汪志成，何堅(jiān)強(qiáng)，翁嘉鑫，苗 榮

(1.江蘇大學(xué)電氣信息工程學(xué)院，江蘇 鎮(zhèn)江 212000；2.鹽城工學(xué)院電氣工程學(xué)院，江蘇 鹽城 224000；3.江蘇怡通控制系統(tǒng)有限公司，江蘇 鹽城 224000)

1 引言

在工業(yè)生產(chǎn)中，產(chǎn)品上壓印字符的內(nèi)容承載著產(chǎn)品的重要信息[1]。對(duì)壓印字符采用自動(dòng)化圖像識(shí)別替代人工識(shí)別有助于提高生產(chǎn)線的生產(chǎn)效率、減少人工成本。壓印字符具有立體感，而且器件表面很多場(chǎng)景下并不平整，因此采集的數(shù)據(jù)質(zhì)量與采集的平面字符數(shù)據(jù)質(zhì)量相比有差距，所以識(shí)別難度較大[2]。

對(duì)于二維字符的識(shí)別，研究學(xué)者提出了許多方法[3-4]，但是這些方法應(yīng)用到壓印字符識(shí)別領(lǐng)域時(shí)，并不滿足預(yù)期，因此在二維字符識(shí)別方法的基礎(chǔ)上需要進(jìn)行一些改進(jìn)。常見的壓印字符識(shí)別方法主要包括基于支持向量機(jī)的方法[5]、基于Gabor濾波器的方法[6]、基于BP神經(jīng)網(wǎng)絡(luò)的方法[7]、基于圓周投影和矢量和的方法[8]。上述方法雖然在壓印字符識(shí)別領(lǐng)域取得了一些進(jìn)展，但是仍存在識(shí)別精度不夠高，實(shí)際應(yīng)用困難等問題。

自2012年卷積神經(jīng)網(wǎng)絡(luò)在ImageNet(ImageNet Large Scale Visual Recognition Challenge，ILSVRC)大賽中取得壓倒性勝利以來，國(guó)內(nèi)外眾多專家學(xué)者對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究，因此卷積神經(jīng)網(wǎng)絡(luò)飛速發(fā)展。其中LeNet-5是一種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)[9]，它被成功地應(yīng)用在手寫數(shù)字識(shí)別領(lǐng)域，自LeNet-5被提出以來，已有多種變形版本被開發(fā)用以解決車牌識(shí)別[10]、交通標(biāo)志識(shí)別[11-12]、人臉識(shí)別[13]、圖像分類[14-16]等任務(wù)。鑒于LeNet-5的強(qiáng)大圖像識(shí)別功能，本文采用LeNet-5對(duì)壓印字符進(jìn)行識(shí)別。為滿足壓印字符識(shí)別對(duì)準(zhǔn)確性、快速性的高要求，對(duì)LeNet-5進(jìn)行了進(jìn)一步的改進(jìn)。

2 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)核心有兩點(diǎn)：卷積和池化。

1)卷積層通過卷積核的卷積操作來提取圖像的特征，公式如式(1)所示

(1)

以及Relu函數(shù)的變式。

2)池化層通過池化操作對(duì)特征圖降維。應(yīng)用最廣的池化方式有兩種：平均池化與最大池化。

平均池化公式如式(2)所示

(2)

最大池化公式如式(3)所示

(3)

式(2)，(3)中，aavg、amax分別代表平均、最大池化值，K代表池化區(qū)域，avg(·)、max(·)分別代表平均池化函數(shù)和最大池化函數(shù)，xij代表池化區(qū)域的第i行、第j列的參數(shù)值。

3 改進(jìn)LeNet-5模型

3.1 傳統(tǒng)LeNet-5模型

LeNet-5網(wǎng)絡(luò)作為卷積神經(jīng)經(jīng)典之一，包含七層結(jié)構(gòu)(主要包括卷積層、池化層、全連接層)，被成功的應(yīng)用在支票編碼識(shí)別，對(duì)卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展具有指導(dǎo)作用，現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)中仍然沿用著它的一些構(gòu)想。LeNet-5結(jié)構(gòu)如圖1所示。但是，壓印字符與手寫數(shù)字相比，識(shí)別難度更大，傳統(tǒng)網(wǎng)絡(luò)的輕型結(jié)構(gòu)已經(jīng)不能滿足壓印字符識(shí)別的高要求。

