據(jù)、對缺失的值進行補充等。舉例來說，當(dāng)多功能一體機處于一定的環(huán)境和條件下時，若從某個傳感器采集的數(shù)據(jù)基本都在8-10的范圍內(nèi)，此時，如果突然采集到一個等于180的數(shù)據(jù)，則這個數(shù)據(jù)在很大程度上是由噪聲等外部不確定因素引起的。因此，為了保證系統(tǒng)預(yù)測的準(zhǔn)確性，將通過信息處理模塊220刪除這個孤立的數(shù)據(jù)。
接下來，在步驟S330(訓(xùn)練階段)，將所獲取的原始數(shù)據(jù)分為兩個部分，其中一個部分(例如含有70％的原始數(shù)據(jù))作為訓(xùn)練用的數(shù)據(jù)，被稱為“訓(xùn)練集”，用于確定和優(yōu)化預(yù)測模型的系統(tǒng)參數(shù)；而另一個部分(例如含有30％的原始數(shù)據(jù))作為測試用的數(shù)據(jù)，被稱為“測試集”，用于測試預(yù)測模型的性能。
本發(fā)明中的原始數(shù)據(jù)是多功能一體機內(nèi)部的各種物理量，如一體機內(nèi)部各個部件的工作電流、電壓、濕度、溫度等等各種信號值。對于原始數(shù)據(jù)，可以使用上述物理量中的任意一種或幾種的任何組合。
接下來，在步驟S340(訓(xùn)練階段)，將所獲取的訓(xùn)練集中的原始數(shù)據(jù)輸入到待訓(xùn)練的預(yù)測模型中，對其中的系統(tǒng)參數(shù)進行優(yōu)化(后面將進行詳細地描述)。對預(yù)測模型的系統(tǒng)參數(shù)進行優(yōu)化后，即完成了預(yù)測模型的訓(xùn)練。在本發(fā)明中，可以將分類器作為所述預(yù)測模型使用，然后，在步驟S350(測試階段)，將測試集中的原始數(shù)據(jù)代入訓(xùn)練后的預(yù)測模型中，對所訓(xùn)練的預(yù)測模型進行測試，來檢驗所訓(xùn)練的預(yù)測模型的預(yù)測精度，即測試該預(yù)測模型的預(yù)測準(zhǔn)確度。也就是說，通過被訓(xùn)練完成的預(yù)測模型，對測試集中的原始數(shù)據(jù)進行測試，通過計算可以得出測試結(jié)果。該測試結(jié)果可能是例如80％或90％，其表示所述預(yù)測模型的預(yù)測精度。
可以為預(yù)測精度設(shè)置適當(dāng)?shù)拈撝?，例如，?dāng)預(yù)測模型的預(yù)測精度＞＝90％時，認(rèn)為該預(yù)測模型達到了預(yù)期的要求，可以將其作為標(biāo)準(zhǔn)預(yù)測模型，來預(yù)測多功能一體機的圖像質(zhì)量。
在步驟S350中，如果所測試的精確度合格(即大于等于預(yù)定閾值)，則將該預(yù)測模型作為該多功能一體機在一定時間范圍內(nèi)的標(biāo)準(zhǔn)預(yù)測模型。如果所測試的精確度不合格(即小于所預(yù)定的閾值)，則需要對該預(yù)測模型進行修正，以提高其預(yù)測精度，得到標(biāo)準(zhǔn)的預(yù)測模型。例如，如果該預(yù)測精度只有60％，則需要對該預(yù)測模型進行修正，以提高其預(yù)測精度。修正的方法可以是如下的方法如果所述測試結(jié)果表明所述預(yù)測模型的預(yù)測精度不合格，則更新訓(xùn)練集，用新的訓(xùn)練集來對所述預(yù)測模型重新進行訓(xùn)練。更新訓(xùn)練集的方法可以是將測試集的部分原始數(shù)據(jù)加入到訓(xùn)練集中，也可以是將新采集的數(shù)據(jù)加入到訓(xùn)練集中，以形成新的訓(xùn)練集。當(dāng)然，也可以采用本領(lǐng)域技術(shù)人員所知道的其它方法來更新訓(xùn)練集。
當(dāng)然，所設(shè)定的閾值也可以采用錯誤率的方式，即設(shè)定所進行的測試的錯誤率應(yīng)該小于某個閾值，例如3％。
在步驟S360(預(yù)測階段)，通過數(shù)據(jù)獲取模塊210采集實時的傳感器數(shù)據(jù)。如果用戶需要打印圖像，并對其質(zhì)量進行預(yù)測，則進入預(yù)測階段。在預(yù)測階段，用戶可以通過用戶接口模塊240啟動多功能一體機的預(yù)測功能，并向信息處理模塊220給出打印命令。此時，分布于多功能一體機中的多個(例如可以是60個)傳感器實時采集其中的各種必需的物理量數(shù)據(jù)，并將所采集的數(shù)據(jù)輸入到數(shù)據(jù)獲取模塊210中。
在步驟S370(預(yù)測階段)，信息處理模塊220將通過數(shù)據(jù)獲取模塊210所得到的實時數(shù)據(jù)輸入到測試后的標(biāo)準(zhǔn)預(yù)測模型中，對預(yù)測模型進行計算，以得出關(guān)于圖像質(zhì)量的預(yù)測結(jié)果。
在步驟S380(預(yù)測階段)，信息處理模塊220將所述原始數(shù)據(jù)、實時數(shù)據(jù)、以及預(yù)測結(jié)果保存到日志文件中，并將所得出的預(yù)測結(jié)果輸入到用戶接口模塊240中，以通知相應(yīng)的用戶(最終用戶或是維護工程師)，所(要)打印的圖像的質(zhì)量屬于0、1、2、3級別中的哪個級別。另外，信息處理模塊220還可以確定所述預(yù)測結(jié)果是否超出預(yù)定的閥值，如果超出，則自動發(fā)送電子郵件或短消息給系統(tǒng)用戶或系統(tǒng)維護工程師。
如果所預(yù)測的圖像的質(zhì)量屬于0級，則表示該圖像基本沒有任何質(zhì)量缺陷。如果所預(yù)測的圖像質(zhì)量屬于1級，則表示該圖像將有輕微的缺陷，在對圖像質(zhì)量要求不高的情況下，可以對其進行忽略。然而，如果所預(yù)測的圖像的質(zhì)量屬于2級，則表示其具有中度缺陷，此時應(yīng)該對多功能一體機進行適當(dāng)?shù)木S護。如果所預(yù)測的圖像質(zhì)量屬于3級，則表示該圖像具有嚴(yán)重的缺陷，應(yīng)立即對多功能一體機進行維護和修理。
