论文部分内容阅读
随着经济的发展和生活水平逐渐提高,人们对于啤酒的需求也逐渐提升。啤酒的生产日期是衡量啤酒能否安全饮用的一个重要标准。啤酒生产厂家应该保证清晰地将啤酒瓶的生产日期等标识信息喷码在啤酒瓶盖上。如若出现喷码错误,不仅会受到相关管理部门的处罚,而且会影响品牌形象,严重的还会影响消费者的身体健康,因此啤酒出厂前对瓶盖的喷码信息进行识别和核验是一道重要的生产工序。现阶段依靠人力识别瓶盖喷码信息成本较高,压缩了企业的利润空间;识别速度慢,影响自动化生产线的生产效率;工人长时间重复做同一件事情容易产生疲劳感。针对这一问题,本文提出了一种基于光学字符识别(Optical Character Recognition,OCR)技术的啤酒瓶盖喷码字符自动识别算法,研究内容主要包括:(1)本文设计了啤酒瓶盖喷码图像的数据采集系统,由德国的IDS公司的UI-3080CP-M-GL高速工业相机、集成了图像采集卡的PC机和LED辅助光源构成,可以获得清晰的单通道啤酒瓶盖喷码图像。(2)针对啤酒瓶盖喷码图像中瓶盖边缘产生反光圆环且灰度值与字符区域接近,利用传统定位方法很难定位字符区域的问题。本文提出了使用U-Net语义分割网络对字符区域定位的方法。实验结果表明,U-Net语义分割网络的定位准确。(3)针对啤酒瓶盖喷码图像存在多种底纹且伴有小角度字符偏转的问题,本文使用由二值化、滤波、旋转矫正和字符分割四个步骤组成的喷码图像预处理流程对字符定位后的喷码图像进行处理,并提出了一种投影法与上轮廓法相结合的字符分割算法。在字符间不存在粘连时使用投影法进行分割,当字符间存在粘连时,得到字符图像的上轮廓,利用上轮廓的形状进行分割。实验表明本算法可以清晰完整分割出存在粘连的字符图像。(4)本文提出了两种改进的字符识别算法。(a)为了减少数据内部协变量的变化,提高网络的泛化能力,本文在卷积神经网络(convolutional neural network,CNN)中加入了批标准化(Batch Normalization,BN)层得到了一种改进的卷积神经网络。(b)为了减少训练时间,加快网络收敛速度,本文省略了 MobileNet中线性瓶颈的扩展层,生成了一种改进的MobileNet。实验表明,改进的卷积神经网络loss曲线收敛更快,提高了训练速度,并保持了良好的识别精度。改进的MobileNet大幅度缩减了网络的层数不仅提高了训练速度,同时也提高了识别精度。改进的MobileNet拥有比改进的卷积神经网络更高的识别精度。(5)本文确定了由U-Net字符定位过程和二值化、滤波、旋转矫正、字符分割四个步骤组成的喷码图像预处理过程以及改进的MobileNet字符识别过程组成的啤酒瓶盖喷码字符自动识别算法。实验表明,整幅图像的识别精度高达98.7%,整个过程消耗时间为0.8s。基于OCR技术的啤酒瓶盖喷码图像自动识别拥有较高的识别精度和识别效率。