欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2014101738592
申请人: 无锡信捷电气股份有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-10-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于卷积神经网络的易拉罐罐底喷码字符在线检测方法,其特征是,离线状态下对图像中字符进行分割,并归类构建字符库,采用改进后的卷积神经网络学习法进行训练,形成稳定的分类器;在线识别中实时拍摄图片,分割字符,并用分类器进行分类;具体包括以下几个步骤:(1)对易拉罐罐底图像进行特定预处理操作,分割出单个的字符图像,并统一进行归类,建立字符库;

(2)利用卷积神经网络学习方法训练字符,形成字符分类器;

(3)在线检测中实时拍摄图像,采用预处理操作分割字符,并用分类器进行识别。

2.根据权利要求1所述一种基于卷积神经网络的易拉罐罐底喷码字符检测方法,其特征在于:所述步骤(1)具体包括以下步骤:第一步、对获取的图像通过直方图均衡化拉伸图像,再通过Otsu法对图像进行二值化,增强对比度;

第二步、选择3*3矩形结构元素对二值图像执行形态学腐蚀操作,将字符区域连接起来,设置字符区域属性,长度在(l1,l2)之间,宽度在(w1,w2)之间,即为字符区域,具体数值根据不同型号易拉罐进行调整;

第三步、根据字符区域的最小外接矩形计算出的旋转角度,采用仿射变换和线性插值将待检测字符区域校正为水平方向,并通过投影法和指定比例法分割成单个字符。

3.根据权利要求1所述一种基于卷积神经网络的易拉罐罐底喷码字符检测方法,其特征在于:所述步骤(2)具体包括以下步骤:卷积神经网络训练算法主要分为三个阶段:构建网络结构、前向传播阶段和反向传播阶段;

第一步、构建网络结构:

本发明构建的卷积神经网络采用7层结构,训练的初期对网络结构进行构建,对网络的权值采用不同的小随机数进行初始化,一般介于[-1~1]范围内,偏置初始化置为0;

第二步、前向传播阶段:

(1)输入层输入目标图像Y,以及对应的目标矢量d,卷积层由卷积核对输入图像依次进行卷积,并加上偏置,再通过非线性激励函数得到:f(*)为RELU函数:

(2)下采样的方式采用stochastic pooling采样,公式为:其中: Rt为抽样层的窗口大小,通常为2*2大小,Yj为采样窗口的元素值;

(4)对卷积、下采样后的特征图进行全连接操作,并计算网络层F6的实际输出Ok:第三步、反向传播阶段

反向传播阶段采用梯度下降法对权值和阈值进行调整,统计总误差函数为:当E≤ε时,训练结束,将权值和阈值保存,这时网络结构各个参数已经稳定,分类器形成。

4.根据权利要求1所述一种基于卷积神经网络的易拉罐罐底喷码字符检测方法,其特征在于:所述步骤(3)具体包括以下步骤:第一步、根据字符识别实时在线检测精度要求,调整好相机镜头光圈、焦距等机械参数,实时获取易拉罐罐底字符图像,采用步骤(1)中的方法分割出单个的字符;

第二步、将分割好的单个字符归一化到28*28大小,并直接送入训练好的分类器中,经过卷积、下采样等前馈学习,输出字符信息;

第三步、将输出的字符信息与生产线管理系统进行数据传输,实现对于易拉罐的生产日期及批号的管理,由电气控制系统执行检测结果,对于与管理系统中不相符的、或者缺印、漏印无法识别的不合格易拉罐进行剔除。