如果所預(yù)測的圖像質(zhì)量屬于1、2、3級別中的任何一個級別，信息處理模塊220將生成報警信息，并通過用戶接口模塊240將所述報警信息輸出給用戶，并在用戶輸入的命令或是信息處理模塊220中預(yù)存儲的命令的控制下，調(diào)用其它后處理過程。然后，預(yù)測過程結(jié)束。
以上描述了本發(fā)明基于傳感器的圖像質(zhì)量預(yù)測方法。
下面將說明本發(fā)明中對預(yù)測模型的訓(xùn)練過程。
在本發(fā)明中，可以將分類器作為預(yù)測模型使用，該分類器可以是多個線性判別函數(shù)，例如Fi=Σj=1nαi,jsj+βi,i=1,2,...m---(1)]]>這里，βi，i＝1，...，m為常量，sj，j＝1，2，...，m表示診斷系統(tǒng)200中的傳感器的數(shù)據(jù)值，αi，j，j＝1，2，...，n為分類器的系數(shù)，在這里作為預(yù)測模型的系統(tǒng)參數(shù)。
由于在本發(fā)明的診斷系統(tǒng)200中存在多個傳感器，例如60個傳感器，直接將傳感器數(shù)據(jù)劃分為不同的圖像質(zhì)量區(qū)域是非常困難的，因而有必要先將原始的傳感器數(shù)據(jù)空間降維到低維的特征空間。在本發(fā)明中，例如將原始傳感器空間維數(shù)降低到3維特征空間。當(dāng)然，在其它實施例中，可以將原始傳感器空間維數(shù)降低到2或其它維數(shù)的特征空間。
這樣，在本發(fā)明基于傳感器的圖像質(zhì)量預(yù)測模型中，定義3個判別函數(shù)，每個判別函數(shù)都是各個傳感器數(shù)據(jù)的線性組合，如下式所示。
Fi＝αi，1s1+αi，2s2+...+αi，nsn+βi，i＝1，2，3(2)其中，βi，i＝1，2，3為常量，sj，j＝1，2，...，n表示系統(tǒng)中的傳感器數(shù)據(jù)值，αi，j，j＝1，2，...，n為模型系數(shù)，該系數(shù)可以利用訓(xùn)練集數(shù)據(jù)來進行優(yōu)化。
具體地，預(yù)測模型的模型系數(shù)(系統(tǒng)參數(shù))的訓(xùn)練過程如下所述。
第一步，獲取訓(xùn)練用的數(shù)據(jù)集合，即訓(xùn)練集，并通過專家提供訓(xùn)練集中的每組數(shù)據(jù)所對應(yīng)的圖像的質(zhì)量級別(缺陷級別)，即0、1、2或3級。
第二步，確定訓(xùn)練過程的準(zhǔn)則函數(shù)，例如錯誤率函數(shù)，如下所示，設(shè)訓(xùn)練集中一共有m組數(shù)據(jù)，經(jīng)過評估后共有n組數(shù)據(jù)被正確判斷，則錯誤率為δ(n)=m-nm×100%]]>第三步，設(shè)置準(zhǔn)則函數(shù)的優(yōu)化閥值，例如錯誤率應(yīng)小于3％，其含義為若按當(dāng)前參數(shù)得到的錯誤率小于3％，則認(rèn)為該參數(shù)滿足訓(xùn)練要求。
第四步，初始化上述三個模型的參數(shù)αi，j，j＝1，2，...，n，例如將模型參數(shù)設(shè)置為任意選擇的數(shù)值。
第五步，利用當(dāng)前的模型參數(shù)計算所有訓(xùn)練集數(shù)據(jù)的判別函數(shù)值，并計算與每一級圖像質(zhì)量對應(yīng)的所有判別函數(shù)值的質(zhì)心(F1、F2，F(xiàn)3)，即分別計算出與0級圖像質(zhì)量對應(yīng)的所有判別函數(shù)值的質(zhì)心、與1級圖像質(zhì)量對應(yīng)的所有判別函數(shù)值的質(zhì)心、與2級圖像質(zhì)量對應(yīng)的所有判別函數(shù)值的質(zhì)心、和與3級圖像質(zhì)量對應(yīng)的所有判別函數(shù)值的質(zhì)心。
第六步，對訓(xùn)練集中的每一組數(shù)據(jù)，計算其判別函數(shù)值與每一質(zhì)心值的距離，并將該組數(shù)據(jù)分類為與其距離最小的質(zhì)心所屬的圖像質(zhì)量級別，即分類為0、1、2或3級。然后，比較所得到的該組數(shù)據(jù)的分類結(jié)果是否與通過專家提供(預(yù)先確定)的分類結(jié)果一致。
第七步，將第六步所得的判斷結(jié)果代入第二步所確定的準(zhǔn)則函數(shù)，計算當(dāng)前準(zhǔn)則函數(shù)值。
第八步，比較第七步計算的準(zhǔn)則函數(shù)值和第三步設(shè)置的優(yōu)化閥值，如果小于等于準(zhǔn)則函數(shù)的優(yōu)化閥值，則訓(xùn)練結(jié)束，且訓(xùn)練結(jié)果為當(dāng)前的模型參數(shù)，否則，轉(zhuǎn)到第九步。
第九步，調(diào)整當(dāng)前的模型參數(shù)，即重新設(shè)置初始化模型參數(shù)αi，j，j＝1，2，...，n，重新設(shè)置初始化模型參數(shù)的方法可以使用梯度下降法等參數(shù)優(yōu)化方法。得到新的模型參數(shù)后，轉(zhuǎn)到第五步，以重復(fù)執(zhí)行第五步至第八步，直到所計算出的判別函數(shù)值小于該優(yōu)化閾值為止。
這樣，重復(fù)上述過程，就可以形成所需的三個判別函數(shù)如下F1＝α11s1+α12s2+...+α1nsn+β1(3)F2＝α21s1+α22s2+...+α2nsn+β2(4)F3＝α31s1+α32s2+...+α3nsn+β3(5)此3個判別函數(shù)的判別值，可以看作是將原始傳感器數(shù)據(jù)映射到一個3維特征空間的數(shù)據(jù)，但通常該3維空間不是正交的，因而，本發(fā)明中采用了Schmidt(施密特)正交化方法將3維特征空間正交化，即對上述三個線性判別函數(shù)的系數(shù)向量進行正交化，得到下面的公式(3’)、(4’)和(5’)，F(xiàn)′1＝F1， (3’)F′2=F2-(F2,F′1)(F′1,F′1)F′1,---(4′)]]>
