張忍

摘要：字符識(shí)別技術(shù)作為自動(dòng)化領(lǐng)域的熱門話題，在很多行業(yè)都發(fā)揮著重要的作用。OCR技術(shù)的一般由圖像預(yù)處理，字符分割，識(shí)別三個(gè)主要部分組成。然而，此技術(shù)在金屬閥門表面的字符識(shí)別的應(yīng)用還很少。對(duì)于金屬閥門而言，表面字符的作用是用來(lái)標(biāo)識(shí)閥門型號(hào)，序列號(hào)等重要信息;在生產(chǎn)過(guò)程中，對(duì)表面字符的檢測(cè)構(gòu)成其生產(chǎn)制造的重要環(huán)節(jié)。本文中使用圖像處理和OCR技術(shù)相結(jié)合的方法，實(shí)現(xiàn)了金屬閥門表面的字符識(shí)別。首先使用工業(yè)相機(jī)和光源搭建光學(xué)系統(tǒng)來(lái)拍攝閥門原圖像。之后對(duì)獲取的圖像進(jìn)行預(yù)處理，剔除有字符缺陷的閥門。最后基于卷積神經(jīng)網(wǎng)絡(luò)完成字符識(shí)別算法。實(shí)驗(yàn)結(jié)果表明，用CNN可以實(shí)現(xiàn)字符的高識(shí)別率。

關(guān)鍵詞：字符識(shí)別;光學(xué)系統(tǒng);圖像預(yù)處理;CNN

1.光學(xué)系統(tǒng)設(shè)計(jì)

1.1光源設(shè)計(jì)

輔助光源是機(jī)器視覺(jué)系統(tǒng)關(guān)鍵組成部分之一[7]，直接從源頭上影響到輸入圖像的質(zhì)量。圖像的過(guò)暗或過(guò)亮都會(huì)給處 理及識(shí)別帶來(lái)很大影響，雖然可以通過(guò)圖像增強(qiáng)等方式對(duì)其進(jìn)行改善，但有時(shí)原圖的曝光不當(dāng)會(huì)直接導(dǎo)致原始信息的缺失，以及圖像局部過(guò)亮或過(guò)暗的情況，都很難在圖像處理過(guò)程中得以校正。由于金屬表面的反光特性，通常所成的圖像都會(huì)存在明暗不均的問(wèn)題，因此選擇合適的輔助光源是至關(guān)重要的一步。輔助光源的作用主要在于使物體表面均勻曝光，從而提升原始圖像的質(zhì)量。根據(jù)光源照射形式的不同，主要可以分為面陣光源、條形光源以及環(huán)形光源等，如圖2-1所示。

1.1.1打光效果分析

在進(jìn)行光學(xué)實(shí)驗(yàn)時(shí)要考慮金屬閥門自身的特點(diǎn)：

（1）圓柱形物體，字符信息分布在曲面上。

（2）金屬表面反光。

兩種打光方式拍攝的圖像如圖 2-1-1所示。圖中A為條光打光效果;B為平行面光源打光效果。

圖A是條形光在側(cè)面打光的方式。因?yàn)樽址谇嫔希圆旁斐闪斯饩€反射到相機(jī)的強(qiáng)度不一致，在圖像上則呈現(xiàn)出明暗不均。這會(huì)對(duì)字符識(shí)別造成干擾。圖B是采用面光源從閥門的正上方進(jìn)行打光，光線是以一種平行于物體表面的方式打亮閥門工件的表面。可以看出圖像不會(huì)出現(xiàn)明暗不均的問(wèn)題，并且一個(gè)面光源就可以覆蓋整個(gè)曲面。實(shí)驗(yàn)結(jié)果表明，采用一個(gè)面光源從閥門正上方進(jìn)行打光的方式可以拍攝到均勻性較好的圖像。

1.2光學(xué)系統(tǒng)

經(jīng)觀察閥門表面有12個(gè)字符信息，經(jīng)過(guò)分析論證，決定采用3個(gè)面陣相機(jī)進(jìn)行圖像的采集。通過(guò)對(duì)各種打光方式的對(duì)比，最終選用一個(gè)面光源由上至下進(jìn)行垂直打光。

2字符識(shí)別算法

2.1圖像預(yù)處理

通過(guò)實(shí)驗(yàn)，發(fā)現(xiàn)使用尺寸為3×3的中值濾波器可以有效地去除背景噪聲。不同類型的字符圖像及濾波結(jié)果如圖2-1所示。圖1（a）-（c）顯示了：表面劃痕，局部凹坑，表面鋼印，3種字符圖像。在每種情況下，A為原始圖像，B為濾波后的圖像，C為提取到的字符信息。

2.2字符分割

將圖像預(yù)處理階段提取到的字符信息先進(jìn)行二值化等處理，之后通過(guò)垂直投影法進(jìn)行分割。

本文中主要通過(guò)改變訓(xùn)練集的字符數(shù)量，測(cè)試對(duì)識(shí)別結(jié)果的影響。實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)如表1：

實(shí)驗(yàn)結(jié)果表明，改進(jìn)的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)手寫數(shù)字識(shí)別模型，在訓(xùn)練集數(shù)據(jù)足夠多的情況下，進(jìn)行金屬閥門表面的字符識(shí)別時(shí)可以達(dá)到99%的識(shí)別率。

參考文獻(xiàn)：

[1]郝輝，哈力木拉提·買買提，喬薩礎(chǔ)拉，等.字符識(shí)別研究現(xiàn)狀和發(fā)展趨勢(shì)計(jì)量分析[J].現(xiàn)代電子技術(shù)，2018，41（22）：154-158.

[2]王文華.淺談 OCR 技術(shù)的發(fā)展和應(yīng)用[J].福建電腦，2012，28（6）：56+92.

[3]陳利.基于深度學(xué)習(xí)的車牌識(shí)別系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（6）：85-89.

[4]王志瑜.基于 OCR 成績(jī)單錄入系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].吉林大學(xué)，2015.

[5]索玉秀.基于 OCR 技術(shù)的名片識(shí)別方法研究[D].哈爾濱理工大學(xué)，2015.