特許 7691317 検出方法、学習方法、推定方法、印刷方法、および検出装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-06-03

(45)【発行日】2025-06-11

(54)【発明の名称】検出方法、学習方法、推定方法、印刷方法、および検出装置

(51)【国際特許分類】

   B41J 2/01 20060101AFI20250604BHJP

【ＦＩ】

B41J2/01 203

B41J2/01 451

【請求項の数】 12

(21)【出願番号】P 2021141421

(22)【出願日】2021-08-31

(65)【公開番号】P2023034928

(43)【公開日】2023-03-13

【審査請求日】2024-06-17

(73)【特許権者】

【識別番号】000207551

【氏名又は名称】株式会社ＳＣＲＥＥＮホールディングス

(74)【代理人】

【識別番号】100135013

【弁理士】

【氏名又は名称】西田 隆美

(72)【発明者】

【氏名】岡本 悟史

(72)【発明者】

【氏名】猿渡 健

(72)【発明者】

【氏名】中島 駿

(72)【発明者】

【氏名】木村 知玄

(72)【発明者】

【氏名】木村 崇也

【審査官】高松 大治

(56)【参考文献】

【文献】特開２０２０－０４９７４１（ＪＰ，Ａ）

【文献】特開２０２１－０６２５６５（ＪＰ，Ａ）

【文献】特開２０１５－１０７５７２（ＪＰ，Ａ）

【文献】国際公開第２０１７／１８３３９６（ＷＯ，Ａ１）

【文献】特開２０２０－１７２０８４（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２１／０１９１６７０（ＵＳ，Ａ１）

【文献】中国特許出願公開第１１２８２９４６６（ＣＮ，Ａ）

【文献】独国特許出願公開第１０２０１７１０１２５１（ＤＥ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ４１Ｊ ２／０１－２／２１５

(57)【特許請求の範囲】

【請求項1】

長尺帯状の基材を長手方向に搬送しつつ、前記基材の表面にインクを吐出する印刷装置において、前記基材の２次元的な歪みの検出方法であって、
ａ）参照用入稿データを印刷したときの前記基材の歪みを示す第１歪みデータを取得する第１歪みデータ取得工程と、
ｂ）評価用入稿データを印刷したときの前記基材の歪みを示す第２歪みデータを取得する第２歪みデータ取得工程と、
ｃ）前記第１歪みデータと前記第２歪みデータとを前記長手方向にシフトさせつつ比較し、歪みが最も同期するシフト量を算出するシフト量算出工程と、
ｄ）前記第２歪みデータと、前記シフト量に基づいてシフトされた前記第１歪みデータとの差分を取って補正データを取得するデータ補正工程と、
を含む、検出方法。

【請求項2】

請求項１に記載の検出方法であって、
前記工程ａ）および前記工程ｂ）はそれぞれ、
ｐ１）入稿データに基づいて前記基材に画像を印刷する工程と、
ｐ２）工程ｐ１）において印刷がなされた前記基材を撮像する工程と、
ｐ３）工程ｐ２）において撮像された撮影画像に基づいて歪みを算出する工程と、
を含み、
前記工程ａ）において前記入稿データは前記参照用入稿データであり、
前記工程ｂ）において前記入稿データは前記評価用入稿データである、検出方法。

【請求項3】

請求項２に記載の検出方法であって、
前記参照用入稿データは、所定の間隔で配列された複数のマークのみを含む画像データであり、
前記評価用入稿データは、
前記参照用入稿データと同じ間隔で配列された複数の前記マークと、
評価用の絵柄または文字と、
を含む画像データであり、
前記工程ｐ３）において、前記撮影画像における前記基材上の前記マークの位置に基づいて、歪みを算出する、検出方法。

【請求項4】

請求項３に記載の検出方法であって、
前記マークは、
第１の色で形成されたベース図形と、
前記ベース図形と重なる位置に、前記第１の色とは異なる第２の色で形成されたマーク図形と、
を含む、検出方法。

【請求項5】

請求項４に記載の検出方法であって、
前記第１の色は、インクの吐出を必要としない白色であり、
前記第２の色は、黒色である、検出方法。

【請求項6】

請求項３から請求項５までのいずれか１項に記載の検出方法であって、
前記工程ｐ３）において、隣り合う前記マークの間隔の変化に基づいて歪みを算出する、検出方法。

【請求項7】

請求項３から請求項５までのいずれか１項に記載の検出方法であって、
前記工程ｐ３）において、前記マークの変位量に基づいて歪みを算出する、検出方法。

【請求項8】

請求項３から請求項７までのいずれか１項に記載の検出方法であって、
前記評価用の絵柄または文字は、濃度値または印字率が異なる複数の領域を含む、検出方法。

【請求項9】

機械学習により、前記基材の歪みを推定可能な推定モデルを生成する学習方法であって、
ｘ１）請求項１から請求項８までのいずれか１項に記載の検出方法の各工程と、
ｘ２）前記評価用入稿データを入力変数とし、前記補正データを教師データとして、機械学習により、前記基材の歪みを推定可能な推定モデルを生成する学習工程と、
を含む、学習方法。

【請求項10】

長尺帯状の基材を長手方向に搬送しつつ、基材の表面にインクを吐出する印刷装置において、基材の歪みを推定する推定方法であって、
ｙ１）請求項９に記載の学習方法の各工程と、
ｙ２）印刷すべき画像データである印刷用入稿データを取得するデータ取得工程と、
ｙ３）前記印刷用入稿データの印刷よりも前に、前記印刷用入稿データに基づいて、インクによる基材の歪みを示す推定結果を出力する推定工程と、
を含み、
前記工程ｙ３）では、前記工程ｙ１）において生成された前記推定モデルに前記印刷用入稿データを入力し、前記推定モデルから出力される歪みを、前記推定結果とする、推定方法。

【請求項11】

長尺帯状の基材を長手方向に搬送しつつ、基材の表面にインクを吐出する印刷装置において、基材に画像を印刷する印刷方法であって、
ｚ１）請求項１０に記載の推定方法の各工程と、
ｚ２）前記推定結果に基づいて前記基材に対するインクの吐出位置を補正しつつ、前記基材の表面にインクを吐出する印刷工程と、
を実行する、印刷方法。

【請求項12】

長尺帯状の基材を長手方向に搬送しつつ、前記基材の表面にインクを吐出する印刷装置において、前記基材の２次元的な歪みの検出装置であって、
参照用入稿データに対する前記基材の歪みを示す第１歪みデータを取得する第１歪みデータ取得部と、
評価用入稿データに対する前記基材の歪みを示す第２歪みデータを取得する第２歪みデータ取得部と、
前記第１歪みデータと前記第２歪みデータとを前記長手方向にシフトさせつつ比較し、歪みが最も同期するシフト量を算出するシフト量算出部と、
前記第２歪みデータと、前記シフト量に基づいてシフトされた前記第１歪みデータとの差分を取って補正データを取得するデータ補正部と、
を有する、検出装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、長尺帯状の基材を長手方向に搬送しつつ、基材の表面にインクを吐出する印刷装置において、基材の歪みを検出する技術に関する。

