[發(fā)明專利]一種無色差立體字符圖像采集方法、增強(qiáng)方法及識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110391817.6
• 申請(qǐng)日: 2021-04-12
• 公開（公告）號(hào): CN113076940A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 王鵬;李紅云;陳軍希
• 申請(qǐng)（專利權(quán)）人: 福建省德騰智能科技有限公司
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T5/00;B65G43/08
• 代理公司: 泉州協(xié)創(chuàng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35231
• 代理人: 鄭浩

1.一種無色差立體字符圖像采集方法，其特征在于，包括以下步驟：

將具有無色差立體字符的目標(biāo)物體置于預(yù)定的采集位置；

通過表面光源從無色差立體字符的正面照亮目標(biāo)物體，通過線性光源從無色差立體字符的斜側(cè)面照亮目標(biāo)物體；

通過攝影設(shè)備從無色差立體字符的正面拍攝被照亮的目標(biāo)物體；

通過計(jì)算機(jī)獲取攝影設(shè)備拍攝到的無色差立體字符的二維圖像。

2.根據(jù)權(quán)利要求1所述的無色差立體字符圖像采集方法，其特征在于：通過輸送機(jī)構(gòu)將具有無色差立體字符的目標(biāo)物體輸送至預(yù)定的采集位置；所述輸送機(jī)構(gòu)為帶式輸送機(jī)、鏈?zhǔn)捷斔蜋C(jī)或板式輸送機(jī)。

3.根據(jù)權(quán)利要求1所述的無色差立體字符圖像采集方法，其特征在于：所述計(jì)算機(jī)通過控制器控制攝影設(shè)備進(jìn)行拍攝；所述控制器為PLC；所述攝影設(shè)備為照相機(jī)或攝像機(jī)。

4.根據(jù)權(quán)利要求1所述的無色差立體字符圖像采集方法，其特征在于：所述線性光源的兩端側(cè)面垂直于采集位置所處的平面。

5.根據(jù)權(quán)利要求1所述的無色差立體字符圖像采集方法，其特征在于：所述線性光源的照射方向與表面光源的照射方向之間形成30～60°夾角。

6.根據(jù)權(quán)利要求1所述的無色差立體字符圖像采集方法，其特征在于：所述表面光源為白色表面光源，所述線性光源為白色線性光源。

7.一種基于卷積神經(jīng)網(wǎng)絡(luò)的無色差立體字符圖像增強(qiáng)方法，其特征在于，包括：

對(duì)具有無色差立體字符的目標(biāo)物體進(jìn)行圖像采集，得到無色差立體字符的原始圖像；

其中，所述圖像采集的采集方法包含：

將具有無色差立體字符的目標(biāo)物體置于預(yù)定的采集位置；

通過表面光源從無色差立體字符的正面照亮目標(biāo)物體，通過線性光源從無色差立體字符的斜側(cè)面照亮目標(biāo)物體；

通過攝影設(shè)備從無色差立體字符的正面拍攝被照亮的目標(biāo)物體；

通過計(jì)算機(jī)獲取攝影設(shè)備拍攝到的無色差立體字符的二維圖像，即得到無色差立體字符的原始圖像；

采用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)無色差立體字符的原始圖像進(jìn)行增強(qiáng)處理，提高無色差立體字符所在區(qū)域與周圍背景的對(duì)比度，得到無色差立體字符的增強(qiáng)圖像；

其中，所述卷積神經(jīng)網(wǎng)絡(luò)模型包含依次連接的輸入層、若干個(gè)用于特征提取的卷積層和輸出層，每個(gè)卷積層的輸入端均設(shè)置有泄漏整流線性單元，輸出層采用SoftMax函數(shù)作為激活函數(shù)以產(chǎn)生最終的分類結(jié)果；首先輸入無色差立體字符的原始圖像，然后利用若干個(gè)所述卷積層依次對(duì)無色差立體字符的原始圖像進(jìn)行特征提取，最后輸出無色差立體字符的增強(qiáng)圖像。

