【技術實現步驟摘要】
本專利技術涉及圖像識別，特別是一種基于圖像語義分割的工業級光學字符識別方法。
技術介紹
1、在卷煙工廠的制絲產線，煙葉備料是重要的生產環節。如果備料環節出現失誤，輕則影響生產效率，重則導致質量事故，造成巨大的經濟損失。
2、煙葉備料是通過物料小車實現的，每輛物料小車都有自己的編號。每批次煙葉要使用哪些編號的物料小車是由mes系統提前設定好的。因此，在煙葉批次生產投料前確保實到物料小車的編號同mes預先設定的編號一致，以確保正確投料就成了重要任務。
3、目前對批次物料小車編號進行核查采用的是人工方式。這種方式不僅占用人力，而且無法完全做到實時監控。隨著圖像識別技術的發展，通過該技術對物料小車編號進行實時核查成為可能。
4、通過監控攝像頭對某些區域內的物料小車編號進行監測時，通常會存在如下幾個問題：(1)傳統光學字符識別技術對光照變化敏感，不夠魯棒，易出現誤識。(2)基于深度學習的檢測方法，對于物料小車出現偏移時，容易出現檢測不到或檢測區域過大的問題，給光學字符識別帶來諸多不確定性。(3)字符長期使用會出現磨損，缺失等損傷，會對檢測算法造成影響，從而影響檢測結果。
5、而經典的語義分割網絡前半部分多采用卷積神經網絡進行下采樣操作，用于抽取圖像的語義特征，后半部分多采用反卷積神經網絡進行上采樣操作，以補齊邊緣等細節信息。其網絡結構如圖1所示，經典網絡結構有如下幾個不足：
6、(1)網絡分割的邊界較模糊，用在本方案的字符識別中會造成分割結果不利于后續的字符識別。
7
技術實現思路
1、為解決現有技術中存在的問題，本專利技術的目的是提供一種基于圖像語義分割的工業級光學字符識別方法，本專利技術采用了圖像識別技術來進行物料小車編號的核查，在解放人力的同時，也確保了核查的實時性和準確性。
2、為實現上述目的，本專利技術采用的技術方案是：一種基于圖像語義分割的工業級光學字符識別方法，包括以下步驟：
3、步驟1、通過能夠獲取實時視頻的監控攝像頭拍攝物料小車所在區域，輸出rgb圖像；
4、步驟2、離線過程中，對攝像頭采集到的數據進行標注，并利用標注的數據對自主改進的語義分割深度卷積網絡模型進行訓練，得到語義分割深度卷積網絡模型參數的權重；
5、步驟3、在線過程中，根據離線過程中得到的語義分割深度卷積網絡模型及其參數進行前向推理，得到圖像分割的結果，對分割結果做進一步處理后，得到最終結果。
6、作為本專利技術的進一步改進，在步驟2中，自主改進的語義分割深度卷積網絡模型包括語義分割網絡、自殘差模塊和跨域殘差模塊；所述語義分割網絡的前半部分和后半部分分別增加所述自殘差連接，用于增加網絡的抗干擾能力，所述語義分割網絡的前半部分和后半部分之間增加所述跨域殘差模塊連接，并增加可訓練參數來控制不同殘差連接的權重，從而將網絡前半部分的細節信息傳遞給網絡后半部分，減輕結果的模糊程度。
7、作為本專利技術的進一步改進，在步驟3中，還包括：在時序上將相鄰幾幀的圖像聯合起來進行判斷，對分割結果做進一步處理。
8、作為本專利技術的進一步改進，在步驟3中，對分割結果做進一步處理具體包括：
9、先對得到的圖像進行圖像開操作，除去分割圖像中面積較小的噪點，再通過圖像閉操作對分割圖像進行恢復。
10、本專利技術的有益效果是：
11、本專利技術在技術層面，通過使用自主改進的語義分割深度卷積神經網絡模型，改進了圖像分割效果，使在光照有變化、標識有磨損以及小車有偏移的情況下，增強了系統的魯棒性，從而提高了字符識別的準確率；在應用層面，通過將本專利技術應用于物料小車編號識別，達到了以下實際效果：(1)可實時監測現場實際批次備料中的煙葉在數量和配料上是否正確，如有差錯及時報警，從而保證產前批次煙葉備料可按量按質準確到位。(2)將批次煙葉備料核查工作由人工方式轉變為自動方式，從而解放了人力資源。
本文檔來自技高網...【技術保護點】
1.一種基于圖像語義分割的工業級光學字符識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于圖像語義分割的工業級光學字符識別方法，其特征在于，在步驟2中，自主改進的語義分割深度卷積網絡模型包括語義分割網絡、自殘差模塊和跨域殘差模塊；所述語義分割網絡的前半部分和后半部分分別增加所述自殘差連接，用于增加網絡的抗干擾能力，所述語義分割網絡的前半部分和后半部分之間增加所述跨域殘差模塊連接，并增加可訓練參數來控制不同殘差連接的權重，從而將網絡前半部分的細節信息傳遞給網絡后半部分，減輕結果的模糊程度。
3.根據權利要求1所述的基于圖像語義分割的工業級光學字符識別方法，其特征在于，在步驟3中，還包括：在時序上將相鄰幾幀的圖像聯合起來進行判斷，對分割結果做進一步處理。
4.根據權利要求1所述的基于圖像語義分割的工業級光學字符識別方法，其特征在于，在步驟3中，對分割結果做進一步處理具體包括：
【技術特征摘要】
1.一種基于圖像語義分割的工業級光學字符識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于圖像語義分割的工業級光學字符識別方法，其特征在于，在步驟2中，自主改進的語義分割深度卷積網絡模型包括語義分割網絡、自殘差模塊和跨域殘差模塊；所述語義分割網絡的前半部分和后半部分分別增加所述自殘差連接，用于增加網絡的抗干擾能力，所述語義分割網絡的前半部分和后半部分之間增加所述跨域殘差模塊連接，并增加可...
【專利技術屬性】
技術研發人員：韓英軍，郭非，金鑫，郭睿涵，羅春曉，李旭東，胡武，胡華，
申請(專利權)人：四川中煙工業有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。