【背景技術】

【0002】

従来、長尺帯状の基材を長手方向に搬送しつつ、複数のヘッドからインクを吐出することにより、基材に画像を印刷するインクジェット方式の印刷装置が知られている。インクジェット方式の印刷装置は、複数のヘッドから、それぞれ異なる色のインクを吐出する。そして、各色のインクにより形成される単色画像の重ね合わせによって、基材の表面に多色画像を印刷する。従来の印刷装置については、例えば特許文献１に記載されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００４－２６８３６１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

この種の印刷装置では、基材がインクを吸収する時、または、基材上のインクが乾燥する時に、基材が僅かに伸縮する。その結果、基材の表面に形成される印刷画像に、歪みが生じる。このような基材の伸縮により、複数のヘッドから吐出されるインクの位置がずれる場合がある。基材の伸縮による印刷品質の低下をなるべく抑えるためには、基材の伸縮による基材の歪みを把握する必要がある。

【0005】

しかしながら、基材の歪みは、インクによる基材の伸縮に起因する非周期的な歪み成分だけでなく、搬送機構の構造等の他の要因によって生じる周期的な歪み成分も含む。このため、より正確に基材の歪みを把握するためには、非周期的な歪み成分と、周期的な歪み成分とを分離して検出する必要がある。

【0006】

本発明は、このような事情に鑑みなされたものであり、基材の歪みを、周期的な成分と非周期的な成分とに分離して検出できる技術を提供することを目的とする。

【課題を解決するための手段】

【0007】

上記課題を解決するため、本願の第１発明は、長尺帯状の基材を長手方向に搬送しつつ、前記基材の表面にインクを吐出する印刷装置において、前記基材の２次元的な歪みの検出方法であって、ａ）参照用入稿データを印刷したときの前記基材の歪みを示す第１歪みデータを取得する第１歪みデータ取得工程と、ｂ）評価用入稿データを印刷したときの前記基材の歪みを示す第２歪みデータを取得する第２歪みデータ取得工程と、ｃ）前記第１歪みデータと前記第２歪みデータとを前記長手方向にシフトさせつつ比較し、歪みが最も同期するシフト量を算出するシフト量算出工程と、ｄ）前記第２歪みデータと、前記シフト量に基づいてシフトされた前記第１歪みデータとの差分を取って補正データを取得するデータ補正工程と、を含む。

【0008】

本願の第２発明は、第１発明の検出方法であって、前記工程ａ）および前記工程ｂ）はそれぞれ、ｐ１）入稿データに基づいて前記基材に画像を印刷する工程と、ｐ２）工程ｐ１）において印刷がなされた前記基材を撮像する工程と、ｐ３）工程ｐ２）において撮像された撮影画像に基づいて歪みを算出する工程と、を含み、前記工程ａ）において前記入稿データは前記参照用入稿データであり、前記工程ｂ）において前記入稿データは前記評価用入稿データである。

【0009】

本願の第３発明は、第２発明の検出方法であって、前記参照用入稿データは、所定の間隔で配列された複数のマークのみを含む画像データであり、前記評価用入稿データは、前記参照用入稿データと同じ間隔で配列された複数の前記マークと、評価用の絵柄または文字と、を含む画像データであり、前記工程ｐ３）において、前記撮影画像における前記基材上の前記マークの位置に基づいて、歪みを算出する。

【0010】

本願の第４発明は、第３発明の検出方法であって、前記マークは、第１の色で形成されたベース図形と、前記ベース図形と重なる位置に、前記第１の色とは異なる第２の色で形成されたマーク図形と、を含む。

【0011】

本願の第５発明は、第４発明の検出方法であって、前記第１の色は、インクの吐出を必要としない白色であり、前記第２の色は、黒色である。

【0012】

本願の第６発明は、第３発明から第５発明までのいずれかの検出方法であって、前記工程ｐ３）において、隣り合う前記マークの間隔の変化に基づいて歪みを算出する。

【0013】

本願の第７発明は、第３発明から第５発明までのいずれかの検出方法であって、前記工程ｐ３）において、前記マークの変位量に基づいて歪みを算出する。

【0014】

本願の第８発明は、第３発明から第７発明までのいずれかの検出方法であって、前記評価用の絵柄または文字は、濃度値または印字率が異なる複数の領域を含む。

【0015】

本願の第９発明は、機械学習により、前記基材の歪みを推定可能な推定モデルを生成する学習方法であって、ｘ１）第１発明から第８発明までのいずれかの検出方法の各工程と、ｘ２）前記評価用入稿データを入力変数とし、前記補正データを教師データとして、機械学習により、前記基材の歪みを推定可能な推定モデルを生成する学習工程と、を含む。

【0016】

本願の第１０発明は、長尺帯状の基材を長手方向に搬送しつつ、基材の表面にインクを吐出する印刷装置において、基材の歪みを推定する推定方法であって、ｙ１）第９発明の学習方法の各工程と、ｙ２）印刷すべき画像データである印刷用入稿データを取得するデータ取得工程と、ｙ３）前記印刷用入稿データの印刷よりも前に、前記印刷用入稿データに基づいて、インクによる基材の歪みを示す推定結果を出力する推定工程と、を含み、前記工程ｙ３）では、前記工程ｙ１）において生成された前記推定モデルに前記印刷用入稿データを入力し、前記推定モデルから出力される歪みを、前記推定結果とする、推定方法。

【0017】

本願の第１１発明は、長尺帯状の基材を長手方向に搬送しつつ、基材の表面にインクを吐出する印刷装置において、基材に画像を印刷する印刷方法であって、ｚ１）第１０発明の推定方法の各工程と、ｚ２）前記推定結果に基づいて前記基材に対するインクの吐出位置を補正しつつ、前記基材の表面にインクを吐出する印刷工程と、を実行する。

【0018】

本願の第１２発明は、長尺帯状の基材を長手方向に搬送しつつ、前記基材の表面にインクを吐出する印刷装置において、前記基材の２次元的な歪みの検出装置であって、参照用入稿データに対する前記基材の歪みを示す第１歪みデータを取得する第１歪みデータ取得部と、評価用入稿データに対する前記基材の歪みを示す第２歪みデータを取得する第２歪みデータ取得部と、前記第１歪みデータと前記第２歪みデータとを前記長手方向にシフトさせつつ比較し、歪みが最も同期するシフト量を算出するシフト量算出部と、前記第２歪みデータと、前記シフト量に基づいてシフトされた前記第１歪みデータとの差分を取って補正データを取得するデータ補正部と、を有する。

