摘要：工件表面的压印字符存在凹凸不平、锈蚀、风化等问题,导致传统的字符识别算法难以取得满意的效果。针对这一问题,将工件表面压印字符的识别视为一类特殊的目标检测问题,并针对其特性设计了一种两阶段识别网络:定位-分类网络。定位网络使用无锚框的方法提取字符感兴趣区域,有效解决了字符区域提取困难的问题。分类网络采用特征解耦的卷积模块和结构重参数化技术,能够在不增加额外参数的情况下提升分类的准确率。此外,分类网络采用跨域迁移学习的训练策略,能够有效解决实际应用中的小样本和类别不平衡问题。在自建螺栓数据集和SynthText数据集上的实验结果表明,该算法的整体精度能够达到98%和92%,优于对比算法。

摘要：基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.利用改进的CRNN实现文本行字符的识别.将改进后的CRNN在40510张芯片文本行图像上进行测试.通过小样本数据集进行模型微调训练得到多个子模型,从而实现集成推理,使用3个模型的综合识别准确率稳定在99.97%左右,单张芯片图像的总识别时间小于60 ms.实验结果表明,改进的CRNN算法的准确率比原始CRNN提升了大约27.48%,多模型集成推理的方法可以实现更高的准确率.

摘要：工厂生产线上的商品包装外箱文本印刷存在残缺,无法及时检出会影响流通销售。制作工业商品外观信息数据集,提出基于深度学习的工业视觉箱体字符识别与匹配判断方法。合并YOLOv3中的卷积层和批量归一化层,引入GIoU作为边界框损失函数并设计自适应调整定位坐标的方法,优化在原始图像上进行文本检测定位的速度与精度。同时,训练并对比CRNN和Tesseract两种识别引擎在已裁剪文本图片上的识别性能,设计字符匹配方法判断字符识别正确与否并输出结果,从而减少误判。对基于该方法的系统进行生产线实测,实验结果表明,其识别准确率可达99.5%,单件商品的外观拍照、检测识别、输出结果耗时仅3 s左右,表明所提方法能够实现实时监测。

摘要：针对传统的形态分割和模板匹配文字识别方法存在着识别精度低和不稳定的问题,为工业检测领域的芯片字符识别设计了一套基于深度学习的智能光学字符识别系统。该系统基于可微分二值化网络(detection with differentiable binarization network,DBNet)、方向分类器和卷积网络,3个阶段分别训练深度模型实现文本区域的检测、文本方向分类和字符识别,最后进行串联推理完成微观芯片字符的自动化识别。同时针对显微场景下芯片字符图像易受光照干扰,采用数据增强与扩充、更换网络骨架、更改网络卷积步长,解决了复杂背景下微观芯片字符识别易误检的问题。工业生产线上的实际测试结果表明,该系统的识别准确率达到99.9%,误检率3.4?,速度0.56 s/张,极大地提升了字符识别正确率和效率,降低了误检率。最终的识别结果可以直接在云端远程实时查看,简化了传统工业字符识别流程,有助于工业智能化检测进一步发展和提高。

摘要：针对现有敞车车号定位识别方法存在的环境适应性差、定位和识别精度低的问题,本文提出一种面向多种复杂环境下的敞车车号精准定位和识别的方法。搭建融合多尺度特征信息的敞车车号定位模型框架,在此基础上,融合多尺度金字塔特征进行深度可分离卷积的敞车车号特征提取网络设计。提出基于改进卷积循环神经网络的车号定位识别模型,主要针对识别网络模型结构进行设计。通过不同环境下采集的敞车车厢图片对本文提出的方法进行验证。结果表明:本文提出的车号定位方法的准确率为0.94,车号识别的准确率为0.97。

摘要：针对机器视觉课程理论内容抽象、理解难度大、相关实验教学装置欠缺的问题,基于机器视觉设计了一种车牌模型的定位与字符识别实验平台,平台由下位机控制系统和上位机软件组成。下位机由图像采集与传输系统、运动控制系统构成,上位机软件由人机交互界面、定位算法与字符识别算法组成,基于VS2019联合Halcon设计包括目标物体的定位与跟踪、MLP分类器训练、字符分割与识别等功能模块在内的控制软件,实现了车牌模型的定位跟踪与字符识别。实验设计具有实用性、趣味性和扩展性,可辅助学生理解机器视觉技术的真实应用场景,提高学生实践能力和创新能力。

摘要：针对数显仪表传统识别方案难以准确分割单个字符,完整识别有效字符的问题,对实验室仪表读数中字符占比居中和较轻等特点分析后,提出一种基于SSD目标检测算法,设计了数显仪表读数检测系统。首先,通过SSD算法提取和分割字符;其次,将提取出的字符按距离图像原点位置的大小排序,通过距离法对模型训练得到完整的识别结果;最后,采用Python设计的识别界面有效识别出仪表读数字符。实验结果表明:模型的mAP为99.75%,速度为21 FPS,该算法能够实现读数中数字、小数点和单位的检测,准确提取有效字符,满足较高检测精度和实时性的要求。

摘要：在研制万能工具显微镜(UTM)自动读数系统的过程中,针对UTM目镜视场数字字符的图像特点,提出了一种数字字符识别预处理算法。算法利用Roberts边缘检测算子对图像进行二值化处理,设计了数学形态学算子进行除噪运算,使用了一种改进的投影算法进行字符分割。结合模板匹配算法的识别实验得到的识别率为98.9%。

摘要：为了实现能够快速、准确的对洗衣机面板上曲面字符进行识别以及缺陷的检测,设计了基于Halcon的字符识别与检测的系统,提出了利用仿射变换对面板进行摆正后,对各个字符区域再进行一次摆正的方法,解决了对面板进行仿射变换后使位于曲面上的字符发生位置偏移的问题。

摘要：在二极管质量检测流水线中,因二极管字符太小难以通过肉眼准确识别,从而易造成检测效率和精度不高,甚至出现漏检等问题。设计了一种基于灰度共生矩阵纹理特征和多层感知分类器(MLP,Multi-Layer Perceptron)的二极管字符识别方法。依靠机器视觉技术,通过图像采集、图像增强、图像分割、形态学处理、灰度共生矩阵计算纹理特征参量,采用MLP等识别字符。利用纹理特征参量进行训练分类,以避免基于字符分割的MLP分类法适应性差等问题。实验结果表明,该系统能够代替人工精准识别检测二极管字符,解决了基于字符分割的MLP分类法因噪声影响而无法准确分割、适应性差等问题,从而保证了检测效率和准确度,提高了字符识别的环境适应性。