论文部分内容阅读
线缆生产过程中,线缆的生产日期、生产批次、产品型号等重要信息往往以点阵字符的形式被喷印在线缆表面。线缆表观字符检测是线缆质量控制中的重要内容。传统线缆表观字符识别使用人工方法,效率低,工作强度大。在线缆生产速度越来越高的情况下,人工识别的方法已经不能满足线缆制造业的要求。为此开展了基于SoC的高速运动线缆表观字符实时光电检测系统研究。本文以Zynq SoC为算法实现平台,结合ARM的灵活性与FPGA卓越的计算性能,使用AXI4总线进行系统互联,实现了完整的点阵字符识别系统。经测试识别率可达91%,识别单幅1600×1200像素线缆图像所需时间仅需22 ms。据我们查阅国内外重要数据库的结果,单芯片上实现的点阵字符光学识别系统在国内尚未见报道。点阵字符识别算法方面,本文采用差分法去除线缆背景区域;然后利用灰度投影曲线与拟合曲线的误差平方值提取了4幅线缆环视图像中包含完整字符区域的图像;随后针对线缆表面图像光照不均的情况,提出了一种大窗口中值差分二值化算法,并对其进行了算法优化;为有效分割点阵字符,采用了基于多次投影的二次分割算法对点阵字符进行有效分割,并对字符进行了归一化;最后提出了一种改进的分块重心向量特征提取方法,结合字符尺寸信息与直接模板匹配方法,设计了多层分类器对字符进行分类识别。为了满足系统帧率要求,本文利用高层次综合技术对算法进行了硬件实现与优化。对大窗口快速中值查找算法进行了硬件并行化、存储结构优化、循环体优化等多种硬件优化措施;对最大类间方差法的计算过程进行了资源优化和流水线操作;对分块重心特征向量计算模块进行了全并行优化。最后采用软硬件联合仿真技术对所有硬件模块进行了验证。经仿真结果验证,硬件优化后算法速度可提高50倍以上。为测试系统性能,本文搭建了完整的软硬件测试平台,移植了嵌入式Linux操作系统以及Qt软件,并且编写了图形界面。最终在Zynq芯片上实现了完整的线缆表观点阵字符识别系统。