F′3=F3-(F3-F′1)(F′1,F′1)F′1-(F3,F′2)(F′2,F′2)F′2,---(5′)]]>上述值F’1、F’2和F’3可以看作是三維正交空間中的一組坐標(biāo)值，它們形成三維正交空間中的一個點。
然后，再將每個質(zhì)心的坐標(biāo)(F1、F2，F(xiàn)3)代入上述等式(3’)、(4’)、(5’)中，求出正交化后的質(zhì)心坐標(biāo)。
這樣，就形成了初步的預(yù)測模型(分類器)。
圖4為圖像質(zhì)量在特征空間中分布的示例圖，其中示出了兩維正交空間中的判別函數(shù)的值、質(zhì)心以及圖像質(zhì)量之間的關(guān)系。
如圖4所示，其中0代表0級圖像質(zhì)量，1代表1級圖像質(zhì)量，2代表2級圖像質(zhì)量，和3代表3級圖像質(zhì)量，它們分別是各自級別中的判別函數(shù)值的質(zhì)心。
下面，對計算判別函數(shù)值的質(zhì)心的過程說明如下。
在該過程中，首先對訓(xùn)練集中的數(shù)據(jù)按照缺陷等級(對應(yīng)于圖像質(zhì)量級別)進行分組，即0組缺陷數(shù)據(jù)、1組缺陷數(shù)據(jù)、2組缺陷數(shù)據(jù)和3組缺陷數(shù)據(jù)。然后分別將每組數(shù)據(jù)代入上述公式(3)、(4)和(5)中，計算出與每個圖像對應(yīng)的判別值F1、F2和F3，它們對應(yīng)于三維特征空間中的多個點(F1、F2，F(xiàn)3)。
選出與質(zhì)量被鑒別為0級的圖像對應(yīng)的點(F1、F2，F(xiàn)3)(例如有1100個)，求出這些點的質(zhì)心坐標(biāo)(例如用加權(quán)平均的方法)；再選出與質(zhì)量被鑒別為1級的圖像對應(yīng)的點(例如有500個)，求出這些點的質(zhì)心坐標(biāo)；再選出與質(zhì)量被鑒別為2級的圖像對應(yīng)的點(例如有200個)，求出這些點的質(zhì)心坐標(biāo)；然后再選出與質(zhì)量被鑒別為3級的圖像對應(yīng)的點(例如有100個)，求出這些點的質(zhì)心坐標(biāo)。
所求出的4個質(zhì)心坐標(biāo)，代表圖像質(zhì)量的值，即該4個質(zhì)心坐標(biāo)分別與圖像質(zhì)量0、1、2、3級對應(yīng)。根據(jù)所采集的數(shù)據(jù)組數(shù)的多少，4個質(zhì)心坐標(biāo)也相應(yīng)地改變，采集的數(shù)據(jù)組數(shù)越多，所計算出的質(zhì)心坐標(biāo)越準(zhǔn)確。
接下來，再對所形成的預(yù)測模型進行測試。首先，利用測試集中的一組數(shù)據(jù)(與預(yù)先打印的一個圖像的質(zhì)量對應(yīng)，并假設(shè)該圖像的質(zhì)量為1級)，代入到公式(3)、(4)和(5)中，求出F1、F2，F(xiàn)3的值。再將上述F1、F2，F(xiàn)3的值分別代入公式(3’)、(4’)和(5’)中，計算出三維正交特征空間中的點(F’1、F’2，F(xiàn)’3)。
然后，將此點的坐標(biāo)與每一級圖像質(zhì)量的質(zhì)心坐標(biāo)相比較，即計算此點與每個質(zhì)心的距離，若距離第1類質(zhì)心的距離最小，則該圖像的質(zhì)量被預(yù)測為1級，表示該預(yù)測模型判斷準(zhǔn)確，否則該預(yù)測模型判斷錯誤。
這樣，可以通過測試集中的多組原始數(shù)據(jù)來測試該預(yù)測模型的準(zhǔn)確率。
在使用足夠多的測試數(shù)據(jù)進行測試后，若準(zhǔn)確率達到預(yù)先設(shè)置的準(zhǔn)確率要求，則說明該模型(包括模型參數(shù)及各類的質(zhì)心)可以應(yīng)用于實際預(yù)測任務(wù)；若測試所得模型的準(zhǔn)確率小于要求，則需調(diào)整該系統(tǒng)的訓(xùn)練集，例如選擇部分測試集中的數(shù)據(jù)加入訓(xùn)練集，形成新的訓(xùn)練集數(shù)據(jù)，從而利用上述訓(xùn)練算法重新確定預(yù)測模型的參數(shù)，并得到如下另外三個判別函數(shù)F1＝α11′s1+α12′s2+...+α1n′sn+β1′(6)F2＝α21′s1+α22′s2+...+α2n′sn+β2′(7)F3＝α31′s1+α32′s2+...+α3n′sn+β3′(8)然后在新的訓(xùn)練集數(shù)據(jù)的基礎(chǔ)上，計算上述三個判別函數(shù)的多個判別值，并按照如上所述的方法計算出它們的質(zhì)心。
這樣，就形成了經(jīng)過修改的預(yù)測模型。
經(jīng)過如上所述相同的過程，即再進行測試過程，如此循環(huán)，就得出了經(jīng)過優(yōu)化的、能準(zhǔn)確反映圖像質(zhì)量的標(biāo)準(zhǔn)判別函數(shù)。
2.基于圖像的多功能一體機圖像質(zhì)量分析方法基于圖像的多功能一體機圖像質(zhì)量分析方法的目的在于直接利用圖像信息預(yù)測多功能一體機在未來某一時刻或周期的圖像質(zhì)量。在本發(fā)明中，考慮到每一種型號或某一個具體的多功能一體機的特性和環(huán)境各不相同，因而首先對該機器的圖像質(zhì)量進行自動估計，在多次估計后組成圖像質(zhì)量序列，從而可以利用該序列進行圖像質(zhì)量的預(yù)測。
具體來說，本發(fā)明中，基于圖像的多功能一體機圖像質(zhì)量分析方法由以下兩個階段組成第一階段基于圖像的多功能一體機單幅圖像質(zhì)量自動估計；在該部分中，輸入信息是掃描的多功能一體機圖像，經(jīng)過自動估計后，可以得到該圖像的圖像質(zhì)量。在經(jīng)過多次估計后，可以得到一個圖像質(zhì)量的序列，該序列被輸入到第二階段進行圖像質(zhì)量的預(yù)測。
