[发明专利]一种基于深度神经网络的铝材模具ID自动识别系统

说明书

本发明公开了一种基于深度神经网络的铝材模具ID自动识别系统，包括手持移动终端及后台系统，所述手持移动终端包括图像采集模块、数据传输模块和逻辑控制模块；所述后台系统包括数据传输模块、图像处理模块、特征提取模块、字符识别模块和网络训练模块；所述逻辑控制模块调用图像采集模块，获取模具ID编码的图像并通过数据传输模块发送至图像处理模块处理提取图像特征，将图像特征传送至字符识别模块识别结果，将结果通过数据传输模块发送至手持移动终端。本申请采用深度神经网络方法自动识别图像中的模具ID编码，无需人工干预，同时解决了现有二维码标签不能耐高温、耐酸洗的问题，直接读取模具表面的ID编码，减少成本。

技术领域

本发明涉及智能识别领域，具体涉及一种基于深度神经网络的铝材模具ID自动识别系统及方法。

背景技术

铝材包括工业型材及建筑型材在内的多种类型，不同类型的铝材生产工艺不同、难度不一。传统的铝材生产绩效评价以重量为单位，这种粗放的绩效评价方式导致底层员工和车间主管偏向于生产工艺较为简单的建筑型材，而不愿生产工艺难度大、利润水平高、成品率低的工业型材。因此，通过信息化的手段记录铝材生产过程中的工艺参数、能耗数据以及产品参数，计算单个产品成本和利润，从而实现以产品系数为单位的绩效考核，对于提升铝材企业的管理水平和生产质量，有着极其重要的作用。

铝材型号是生产过程的重要产品参数之一，通过读取挤压所使用的模具ID编码决定铝材型号，模具ID编码是激光机雕刻在模具表面一连串字符编码，常用的读取方法包括人工记录和二维码标签，人工读取方式受操作员素质影响，存在漏读、读取不及时的现象，从而导致产品成本估算不准确，无法进行精准的绩效考核；而二维码标签在铝材模具加工过程的高温、酸洗环境中无法二次使用，导致浪费大量标签，管理成本高。

因此需要对现有的铝材型号模具ID识别方法进行进一步的改进。

发明内容

为了解决上述技术问题，本发明的提供一种智能读取二维码标签，管理成本低的基于深度神经网络的铝材模具ID自动识别系统。

为实现上述目的，本发明采取的技术方案如下：一种基于深度神经网络的铝材模具ID自动识别系统，包括手持移动终端及后台系统，

所述手持移动终端包括图像采集模块、数据传输模块和逻辑控制模块；

所述图像采集模块用于采集模具ID编码的图像；所述逻辑控制模块用于对字符识别结果进行逻辑判断；所述数据传输模块用于在手持移动终端和后台系统之间传输数据；

所述后台系统包括数据传输模块、图像处理模块、特征提取模块、字符识别模块和网络训练模块；

其中所述图像处理模块、特征提取模块和字符识别模块配合形成模具ID识别网络；所述特征提取模块和字符识别模块又配合形成目标检测网络；所述图像处理模块又包括图片翻转检测网络和图像预处理模块；所述字符识别模块又包括区域候选网络和R-CNN网络；

所述图像处理模块用于对图像进行尺寸修正、亮度调整预处理；所述特征提取模块采用深度卷积残差网路对图像进行特征提取；所述字符识别模块采用深度神经网络决策模型对图像特征进行字符检测和识别；所述网络训练模块用于训练识别字符所用的深度神经网络决策模型；

所述逻辑控制模块调用图像采集模块，通过图像采集模块获取模具ID编码的图像并对对图像中的字符识别结果进行逻辑判断，然后将图像及逻辑判断结果通过数据传输模块发送至图像处理模块，实现对图像的预处理，将预处理后的图像传送特征提取模块，提取图像特征，将图像特征传送至字符识别模块，字符识别模块输出识别结果，将结果再通过数据传输模块发送至手持移动终端。

优选地，所述逻辑控制模块的逻辑判断流程如下：

逻辑判断S1:调用图像采集模块对模具ID进行拍照；