圖1 LeNet-5網(wǎng)絡(luò)基本結(jié)構(gòu)

3.2 改進(jìn)LeNet-5模型

本文提出了改進(jìn)型LeNet-5網(wǎng)絡(luò)，其主要包括：

1)采用小卷積核。Szegedy等人[17]在文獻(xiàn)[17]中提出了小卷積核的構(gòu)想，并通過實(shí)驗(yàn)證明其有效性。小卷積核能夠在不影響特征提取的前提下，減少網(wǎng)絡(luò)模型的參數(shù)。

更少的參數(shù)可以帶來更快的訓(xùn)練速度，并且可以提取更多特征，而卷積過程是不斷循環(huán)的，這意味著小卷積核方案在多次運(yùn)算中，可以節(jié)省大量的時(shí)間。表1是兩種卷積核方案的對(duì)比。

表1 卷積核比較

2)嵌入Inception-v2卷積模塊。Christian Szegedy在2014年提出了被稱為Inception的全新卷積結(jié)構(gòu)[19]。本文的方法是使用改進(jìn)型的Inception-v2模塊代替LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)中的第五層C5，加深網(wǎng)絡(luò)寬度，提取更多特征。

1)采用全局平均池化。全連接層能夠?qū)矸e、池化后的特征進(jìn)行“投票”分類，但是它的參數(shù)量巨大，占整個(gè)網(wǎng)絡(luò)模型的十分之八。而2014年Min Lin提出了全局平均池化的概念[18]，實(shí)踐證明全局平均池化能夠精簡(jiǎn)網(wǎng)絡(luò)、有效對(duì)整個(gè)網(wǎng)絡(luò)做正則化防止過擬合，因此本文采用全局平均池化代替F6全連接層。

3)采用Relu函數(shù)作為激活函數(shù)。本文采用Relu函數(shù)作為主要激活函數(shù)。Relu函數(shù)的數(shù)學(xué)公式如式(4)所示

(4)

根據(jù)Relu函數(shù)特性可知，Relu函數(shù)在x<0時(shí)硬飽和；當(dāng)x>0時(shí)導(dǎo)數(shù)為1，梯度不衰減。這種特性使Relu函數(shù)具有單側(cè)抑制性，并且使網(wǎng)絡(luò)中的神經(jīng)元具備了稀疏激活性，因此Relu函數(shù)能夠克服Sigmoid函數(shù)的缺點(diǎn)，緩解梯度消失問題，加快模型收斂、提高識(shí)別精度。

模型結(jié)構(gòu)如圖2所示，模型參數(shù)如表2所示。

圖2 改進(jìn)LeNet-5網(wǎng)絡(luò)結(jié)構(gòu)圖

表2 改進(jìn)LeNet-5網(wǎng)絡(luò)參數(shù)

4 實(shí)驗(yàn)結(jié)果與分析

4.1 數(shù)據(jù)集預(yù)處理

本文使用的數(shù)據(jù)集是采用大恒工業(yè)相機(jī)，在實(shí)驗(yàn)室中采集而來，相機(jī)型號(hào)為MER-500-14GM。因?yàn)閷?shí)驗(yàn)樣品有限，采集的壓印字符圖片樣本不足，為了提高本文網(wǎng)絡(luò)模型的識(shí)別精度，本文采用數(shù)據(jù)增強(qiáng)的方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充。擴(kuò)充后的訓(xùn)練集樣本數(shù)達(dá)到5000張，測(cè)試集樣本數(shù)達(dá)到1000張。數(shù)據(jù)集包含7個(gè)字符，分別是0、1、2、5、7、A、M。

壓印字符表面并不平滑，存在光散射，并且字符與背景顏色相近，因此需要對(duì)原始圖像進(jìn)行預(yù)處理才能得到可靠的數(shù)據(jù)樣本。預(yù)處理的過程包括：灰度增強(qiáng)、二值化、字符分割等。采集的原始?jí)河∽址麍D像如圖3所示。

圖3 原始圖像

4.1.1 灰度增強(qiáng)

因?yàn)榻饘俦砻娲嬖诠馍⑸涞膯栴}，因此采集的原始圖像質(zhì)量受到影響，灰度增強(qiáng)的目的是增強(qiáng)圖像的對(duì)比度，突出字符的細(xì)節(jié)，提高識(shí)別的成功率。圖4是原始圖像的灰度直方圖。