第二階段基于圖像序列的多功能一體機圖像質(zhì)量預(yù)測；當(dāng)獲取到圖像質(zhì)量的序列后，利用該序列，采用時間序列分析的方法來預(yù)測在下一個時刻或周期的圖像質(zhì)量。
在本發(fā)明基于圖像的分析方法中，仍然使用如圖2所示的體系結(jié)構(gòu)。并且，在圖像質(zhì)量自動估計過程中，本發(fā)明所采用的分類器仍然是線性判別函數(shù)，其系統(tǒng)參數(shù)的訓(xùn)練和測試過程也與上面所描述的基于傳感器的圖像質(zhì)量預(yù)測方法中所使用的訓(xùn)練和測試過程相同。
在此兩種方法中，不同的是在訓(xùn)練和測試過程中所使用的訓(xùn)練集和測試集中的數(shù)據(jù)的種類。在基于傳感器的圖像質(zhì)量預(yù)測方法中，訓(xùn)練集和測試集中的數(shù)據(jù)是通過傳感器獲得的關(guān)于多功能一體機的物理量的數(shù)據(jù)，而在基于圖像的圖像質(zhì)量預(yù)測方法，訓(xùn)練集和測試集中的數(shù)據(jù)是通過對圖像進行處理后所獲得的特征值。
具體地，在本發(fā)明基于圖像的分析方法中，圖2所示的體系結(jié)構(gòu)中的數(shù)據(jù)獲取模塊210用于獲取多個被打印圖像的相關(guān)數(shù)據(jù)，其中的存儲管理模塊230用于存儲上述多個相關(guān)數(shù)據(jù)，并由信息處理裝置220通過所述多個相關(guān)數(shù)據(jù)訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)，并用優(yōu)化后的預(yù)測模型對當(dāng)前打印的圖像的質(zhì)量進行自動估計。上述相關(guān)數(shù)據(jù)是如下獲得的數(shù)據(jù)獲取模塊210從多個被打印圖像(圖像序列)中提取與缺陷相關(guān)的多組特征值，并(通過專家提供等方式)獲取與所述多個被打印圖像對應(yīng)的質(zhì)量序列(由數(shù)字0、1、2、3組成的序列)，其中所述多組特征值和質(zhì)量序列構(gòu)成所述相關(guān)數(shù)據(jù)。此方法中的預(yù)測模型及其訓(xùn)練和測試過程與前述基于傳感器的圖像質(zhì)量預(yù)測方法中相同，這里不再進行詳細描述。
另外，數(shù)據(jù)獲取模塊210還對多個實時打印的圖像進行掃描，并從中提取與缺陷相關(guān)的多組特征值，將其中的每組特征值代入訓(xùn)練后的預(yù)測模型中，以自動估計每個實時打印的圖像的質(zhì)量，將所述多組特征值及所評估的質(zhì)量組成實時特征值序列和對應(yīng)的實時質(zhì)量序列，并通過另一預(yù)測模型預(yù)測下一時刻要打印的圖像的質(zhì)量。所述另一預(yù)測模型由多個ARIMA模塊和一個線性判別函數(shù)組成(后面將進行詳細的描述)。
在這里，仍然使用上面的公式(1)作為本發(fā)明基于圖像的圖像質(zhì)量分析(自動估計)模型，并不再對其訓(xùn)練和測試過程進行詳細的描述。
下面將結(jié)合附圖，說明在本發(fā)明基于圖像的圖像質(zhì)量自動估計方法中，對圖像的處理和特征值提取等過程。
多功能一體機的圖像質(zhì)量自動估計過程由如下幾個步驟組成圖像的輸入、預(yù)處理、特征值提取、和估計，如圖5所示。
圖5是本發(fā)明基于圖像的圖像質(zhì)量自動估計方法的流程圖。
首先，在步驟510，對于基于圖像的方法，利用多功能一體機打印出帶有標(biāo)識的圖像，該標(biāo)識包括人類可以識別的各種代碼(例如數(shù)字等)，也包括計算機可讀的編碼(例如條形碼等)。
圖6示出了本發(fā)明的多功能一體機打印出的帶有標(biāo)識的圖像。
該圖像例如可以是t1、t2、t3、t4、t5和t6時刻的圖像序列，并通過專家鑒別出上述6個圖像的質(zhì)量分別為0、0、1、1、2和3。
然后，利用該多功能一體機對所打印出的圖像進行掃描，再通過數(shù)據(jù)獲取模塊210將所掃描的圖像數(shù)據(jù)存儲到其中的存儲管理模塊230的存儲裝置(未示出)中，并將所鑒別的圖像質(zhì)量0、0、1、1、2和3對應(yīng)地存儲在該存儲裝置中，以形成圖像質(zhì)量序列，例如分別對應(yīng)于時刻t1、t2、t3、t4、t5和t6的圖像質(zhì)量序列0、0、1、1、2和3。
在圖像質(zhì)量的自動估計/預(yù)測過程中，信息處理模塊220可以識別出所掃描的圖像標(biāo)識，并通過該標(biāo)識檢索出與該標(biāo)識所對應(yīng)的圖像數(shù)據(jù)。
在步驟520，對所掃描的時刻t1、t2、t3、t4、t5和t6的圖像序列進行預(yù)處理。在這個步驟中，每個圖像的原始真彩色圖像首先被轉(zhuǎn)換為灰度圖像，然后對其分辨率和色調(diào)進行調(diào)整，并對圖像的缺陷部分進行增強。在預(yù)處理步驟中，通過以下三個步驟來增強圖像中的缺陷(1)將原始真彩色圖像轉(zhuǎn)換為灰度圖像；(2)降低圖像的分辨率；(3)調(diào)整色調(diào)。
降低圖像的分辨率不僅可以減少系統(tǒng)的處理時間和所需內(nèi)存，而且也可以使系統(tǒng)關(guān)注于所關(guān)心的對象，如點、線等缺陷，而不是集中在像素值本身。
在調(diào)整色調(diào)過程中，本發(fā)明采用了如圖7所示的調(diào)節(jié)函數(shù)。在該調(diào)節(jié)函數(shù)中，其參數(shù)(x1，y1)和(x2，y2)的值可以根據(jù)不同的多功能一體機的圖像顏色進行調(diào)節(jié)。例如，在點(x1，y1)之前，是一段水平的直線，其對色調(diào)調(diào)整不具有顯著的影響，而在點(x1，y1)之后，是一段傾斜的線性函數(shù)，其可以起到對不同部分的色調(diào)進行適當(dāng)加強的作用。
