[发明专利]一种基于非精确切分的工业字符检测流程

说明书

本发明公开了一种基于非精确切分的工业字符检测流程，属于通用机器视觉技术领域，包括离线阶段和在线检测阶段，在离线阶段得到字符参考模型，用于在线检测阶段中；其中在线检测阶段中，在图像分割中，采用改进最大稳定极值区域算法，增加了算法的鲁棒性；在字符分割中，对于非粘连字符和粘连等宽字符，采用投影分割的方式进行字符分割；若字符是粘连非等宽字符，则采用投影极值的方式进行字符分割。可以通过一边识别、一边分割的方式很好地确定字符的位置，降低了在线阶段的字符分割难度。

技术领域

本发明属于通用机器视觉技术领域，具体涉及一种基于非精确切分的工业字符检测流程。

背景技术

工业字符检测属于机器视觉技术领域，被广泛应用于工业生产过程中，例如：为了产品的可追溯，在产品上贴上序列号，这些序列号都需要读取并记录；还有某些场景使用序列号来控制生产流程。

当前光学字符检测主要分为传统的基于分割识别的方法和深度学习的方法。传统的方法主要分为两个步骤：将字符分割成单个字符和单个字符的分类。深度学习方法，可以将字符的识别和定位一起完成。但是后者需要大量的样本作为基础，对于工业普遍的应用场景，更多的希望通过少量的(或者1张)图片实现识别的任务。

中国发明专利申请CN108898137A(一种基于深度神经网络的自然图像字符识别方法及系统)中，识别方法包括图像采集融合、字符定位、字符识别以及合理性判断的步骤，系统包括图像采集融合单元、字符检测单元、字符识别单元和合理性判断单元；字符检测单元通过训练得到的字符探测器自动定位图像中字符所在区域，字符识别单元可将字符分为中文、英文和数字三大类后，在对相应类别的字符进行识别，合理性判断单元将其与基于字符的LSTM模型预测结果融合，提高中文连续字符识别的合理性。这种识别方法和系统能够智能识别自然图像中的字符，最大程度地模拟人脑，具有较高的鲁棒性和识别精度。中国发明专利申请CN110807453A(基于OCR的产品字符在线检测方法、装置及系统)中，首先用机器视觉镜头获取待检测产品的字符画面，对字符画面中的所有字符进行识别并排序后，得到一一对应的字符检测项和检测值，对每个检测值中的每个字符进行OCR识别，得到识别结果，将识别结果与对应的预定检测结果进行比对，若两者完全相同，则判定字符检测通过，反之则判定不通过。上述两件专利申请中，都是直接对采集到的图像中字符进行识别后比对判断，需要将识别结果与模型进行对比，因此增加了识别的运算量，识别效率较低。

中国发明专利申请CN101576956A(基于机器视觉的在线字符检测方法和系统)中，公开了一种在线字符检测方法，该方法包括图像预处理、目标提取、字模提取、字符序列模式产生、字符检测等多个软件模块，可形成产品建立操作流程和字符实时检测流程这两个独立的流程；其硬件设备包括摄像机、光源、图像采集卡和计算器，摄像机用来在线采集包含字符的图像，图像经图像采集卡传送至计算机，光源是包围摄像机的环形光源，在计算机内部存储有对参考图像进行预处理、目标提取和字模提取后生成的数据以及字符序列模式数据，并存储有对图像进行预处理、目标定位以及字符检测软件，用于对静态字符序列、动态字符序列和空字符进行在线检测；这种检测方法结合了图像处理、模式识别、机器视觉技术，能够有效提取目标和字符的特征信息，并进行检测，鲁棒性强，能够有效降低由于环境或其他因素导致的亮度、对比度、质量、字符笔画等图像变化的影响，可实现快速字符区域定位，实现字符的在线检测。采用该专利申请中的方法进行字符检测时，若字符之间存在粘连，则难以有效地提取出字符，并对字符进行检测，因此不适用于存在粘连字符的工业测量。

因此，需要开发出一种更好的算法，适合非精确切分的工业字符检测流程，可以针对粘连字符实现在线及离线的工业测量，并能够快速识别所有字符。

发明内容

本发明欲解决的技术问题是现有技术中在非精确切分的工业字符检测中，当字符存在粘连时，检测难度大，难以快速、准确地同时实现字符的识别和定位等技术问题。