歐陽家斌，胡維平，劉北北，2，劉文揚

1.廣西師范大學(xué) 電子工程學(xué)院，廣西 桂林 541000

2.中國科學(xué)院 自動化研究所 蘇州研究院，江蘇 蘇州 215000

保險絲線圈字符是保險絲的身份證，線圈字符識別對區(qū)別其型號等有效信息有著非常重要的作用，傳統(tǒng)識別線圈字符信息采用人眼讀取，這樣的操作不僅勞動強度大、效率低，隨著工作時間的增長，工人們?nèi)菀自斐陕┳R別和錯誤識別，同時也無法滿足流水線及自動化生產(chǎn)發(fā)展的需求[1]，為了解決上述一些存在的問題，將機器視覺引入到線圈字符檢測中。

目前常用于字符分割的方法有投影法、字符邊緣檢測分割法和基于聚類分析的字符分割法[2]。常同于字符識別的方法分為圖像處理及機器學(xué)習(xí)兩類?；趫D像處理的識別主流方法有特征提取法[3]、模板匹配法[4]等，基于機器學(xué)習(xí)的主流方法有基于支持向量機（support vector machine，SVM）、基于多層感知機、基于誤差方向傳播（error back propagation，BP）神經(jīng)網(wǎng)絡(luò)[5]。其中對于前者方法原理簡單，但容易受圖像噪聲的影響，魯棒性差。后者方法識別效果好，泛化能力強，具有很高的魯棒性。

文獻(xiàn)[6]提出了一種CNN網(wǎng)絡(luò)模型LeNet用于手寫字符識別，對促進(jìn)CNN在圖像識別問題中的廣泛應(yīng)用做出重要貢獻(xiàn)。文獻(xiàn)[7]以SSD算法[8]為框架基礎(chǔ)，使用多尺度圖像輸入進(jìn)行端對端的訓(xùn)練，較好地解決了文字尺度識別問題，但這樣的做法嚴(yán)重影響了模型的運行速度。文獻(xiàn)[9]采用微分思想將Anchor的橫向長度固定為16個像素點，并使用文本線將小寬度構(gòu)造為文本行以此來克服預(yù)測框受長度劇烈變化的影響，但該網(wǎng)絡(luò)對形變字體識別較差，且無法準(zhǔn)確定位文本兩端的位置。

文獻(xiàn)[10]是Faster R-CNN的開山之作，由于該網(wǎng)絡(luò)將字符生成了一個個候選區(qū)域再送入卷積網(wǎng)絡(luò)中學(xué)習(xí)訓(xùn)練，使得計算量很大，在后續(xù)的分類和回歸網(wǎng)絡(luò)中，使用SVM分類器分別對二者進(jìn)行訓(xùn)練，導(dǎo)致魯棒性和時效性差。因此，在2015年，文獻(xiàn)[11]在R-CNN網(wǎng)絡(luò)的基礎(chǔ)上提出了Fast RCNN網(wǎng)絡(luò)，該網(wǎng)絡(luò)可實現(xiàn)端到端進(jìn)行訓(xùn)練，在訓(xùn)練的速度上和測試速度上較R-CNN分別快于9倍和213倍。Fast RCNN所采用Selective Search區(qū)域生成方法[12]的弊端顯而易見，在特征提取耗時較大，因此這給Fast RCNN網(wǎng)絡(luò)繼續(xù)改進(jìn)的機會，改進(jìn)之后的網(wǎng)絡(luò)稱為Faster R-CNN[13]，該網(wǎng)絡(luò)更快更強，魯棒性更高，對小物體的檢測以及擁擠、遮擋等較難檢測問題上提供了一個有效的解決方案。文獻(xiàn)[14]創(chuàng)造性地使用Anchor-free完成一階段檢測任務(wù)，提出了YOLO v1網(wǎng)絡(luò)，其思想是通過整張圖作為輸入，直接預(yù)測字符的類別與位置。2018年，Joseph等人繼續(xù)推出了YOLO v3版本[15]，該版本較之前的版本有著更精確的檢測率和更為靈活的拓展空間。YOLO網(wǎng)絡(luò)的實時性較好，但對目標(biāo)相近的物體檢測效果表現(xiàn)一般。