在步驟530，從預(yù)處理后的時刻t1、t2、t3、t4、t5和t6的圖像序列中提取多組特征值。首先計算每個原始圖像的投影曲線，即在垂直或水平方向?qū)ο袼刂颠M行求和運算。對于正常圖像而言，其投影曲線通常是一個較為平坦的曲線，如圖8所示。但是對于存在水平或垂直缺陷的圖像而言，該投影曲線會在缺陷區(qū)域產(chǎn)生劇烈的波動，如圖9所示。
計算出水平或垂直的投影曲線后，利用平滑方法對該曲線進行平滑以去除孤立點的影響。孤立點對系統(tǒng)的預(yù)測有很大的影響，因而利用平滑方法對投影曲線進行平滑處理，以消除孤立點的影響。在本發(fā)明中，采用了修削平均算法，即對于落入窗口中的像素值，刪除最大值和最小值，然后取剩下的像素值的均值作為平滑值。在該方法中，首先，利用移動平均方法平滑從時刻t1、t2、t3、t4、t5和t6的圖像序列提取的特征值序列，即計算出的水平或垂直投影曲線。由于平滑窗口的大小對最終的平滑值有顯著的影響，因此其核心問題是確定窗口的大小。在本發(fā)明的算法中，平滑窗口的大小可以被調(diào)整。
在獲得平滑的投影曲線后，計算并繪制時刻t1、t2、t3、t4、t5和t6的圖像序列的每一組原始投影曲線和平滑后投影曲線的差值曲線。
從獲得的差值曲線中發(fā)現(xiàn)，對于正常圖像/區(qū)域，該差值曲線靠近水平坐標(biāo)軸，比較平滑，而對于異常的區(qū)域，該曲線在異常區(qū)域會有很大的波動。圖10和圖11分別為正常圖像和異常圖像的示例。
然后，從每個差值曲線中提取多個與缺陷相關(guān)的特征值，例如最大值、均值、中值、方差等等。
以上描述了從目標(biāo)圖像中提取特征值的過程，其中的一個圖像，例如t1時刻的圖像，相當(dāng)于一個傳感器，從一個圖像中提取出的特征值，相當(dāng)于從一個傳感器獲取的傳感器數(shù)據(jù)。
這樣，上述從多個圖像中提取的多組特征值形成多個數(shù)據(jù)組，并被劃分為訓(xùn)練集和測試集，從而對預(yù)測模型(1)進行訓(xùn)練和測試，并形成標(biāo)準(zhǔn)的預(yù)測模型，以對當(dāng)前打印的圖像的質(zhì)量進行自動估計。上述時刻t1、t2、t3、t4、t5和t6的6個圖像僅僅是作為示例而描述，在實際的訓(xùn)練和測試中，所需要的數(shù)據(jù)遠遠多于6個，例如可以是200個，這樣訓(xùn)練出的模型才更準(zhǔn)確。
針對圖像質(zhì)量分析的過程，下面結(jié)合一個實例來具體說明。在實例的說明中，包括了圖像質(zhì)量的自動估計和預(yù)測兩個階段。
現(xiàn)在假設(shè)對在0至T時刻的時間范圍內(nèi)的時刻t’1、t’2、t’3、t’4、t’5和t’6實時打印的六個圖像(與時刻t1、t2、t3、t4、t5和t6的6個圖像不同)進行掃描，得到按時間順序排列的圖像序列，并從其中提取多組特征值(可以是從每個圖像中提取一組特征值)，這些特征值相當(dāng)于基于傳感器的圖像質(zhì)量預(yù)測方法中的實時數(shù)據(jù)。
將上述t’1、t’2、t’3、t’4、t’5和t’6時刻的六個實時打印圖像的特征值分別輸入到預(yù)測模型中，以自動估計出與其分別對應(yīng)的圖像質(zhì)量，并形成實時圖像質(zhì)量序列，例如0、0、1、1、2和3級。
在預(yù)測階段，可以利用另一個預(yù)測模型，根據(jù)上面獲得的與圖像序列對應(yīng)的多組特征值及其質(zhì)量序列來預(yù)測下一個時刻T+1將打印出來的圖像質(zhì)量。
在本發(fā)明中，在獲取了上述實時圖像質(zhì)量序列后，本發(fā)明利用時間序列分析的方法對下一時刻即T+1時刻的圖像質(zhì)量進行預(yù)測。
在本實施例中，例如對上述與0、0、1、1、2和3實時圖像質(zhì)量序列對應(yīng)的多組特征值，分別利用W＝1、W＝2和W＝4的窗口函數(shù)進行平滑處理，得到三組經(jīng)過平滑處理的數(shù)據(jù)。圖12顯示了利用不同的窗口大小對同一特征值序列平滑后的結(jié)果，從圖12中可見，窗口越大，平滑處理后的曲線越平滑。
將經(jīng)過平滑處理的數(shù)據(jù)輸入到另一預(yù)測模型中，該預(yù)測模型由多個ARIMA模塊(本發(fā)明示出3個)和一個LDA(線性判別函數(shù))模塊組成，如圖13所示。三組經(jīng)過平滑處理的數(shù)據(jù)分別被輸入到三個ARIMA模塊中，并將各個ARIMA模塊的計算結(jié)果R1、R2、R3輸入到該LDA模塊，由LDA模塊計算出的結(jié)果即為對下一時刻T+1的圖像質(zhì)量的預(yù)測結(jié)果。
上述LDA模塊仍然是經(jīng)過訓(xùn)練和測試過程的線性判別函數(shù)，其訓(xùn)練和測試的過程如上所述，這里不再進行詳細描述。只是這里使用的訓(xùn)練集和測試集的數(shù)據(jù)是從ARIMA模塊中輸出的多組數(shù)據(jù)，每組數(shù)據(jù)包括三個分別從每個ARIMA模塊輸出的計算結(jié)果。
上述ARIMA方法是本領(lǐng)域的技術(shù)人員所熟知的技術(shù)，因此，這里不再進行更詳細的描述。
另外，在測試階段，為了準(zhǔn)確地分析預(yù)測模型的自動估計/預(yù)測能力，除了該預(yù)測模型的準(zhǔn)確度外，還可以測試該預(yù)測模型的運行時間、所需內(nèi)存等指標(biāo)。在這種情況下，首先構(gòu)建測試圖像集，并由專家對該圖像集中的所有圖像質(zhì)量進行評價，記錄為圖像質(zhì)量。然后利用本發(fā)明的方法預(yù)測圖像質(zhì)量，并對模型的運行準(zhǔn)確度、運行時間和所需內(nèi)存等做出評估。
3.下面說明多功能一體機圖像質(zhì)量預(yù)測系統(tǒng)的系統(tǒng)組成。
對于故障診斷(圖像質(zhì)量預(yù)測)系統(tǒng)，本發(fā)明的多功能一體機可以采用三種體系結(jié)構(gòu)，即領(lǐng)域支持體系結(jié)構(gòu)、網(wǎng)絡(luò)支持體系結(jié)構(gòu)、和嵌入式體系結(jié)構(gòu)。