【発明の効果】

【0019】

本願の第１発明～第１２発明によれば、基材の歪みを、周期的な成分と非周期的な成分とに分離して検出できる。

【図面の簡単な説明】

【0020】

【図1】印刷装置の構成を示した図である。

【図2】印刷部の付近における印刷装置の部分上面図である。

【図3】コンピュータと印刷装置の各部との接続を示したブロック図である。

【図4】コンピュータの機能を概念的に示したブロック図である。

【図5】歪み検出部の機能を概念的に示したブロック図である。

【図6】歪み検出処理の流れを示したフローチャートである。

【図7】参照用入稿データの例を示した図である。

【図8】評価用入稿データの例を示した図である。

【図9】評価用入稿データの一部分の拡大図である。

【図10】基材の歪みの計測方法の一例を示した図である。

【図11】基材の歪みの計測方法の他の例を示した図である。

【図12】シフト量を算出する際の様子を概念的に示した図である。

【図13】学習処理の流れを示したフローチャートである。

【図14】印刷処理の流れを示したフローチャートである。

【発明を実施するための形態】

【0021】

以下、本発明の実施形態について、図面を参照しつつ説明する。

【0022】

＜１．印刷装置の構成＞
図１は、本発明の一実施形態に係る印刷装置１の構成を示した図である。この印刷装置１は、長尺帯状の基材９を搬送しつつ、複数のヘッド２１～２４から基材９へ向けてインクの液滴を吐出することにより、基材９の表面に画像を印刷する装置である。基材９は、印刷用紙であってもよく、あるいは、樹脂製のフィルムであってもよい。また、基材９は、金属箔や、ガラス製の基材であってもよい。図１に示すように、印刷装置１は、搬送機構１０、印刷部２０、乾燥部３０、カメラ４０、およびコンピュータ５０を備えている。

【0023】

搬送機構１０は、基材９をその長手方向に沿う搬送方向に搬送する機構である。本実施形態の搬送機構１０は、巻き出し部１１、複数の搬送ローラ１２、および巻き取り部１３を有する。基材９は、巻き出し部１１から繰り出され、複数の搬送ローラ１２により構成される搬送経路に沿って搬送される。各搬送ローラ１２は、搬送方向に対して垂直な方向に延びる軸を中心として回転することにより、基材９を搬送経路の下流側へ案内する。搬送後の基材９は、巻き取り部１３へ回収される。また、基材９には、搬送方向の張力が掛けられている。これにより、搬送中における基材９の弛みや皺が抑制される。

【0024】

印刷部２０は、搬送機構１０により搬送される基材９に対して、インクの液滴（以下「インク滴」と称する）を吐出する処理部である。本実施形態の印刷部２０は、第１ヘッド２１、第２ヘッド２２、第３ヘッド２３、および第４ヘッド２４を有する。第１ヘッド２１、第２ヘッド２２、第３ヘッド２３、および第４ヘッド２４は、基材９の搬送方向に沿って、間隔をあけて配列されている。基材９は、４つのヘッド２１～２４の下方を、印刷面を上方に向けた状態で搬送される。

【0025】

図２は、印刷部２０の付近における印刷装置１の部分上面図である。図２中に破線で示したように、各ヘッド２１～２４の下面には、基材９の幅方向と平行に配列された複数のノズル２０１が設けられている。各ヘッド２１～２４は、複数のノズル２０１から基材９の上面へ向けて、多色画像の色成分となるＫ（ブラック）、Ｃ（シアン）、Ｍ（マゼンタ）、Ｙ（イエロー）の各色のインク滴を、それぞれ吐出する。

【0026】

すなわち、第１ヘッド２１は、搬送経路上の所定の位置において、基材９の上面に、Ｋ色のインク滴を吐出する。第２ヘッド２２は、第１ヘッド２１の吐出位置よりも下流側において、基材９の上面に、Ｃ色のインク滴を吐出する。第３ヘッド２３は、第２ヘッド２２の吐出位置よりも下流側において、基材９の上面に、Ｍ色のインク滴を吐出する。第４ヘッド２４は、第３ヘッド２３の吐出位置よりも下流側において、基材９の上面に、Ｙ色のインク滴を吐出する。

【0027】

乾燥部３０は、ヘッド２１～２４の搬送方向下流側に配置される。乾燥部３０は、基材９へ向けて加熱された気体を吹き付けて、基材９に付着したインクを乾燥させる。これにより、インクが基材９上に定着する。なお、本実施形態の乾燥部３０は、基材９の上面側から加熱された気体を吹き付けるものである。しかしながら、乾燥部３０に代えて、基材９の下面側に接触する加熱ローラ等の、その他の乾燥機構が用いられてもよい。

【0028】

カメラ４０は、印刷部２０を通過した基材９の印刷面を撮影する撮像装置である。カメラ４０は、乾燥部３０の搬送方向下流側に配置される。カメラ４０は、４つのヘッド２１～２４よりも搬送経路の下流側において、基材９の印刷面に対向して配置される。カメラ４０には、例えば、ＣＣＤやＣＭＯＳ等の撮像素子が、幅方向に複数配列されたラインセンサが使用される。カメラ４０は、基材９の印刷面を撮影することにより、撮影画像を取得する。そして、カメラ４０は、得られた撮影画像を、コンピュータ５０へ送信する。

【0029】

コンピュータ５０は、印刷装置１を制御するための情報処理装置である。図３は、コンピュータ５０と、印刷装置１の各部との接続を示したブロック図である。図３中に概念的に示したように、コンピュータ５０は、ＣＰＵ等のプロセッサ５０１、ＲＡＭ等のメモリ５０２、およびハードディスクドライブ等の記憶部５０３を有する。記憶部５０３には、後述する学習処理および印刷処理を実行するためのコンピュータプログラムＰが、記憶されている。

【0030】

図３に示すように、コンピュータ５０は、上述した搬送機構１０、４つのヘッド２１～２４、乾燥部３０、およびカメラ４０と、それぞれ通信可能に接続されている。また、コンピュータ５０は、外部記憶装置であるサーバ２と、通信可能に接続されている。サーバ２には、参照用入稿データＤ１、評価用入稿データＤ２、および印刷用入稿データＤ３が記憶されている。これらの入稿データＤ１，Ｄ２，Ｄ３は、印刷装置１において基材９に対してどのような印刷をするかを示した画像データである。参照用入稿データＤ１および評価用入稿データＤ２は、後述する推定モデルＭを学習させるために用いられる。また、印刷用入稿データＤ３は、製品としての印刷物を得るために、印刷装置１において印刷すべき画像データである。

【0031】

コンピュータ５０は、サーバ２から入稿データＤ１～Ｄ３を取得し、当該入稿データＤ１に基づいて、搬送機構１０および４つのヘッド２１～２４を動作制御する。これにより、印刷装置１における印刷処理が進行する。

【0032】

＜２．コンピュータの機能について＞
この印刷装置１では、４つのヘッド２１～２４が、インク滴を吐出することによって、基材９の上面に、それぞれ単色画像を印刷する。そして、４つの単色画像の重ね合わせにより、基材９の上面に、多色画像が形成される。したがって、仮に、４つのヘッド２１～２４から吐出されるインク滴の基材９上における位置が相互にずれていると、印刷物の画像品質が低下する。このような、基材９上における単色画像の相互の位置ずれ（見当ずれ）を許容範囲内に抑えることが、高品質な印刷物を得るための重要な要素となる。