本文針對線圈字符的分割和識別問題，在字符分割上，使用投影法結(jié)合字符的先驗知識給出閾值進(jìn)行去除上下邊框，再經(jīng)過平滑濾波、閉運算去噪，在垂直投影中結(jié)合字符寬度解決黏連問題，從而達(dá)到切分屬于同一字符塊的目的，最后再對切分出來的字符進(jìn)行膨脹處理，使字符清晰易識別。這樣對于后續(xù)的用于字符識別操作做了很好的前處理，較大地提高字符的識別率。在字符識別中，考慮到字符背景噪聲較多，部分字符結(jié)構(gòu)受影響以及有字符黏連相近和壓縮形變情況，因此選擇改進(jìn)的Faste R-CNN網(wǎng)絡(luò)進(jìn)行定位作識別，使用ResNet101[16]代替原有的VGG16基網(wǎng)絡(luò)，使用K-means聚類算法[17]尋找最優(yōu)的Anchor取值范圍，將RoI Pooling替換成RoI Align，并在RCNN中損失函數(shù)進(jìn)行了設(shè)計，其目的是提高網(wǎng)絡(luò)模型的準(zhǔn)確性和實時性。同時，將上階段中的分割出來的字符用于該階段中的LeNet[18]做識別，并將其與該方法和未改進(jìn)網(wǎng)絡(luò)進(jìn)行對比，最后通過實驗來驗證該方法的有效性。

1 本文算法

1.1 字符分割

由于工業(yè)相機采集出來的圖片較大，含有其他很多電路板和元器件等無用信息，不便于分析和研究，因此進(jìn)行對數(shù)據(jù)集整理和清洗，統(tǒng)一將圖片的尺寸截取為1 110×180大小。線圈的上下部分有螺紋邊框，在高光的拍攝條件下，存在曝光過度的情況，對分割的結(jié)果影響極大，為了正確分割出字符，具體詳細(xì)操作步驟如下：

（1）如圖1所示，為本次實驗操作選取的典型例圖。首先對目標(biāo)圖像進(jìn)行灰度化，在灰度化后的圖像進(jìn)行k-size為（3，3）的高斯濾波操作，目的是通過對鄰域取得九個數(shù)的高斯分布權(quán)重矩陣與原灰度化圖像進(jìn)行卷積操作，從而平滑噪聲。

圖1 選取原圖Fig.1 Selecting original image

（2）使用THRESH_BINARY_INV和Otsu’s二值化，將前景和背景進(jìn)行反相操作，并自適應(yīng)找到最優(yōu)閾值。

（3）水平投影法，對投影的每行累和的像素值設(shè)定閾值，如若大于設(shè)定的閾值，將該行中的所有像素點置于背景色，對投影中的整個波形來說，找到波谷點，將波谷線到邊界線的最小值這一段內(nèi)范圍的所有像素點置于背景色，完成上下邊框去除。

（4）使用kernel為7×7的閉運算操作，為二值化后的圖像進(jìn)行先膨脹后腐蝕的過程，目的為了填充字符內(nèi)的小黑點以及去除背景中的噪聲點。

（5）通過前面一系列操作后，對每一列元素進(jìn)行投影累加，分割出有像素值的列。對于左右無像素值的單個區(qū)域分割出來，若該區(qū)域比字符的寬度大，則選擇在分出來單個區(qū)域的波谷點進(jìn)行分割，此操作的目的是分割出部分因曝光過度而產(chǎn)生黏連問題的字符。

（6）通過對之前水平投影行分割字符中的邊界保存，結(jié)合垂直投影列分割的字符區(qū)域邊界，完成對字符區(qū)域塊的分割操作。

為得到較為清晰分割出來的字符，再次使用THRESH_BINARY_INV和Otsu’s二值化，采用kernel為（4，4）的膨脹操作。并進(jìn)行輪廓檢測，計算輪廓的垂直邊界最小矩形，對矩形的大小進(jìn)行設(shè)置，當(dāng)上邊框與下面框的絕對值小于字符的高度時，選擇濾去，本文設(shè)置的閾值為30像素值，最終得到膨脹反相單個字符圖，如圖2所示，其中圖2（a）和（b）分別為圖1（a）和（b）的最終結(jié)果。