圖14描繪了領(lǐng)域支持體系結(jié)構(gòu)。在該結(jié)構(gòu)中，故障診斷系統(tǒng)被安裝到一個便攜式計算機中，該計算機可以通過一些通用的接口和多功能一體機通信，例如串行通信端口、并行通信端口等等。領(lǐng)域支持體系結(jié)構(gòu)的優(yōu)點在于系統(tǒng)的簡單性，但是該結(jié)構(gòu)需要專家的支持，并且在某些情況下，支持的費用或代價很高。
圖15為網(wǎng)絡(luò)支持體系結(jié)構(gòu)。在該結(jié)構(gòu)中，安裝診斷系統(tǒng)的計算機和多功能一體機之間通過網(wǎng)絡(luò)進行通信。該結(jié)構(gòu)的優(yōu)點在于網(wǎng)絡(luò)通信的代價低、但缺點在于復(fù)雜的網(wǎng)絡(luò)支持和網(wǎng)絡(luò)帶寬的限制，在某些情況下，低的網(wǎng)絡(luò)帶寬或網(wǎng)絡(luò)擁塞會影響系統(tǒng)的實時數(shù)據(jù)采集和反饋。
圖16為嵌入式體系結(jié)構(gòu)。在該結(jié)構(gòu)中，診斷系統(tǒng)被嵌入到多功能一體機中，通過機器的顯示面板，系統(tǒng)可以輸出有關(guān)的信息，用戶也可輸入相應(yīng)的控制指令。該結(jié)構(gòu)的優(yōu)點在于信息處理的高速和高的診斷性能。
在本發(fā)明中，系統(tǒng)的維護日志被加密存放在存儲裝置(未示出)中，同時系統(tǒng)提供的人機交互界面可用于檢索用戶需要的信息。由于系統(tǒng)的用戶被分為最終用戶和系統(tǒng)維護工程師，系統(tǒng)對不同的用戶角色提供不同的信息。另外，本發(fā)明的診斷系統(tǒng)還可以同時提供使用識別信息(例如ID卡)驗證用戶身份的功能。
該診斷系統(tǒng)同時提供異常發(fā)現(xiàn)及報告功能。系統(tǒng)的用戶可以輸入自然語言以查詢其所需的信息。對于異常發(fā)現(xiàn)及報告功能，用戶可以指定警報閾值，若當(dāng)前的診斷結(jié)果超過該警報閥值，系統(tǒng)可以利用電子郵件或手機短消息來向用戶發(fā)出警報信息。
由于專家知識可以有效地提高系統(tǒng)的診斷性能，本發(fā)明的故障診斷系統(tǒng)中還可以集成專家知識利用模塊和功能。
本發(fā)明的系統(tǒng)具有自學(xué)習(xí)的功能(訓(xùn)練和測試過程可以自動地被不斷重復(fù))，利用該功能可以自動根據(jù)機器所處環(huán)境及其型號來調(diào)整系統(tǒng)的參數(shù)，因此該系統(tǒng)可以被用于不同類型的多功能一體機，或處于不同環(huán)境下的同一類型的機器。該功能可以被人工啟動或關(guān)閉，并且學(xué)習(xí)的結(jié)果可以通過專門的界面顯示給用戶。
本領(lǐng)域的技術(shù)人員知道，本發(fā)明的上述系統(tǒng)和方法可以通過僅軟件、僅硬件和/或軟件與硬件相結(jié)合的方式來實現(xiàn)，因此，其實現(xiàn)方式不對本發(fā)明的技術(shù)范圍構(gòu)成限制。
另外，本發(fā)明的多功能一體機不對本發(fā)明的技術(shù)范圍構(gòu)成限制，本發(fā)明的多功能一體機可以僅包括打印和掃描裝置。
另外，本發(fā)明的方法不限于按照說明書中所描述的時間順序來執(zhí)行，也可以按照其它的時間循序，或并行或獨立地執(zhí)行，因此，本發(fā)明中描述的方法的執(zhí)行順序步對本發(fā)明的技術(shù)范圍構(gòu)成限制。
盡管以上參照實施例對本發(fā)明進行了詳細的描述，但是本領(lǐng)域的技術(shù)人員知道，在不脫離本發(fā)明的精神和范圍的情況下，可以對本發(fā)明的實施例做出各種修改、替換和變更。
權(quán)利要求
1.一種圖像質(zhì)量預(yù)測方法，包括獲取步驟，獲取多個原始數(shù)據(jù)，訓(xùn)練步驟，通過所述多個原始數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)；以及預(yù)測步驟，利用優(yōu)化后的預(yù)測模型預(yù)測圖像的質(zhì)量。
2.如權(quán)利要求1所述的圖像質(zhì)量預(yù)測方法，還包括預(yù)處理步驟，對所獲取的多個原始數(shù)據(jù)進行預(yù)處理，以刪除或替換所述多個原始數(shù)據(jù)中的孤立點、缺值或不完整的數(shù)據(jù)。
3.如權(quán)利要求1所述的圖像質(zhì)量預(yù)測方法，其中將所述多個原始數(shù)據(jù)分為訓(xùn)練集和測試集，并使用訓(xùn)練集中的原始數(shù)據(jù)來訓(xùn)練所述預(yù)測模型。
4.如權(quán)利要求1-3中任一所述的圖像質(zhì)量預(yù)測方法，其中所述預(yù)測模型包括多個線性判別函數(shù)，所述系統(tǒng)參數(shù)是所述多個線性判別函數(shù)的系數(shù)，并且每個線性判別函數(shù)均為所述多個原始數(shù)據(jù)的線性組合。
5.如權(quán)利要求4所述的圖像質(zhì)量預(yù)測方法，其中所述訓(xùn)練步驟包括預(yù)先確定所述訓(xùn)練集中的每組數(shù)據(jù)的缺陷級別；設(shè)定準(zhǔn)則函數(shù)及其優(yōu)化閥值；初始化所述預(yù)測模型的參數(shù)；利用初始化參數(shù)計算訓(xùn)練集中各組數(shù)據(jù)的判別函數(shù)值，并計算與每一缺陷級別對應(yīng)的所有判別函數(shù)值的質(zhì)心；對訓(xùn)練集中的每一組數(shù)據(jù)，計算其判別函數(shù)值與每一質(zhì)心的距離，并將該組數(shù)據(jù)分類為與其距離最小的質(zhì)心所屬的缺陷級別；比較所得到的該組數(shù)據(jù)的缺陷級別與預(yù)先確定的缺陷級別，以判斷它們是否一致；以及將上述判斷結(jié)果代入所述準(zhǔn)則函數(shù)，計算準(zhǔn)則函數(shù)值。