【0033】

吐出されたインクが基材９に吸収されるとき、または、基材９上のインクが乾燥するときには、基材９が不均一に伸縮する。このような基材９の伸縮が生じると、印刷面に形成される印刷画像が歪む。また、基材９の伸縮が生じると、上記の見当ずれも生じやすくなる。例えば、１つめのヘッド２１で吐出されたインクによって基材９に伸縮が生じて基材９が歪むと、１つめのヘッド２１におけるインク滴の着弾位置と、２つめ以降のヘッド２２～２４におけるインク滴の着弾位置がずれる。これにより、見当ずれが生じる。

【0034】

ここで、印刷対象となる画像毎に各色のインクの吐出密度が異なるとともに、１つの画像の中にインクの吐出密度の低い領域と高い領域とが存在する場合がある。このため、どのような画像を印刷するかによって基材９にどのような歪みが生じるのかが異なってくる。そこで、印刷前に見当ずれを予測するために、印刷対象となる画像の入稿データに基づいて、基材９の歪みを印刷前に推定するために、入稿データと基材９の歪みとの関係を学習した推定モデルを作成することが好ましい。そのためには、入稿データと基材９の歪みとの関係を学習させるための学習データを用意する必要がある。

【0035】

一方、印刷装置１のように搬送機構１０を有する印刷装置では、基材９に、インクの吸収・乾燥に起因する基材９の非周期的な歪みの他に、搬送機構１０における各部の製造誤差、組み立て誤差や駆動時の振動等に起因する周期的な歪みが発生する。このため、推定モデル作成用の学習データを取得しようとすると、当該学習データに非周期的な歪みだけでなく周期的な歪みが重畳されるため、入稿データと基材９の非周期的な歪みとの正確な対応を学習することが困難となる。

【0036】

そこで、この印刷装置１のコンピュータ５０は、参照用入稿データＤ１と評価用入稿データＤ２とのそれぞれについて基材９の歪みを検出して比較することにより、学習処理に使用される学習用データＤ８を取得する。また、コンピュータ５０は、学習用データＤ８を用いて、入稿データから基材９の伸縮状態を印刷前に推定するための推定モデルを作成する。そして、コンピュータ５０は、入稿データに基づいて、基材９の伸縮状態を印刷前に推定し、その推定結果を利用して、インク滴の吐出位置を補正しつつ印刷を行う機能を有する。図４は、コンピュータ５０の当該機能を、概念的に示したブロック図である。

【0037】

図４に示すように、コンピュータ５０は、入稿データ取得部５１、歪み計測部５２、データ補正部５３、学習部５４、推定部５５、補正値算出部５６、および動作制御部５７を有する。入稿データ取得部５１、歪み計測部５２、データ補正部５３、学習部５４、推定部５５、補正値算出部５６、および動作制御部５７の各機能は、コンピュータ５０のプロセッサ５０１が、コンピュータプログラムＰに従って動作することにより、実現される。

【0038】

入稿データ取得部５１は、参照用入稿データＤ１、評価用入稿データＤ２、および印刷用入稿データＤ３を取得するための処理部である。入稿データ取得部５１は、サーバ２から参照用入稿データＤ１、評価用入稿データＤ２、および印刷用入稿データＤ３を読み出す。そして、入稿データ取得部５１は、読み出した参照用入稿データＤ１を、歪み計測部５２および動作制御部５７へ引き渡す。入稿データ取得部５１は、読み出した評価用入稿データＤ２を、学習部５４および動作制御部５７へ引き渡す。また、入稿データ取得部５１は、読み出した印刷用入稿データＤ３を、推定部５５および動作制御部５７へ引き渡す。

【0039】

歪み計測部５２は、カメラ４０から送信される第１撮影画像Ｄ４および第２撮影画像Ｄ５に基づいて、基材９の２次元的な歪みを計測するための処理部である。歪み計測部５２は、計測された基材９の第１歪みデータＤ６および第２歪みデータＤ７を、データ補正部５３へ入力する。

【0040】

データ補正部５３は、第２歪みデータＤ７を第１歪みデータＤ６を用いて補正し、学習用データＤ８を得るための処理部である。データ補正部５３は、得られた学習用データＤ８を、学習部５４へ入力する。

【0041】

歪み計測部５２およびデータ補正部５３は、評価用入稿データＤ２についての歪みデータ（第２歪みデータＤ７）を補正し、評価用入稿データＤ２についての基材９の非周期的な２次元的な歪み（学習用データＤ８）を検出する歪み検出部６０を構成する。歪み検出部６０の機能については、後述する。

【0042】

学習部５４は、画像データと、その画像データを印刷したときの基材９の非周期的な歪みとの関係を学習するための処理部である。この印刷装置１は、製品となる印刷物を得るための印刷用入稿データＤ３の印刷よりも前に、学習部５４による学習処理を行う。

【0043】

学習処理時には、学習部５４には、評価用入稿データＤ２と、学習用データＤ８とが入力される。上述の通り、学習用データＤ８は、評価用入稿データＤ２についての基材９の非周期的な歪みを検出したものである。学習部５４は、評価用入稿データＤ２を入力変数とし、歪み検出部６０において検出された学習用データＤ８を教師データとして、教師あり機械学習アルゴリズムにより、学習処理を行う。学習部５４は、このような学習処理を、所定の終了条件を満たすまで繰り返す。これにより、学習部５４は、入力された画像データに基づいて、基材９の非周期的な歪みを示す推定結果を出力できる推定モデルＭを生成する。学習処理の詳細については、後述する。

【0044】

学習部５４は、機械学習アルゴリズムとして、例えば、ディープラーニング（多層ニューラルネットワーク）を使用する。ただし、学習部５４が使用する機械学習アルゴリズムは、ディープラーニングに限定されるものではない。ディープラーニングに代えて、マルコフ確率場（ＭＲＦ）やボルツマンマシンなど他の機械学習アルゴリズムを使用してもよい。

【0045】

推定部５５は、印刷用入稿データＤ３に基づいて、その印刷用入稿データＤ３を印刷したときの基材９の非周期的な歪みを推定するための処理部である。推定部５５は、学習部５４により生成された推定モデルＭを使用して、推定処理を行う。推定部５５は、入稿データ取得部５１が取得した印刷用入稿データＤ３を、推定モデルＭへ入力する。すると、推定モデルＭから、印刷用入稿データＤ３に対応する基材９の歪みが出力される。推定部５５は、この推定モデルＭから出力された歪みを、推定結果Ｄ９とする。

【0046】

補正値算出部５６は、推定結果Ｄ９に基づいて、補正値Ｄ１０を算出するための処理部である。補正値算出部５６は、推定結果Ｄ９が示す基材９の２次元的な歪みをキャンセルする方向の補正値Ｄ１０を算出する。算出された補正値Ｄ１０は、動作制御部５７へ入力される。

