[发明专利]马赫带效应模拟的点光源金属钢印文字检测方法

说明书

本发明涉及一种马赫带效应模拟的点光源金属钢印文字检测方法，含有以下步骤：1、在点光源下使用面阵相机对待检测金属钢印进行拍照，得到一帧输入图像数据；2、对输入图像数据进行预处理操作；3、建立基于马赫带的自求商模拟图像；4、根据整型或浮点型量化形式使用映射函数将自求商模拟图像的值域进行归一化；5、将归一化后的图像输入基于深度神经网络的文字检测器，得到文字包络区域；6、将文字包络区域进行透视变换，求解透视变换矩阵；7、将透视变换后的图像输入光字符识别网络，得到金属钢印文字的识别结果；本发明使用点光源对金属钢印文字进行检测，降低了检测装置的复杂度、限定程度及装置规模，检测准确度高，速度快，成本低。

技术领域：

本发明涉及一种文字检测方法，特别涉及一种马赫带效应模拟的点光源金属钢印文字检测方法。

背景技术：

金属零件(如变速箱)的箱体外侧面上或者电机、内燃机外壳的侧面上的铭牌上通常都会打上钢印，所打的钢印文字或凸起或凹陷，在工业化生产中或其它自动化过程中，当要用到某一金属零件时，就需要对其身份进行识别，即需要对金属零件外壳侧面上的钢印进行文字检测，目前的检测方法主要有：

使用同轴光源打出文字基线的高光区域。由于此方法对光源的调试要求较高，通常使用在批量生产的流水线上，而对于灵活配置或动态配置的单件生产线而言没有实用意义。

另一种方法是使用激光线扫描方式或使用ToF或其他深度相机获取金属零件某视角的三维点云，并得到文字凸凹特征，并进行光字符识别。此方法不仅对调试的要求较高，而且对金属零件的位姿有一定的要求，因而对于没有确切零件位姿的情况下，无法进行光字符识别。

目前随着深度神经网络的推广，光字符识别可以实现检测文字区域并提供透视变换信息，对透视变换后的区域进行文字识别的功能。传统的基于模板匹配、二值化特征提取等方法在准确度、处理速度、高容错等方面均弱于深度神经网络方法，而上述常见的钢印光字符识别方法只能通过二值化特征提取等基于分割的方法完成，性能上存在不足。

对于工业光源而言，高斯光、同轴光意味着设备臃肿，检测区域庞大，占地面积大，无法灵活嵌入到常见的紧凑环境中。

然而，不使用理想光源则会导致凹凸不平的物体在光源下产生的高频特征不一致性。一种极端例子是，点光源是光源不均衡的极端表现形式，目前的检测系统难以克服点光源产生的高光、阴影、高频特征不一致的问题。同时，现有的集成度高的自带主动光源的工业相机，无法在高强度曝光的环境下正常使用。

因此，现有的设备和方法无法满足视觉检测应用场景的多样性。

发明内容：

本发明要解决的技术问题是：提供一种马赫带效应模拟的点光源金属钢印文字检测方法，该方法极大程度上降低了检测装置的复杂度、限定程度及装置规模，检测准确度高，速度快，成本低。

本发明的技术方案：

一种马赫带效应模拟的点光源金属钢印文字检测方法，含有以下步骤：

步骤一、使面阵相机面向待检测金属钢印，待检测金属钢印区域位于面阵相机视野内，在点光源下用面阵相机进行拍照，捕捉到一帧待检测金属钢印的输入图像数据；

步骤二、对面阵相机的输入图像数据进行预处理操作，经过预处理操作后得到图像S；

步骤三、基于马赫带效应建模，使用图像S建立基于马赫带的自求商模拟图像R；

马赫带效应是一种心理学视觉效应，即人对物体的明暗边界具有主动增强的能力，同时能够在亮度缓慢变化的区域内消除亮度的不一致性的视觉能力。

得到的马赫带模拟图像R的幅值不处于归一化的范围，但大部分位于0附近；

步骤四、根据整型或浮点型量化形式使用映射函数将自求商模拟图像R的值域进行归一化，得到待输入深度神经网络的图像U；