[发明专利]基于机器视觉的钢卷号识别方法、系统、设备及存储介质在审
| 申请号: | 202010211604.6 | 申请日: | 2020-03-24 |
| 公开(公告)号: | CN111259908A | 公开(公告)日: | 2020-06-09 |
| 发明(设计)人: | 刘斌;庞殊杨;田谦 | 申请(专利权)人: | 中冶赛迪重庆信息技术有限公司;中冶赛迪上海工程技术有限公司 |
| 主分类号: | G06K9/34 | 分类号: | G06K9/34;G06K9/20 |
| 代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 尹丽云 |
| 地址: | 401122 重庆*** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 机器 视觉 钢卷号 识别 方法 系统 设备 存储 介质 | ||
1.一种基于机器视觉的钢卷号识别方法,其特征在于,所述方法包括以下步骤:
在光源照射下采集钢卷的端面图像;
提取所述端面图像包含钢卷号的弧形区域;
对所述弧形区域进行弧形拉直得到平直的钢卷号图像;
分割所述钢卷号图像得到字符图像;
识别每个所述字符图像并按序排列得到钢卷号。
2.根据权利要求1所述的基于机器视觉的钢卷号识别方法,其特征在于,所述在光源照射下采集钢卷的端面图像的步骤,包括:
利用光源与相机配合采集所述钢卷的端面图像;其中,所述光源为投光灯,安装于钢卷端面的侧上方,所述相机为面阵相机且正对所述钢卷的端面。
3.根据权利要求1所述的基于机器视觉的钢卷号识别方法,其特征在于,所述提取所述端面图像包含钢卷号的弧形区域的步骤之前,还包括:预处理所述端面图像得到符合预设标准的端面图像。
4.根据权利要求1所述的基于机器视觉的钢卷号识别方法,其特征在于,所述提取所述端面图像包含钢卷号的弧形区域的步骤,包括:利用深度学习算法提取所述端面图像包含钢卷号的弧形区域。
5.根据权利要求1所述的基于机器视觉的钢卷号识别方法,其特征在于,所述对所述弧形区域进行弧形拉直得到平直的钢卷号图像的步骤,包括:利用仿射变换拉伸所述弧形区域得到平直的钢卷号图像。
6.根据权利要求1所述的基于机器视觉的钢卷号识别方法,其特征在于,所述识别每个所述字符图像并按序排列得到钢卷号的步骤,包括:识别每个字符图像得到相应的文字识别结果,将所述文字识别结果按顺序进行组合得到钢卷号。
7.根据权利要求1或6所述的基于机器视觉的钢卷号识别方法,其特征在于,所述钢卷号包括钢的规格、长度、重量、生产年份及生产厂商。
8.一种基于机器视觉的钢卷号识别系统,其特征在于,包括:
图像采集模块,安装于钢卷的圆形端面的正对方,用于采集钢卷的端面图像;
光源模块,安装于所述钢卷的圆形端面的侧上方,用于图像采集模块采集图像时补光;
计算机终端,连接所述图像采集模块与光源模块,用于提取所述端面图像包含钢卷号的弧形区域;对所述弧形区域进行弧形拉直得到平直的钢卷号图像;分割所述钢卷号图像得到字符图像;识别每个所述字符图像并按序排列得到钢卷号。
9.一种基于机器视觉的钢卷号识别的电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行权利要求1~7任一项所述的基于机器视觉的钢卷号识别方法。
10.一种计算机可读存储介质,其特征在于,存储至少一种程序,所述至少一个程序在被调用并执行时实现权利要求1-7中任一项所述的基于机器视觉的钢卷号识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶赛迪重庆信息技术有限公司;中冶赛迪上海工程技术有限公司,未经中冶赛迪重庆信息技术有限公司;中冶赛迪上海工程技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010211604.6/1.html,转载请声明来源钻瓜专利网。