8.根據(jù)權(quán)利要求4所述的一種基于卷積神經(jīng)網(wǎng)絡(luò)的無色差立體字符增強(qiáng)方法，其特征在于：所述卷積神經(jīng)網(wǎng)絡(luò)模型是在包含預(yù)定數(shù)量原始圖像的數(shù)據(jù)集上訓(xùn)練的，將原始圖像的數(shù)據(jù)集進(jìn)行手動(dòng)標(biāo)注，得到標(biāo)注圖像的數(shù)據(jù)集；將標(biāo)注圖像的數(shù)據(jù)集分為標(biāo)注訓(xùn)練集和標(biāo)注測(cè)試集；將原始圖像的數(shù)據(jù)集分為原始訓(xùn)練集和原始測(cè)試集；

訓(xùn)練采用優(yōu)化的均方損失平均數(shù)的數(shù)學(xué)模型：

其中，I表示輸入標(biāo)注圖像，F(xiàn)(I)表示訓(xùn)練過程中的輸出，Y表示真實(shí)值，W是與輸入標(biāo)注圖像大小相同的權(quán)重矩陣，i、j表示坐標(biāo)，N表示輸入標(biāo)注圖像大小；矩陣W是一個(gè)置信度權(quán)重，用于衡量地面真理具有的確定性程度，由以下得出：

其中，D表示一個(gè)距離圖，該距離圖標(biāo)注了原始圖像的每個(gè)像素，并具有到原始圖像中最接近的輪廓像素的距離；d是模擬標(biāo)簽偏差的閾值；w是代表標(biāo)簽確定性的參數(shù)；

在每個(gè)卷積層中使用5×5的內(nèi)核大小，并使用學(xué)習(xí)率10^-4的Adam優(yōu)化訓(xùn)練網(wǎng)絡(luò)；

具體訓(xùn)練方法包括：

在標(biāo)注訓(xùn)練集上執(zhí)行卷積神經(jīng)網(wǎng)絡(luò)算法，生成卷積神經(jīng)網(wǎng)絡(luò)模型；

在標(biāo)注測(cè)試集上執(zhí)行卷積神經(jīng)網(wǎng)絡(luò)模型，生成增強(qiáng)圖像；

將增強(qiáng)圖像與標(biāo)記圖像進(jìn)行比較，評(píng)估增強(qiáng)處理的準(zhǔn)確性。

9.一種基于卷積神經(jīng)網(wǎng)絡(luò)的無色差立體字符圖像識(shí)別方法，其特征在于，包括：

對(duì)具有無色差立體字符的目標(biāo)物體進(jìn)行圖像采集，得到無色差立體字符的原始圖像；

其中，所述圖像采集的采集方法包含：

將具有無色差立體字符的目標(biāo)物體置于預(yù)定的采集位置；

通過表面光源從無色差立體字符的正面照亮目標(biāo)物體，通過線性光源從無色差立體字符的斜側(cè)面照亮目標(biāo)物體；

通過攝影設(shè)備從無色差立體字符的正面拍攝被照亮的目標(biāo)物體；

通過計(jì)算機(jī)獲取攝影設(shè)備拍攝到的無色差立體字符的二維圖像，即得到無色差立體字符的原始圖像；

采用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)無色差立體字符的原始圖像進(jìn)行增強(qiáng)處理，提高無色差立體字符所在區(qū)域與周圍背景的對(duì)比度，得到無色差立體字符的增強(qiáng)圖像；

其中，所述卷積神經(jīng)網(wǎng)絡(luò)模型包含依次連接的輸入層、若干個(gè)用于特征提取的卷積層和輸出層，每個(gè)卷積層的輸入端均設(shè)置有泄漏整流線性單元，輸出層采用SoftMax函數(shù)作為激活函數(shù)以產(chǎn)生最終的分類結(jié)果；首先輸入無色差立體字符的原始圖像，然后利用若干個(gè)所述卷積層依次對(duì)無色差立體字符的原始圖像進(jìn)行特征提取，最后輸出無色差立體字符的增強(qiáng)圖像；

采用常規(guī)的OCR算法對(duì)無色差立體字符的增強(qiáng)圖像進(jìn)行識(shí)別，提取出字符信息。