在印刷行业中,印刷品缺陷检测对印刷品质量的评定与控制具有重要意义,在实际生产中,要剔除带有缺陷的印刷品。现阶段的印刷品缺陷检测方法大都存在着或多或少的不足,算法有待更新。图像处理技术的发展和新的智能算法的出现促进了检测技术的进步;多种智能算法的交叉融合应用,有望开发出一种新的更高效的印刷品缺陷检测方法。本文基于人工免疫算法对印刷品缺陷检测技术进行了研究。人工免疫算法具有多层检测机制,需要少量或不需要先验知识,仅需要少量缺陷样本的优点。因此,基于人工免疫算法的印刷品缺陷检测技术具有广阔的发展空间。在研究了人工免疫算法的阴性选择原理的基础上,结合图像处理技术,利用能够反映图像像素灰度分布规律的灰度共生矩阵,求得印刷品图像在0°、45°、90°和135°四个方向上的能量、熵、对比度、相关性、同质性五个纹理特征,并将各特征值的均值作为图像特征的最终值,以各特征值的均值组成特征向量作为阴性选择算法的数据表示。本文研究了基本阴性选择算法并对其进行了改进,提出实数值编码的改进阴性选择算法,样本数据空间采用多维实数值向量表示;利用欧氏距离计算两样本间的亲和度,并判断它们是否发生匹配。在缺陷检测方面,针对基本阴性选择算法只能识别正常和缺陷,而不能检测缺陷种类的特点,提出引入“疫苗”的改进办法,对缺陷类型进行识别。该方法提取已知缺陷印刷品图像特征向量作为“疫苗”,对检测器进行聚类操作,构造多种检测器集合,采用多检测器集融合诊断对缺陷种类进行判断。为了提高算法的检测精度,降低误判率,本文提出将待检样本与自己集合进行二次匹配的方法。最后,本文基于MATLAB编程实现了从图像处理到缺陷检测的全部过程,设计了印刷品缺陷检测系统。实验结果表明,本文提出的改进阴性选择算法能够有效地检测出印刷品缺陷;设计的印刷品缺陷检测系统能够快速识别出缺陷种类,且检测结果较为准确,有一定的应用价值。