隨著經(jīng)濟的發(fā)展和生活水平逐漸提高,人們對于啤酒的需求也逐漸提升。啤酒的生產(chǎn)日期是衡量啤酒能否安全飲用的一個重要標(biāo)準(zhǔn)。啤酒生產(chǎn)廠家應(yīng)該保證清晰地將啤酒瓶的生產(chǎn)日期等標(biāo)識信息噴碼在啤酒瓶蓋上。如若出現(xiàn)噴碼錯誤,不僅會受到相關(guān)管理部門的處罰,而且會影響品牌形象,嚴(yán)重的還會影響消費者的身體健康,因此啤酒出廠前對瓶蓋的噴碼信息進行識別和核驗是一道重要的生產(chǎn)工序�，F(xiàn)階段依靠人力識別瓶蓋噴碼信息成本較高,壓縮了企業(yè)的利潤空間;識別速度慢,影響自動化生產(chǎn)線的生產(chǎn)效率;工人長時間重復(fù)做同一件事情容易產(chǎn)生疲勞感。針對這一問題,本文提出了一種基于光學(xué)字符識別（Optical Character Recognition,OCR）技術(shù)的啤酒瓶蓋噴碼字符自動識別算法,研究內(nèi)容主要包括:（1）本文設(shè)計了啤酒瓶蓋噴碼圖像的數(shù)據(jù)采集系統(tǒng),由德國的IDS公司的UI-3080CP-M-GL高速工業(yè)相機、集成了圖像采集卡的PC機和LED輔助光源構(gòu)成,可以獲得清晰的單通道啤酒瓶蓋噴碼圖像。（2）針對啤酒瓶蓋噴碼圖像中瓶蓋邊緣產(chǎn)生反光圓環(huán)且灰度值與字符區(qū)域接近,利用傳統(tǒng)定位方法很難定位字符區(qū)域的問題。本文提出了使用U-Net語義... 

【文章來源】：青島理工大學(xué)山東省

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景
    1.2 課題研究目的與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 字符區(qū)域定位
        1.3.2 字符切割
        1.3.3 識別
    1.4 本文創(chuàng)新點
    1.5 論文的主要內(nèi)容及安排
第2章 瓶蓋噴碼數(shù)據(jù)獲取
    2.1 數(shù)字圖像采集系統(tǒng)
    2.2 相機和鏡頭
        2.2.1 工業(yè)相機
        2.2.2 鏡頭
    2.3 圖像采集卡
    2.4 光源
    2.5 相機觸發(fā)模式
    2.6 采集系統(tǒng)參數(shù)
    2.7 本章小結(jié)
第3章 卷積神經(jīng)網(wǎng)絡(luò)基本理論
    3.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.1.1 卷積層
        3.1.2 激活函數(shù)
        3.1.3 池化層
        3.1.4 全連接層
    3.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        3.2.1 反向傳播
        3.2.2 隨機梯度下降
    3.3 本章小結(jié)
第4章 字符區(qū)域定位
    4.1 深度殘差網(wǎng)絡(luò)
        4.1.1 殘差表示
        4.1.2 殘差學(xué)習(xí)
        4.1.3 快捷恒等映射
        4.1.4 網(wǎng)絡(luò)結(jié)構(gòu)
    4.2 U型全卷積網(wǎng)絡(luò)
        4.2.1 全卷積網(wǎng)絡(luò)
        4.2.2 U-Net
    4.3 實驗及分析
    4.4 本章小結(jié)
第5章 字符圖像處理
    5.1 圖像二值化
    5.2 圖像濾波
    5.3 旋轉(zhuǎn)矯正
        5.3.1 最小外接矩形
        5.3.2 確定旋轉(zhuǎn)中心和旋轉(zhuǎn)角度
        5.3.3 旋轉(zhuǎn)算法
    5.4 字符分割
        5.4.1 兩排字符分割
        5.4.2 無粘連字符分割
        5.4.3 粘連字符分割
    5.5 本章小結(jié)
第6章 字符識別
    6.1 K-臨近算法
    6.2 卷積神經(jīng)網(wǎng)絡(luò)
        6.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        6.2.2 改進的CNN
    6.3 MobileNet
        6.3.1 深度可分離卷積
        6.3.2 超參數(shù)
        6.3.3 線性瓶頸
        6.3.4 倒置殘差
        6.3.5 網(wǎng)絡(luò)結(jié)構(gòu)
        6.3.6 改進的MobileNet
    6.4 實驗及分析
    6.5 本文實驗及分析
    6.6 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文總結(jié)
    7.2 工作展望
參考文獻
攻讀碩士學(xué)位期間參與的科研項目及發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3465185