【0047】

動作制御部５７は、搬送機構１０および４つのヘッド２１～２４を動作制御するための処理部である。

【0048】

学習部５４による学習処理を行う前に、歪み検出部６０において学習用データＤ８を作成する際には、動作制御部５７には、参照用入稿データＤ１および評価用入稿データＤ２が入力される。そして、動作制御部５７は、これらの入稿データＤ１，Ｄ２に基づく指令値を、搬送機構１０および４つのヘッド２１～２４へ出力する。これにより、搬送機構１０および４つのヘッド２１～２４を動作させて、基材９の印刷面に参照用入稿データＤ１および評価用入稿データＤ２の画像を印刷する。このとき、カメラ４０が、印刷後の基材９を撮影することにより、第１撮影画像Ｄ４および第２撮影画像Ｄ５を取得する。

【0049】

一方、印刷用入稿データＤ３を印刷する場合には、動作制御部５７は、印刷用入稿データＤ３に基づく指令値を、補正値Ｄ１０により補正する。そして、動作制御部５７は、補正後の指令値を、搬送機構１０および４つのヘッド２１～２４へ出力する。これにより、搬送機構１０および４つのヘッド２１～２４を動作させて、基材９の印刷面に印刷用入稿データＤ３の画像を印刷する。

【0050】

＜３．歪み検出処理について＞
次に、歪み検出部６０の構成および歪み検出部６０において実行される歪み検出処理について、説明する。本実施形態の歪み検出装置は、歪み検出部６０を有するコンピュータ５０によって構成される。図５は、歪み検出部６０の機能を概念的に示したブロック図である。

【0051】

図４および図５に示すように、歪み検出部６０は、上述の歪み計測部５２およびデータ補正部５３を有する。また、図５に示すように、歪み計測部５２は、第１歪みデータ取得部６１と、第２歪みデータ取得部６２とを有する。データ補正部５３は、シフト量算出部６３と、差分処理部６４とを有する。

【0052】

第１歪みデータ取得部６１には、入稿データ取得部５１から参照用入稿データＤ１が入力されるとともに、カメラ４０から第１撮影画像Ｄ４が入力される。第１撮影画像Ｄ４は、参照用入稿データＤ１を印刷装置１において基材９に印刷したものを、カメラ４０が撮影した画像である。第１歪みデータ取得部６１は、参照用入稿データＤ１および第１撮影画像Ｄ４に基づいて、第１撮影画像Ｄ４に映された基材９の２次元的な歪みを算出し、第１歪みデータＤ６を取得する。歪みの算出方法については、後述する。

【0053】

第２歪みデータ取得部６２には、入稿データ取得部５１から参照用入稿データＤ１が入力されるとともに、カメラ４０から第２撮影画像Ｄ５が入力される。第２撮影画像Ｄ５は、評価用入稿データＤ２を印刷装置１において基材９に印刷したものを、カメラ４０が撮影した画像である。第２歪みデータ取得部６２は、参照用入稿データＤ１および第２撮影画像Ｄ５に基づいて、第２撮影画像Ｄ５に映された基材９の２次元的な歪みを算出し、第２歪みデータＤ７を取得する。歪みの算出方法については、後述する。

【0054】

シフト量算出部６３には、第１歪みデータ取得部６１から第１歪みデータＤ６が入力されるとともに、第２歪みデータ取得部６２から第２歪みデータＤ７が入力される。シフト量算出部６３は、第１歪みデータＤ６と第２歪みデータＤ７とを、搬送方向（基材９の長手方向）にシフトさせつつ比較して、第１歪みデータＤ６と第２歪みデータＤ７との歪みが最も同期するシフト量ＤＳを算出する。当該シフト量ＤＳの算出方法については、後述する。

【0055】

差分処理部６４は、第２歪みデータＤ７と、シフト量算出部６３から入力されたシフト量ＤＳに基づいてシフトされた第１歪みデータＤ６との差分を取ることにより、補正データである学習用データＤ８を取得する。

【0056】

図６は、歪み検出部６０における歪み検出処理の流れを示したフローチャートである。この歪み検出処理は、学習部５４において行われる学習処理よりも前に実行される。

【0057】

図６に示すように、歪み検出処理を行うときには、まず、入稿データ取得部５１が、サーバ２から参照用入稿データＤ１および評価用入稿データＤ２を読み出す。これにより、入稿データ取得部５１は、参照用入稿データＤ１および評価用入稿データＤ２を取得する（ステップＳ１１）。そして、入稿データ取得部５１は、参照用入稿データＤ１を動作制御部５７と歪み計測部５２とに入力する。

【0058】

図７は、参照用入稿データＤ１の例を誇張して示した図である。図８は、図７の例の参照用入稿データＤ１に対応した評価用入稿データＤ２の例を示した図である。図７および図８に示すように、参照用入稿データＤ１と、各評価用入稿データＤ２とには、それぞれ、複数のグリッドマーク９０が組み込まれている。

【0059】

参照用入稿データＤ１は、所定の間隔を空けて配列された複数のグリッドマーク９０のみを含む画像データである。参照用入稿データＤ１において、複数のグリッドマーク９０は、搬送方向および幅方向に、所定の間隔で配列される。なお、図７および図８の例では、理解容易のため、入稿データＤ１，Ｄ２の大きさに対してグリッドマーク９０が大きく表示されているとともに、グリッドマーク９０の数が少なく（密度が小さく）表示されている。

【0060】

評価用入稿データＤ２は、参照用入稿データＤ１と同じ間隔で配列された複数のグリッドマーク９０と、パターン９１とを含む画像データである。パターン９１は、歪みを評価するための評価用の絵柄または文字である。複数の評価用入稿データＤ２は、互いに異なるパターン９１を有するものを用いる。

【0061】

評価用入稿データＤ２は、後に基材９の歪みを学習するために用いられる。基材９の伸縮量は、基材９に吐出されるインクの量により異なる。このため、評価用入稿データＤ２の少なくとも一部について、パターン９１は、濃度値または印字率が異なる複数の領域を含む画像であることが望ましい。これにより、濃度値または印字率に応じた基材９の伸縮量を学習することができる。

【0062】

グリッドマーク９０は、参照用入稿データＤ１および評価用入稿データＤ２内の所定の座標位置を示すマークである。グリッドマーク９０は、参照用入稿データＤ１および評価用入稿データＤ２の全体に亘って配列されている。また、複数のグリッドマーク９０は、基材９の搬送方向および幅方向に沿って、互いに間隔をあけて配列されている。また、評価用入稿データＤ２において、複数のグリッドマーク９０は、パターン９１よりも前面側に配置されている。

【0063】

図９は、評価用入稿データＤ２の一部分の拡大図である。図９の上側の領域では、黒色で塗り潰されたパターン９１ａの中にグリッドマーク９０が配置されている。また、図９の下側の領域では、白色で塗り潰されたパターン９１ｂの中にグリッドマーク９０が配置されている。

【0064】

図９に示すように、本実施形態のグリッドマーク９０は、ベース図形９０１とマーク図形９０２とで構成されている。ベース図形９０１は、白色に塗り潰された矩形の図形である。白色とは、濃度値０％であり、インクの吐出を必要としない色である。マーク図形９０２は、ベース図形９０１の前面側に重なる黒色の十字状の図形である。