6.如權(quán)利要求5所述的圖像質(zhì)量預(yù)測方法，其中所述訓(xùn)練步驟還包括對所述準(zhǔn)則函數(shù)值和所述優(yōu)化閥值進行比較，如果所述準(zhǔn)則函數(shù)值小于等于所述優(yōu)化閥值，則訓(xùn)練完成；如果所述準(zhǔn)則函數(shù)值大于所述優(yōu)化閥值，則使用預(yù)定方法調(diào)整所述系數(shù)，并重新開始訓(xùn)練步驟。
7.如權(quán)利要求6所述的圖像質(zhì)量預(yù)測方法，其中所述訓(xùn)練步驟還包括正交化步驟，對所述多個線性判別函數(shù)的系數(shù)向量進行正交化。
8.如權(quán)利要求7所述的圖像質(zhì)量預(yù)測方法，還包括測試步驟，用所述測試集中的原始數(shù)據(jù)來測試所述預(yù)測模型的預(yù)測精度，并且如果所述測試步驟的結(jié)果表明所述預(yù)測精度不合格，則更新訓(xùn)練集，以對所述預(yù)測模型重新進行訓(xùn)練。
9.如權(quán)利要求8所述的圖像質(zhì)量預(yù)測方法，其中所述預(yù)測步驟包括獲取多個實時數(shù)據(jù)；將所述實時數(shù)據(jù)輸入到所述預(yù)測模型中，以產(chǎn)生關(guān)于所述圖像質(zhì)量的預(yù)測結(jié)果；以及輸出所述預(yù)測結(jié)果或進行其它處理。
10.如權(quán)利要求9所述的圖像質(zhì)量預(yù)測方法，其中輸出所述預(yù)測結(jié)果或進行其它處理的步驟還包括將所述原始數(shù)據(jù)、實時數(shù)據(jù)、以及預(yù)測結(jié)果保存到日志文件中；和確定所述預(yù)測結(jié)果是否超出預(yù)定閥值，如果超出，則自動發(fā)送電子郵件或短消息給系統(tǒng)用戶或系統(tǒng)維護工程師。
11.如權(quán)利要求9所述的圖像質(zhì)量預(yù)測方法，其中所述原始數(shù)據(jù)和實時數(shù)據(jù)是內(nèi)置于多功能一體機中的多個傳感器所采集的數(shù)據(jù)。
12.如權(quán)利要求9所述的圖像質(zhì)量預(yù)測方法，其中所述原始數(shù)據(jù)和實時數(shù)據(jù)是從多功能一體機打印的圖像中提取的特征值。
13.如權(quán)利要求12所述的圖像質(zhì)量預(yù)測方法，還包括步驟通過所述多功能一體機對由其打印的圖像進行掃描，并獲得按照時間順序建立的圖像序列；對所述圖像序列進行預(yù)處理；以及從預(yù)處理后的圖像序列中提取與缺陷相關(guān)的多組特征值。
14.如權(quán)利要求13所述的圖像質(zhì)量預(yù)測方法，其中所述預(yù)處理包括將真彩色圖像轉(zhuǎn)換為灰度圖像；降低所述灰度圖像的分辨率；和調(diào)整所述灰度圖像的色調(diào)，以增強缺陷部分。
15.如權(quán)利要求13所述的圖像質(zhì)量預(yù)測方法，其中提取特征值包括對所述圖像序列中的圖像的像素值進行水平及垂直投影，繪制水平及垂直投影曲線；利用平滑算法對水平及垂直投影曲線進行平滑處理，繪制平滑曲線；計算所述投影曲線與所述平滑曲線的差值，繪制差值曲線；以及從差值曲線上提取與缺陷相關(guān)的特征值。
16.如權(quán)利要求15所述的圖像質(zhì)量預(yù)測方法，其中所述特征值是所述差值曲線上的最大值、均值、中值、或方差等。
17.一種圖像質(zhì)量預(yù)測方法，包括步驟獲取步驟，獲取多個被打印圖像的相關(guān)數(shù)據(jù)；訓(xùn)練步驟，用所述相關(guān)數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)；以及估計步驟，用優(yōu)化后的預(yù)測模型來估計當(dāng)前打印的圖像的質(zhì)量。
18.如權(quán)利要求17所述的圖像質(zhì)量預(yù)測方法，其中所述獲取步驟包括通過多功能一體機對由其打印的多個圖像進行掃描，以獲得按照時間順序建立的圖像序列，并預(yù)先確定與所述圖像序列對應(yīng)的質(zhì)量序列；對所述圖像序列進行預(yù)處理；以及從預(yù)處理后的圖像序列中提取與缺陷相關(guān)的多組特征值，其中所述多組特征值和質(zhì)量序列構(gòu)成所述相關(guān)數(shù)據(jù)。
19.如權(quán)利要求17所述的圖像質(zhì)量預(yù)測方法，其中所述估計步驟包括利用多功能一體機掃描由其實時打印的多個圖像，以獲得按照時間順序建立的實時圖像序列；對所述實時圖像序列進行預(yù)處理；從預(yù)處理后的實時圖像序列中提取多組實時特征值；以及將所述多組實時特征值代入訓(xùn)練后的預(yù)測模型，以估計所述實時打印的多個圖像的質(zhì)量，并形成實時質(zhì)量序列。
20.如權(quán)利要求19所述的圖像質(zhì)量預(yù)測方法，還包括步驟利用所述多組實時特征值及所述實時質(zhì)量序列，通過另一預(yù)測模型來預(yù)測下一時刻要打印的圖像的質(zhì)量，其中所述另一預(yù)測模型由多個ARIMA模塊和一個線性判別函數(shù)組成。
21.如權(quán)利要求20所述的圖像質(zhì)量預(yù)測方法，還包括步驟利用多個平滑函數(shù)對所述多組實時特征值進行平滑處理，其中平滑函數(shù)的數(shù)量與ARIMA模塊的數(shù)量一致；將經(jīng)過各個平滑函數(shù)處理后的所述多組實時特征值及其實時質(zhì)量序列輸入到對應(yīng)的ARIMA模塊中；以及將所述多個ARIMA模塊的輸出值輸入到所述線性判別函數(shù)中，以預(yù)測下一時刻要打印的圖像的質(zhì)量。
