[發明專利]基于caffe與軟觸發下的門牌壓印字符識別裝置

在審

• 申請號: 201810044470.6
• 申請日: 2018-01-11
• 公開（公告）號: CN108229483A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 趙儲;李子印
• 申請（專利權）人: 中國計量大學
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06T5/20;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出了一種基于caffe與軟觸發下的門牌壓印字符識別裝置，包括硬件采集設備模塊與軟件處理程序模塊。硬件采集設備模塊完成壓印字符圖像的獲取。包括攝像頭采集模塊完成圖像的獲取與采集；并對其種類進行區分，完善產品信息；同時借助軟件觸發拍照模塊進行圖像采集。軟件處理程序模塊對獲取的圖像，進行圖像處理、字符切分與識別工作。首先，檢測圖像是否包含規定尺寸的圓形，對滿足條件的圖像進行采集，避免采集圖像清晰度過低；其次，提出一種漫水填充算法確定字符的位置，消除干擾背景；最后，調用caffe與LeNet?5手寫字體識別網絡，對其進行學習與識別，相較于傳統特征提取算法，準確率有顯著提高。

技術領域

本發明涉及圖像處理和字符識別等技術領域，具體涉及基于caffe與軟觸發下的門牌壓印字符識別裝置。

背景技術

工業上對于門牌壓印字符的識別裝置在眾多生產線中都有著極大的需求，現有的面向工業中的壓印門牌字符識別裝置在圖像采集以及字符處理與識別方面主要存在以下幾個方面的不足，有待改進：

首先，常見的壓印門牌字符識別裝置在圖像獲取以及觸發拍照方面，主要集中在采用硬件觸發圖像采集模塊進行圖像采集工作，由于硬件存在著安裝條件限制因素過多，例如：場地、環境、光線等條件的限制，因此往往不能很好地適應各種生產場景，同時硬件觸發在獲取的圖像質量方面，不進行任何選擇，對于成像質量不好的圖片同樣采集保存，造成資源浪費和識別效率、識別率的降低；其次常用裝置無法對門面和門框做出產品種類上的區分，只能完成單純的計數與拍照功能，對于后續生產過程中所需的產品種類與序列號無法提供相應的數據源，設備適用性不高，因此近年來對于該類設備在圖像獲取及其觸發方式上均有一定程度的優化與改進。

其次，目前市面上常用的壓印字符識別裝置在字符識別方法上主要采用基于傳統的模板特征匹配以及基于結構統計的算法，例如：以字符圖像的灰度作為匹配信息，通過計算字符模板圖像與待識別目標圖像子區域的灰度相關系數來度量匹配度；或者利用字符本身的結構形態，如邊緣、拐點、連通區域等特征進行模式識別；或者在建立字符圖像的特征之后，通過有監督的方式學習特征與目標類別之間的關系，從而建立從輸入到輸出的函數關系。基于傳統的模板匹配和特征提取的識別技術，在理想環境下的字符識別效果較好；但是隨著生產環境的復雜多樣化，一方面人為選取字符特征往往難以找到最合適的特征，另一方面傳統方法在復雜場景下的字符識別效果不好，很難實時并且準確地識別門牌字符。近年來，隨著神經網絡以及機器學習的興起和發展以及相關硬件設備條件的完善，利用神經網絡和深度學習框架進行數據訓練，讓計算機自主學習，提取待檢測數據的特征，建立識別模型從而達到自主識別的效果，成為了目前工業上對于多目標檢測識別的一項熱門技術。

本發明針對以上問題，提出了采用基于caffe與軟觸發下的門牌壓印字符識別裝置，進行門牌壓印字符的識別。首先，基于紅外對射裝置對門牌所在產品的種類進行區分，方便生產過程中的后續工作，進一步完善產品信息，提高了裝置的適用性；其次，采用軟觸發方式進行圖像采集，避免了由硬件觸發下引起的圖像清晰度不高的問題，從而提高了系統圖像采集能力；最后，依托于手寫字體識別深度學習框架LeNet-5，通過調用caffe框架中的LeNet-5手寫字體識別網絡框架，提高了門牌字符識別算法的正確率、魯棒性和計算速度，能更好地適應目前的生產需求，在工業生產上有較強的適用性。

發明內容

本發明首先通過攝像頭采集模塊、紅外對射模塊以及工控機等硬件設備，通過軟件觸發的方式，完成字符圖像的采集與門牌字符所在產品種類的區分工作；其次利用漫水填充算法對字符圖像區域進行處理，去除背景干擾，得到完整且單一的字符區域圖像，完成對字符的定位工作；同時采用基于caffe框架中的LeNet-5手寫字體識別網絡框架，進行字符的訓練與學習，實現了對于門牌壓印字符的識別功能。本發明通過以下技術方案實現：