【0065】

図９の上側の領域のように、黒色の背景の上にグリッドマーク９０が配置された場合、背景となる黒色のパターン９１ａとマーク図形９０２とは、同じ黒色であるが、マーク図形９０２は、白色のベース図形９０１上にあるため、マーク図形９０２を識別できる。また、図９の下側の領域のように、背景となる白色のパターン９１ｂの上にグリッドマーク９０が配置された場合、ベース図形９０１と背景は、同じ白色であるため境界が識別できないが、黒色のマーク図形９０２は識別できる。

【0066】

このように、本実施形態では、グリッドマーク９０が、白色のベース図形９０１と、ベース図形９０１の前面側に重なる黒色のマーク図形９０２とで構成されるため、背景となるパターン９１の色にかかわらず、マーク図形９０２を識別することができる。また、グリッドマーク９０のうち、多くの面積を占めるベース図形９０１が濃度値０％の白色であることにより、グリッドマーク９０の印刷のために吐出されるインクの量を抑制できる。すなわち、グリッドマーク９０の印刷によって基材９に歪みが生じることを抑制できる。

【0067】

ステップＳ１１に続いて、動作制御部５７は、参照用入稿データＤ１に基づいて、搬送機構１０および４つのヘッド２１～２４の動作を制御する。これにより、基材９の印刷面に参照用入稿データＤ１を印刷する（ステップＳ１２）。すなわち、基材９の印刷面に、複数のグリッドマーク９０が印刷される。そして、インクが吐出された基材９の印刷面は、乾燥部３０によって乾燥され、インクが定着する。

【0068】

カメラ４０は、参照用入稿データＤ１が印刷された基材９の印刷面を撮影し、第１撮影画像Ｄ４を取得する（ステップＳ１３）。そして、撮影により得られた第１撮影画像Ｄ４は、カメラ４０からコンピュータ５０へ送信されて、歪み計測部５２の第１歪みデータ取得部６１へ入力される。

【0069】

また、動作制御部５７は、評価用入稿データＤ２に基づいて、搬送機構１０および４つのヘッド２１～２４の動作を制御する。これにより、基材９の印刷面に評価用入稿データＤ２を印刷する（ステップＳ１４）。すなわち、基材９の印刷面に、パターン９１と、複数のグリッドマーク９０とが印刷される。そして、インクが吐出された基材９の印刷面は、乾燥部３０によって乾燥され、インクが定着する。

【0070】

カメラ４０は、評価用入稿データＤ２が印刷された基材９の印刷面を撮影し、第２撮影画像Ｄ５を取得する（ステップＳ１５）。そして、撮影により得られた第２撮影画像Ｄ５は、カメラ４０からコンピュータ５０へ送信されて、歪み計測部５２の第２歪みデータ取得部６２へ入力される。

【0071】

第１歪みデータ取得部６１は、第１撮影画像Ｄ４を解析し、参照用入稿データＤ１が印刷された基材９の歪みを計測した第１歪みデータＤ６を取得する（ステップＳ１６）。このとき、第１歪みデータ取得部６１は、参照用入稿データＤ１を参照しつつ、第１撮影画像Ｄ４から、基材９上の複数のグリッドマーク９０の位置を抽出する。そして、それらのグリッドマーク９０の位置に基づいて、基材９の歪みを計測する。

【0072】

なお、本実施形態では、ステップＳ１２、ステップＳ１３およびステップＳ１６によって、参照用入稿データＤ１を印刷したときの基材９の歪みを示す第１歪みデータＤ６を取得する第１歪みデータ取得工程が構成される。

【0073】

第２歪みデータ取得部６２は、第２撮影画像Ｄ５を解析し、評価用入稿データＤ２が印刷された基材９の歪みを計測した第２歪みデータＤ７を取得する（ステップＳ１７）。このとき、第２歪みデータ取得部６２は、参照用入稿データＤ１を参照しつつ、第２撮影画像Ｄ５から、基材９上の複数のグリッドマーク９０の位置を抽出する。そして、それらのグリッドマーク９０の位置に基づいて、基材９の歪みを計測する。

【0074】

なお、本実施形態では、ステップＳ１４、ステップＳ１５およびステップＳ１７によって、評価用入稿データＤ２を印刷したときの基材９の歪みを示す第２歪みデータＤ７を取得する第２歪みデータ取得工程が構成される。

【0075】

ステップＳ１７において、グリッドマーク９０の位置の抽出に、参照用入稿データＤ１におけるグリッドマーク９０の位置を参照しているが、評価用入稿データＤ２におけるグリッドマーク９０の位置を参照してもよい。本実施形態では、参照用入稿データＤ１におけるグリッドマーク９０の位置と、評価用入稿データＤ２におけるグリッドマーク９０の位置とが同じであるため、ステップＳ１７において参照用入稿データＤ１におけるグリッドマーク９０の位置を参照することにより、ステップＳ１５と共通する工程を省略できる。

【0076】

しかしながら、参照用入稿データＤ１におけるグリッドマーク９０の位置と、評価用入稿データＤ２におけるグリッドマーク９０の位置とが異なっていてもよい。その場合、ステップＳ１６において、グリッドマーク９０の位置の抽出に、評価用入稿データＤ２におけるグリッドマーク９０の位置を参照する。

【0077】

ここで、図１０および図１１を参照しつつ、ステップＳ１６およびステップＳ１７において第１歪みデータ取得部６１および第２歪みデータ取得部６２（以下ではまとめて歪み計測部５２として説明する）が第１撮影画像Ｄ４または第２撮影画像Ｄ５の歪みを計測する方法について説明する。

【0078】

図１０は、基材９の歪みの計測方法の一例を示した図である。図１０の例では、歪み計測部５２は、撮影画像Ｄ４，Ｄ５中の隣り合うグリッドマーク９０の間隔を計測する。そして、計測されたグリッドマーク９０の間隔と、参照用入稿データＤ１におけるグリッドマーク９０の間隔との差を、歪みとして算出する。すなわち、図１０の方法では、隣り合うグリッドマーク９０の間隔の変化を計測する。歪み計測部５２は、このような歪みの計測を、撮影画像Ｄ４，Ｄ５中の全ての隣り合うグリッドマーク９０について行う。その結果、基材９における歪みの分布を示すヒートマップを取得する。すなわち、図１０の方法では、第１撮影画像Ｄ４における当該ヒートマップが第１歪みデータＤ６となり、第２撮影画像Ｄ５における当該ヒートマップが第２歪みデータＤ７となる。

【0079】

基材９が伸縮により歪む場合、基材９上の各領域の変位量は、その領域の伸縮量だけではなく、他の領域の伸縮量も影響し、それらの伸縮量を累積した値となる。しかしながら、図１０の計測方法により得られるヒートマップは、基材９の領域ごとの局所的な歪みを表すものとなる。したがって、当該ヒートマップは、後述する学習処理において、教師データとして取り扱いやすい。