圖4 灰度分布直方圖

從圖中可以看出圖像的灰度值，并沒有均勻分布，0-75灰度值幾乎為0；75-125存在峰值，灰度值主要集中在這個(gè)區(qū)間；125-250區(qū)間內(nèi)灰度值少量分布，這就造成了壓印字符圖像的模糊，給識(shí)別帶來難度。因此本文將75-255之間的灰度值均勻分布在0-255之間，以此增強(qiáng)原始圖像的質(zhì)量?；叶戎灯骄蟮膱D像如圖5所示。從圖5可以看出，灰度值平均化后，干擾區(qū)域灰度值增加，與字符區(qū)域差異化增大。與原始圖像相比，字符特征變得更加明顯，有利于接下來的處理。

圖5 灰度增強(qiáng)圖片

4.1.2 二值化

在經(jīng)過灰度變換增強(qiáng)后，接下來需要對(duì)圖像二值化，利用字符與干擾區(qū)域的灰度值差異，提取字符特征。本文采用具有自適應(yīng)性的迭代式閾值分割法，對(duì)壓印字符圖片進(jìn)行二值化，得到壓印字符圖像。如圖6所示。

圖6 二值化圖像

4.1.3 字符分割

在得到二值化圖像后，只需要對(duì)圖像進(jìn)行分割便可得到本文的數(shù)據(jù)集，本文采用的是連通域分割法，通過掃描圖中白色區(qū)域確定字符位置。

最終得到的數(shù)據(jù)集部分樣本如圖7所示。

圖7 可視化數(shù)據(jù)集

4.2 實(shí)驗(yàn)環(huán)境與過程

實(shí)驗(yàn)在MATLAB2016a環(huán)境下實(shí)現(xiàn)，計(jì)算機(jī)處理器型號(hào)為I5-9600KF，主頻3.7GHz，內(nèi)存為16GB，顯卡為Nvidia1060。

實(shí)驗(yàn)開始之前，統(tǒng)一將圖片的大小轉(zhuǎn)換為32*32，初始學(xué)習(xí)率設(shè)置為0.008，批訓(xùn)練樣本數(shù)batch設(shè)置為100，迭代次數(shù)epoch設(shè)置為500，記錄每次迭代的識(shí)別率并繪制曲線圖。識(shí)別流程如下所示：

1)經(jīng)過預(yù)處理的壓印字符圖片，由Iuput layer輸入，圖片尺寸為32*32。

2)圖片輸入后，進(jìn)入1st layer，該層為卷積層。該層的作用是提取壓印字符的特征。小尺寸卷積核卷積操作后得到6幅特征圖，特征圖尺寸為28*28，再經(jīng)過激活函數(shù)添加非線性特征后輸出。

3)上一層卷積操作得到的特征圖，進(jìn)入2nd Layer。該層是池化層，作用對(duì)輸入特征圖進(jìn)行降維，減少參數(shù)、降低在識(shí)別壓印字符時(shí)發(fā)生過擬合的概率。該層會(huì)輸出6張?zhí)卣鲌D，尺寸為14*14。

4)上一層池化操作得到特征圖，進(jìn)入3rd layer。該層是卷積層，作用與1st layer相似，進(jìn)一步提取壓印字符的特征，從此層開始，壓印字符圖像更加抽象化，如圖8所示，人眼已無法分辨圖像。該層輸出16幅特征圖，尺寸為10*10。

5)上一層得到高度抽象化的16幅特征圖進(jìn)入4th layer。該層也是池化層，作用與2nd laye相同，對(duì)降維圖像降維，最后輸出16幅特征圖，尺寸為5*5。

6)5th layer是Inception-v2模塊層。不同于1st layer和3rd layer的單層卷積結(jié)構(gòu)。Inception-v2層由1*1卷積模塊、3*3池化模塊、3*3卷積模塊、級(jí)聯(lián)3*3卷積模塊組成。Inception-v2各模塊的通道數(shù)分別為24、32、24、64。各模塊操作完成后會(huì)進(jìn)行聚合過程，最終輸出128張?zhí)卣鲌D，尺寸為5*5。

7)經(jīng)過Inception-v2卷積聚合后得到的128幅特征圖，輸入6th layer，該層是池化層。不同于2nd layer和4th layer，該層池化操作是針對(duì)整幅特征圖。池化方式是將5*5特征圖內(nèi)的25個(gè)參數(shù)值求平均值，然后輸出。因此特征圖尺寸降維為1*1，最后輸出128幅1*1的特征圖。

