基于EAST与SVTR的芯片表面字符识别方法

作     者：阮红进 刘强 姚子锴 谢谦 RUAN Hong-jin;LIU Qiang;YAO Zi-kai;XIE Qian

作者机构：中山大学智能工程学院广东深圳518107 中山大学-广汽研究院智慧交通与人工智能联合实验室广东广州510006 广东玛西尔电动科技有限公司广东肇庆523268 

基　　金：广东省基础与应用基础研究基金项目(2022A1515010692) 教育部产学合作协同育人基金项目(220605329072033) 广东省重点领域研发计划基金项目(2022B0701180001) 广东省本科高校教学质量与教学改革工程建设基金项目 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2025年第46卷第1期

页      码：166-173页

摘      要：为提高芯片表面字符识别的实时性和准确率,提出一种基于EAST与SVTR的字符识别算法。针对EAST文本检测算法,将主干特征提取网络替换为轻量化的深度神经网络FasterNet-T0,减少网络的计算量;添加通道注意力机制自适应学习不同通道的权重分配,加强对重要特征的筛选。改进获得文本区域得分的损失函数,采用Dice损失缓解因图像背景面积过大导致误检的问题。文本方向校正算法对图像中任意方向的文本进行水平校正。由单一视觉模型的文本识别算法SVTR完成对字符的识别。实验结果表明,改进后文本检测算法的精确率、召回率较原算法分别提升了2.43%和4.66%,单帧图片的检测速度提升了0.005 s;添加文本方向校正算法后,识别准确率提升了1.92%。与现有方法对比,验证了该算法的有效性。

主 题 词：芯片表面字符识别 文本检测 文本方向校正 文本识别 轻量化深度神经网络 高效通道注意力机制 损失函数 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2025.01.023

馆 藏 号：203156846...