基于GPU并行的印刷品缺陷檢測算法及系統(tǒng).pdf

1、印刷品缺陷檢測是印刷品行業(yè)生產(chǎn)和質量管理的重要環(huán)節(jié)之一。目前國內(nèi)廠家大多采用印刷品缺陷檢測系統(tǒng)進行印刷品缺陷的自動檢測，但由于國外的系統(tǒng)價格昂貴，在國內(nèi)的使用范圍不廣，而國內(nèi)開發(fā)的印刷品缺陷檢測系統(tǒng)很多受困于缺陷檢測精度、速度及系統(tǒng)成本并未投入實際使用。近年來，GPU強大的并行計算能力為大規(guī)模數(shù)據(jù)運算任務提供了新的思路和解決方案。本文以印刷品缺陷檢測為背景，將GPU并行技術和機器視覺相結合起來，實現(xiàn)了基于GPU并行的印刷品缺陷檢測算法。

2、
　　本文對NVIDIA公司的GPU硬件結構，CUDA編程模型和內(nèi)存模型作了詳細的說明。對基于CPU實現(xiàn)的印刷品缺陷檢測算法進行了分析，總結了其存在的問題。介紹了基于CUDA的并行圖像處理技術，分析印刷品缺陷檢測算法并行化的可行性。
　　針對印刷品缺陷串行檢測算法存在的問題，提出了一種適用于CUDA并行架構的印刷品缺陷并行檢測算法。該算法基于四叉樹算法的結構原理和分而治之的思想，先以四個子區(qū)域為單位將圖像分成若干個子區(qū)域，再

3、對子區(qū)域內(nèi)的缺陷進行檢測，然后檢測子區(qū)域間是否有缺陷連接，進行區(qū)域間合并，進行區(qū)域合并的時候，同樣以四個子區(qū)域為單位進行合并，直到合并為一幅圖像為止。在對子區(qū)域內(nèi)缺陷進行搜索時，采用奇偶行交替搜索的方法減少迭代的次數(shù)。在算法的時間復雜度方面，當處理一幅大小為 m×n的圖像時，本文提出的印刷品缺陷并行檢測算法為O(nd)遠低于基于順序和行程長編碼的缺陷聚類算法的O(n2)，其中d為線程網(wǎng)格中Y方向的線程塊個數(shù)。并使用了NVIDIA公司開發(fā)

4、的CUDA程序性能分析工具Parallel Nsight對所實現(xiàn)的CUDA程序進行了性能分析，提出了改變線程布局模式、使用共享內(nèi)存和內(nèi)核融合三種優(yōu)化方案。根據(jù)本課題的檢測對象特點設計了模擬印刷品缺陷檢測平臺，對其中的圖像采集方案、相機和主機轉軸的同步方案及其軟件系統(tǒng)進行了設計和實現(xiàn)。
　　本文利用了四種缺陷程度不同的印刷品圖像對本文提出的算法和優(yōu)化策略進行了驗證，并且與印刷品串行檢測算法進行了對比。實驗結果表明，本文提出的印刷品缺