[發明專利]基于深度學習的航空發動機葉片金屬表面蝕刻字符識別方法

在審

• 申請號: 202010117394.4
• 申請日: 2020-02-25
• 公開（公告）號: CN111401142A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 鄭會龍
• 申請（專利權）人: 杭州測質成科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 鎮江基德專利代理事務所(普通合伙) 32306
• 代理人: 鄧月芳

本發明公開了一種基于深度學習的航空發動機葉片金屬表面蝕刻字符識別方法，在獲取圖片后，通過深度學習模型，進行字符整體位置定位、字符特征整體提取、單字符切割、單字符識別，圖像擺正重識別并定制化輸出結果。本發明改變了傳統的依靠人工進行識別并手動進行記錄的方法，能夠大幅度提高航空葉片字符識別的準確率和效率，同時能夠將是識別照片進行集中保存，便于后期對其進行查證。

技術領域

本發明屬于計算機視覺領域，具體地設計一種基于深度學習的航空發動機葉片金屬表面蝕刻字符識別方法。

背景技術

航空發動機葉片的識別記錄過程是航空飛機組裝過程中必不可少的一部分，航空制造領域對安全，可靠性有極高要求。航空發動機葉片是航空發動機的關鍵性部件，必須做好記錄工作。現有的記錄過程中，一般采用工人讀取的方式進行記錄，傳統的識別過程有如下幾個方面弊端：

(1)、依靠工人讀取的方式進行記錄，容易產生視覺疲勞，存在錯誤錄入的隱患，無法保證記錄信息的可靠性。

(2)、人工記錄只有航空發動機葉片上的字符信息，不能保存原始的圖片數據，在后期對于一些有疑惑的數據無法進行校準。

(3)、傳統的識別過程效率較低。

發明內容

本發明的目的是為了解決以上現有技術的不足，提出了一種基于深度學習的航空發動機葉片金屬表面蝕刻字符識別方法，包括顯微鏡攝像機、葉片夾持固定設備和運行著深度學習算法模型的電子設備，具體包含如下的步驟：

S1：模型預訓練

利用大量航空發動機葉片圖片和針對圖片進行的標注內容，對深度學習模型進行訓練；

S2：獲取航空發動機葉片圖片

通過顯微鏡攝像機進行發動機葉片圖片拍攝；

S3：文字整體位置定位

文字在葉片上占比非常小，用深度學習模型進行文字范圍定位，并把有文字的部分看做一個整體切割出來；

S4：文字特征整體提取

利用深度學習網絡在切割后的文字圖片上進行特征提取；

S5:單字符切割

根據提取出來的特征，定位每個字符，并把字符從整體圖片上切分出來；

S6:單字符識別

對于切割出來的圖形，根據特征以及前期網絡提供的長寬、字符間擬合出的直線斜率等信息進行字符識別；

S7:圖像擺正重識別

如果深度學習網絡判斷的圖片傾斜角度過大，將把圖片進行擺正操作，并進行重新識別；

S8:定制化輸出結果

獲取識別結果，對結果處理之后輸出到終端設備。

進一步地，利用顯微鏡攝像機對葉片字符進行拍照。

更進一步地，使用訓練好的深度學習目標檢測模型檢測航空發動機葉片上有字符位置的坐標。

更進一步地，使用所述檢測模型返回多種不同尺度的特征圖數據。

更進一步地，在使用所述檢測模型中，確認字符坐標位置步驟中，基于卷積網絡進行定位。

更進一步地，在使用所述檢測模型中，識別出單個字符的含義，包括中文，數值，英文俄文中的具體文字內容。

更進一步地，在使用所述檢測模型中，如果發現輸入進來的圖片文字傾斜角度過大，會修正文字到水平位置，然后重新檢測。