论文部分内容阅读
检测键帽上的字符是键盘生产过程中十分重要的步骤,全凭人工完成检测不仅效率低,准确率也不够高,不符合现代化的生产要求。随着自动光学检测技术(AOI)的发展与普及,它逐渐成为识别键盘缺陷字符的有效手段之一。但是因为键盘具有按键多、字符大小不一且排列独特的特点,检测键盘的AOI系统也有其特殊之处。因此本文针对键盘上的缺陷字符,研究AOI检测所涉及的关键技术,并开发相应的检测系统,实现对键盘缺陷字符的自动检测。本课题将识别键盘缺陷字符的关键技术分为五个部分:预处理、获取感兴趣区域、特征提取、支持向量机识别以及复检。在预处理阶段,本文改进了迭代法,计算获得了更好的二值分割阈值,改善了二值化效果。为了获取感兴趣区域,本文提出了一种获取有序键盘字符区域的方法,该方法利用数学形态学和边界跟踪技术,并结合了根据按键排列特点而自行设计的合并与排序算法,使得结果满足一个按键上只存在一个感兴趣区域的要求。在特征提取中则提取了与键盘字符相关的8个特征,通过这些特征的数值变化体现正常字符和缺陷字符的不同。另外成功将向量机(SVM)算法应用于识别键盘缺陷字符,并作了改进,首先针对原始SVM中可能存在的过拟合现象,利用代表区分能力的参数设计了特征选择算法,降低该现象发生的可能性;其次,提出结合模糊隶属度改进支持向量机的方法,找到隶属度关于决策值的变化规律,解决了决策值处于模糊区域时难以分类的问题。最后进行复检,以使仍处于缺陷字符之中的正常字符能再次被正确判别,进一步提高了检测精度。在经过测试大量样本图像的基础上开发出了键盘缺陷字符检测系统。实际测试结果表明,该软件最差的识别准确率可达92.8%,从而充分验证了本文提出的一些技术和方法的有效性及实用性。