22.一種用于預(yù)測圖像質(zhì)量的設(shè)備，包括數(shù)據(jù)獲取裝置，用于獲取多個數(shù)據(jù)；存儲裝置，用于存儲所述多個數(shù)據(jù)；信息處理裝置，用于通過所述多個數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)，并用優(yōu)化后的預(yù)測模型來預(yù)測圖像的質(zhì)量。
23.如權(quán)利要求22所述的設(shè)備，還包括用戶接口裝置，用于向終端用戶或系統(tǒng)維護工程師提供所述信息處理裝置的預(yù)測結(jié)果，以及用于輸入系統(tǒng)指令。
24.如權(quán)利要求22所述的設(shè)備，其中所述多個數(shù)據(jù)被分為訓(xùn)練集和測試集，其中所述訓(xùn)練集中的數(shù)據(jù)用來訓(xùn)練所述預(yù)測模型。
25.如權(quán)利要求24所述的設(shè)備，其中所述信息處理裝置還用所述測試集的數(shù)據(jù)來測試所述預(yù)測模型的預(yù)測精度，并且如果所述測試結(jié)果表明所述預(yù)測精度不合格，則更新訓(xùn)練集，以對所述預(yù)測模型重新進行訓(xùn)練。
26.如權(quán)利要求22-25中任一所述的設(shè)備，其中所述預(yù)測模型包括多個線性判別函數(shù)，所述系統(tǒng)參數(shù)是所述多個線性判別函數(shù)的系數(shù)，并且每個線性判別函數(shù)均為所述多個數(shù)據(jù)的線性組合。
27.一種用于預(yù)測圖像質(zhì)量的設(shè)備，包括圖像獲取裝置，用于獲取多個被打印圖像的相關(guān)數(shù)據(jù)；存儲裝置，用于存儲所述多個相關(guān)數(shù)據(jù)；以及信息處理裝置，用于通過所述多個相關(guān)數(shù)據(jù)訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)，并用優(yōu)化后的預(yù)測模型估計當(dāng)前打印的圖像的質(zhì)量。
28.如權(quán)利要求27所述的設(shè)備，其中所述圖像獲取裝置從所述多個被打印圖像中提取與缺陷相關(guān)的多組特征值，并獲取與所述多個被打印圖像對應(yīng)的質(zhì)量序列，其中所述多組特征值和質(zhì)量序列構(gòu)成所述相關(guān)數(shù)據(jù)。
29.如權(quán)利要求27所述的設(shè)備，其中所述圖像獲取裝置從多個實時打印的圖像中提取與缺陷相關(guān)的多組實時特征值，所述信息處理裝置將所述多組實時特征值代入訓(xùn)練后的所述預(yù)測模型，以估計所述實時打印的多個圖像的質(zhì)量，并形成實時質(zhì)量序列，并且所述信息處理裝置利用所述多組實時特征值及所述實時質(zhì)量序列，通過另一預(yù)測模型來預(yù)測下一時刻要打印的圖像的質(zhì)量。
30.如權(quán)利要求29所述的設(shè)備，其中所述另一預(yù)測模型由多個ARIMA模塊和一個線性判別函數(shù)組成。
31.一種故障診斷系統(tǒng)，包括多功能一體機，用于打印圖像；以及圖像質(zhì)量預(yù)測裝置，用于利用預(yù)測模型來預(yù)測所述圖像的質(zhì)量，并根據(jù)所預(yù)測的質(zhì)量輸出通知信息。
32.如權(quán)利要求31所述的故障診斷系統(tǒng)，其中所述多功能一體機包括打印及掃描裝置，用于打印帶有標(biāo)識的圖像，并將所述圖像掃描為圖像數(shù)據(jù)，其中所述標(biāo)識能夠被人類和機器識別，并且所述圖像數(shù)據(jù)與預(yù)先確定的圖像質(zhì)量數(shù)據(jù)一起形成訓(xùn)練集，用來訓(xùn)練所述預(yù)測模型。
33.如權(quán)利要求31所述的故障診斷系統(tǒng)，其中所述多功能一體機包括多個傳感器，用于獲取多個傳感器數(shù)據(jù)，所述多個傳感器數(shù)據(jù)與預(yù)先確定的圖像質(zhì)量數(shù)據(jù)一起形成訓(xùn)練集，用來訓(xùn)練所述預(yù)測模型。
34.如權(quán)利要求31所述的故障診斷系統(tǒng)，其中所述圖像質(zhì)量預(yù)測裝置通過外部接口與所述多功能一體機相連，或通過網(wǎng)絡(luò)與所述多功能一體機遠程相連，或者所述圖像質(zhì)量預(yù)測裝置內(nèi)置于所述多功能一體機中。
35.一種打印及掃描設(shè)備，包括圖像質(zhì)量預(yù)測裝置，用于通過獲取所述打印及掃描設(shè)備的多個傳感器數(shù)據(jù)或圖像數(shù)據(jù)來訓(xùn)練預(yù)測模型，并利用所述預(yù)測模型來預(yù)測所述打印及掃描設(shè)備要打印的圖像的質(zhì)量。
36.如權(quán)利要求35所述的打印及掃描設(shè)備，其中通過用戶來指定使用所述多個傳感器數(shù)據(jù)還是使用所述多個圖像數(shù)據(jù)來訓(xùn)練所述預(yù)測模型。
全文摘要
提供一種圖像質(zhì)量預(yù)測方法和設(shè)備以及故障診斷系統(tǒng)，所述圖像質(zhì)量預(yù)測方法包括獲取步驟，獲取多個原始數(shù)據(jù)，訓(xùn)練步驟，通過所述多個原始數(shù)據(jù)來訓(xùn)練預(yù)測模型，以優(yōu)化所述預(yù)測模型的系統(tǒng)參數(shù)；以及預(yù)測步驟，利用優(yōu)化后的預(yù)測模型預(yù)測圖像的質(zhì)量。本發(fā)明的圖像質(zhì)量預(yù)測方法和設(shè)備以及故障診斷系統(tǒng)可以盡早發(fā)現(xiàn)諸如多功能一體機的設(shè)備和系統(tǒng)的故障。
文檔編號G03G15/00GK1929530SQ20051009917
公開日2007年3月14日 申請日期2005年9月9日 優(yōu)先權(quán)日2005年9月9日
發(fā)明者王剛, 歐文武, 王遲, 郝瑛 申請人:株式會社理光