8)網(wǎng)絡(luò)模型的最后一層為Output layer，采用softmax分類器。

部分特征圖可視化如圖8所示。

圖8 部分可視化特征圖

4.3 實(shí)驗(yàn)結(jié)果對(duì)比

4.3.1 改進(jìn)LeNet-5網(wǎng)絡(luò)性能對(duì)比

傳統(tǒng)LeNet-5網(wǎng)絡(luò)模型識(shí)別率曲線如圖9所示。迭代500次，在前50次迭代中，曲線波動(dòng)明顯，識(shí)別率僅達(dá)到約60%，在迭代到100次時(shí)曲線趨于平穩(wěn)，識(shí)別率達(dá)到94.2%。

圖9 傳統(tǒng)LeNet-5識(shí)別率曲線圖

將本文的LeNet-5網(wǎng)絡(luò)模型，在同一數(shù)據(jù)集中進(jìn)行訓(xùn)練，迭代500次，識(shí)別率曲線如圖10所示。從圖中可以看出，在前50次迭代中，識(shí)別率快速上升，短時(shí)間內(nèi)達(dá)到約96%。在150次迭代后，識(shí)別率曲線趨于平穩(wěn)，達(dá)到98.57%。對(duì)比圖9，10可以看出，相比較于傳統(tǒng)LeNet-5網(wǎng)絡(luò)，改進(jìn)后的LeNet-5網(wǎng)絡(luò)的識(shí)別率與收斂速度都有了大幅的提高，證明了本文改進(jìn)LeNet-5網(wǎng)絡(luò)的優(yōu)越性。

圖10 改進(jìn)LeNet-5識(shí)別率曲線

4.3.2 不同學(xué)習(xí)率對(duì)比

表3記錄了不同學(xué)習(xí)率下改進(jìn)LeNet-5網(wǎng)絡(luò)的識(shí)別精度。從表中可以看出，在其它參數(shù)條件不變的情況下，學(xué)習(xí)率對(duì)識(shí)別精度也具有較大影響。本文共實(shí)驗(yàn)了四種學(xué)習(xí)率，可以發(fā)現(xiàn)從0.001開始，識(shí)別精度逐漸提高，但是在0.009時(shí)識(shí)別精度呈現(xiàn)出下降趨勢(shì)，因此綜合考慮后本文將網(wǎng)絡(luò)模型的初始學(xué)習(xí)率設(shè)置為0.008。

表3 不同學(xué)習(xí)率對(duì)比

4.3.3 不同算法識(shí)別結(jié)果

表4為3種算法在同一數(shù)據(jù)集下的識(shí)別率對(duì)比。從表中可以看出改進(jìn)的LeNet-5網(wǎng)絡(luò)的識(shí)別率達(dá)到98.57%，與傳統(tǒng)LeNet-5、BP神經(jīng)網(wǎng)絡(luò)相比，識(shí)別率分別獲得了4.37%和3.47%的提升。這證明了本文改進(jìn)方法的有效性，使網(wǎng)絡(luò)具備了更好的識(shí)別、分類能力。

表4 不同方法識(shí)別率對(duì)比

5 結(jié)論

本文針對(duì)傳統(tǒng)網(wǎng)絡(luò)識(shí)別精度不夠的問題，改進(jìn)了LeNet-5網(wǎng)絡(luò)，得到了本文網(wǎng)絡(luò)的模型結(jié)構(gòu)以及模型參數(shù)參數(shù)。在本文數(shù)據(jù)集上進(jìn)行多次實(shí)驗(yàn)，證明了本文改進(jìn)網(wǎng)絡(luò)的有效性，識(shí)別率達(dá)到98.57%；在不同的學(xué)習(xí)率下進(jìn)行實(shí)驗(yàn)，證實(shí)了學(xué)習(xí)率能夠影響網(wǎng)絡(luò)的識(shí)別精度，并找到了適合本文網(wǎng)絡(luò)的學(xué)習(xí)率；與傳統(tǒng)LeNet-5網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)對(duì)比，在參數(shù)減少的情況下，識(shí)別率提高了3到4個(gè)百分點(diǎn)，驗(yàn)證了本文網(wǎng)絡(luò)的優(yōu)越性。