【0080】

図１１は、基材９の歪みの計測方法の他の例を示した図である。図１１の例では、歪み計測部５２は、撮影画像Ｄ４，Ｄ５中の各グリッドマーク９０の位置を計測する。具体的には、撮影画像Ｄ４，Ｄ５中の特定のグリッドマーク９０を原点として、当該原点に対する他のグリッドマーク９０の座標位置を、それぞれ計測する。そして、計測された座標位置と、参照用入稿データＤ１におけるグリッドマーク９０の座標位置との差を、歪みとして算出する。すなわち、図１１の方法では、基材９における各グリッドマーク９０の変位量を計測する。歪み計測部５２は、このような歪みの計測を、撮影画像Ｄ４，Ｄ５中の全てのグリッドマーク９０について行う。その結果、基材９における歪みの分布を示すベクトルマップが得られる。すなわち、図１１の方法では、第１撮影画像Ｄ４における当該ベクトルマップが第１歪みデータＤ６となり、第２撮影画像Ｄ５における当該ベクトルマップが第２歪みデータＤ７となる。

【0081】

図１１の計測方法により得られるベクトルマップは、基材９の各部の座標位置の変位量を表すものとなる。歪み検出処理の後に行われる学習処理において、このようなベクトルマップを学習データとして用いる場合、後述する推定モデルＭから出力される推定結果も、基材９の各部の座標位置の変位量を表すものとなる。このため、図１１の計測方法を採用すれば、補正値算出部５６において、基材９に吐出されるインクの座標位置を補正する際に、推定結果を利用しやすくなる。

【0082】

その後、第１歪みデータ取得部６１は、第１歪みデータＤ６をデータ補正部５３のシフト量算出部６３へと引き渡す。また、第２歪みデータ取得部６２は、第２歪みデータＤ７をシフト量算出部６３へと引き渡す。

【0083】

続いて、シフト量算出部６３は、第１歪みデータＤ６と第２歪みデータＤ７とを、搬送方向（基材９の長手方向）にシフトさせつつ比較して、第１歪みデータＤ６と第２歪みデータＤ７との歪みが最も同期するシフト量ＤＳを算出する（ステップＳ１８：シフト量算出工程）。

【0084】

図１２は、第１歪みデータＤ６と第２歪みデータＤ７とからシフト量ＤＳを算出する際の様子を概念的に示した図である。図１２には、参照用入稿データＤ１、評価用入稿データＤ２、第１歪みデータＤ６、第２歪みデータＤ７の例が示されている。なお、図１２の例では、評価用入稿データＤ２のパターン９１が、幅方向の半分が黒で塗り潰され、もう半分が白で塗り潰されたものである。

【0085】

図１２に示すように、第１歪みデータＤ６と第２歪みデータＤ７との双方において、搬送方向に周期的に歪みが現れる。ここで、参照用入稿データＤ１においてインクの吐出量が僅かであるため、第１歪みデータＤ６には、インクの吐出による非周期的な基材９の歪みは殆ど含まれない。このため、第１歪みデータＤ６に現れる基材９の歪みは、インクの吐出に起因しない周期的な歪みであると考えられる。

【0086】

一方で、複数用意される評価用入稿データＤ２には、種々のパターン９１が含まれるため、印刷時のインクの吐出によって基材９に非周期的な歪みが生じる。このため、第２歪みデータＤ７には、第１歪みデータＤ６に現れる周期的な歪みと、インクの吐出による非周期的な歪みとが重畳している。

【0087】

そこで、ステップＳ１８において、シフト量算出部６３は、図１２に示すように第１歪みデータＤ６を搬送方向にシフトさせたシフトデータＤ６ｓをシフト量ＤＳを変更しつつ複数枚作成し、第２歪みデータＤ７と比較する。そして、第１歪みデータＤ６と第２歪みデータＤ７との歪みが最も同期するシフト量ＤＳを算出する。本実施形態では、シフトデータＤ６ｓと第２歪みデータＤ７とにおいて、最小二乗法を用いて最も近似するシフト量ＤＳを選択する。具体的には、ヒートマップの対応する位置ごとの差分をとり、当該差分の二乗和が最小となるようなシフト量ＤＳを選択する。

【0088】

その後、差分処理部６４は、第２歪みデータＤ７と、シフト量算出部６３の算出したシフト量ＤＳに基づいて第１歪みデータＤ６をシフトしたものとの差分を取って、第２歪みデータＤ７を補正する（ステップＳ１９：データ補正工程）。このようにして、差分処理部６４は、補正データである学習用データＤ８を取得する。

【0089】

このように第２歪みデータＤ７を補正することにより、第２歪みデータＤ７に含まれる周期的な歪み成分を除去し、非周期的な歪み成分のみが含まれる学習用データＤ８を得ることができる。

【0090】

＜４．学習処理について＞
続いて、学習部５４において実行される学習処理について、図１３を参照しつつ、説明する。図１３は、学習処理の流れを示したフローチャートである。

【0091】

学習処理において、まず、学習部５４に、入稿データ取得部５１から評価用入稿データＤ２が入力されるとともに、データ補正部５３の差分処理部６４から、評価用入稿データＤ２に対応する学習用データＤ８が入力される（ステップＳ２１）。

【0092】

学習部５４は、評価用入稿データＤ２を入力変数とし、学習用データＤ８を教師データとして、教師あり機械学習プログラムにより、機械学習を行う。このとき、学習部５４は、画像データに基づいて基材９の非周期的な歪みを推定するための推定モデルＭを用意する。推定モデルＭは、入力された評価用入稿データＤ２に基づいて、非周期的な歪みの推定結果を出力する。学習部５４は、推定モデルＭから出力される推定結果が、教師データである学習用データＤ８に近づくように、推定モデルＭのパラメータを調整する（ステップＳ２２）。

【0093】

その後、学習部５４は、所定の終了条件を満たすか否かを判定する（ステップＳ２３）。終了条件は、例えば、推定結果と教師データとの差が、予め設定された閾値よりも小さくなること、とすればよい。また、終了条件は、ステップＳ２１～Ｓ２２の繰り返し回数が、予め設定された閾値に到達すること、としてもよい。終了条件を満たしていない場合（ステップＳ２３：Ｎｏ）、コンピュータ５０は、上述したステップＳ２１～Ｓ２２の処理を繰り返す。その際、評価用入稿データＤ２および学習用データＤ８が複数あり、処理を繰り返す度に異なる評価用入稿データＤ２および学習用データＤ８を使用してもよい。

【0094】

ステップＳ２１～Ｓ２２の学習処理が繰り返されることにより、推定モデルＭの推定精度が向上する。やがて、終了条件が満たされると（ステップＳ２３：Ｙｅｓ）、学習部５４は、学習処理を終了する。これにより、入力された画像データに基づいて、その画像データを印刷したときの基材９の非周期的な歪みを精度よく推定できる、学習済みの推定モデルＭが生成される。学習部５４は、生成された推定モデルＭを、推定部５５へ提供する。

【0095】

＜５．印刷処理について＞
続いて、上述した学習処理の後に、印刷装置１において実行される印刷処理について、図１４を参照しつつ、説明する。図１４は、印刷処理の流れを示すフローチャートである。

