[发明专利]一种基于深度学习网络的手机导光板模号识别方法

说明书

本发明公开了一种基于深度学习网络的手机导光板模号识别方法：采集导光板图像F，传到上位机进行处理，对导光板图像F进行倾斜校正处理得到倾斜校正后的导光板图像F′；在导光板图像F′上截取模号区域，得到手机导光板模号区域图像M作为模号识别网络的输入进行模号识别，获得模号位置以及模号数字结果；所述倾斜校正处理包括对导光板图像F进行灰度拉伸、边缘检测、最小二乘法线段拟合获得导光板四条边界所在的直线方程以及边界线段的端点坐标，然后计算边界所在直线两两交点坐标和计算边界线段最小距离，利用投影变换进行倾斜校正。利用本发明的方法能用以根据导光板上的模号数字的奇偶来区分导光板。

技术领域

本发明涉及图像识别领域，具体是一种基于深度学习网络的手机导光板模号识别方法。

背景技术

导光板(light guide plate)是利用光学级的亚克力/PC板材，然后用具有极高反射率且不吸光的高科技材料，在光学级的亚克力板材底面用激光雕刻、V型十字网格雕刻、UV网版印刷技术印上导光点。导光板是背光模组中的关键组件，其主要功能是将LED发出的点光源转化为均匀的面光源，通过导光板上导光点疏密排布，使得导光板均匀发光。由于导光板具有体积小、发光均匀且发光效率高等优点，因此被广泛应用于液晶显示器背光源、超薄广告灯箱、医疗X光看片器、平板型的灯饰照明、亮光工程的光效运用、发光标示牌等场合。手机导光板是背光模组的重要组成部分，其质量直接影响屏幕的显示效果。在手机导光板生产线上，手机导光板具有一模两穴的特点，即一组模具，同时生产出两片导光板，而在视觉的缺陷检测中，出于工业控制流程复杂性与经济性方面的考虑，在检测过程中，两片导光板的检测会共用一套视觉成像装置，用于图像采集与工业检测。为了避免两片导光板在检测过程中产生混乱，需要根据导光板上的模号数字的奇偶来区分导光板具体来自哪条生产线。

发明内容

本发明要解决的技术问题是提供一种基于深度学习网络的手机导光板模号识别方法，用以根据导光板上的模号数字的奇偶来区分导光板。

为了解决上述技术问题，本发明提供一种基于深度学习网络的手机导光板模号识别方法，包括步骤如下：采集导光板图像F，传到上位机进行处理，对导光板图像F进行倾斜校正处理得到倾斜校正后的导光板图像F′；在导光板图像F′上截取模号区域，得到手机导光板模号区域图像M作为模号识别网络的输入进行模号识别，获得模号位置以及模号数字结果；

所述倾斜校正处理包括对导光板图像F进行灰度拉伸、边缘检测、最小二乘法线段拟合获得导光板四条边界所在的直线方程以及边界线段的端点坐标，然后计算边界所在直线两两交点坐标和计算边界线段最小距离，利用投影变换进行倾斜校正。

作为本发明的一种基于深度学习网络的手机导光板模号识别方法的改进：

所述灰度拉伸为：

使用线性灰度变换对所述导光板图像F进行线性拉伸获得导光板灰度拉伸图像，线性灰度变换公式如下：

其中，f(x,y)为初始图像，g(x,y)为初始图像经过线性变换后的输出图像，[a,b]为初始图像f(x,y)中需调整的灰度范围区间，[m,n]为调整后g(x,y)中对应的灰度范围区间。

作为本发明的一种基于深度学习网络的手机导光板模号识别方法的进一步改进：

所述边缘检测为：

采用高斯导数滤波对所述导光板灰度拉伸图像进行边缘检测，分别在x方向、y方向进行滤波，获得手机导光板边缘图像，得到导光板上下横向边界、左右纵向边界所在边缘，若高斯模板的尺寸为(2k+1)×(2k+1)，则高斯模板H(x,y)中元素值为：

其中σ是高斯滤波器的标准差，i、j分别对应高斯模板中横、纵坐标的索引；

二维高斯函数在x方向、y方向上的偏导数为：