在工業(yè)制造中,多數(shù)工件表面均有各種類型不同的字符用于表達(dá)生產(chǎn)信息,大多數(shù)工件表面字符信息經(jīng)常通過人工識讀,手動輸入計算機進行管控,該方法耗費人工且效率低�，F(xiàn)階段的圖像處理算法不能較好地適用于分割字符與背景同色的工件圖像,導(dǎo)致后續(xù)無法正確識別字符,因此,亟待解決字符與背景同色的工件圖像分割和該類字符識讀方面的問題,解決了該類字符識讀的問題才能實現(xiàn)字符與背景同色這類工業(yè)字符智能化工業(yè)生產(chǎn)的目標(biāo)。課題以工件表面存在反光現(xiàn)象且字符與背景同色的金屬材質(zhì)工件為目標(biāo)對象。分析目標(biāo)工件字符圖像的灰度直方圖和圖像對比度與清晰度,發(fā)現(xiàn)傳統(tǒng)的圖像處理方法難以達(dá)到識別的目的,因此需要根據(jù)識別對象的特征設(shè)計計相應(yīng)的圖像采集系統(tǒng)、圖像預(yù)處理、字符圖像分割和字符識別算法,將這四個部分圖像處理技術(shù)有機結(jié)合以實現(xiàn)目標(biāo)工件字符的識別。各部分的研究結(jié)果如下:（1）在圖像采集階段選擇斜上方光照方式,并且選用 LED白色光源光照配合工業(yè)鏡頭和面陣工業(yè)相機采集字符圖像,有效的解決圖像反光問題,區(qū)分與背景同色的字符,提高圖像光照均勻度和圖像對比度。（2）在圖像預(yù)處理階段,首先用Retinex算法增強圖像字符細(xì)節(jié),提高了圖像對比度。... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

工業(yè)字符樣例

圖 1-1 工業(yè)字符樣例Fig. 1-1 Character samples in industry光學(xué)字符識別技術(shù)在工業(yè)字符識別方面的研究目前仍處于初級階段，工業(yè)中的域還沒有實現(xiàn)圖像識別技術(shù)，在一定程度上制約了工業(yè)生產(chǎn)與科學(xué)技術(shù)相結(jié)合。實字符識別關(guān)鍵點在于算法的實現(xiàn)，因此，以光學(xué)字符識別技術(shù)為例，結(jié)合深度學(xué)習(xí)現(xiàn)對工業(yè)字符的識別，期望能夠滿足多種工業(yè)環(huán)境下的字符識別要求。研究工業(yè)字技術(shù)，不僅能為工業(yè)生產(chǎn)的發(fā)展起到促進作用，而且具有很重要的應(yīng)用前景和研究價為工業(yè)字符識別問題提供理論支撐。2 工業(yè)字符識別研究現(xiàn)狀工業(yè)字符識別是由傳統(tǒng)光學(xué)字符識別發(fā)展而來的，而傳統(tǒng)光學(xué)字符識別歸屬于覺研究領(lǐng)域的一個分支，除了涉及到圖像處理、人工智能學(xué)科外，還包括語言學(xué)、理、計算機視覺、模糊數(shù)學(xué)等，屬于多學(xué)科交叉的新型學(xué)科。從傳統(tǒng)的字符識別系，雖然采用的方法和過程不盡相同，但其主要的處理過程步驟是相同的，字符識別一般步驟如圖 1-2 所示。圖字特結(jié)字

緒論5直方圖單峰特性明顯，傳統(tǒng)的圖像分割方法不能有效的對圖像進行二值化。以圖 1-3 所示的工件字符圖像為例，在自然光照下直接拍攝圖像，采用 OUST 方法對圖像二值化，得到的結(jié)果如圖 1-4 所示。圖 1-3 自然光照下的工件字符圖像 圖 1-4 OUST 法二值化Fig. 1-3 Workpiece character images under natural illumination Fig. 1-4 Binarization of OUST method從圖 1-3 和圖 1-4 可以明顯看出，這類金屬“無色差”字符表面存在反光、圖像光照不均與圖像難以分割等問題。要很好的解決這些問題，通過資料查閱和圖像特征的分析，采用的字符識別系統(tǒng)主要包括圖像采集模塊、圖像處理模塊、訓(xùn)練模塊和識別模塊 4 個部分，各部分相互協(xié)調(diào)以實現(xiàn)該類工業(yè)字符識別的目的。圖像采集模塊主要負(fù)責(zé)圖像信息的采集。圖像處理模塊主要去除圖像中無關(guān)信息的同時達(dá)到增強字符特征的目的。訓(xùn)練模塊和識別模塊利用深度學(xué)習(xí)技術(shù)獲取字符特征，最后識別工件表面字符。最終的識別結(jié)果對系統(tǒng)的識別功能起到?jīng)Q定性作用，直觀的展示出系統(tǒng)字符識別的可靠性，系統(tǒng)中各個模塊相輔相成缺一不可。各模塊之間的邏輯關(guān)系如圖 1-5 所示。樣本文件識別模塊訓(xùn)練模塊CNN識別模型目標(biāo)工件圖像采集模塊圖像處理模塊讀取加載結(jié)果保存圖 1-5 模塊之間的邏輯關(guān)系Fig. 1-5 Logical relationships between modules為了實現(xiàn)工件字符識別的目標(biāo)


本文編號：3322619