【0096】

図１０に示すように、印刷処理を行うときには、まず、印刷すべき印刷用入稿データＤ３を取得する（ステップＳ３１）。具体的には、入稿データ取得部５１が、サーバ２から印刷用入稿データＤ３を読み出す。そして、入稿データ取得部５１は、推定部５５と動作制御部５７とに、印刷用入稿データＤ３を入力する。

【0097】

推定部５５は、学習部５４により生成された推定モデルＭに、印刷用入稿データＤ３を入力する。そうすると、推定モデルＭは、基材９の歪みの推定結果Ｄ９を出力する（ステップＳ３２）。この推定結果Ｄ９は、印刷装置１において印刷用入稿データＤ３を印刷した場合の、インクによる基材９の非周期的な歪みの推定値を示すものである。推定部５５は、得られた推定結果Ｄ９を、補正値算出部５６へ出力する。

【0098】

補正値算出部５６は、推定部５５から出力された推定結果Ｄ９に基づいて、補正値Ｄ１０を算出する（ステップＳ３３）。この補正値Ｄ１０は、基材９に対するインク滴の吐出位置を微調整するための制御値である。補正値算出部５６は、推定結果Ｄ９が示す基材９の歪みをキャンセルする方向に、補正値Ｄ１０を設定する。例えば、基材９の歪みにより、基材９ある部分が幅方向の一方側へ変位すると推定される場合、補正値算出部５６は、インク滴の吐出位置を幅方向の他方側へ補正するように、補正値Ｄ１０を算出する。そして、補正値算出部５６は、算出された補正値Ｄ１０を、動作制御部５７へ入力する。

【0099】

その後、動作制御部５７は、入稿データ取得部５１から取得した印刷用入稿データＤ３と、補正値算出部５６から取得した補正値Ｄ１０とに基づいて、搬送機構１０および４つのヘッド２１～２４を動作制御する。動作制御部５７は、印刷用入稿データＤ３により指定されるインクの吐出位置を、補正値Ｄ１０に従って補正する。この補正は、例えば、印刷用入稿データＤ３のピクセルごとに行う。そして、基材９の印刷面の補正後の吐出位置に、インク滴を吐出する。これにより、基材９の印刷面に、印刷用入稿データＤ３が印刷される（ステップＳ３４）。

【0100】

以上のように、この印刷装置１では、印刷用入稿データＤ３の印刷よりも前に、印刷用入稿データＤ３に基づいて、推定モデルＭを使用してインクによる基材９の非周期的な歪みを推定する。特に、この印刷装置１では、歪み検出部６０において、搬送方向の位置に左右される周期的な歪み成分を除去し、入稿データの画像に依存する非周期的な歪み成分のみを抽出した学習用データＤ８を得ることができる。すなわち、推定モデルＭの学習処理において、入稿データと基材９の非周期的な歪みとの正確な対応を学習することができる。そして、この印刷装置１では、当該推定モデルＭによる推定結果を考慮して、インクの吐出位置を補正しながら、基材９の印刷面にインク滴を吐出できる。その結果、印刷画像の歪みが小さく、見当ずれも少ない、高品質な印刷物を得ることができる。

【0101】

＜６．変形例＞
以上、本発明の一実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。

【0102】

＜６－１．第１変形例＞
上記の実施形態では、学習用データＤ８において、複数のグリッドマーク９０が、等間隔に配列されていた。しかしながら、複数のグリッドマーク９０の間隔は、必ずしも均等でなくてもよい。例えば、パターン９１の濃度値の変化または印字率の変化が大きい部分には、グリッドマーク９０を、他の部分よりも密に配置してもよい。

【0103】

＜６－２．第２変形例＞
上記の実施形態では、グリッドマーク９０が、白色のベース図形９０１と、黒色のマーク図形９０２とで構成されていた。しかしながら、ベース図形９０１の色は、必ずしも白色に限定されるものではない。また、マーク図形９０２の色は、必ずしも黒色に限定されるものではない。例えば、ベース図形９０１が黒色で、マーク図形９０２が白色であってもよい。また、ベース図形９０１およびマーク図形９０２は、他の色であってもよい。すなわち、グリッドマーク９０は、ベース図形９０１が第１の色で形成され、マーク図形９０２が、第１の色とは異なる第２の色で形成されていればよい。また、ベース図形９０１およびマーク図形９０２の形状も、上記の実施形態とは異なる形状であってもよい。

【0104】

＜６－３．第３変形例＞
上記の実施形態では、機械学習により生成された推定モデルＭに基づいて、基材９の歪みを推定していた。しかしながら、他の方法で、基材９の歪みを推定してもよい。例えば、入稿データに含まれる各領域の濃度値または印字率と、基材９の歪みとの関係を、定式化してもよい。また、入稿データに含まれる各領域の濃度値または印字率と、基材９の歪みとの対応関係を、テーブルにより規定してもよい。そして、印刷用入稿データＤ３を印刷する前に、印刷用入稿データＤ３と、上記の定式またはテーブルとに基づいて、基材９の歪みを示す推定結果を出力してもよい。

【0105】

ただし、定式またはテーブルを使用する場合、印刷装置１の状態や基材９の種類が変更されるたびに、定式またはテーブルを修正する必要がある。この定式またはテーブルを修正する作業は、様々な観点から検討する必要があるため、ユーザの負担が大きい。これに対し、上記の実施形態のように、機械学習を利用すれば、印刷装置１の状態や基材９の種類が変更された場合でも、一定の学習処理を行うことにより、推定モデルＭを再作成することができる。したがって、条件の変化に容易に対応できる。

【0106】

＜６－４．他の変形例＞
また、上記の実施形態では、図２のように、各ヘッド２１～２４において、ノズル２０１が幅方向に一列に配置されていた。しかしながら、各ヘッド２１～２４において、ノズル２０１が２列以上に配置されていてもよい。

【0107】

また、上記の実施形態の印刷装置１は、４つのヘッド２１～２４を備えていた。しかしながら、印刷装置１が備えるヘッドの数は、１～３つ、あるいは５つ以上であってもよい。例えば、印刷装置１は、Ｋ，Ｃ，Ｍ，Ｙの各色に加えて、特色のインクを吐出するヘッドを備えていてもよい。

【0108】

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

【符号の説明】

【0109】

１ 印刷装置
９ 基材
４０ カメラ
５１ 入稿データ取得部
５２ 歪み計測部
５３ データ補正部
５４ 学習部
５５ 推定部
５６ 補正値算出部
５７ 動作制御部
６０ 歪み検出部
６１ 第１歪みデータ取得部
６１ 第２歪みデータ取得部
６２ 第２歪みデータ取得部
６３ シフト量算出部
６４ 差分処理部
９０ グリッドマーク
９０１ ベース図形
９０２ マーク図形
Ｄ１ 参照用入稿データ
Ｄ２ 評価用入稿データ
Ｄ３ 印刷用入稿データ
Ｄ６ 第１歪みデータ
Ｄ７ 第２歪みデータ
Ｄ８ 学習用データ
Ｄ９ 推定結果
ＤＳ シフト量
Ｍ 推定モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】