圖2 膨脹單個字符分割圖Fig.2 Expanding single character segmentation graph

1.2 字符識別

本次實驗采集圖片共有620張，通常使用深度學(xué)習(xí)技術(shù)達(dá)到理想識別效果需要大量的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，因此需要對數(shù)據(jù)進(jìn)行擴增，為了減少標(biāo)注工作量，對已標(biāo)注好的樣本為基本，對在真實場景可能會出現(xiàn)的情況進(jìn)行數(shù)據(jù)增強，本文采用基礎(chǔ)操作的上下旋轉(zhuǎn)、左右置換，以及高級操作的亮度調(diào)整進(jìn)行圖片擴增。

1.2.1 Faster R-CNN卷積神經(jīng)網(wǎng)絡(luò)

Faster R-CNN是一個二階（two-stage）網(wǎng)絡(luò)，在R-CNN和Fast RCNN的基礎(chǔ)上改進(jìn)而來，由Ren等人在2016年提出，該網(wǎng)絡(luò)可實現(xiàn)端對端進(jìn)行訓(xùn)練，取得了實時的檢測效果，其網(wǎng)絡(luò)結(jié)構(gòu)主要包含四個部分：特征提取網(wǎng)絡(luò)、候選區(qū)域網(wǎng)絡(luò)（RPN）、RoI Pooling（region of interest）模塊和RCNN模塊。

第一部分的特征提取網(wǎng)絡(luò)是特征提取部分，F(xiàn)aster R-CNN采用的Backbone是VGG16，VGG16共有13個卷積層，3個全連接層，包含4個Pooling層，最后一個Pooling層一般在物體檢測中都不使用。下采樣率為16，如若輸入的是三通道1 110×180圖像，則經(jīng)過基網(wǎng)絡(luò)處理之后輸出的特征圖大小為521×69×11。

第二部分的候選區(qū)域網(wǎng)絡(luò)為RPN模塊，其主要作用是生成Propasal（建議框）。RPN模塊包含了5個子模塊：Anchor的產(chǎn)生、RPN卷積網(wǎng)絡(luò)、計算RPN損失、生成Propasal和篩選Proposal得到RoI。

（1）Anchor的產(chǎn)生

Anchor在物體檢測的網(wǎng)絡(luò)中比較常用，為了使得檢測準(zhǔn)確率更高，一般的網(wǎng)絡(luò)會選擇使用提供的先驗框在圖像上進(jìn)行框定，然后再篩選和精修從而完成精確的定位。Anchor的本質(zhì)是在原圖像中產(chǎn)生的一系列有一定比例大小的矩形框，F(xiàn)aster R-CNN網(wǎng)絡(luò)將這些矩形框和基網(wǎng)絡(luò)之后的特征圖進(jìn)行了關(guān)聯(lián)。

（2）RPN卷積網(wǎng)絡(luò)

RPN卷積網(wǎng)絡(luò)在通過Backbone網(wǎng)絡(luò)之后先進(jìn)行了3×3的卷積，之后分為分類分支和回歸分支。在分類分支中，首先利用1×1卷積在特征圖操作，將維度的特征點進(jìn)行聯(lián)通，由于每個Anchor有前背景之分，并且每個特征點有9種尺寸大小，所以輸出的維度為2×9=18。而分類的過程中需要經(jīng)過Softmax函數(shù)，故對向量維度進(jìn)行reshape操作，之后再次reshape還原。在回歸分支中，同樣使用1×1卷積，每個點有9種Anchor，每個Anchor有4個數(shù)據(jù)，分別為框的中心點坐標(biāo)和寬高，因此輸出的維度為4×9=36。

（3）計算RPN損失

從（1）中的Anchor產(chǎn)生可得知，其總數(shù)量將近兩萬個。為了解決正負(fù)樣本的失衡問題，因此需要對Anchor進(jìn)行篩選，一般情況下，選擇最多不超過128個正樣本，總共有256個Anchor送入后續(xù)的損失計算。上述的正負(fù)樣本代表了預(yù)測的分類真值，而回歸部分需要利用Anchor與之對應(yīng)的標(biāo)簽求得偏移量值，將其保存在bbox_targets中。負(fù)樣本為背景，不需要回歸，故將bbox_outside_weights設(shè)置為0，而正樣本需要回歸，將bbox_inside_weights設(shè)置為1。RPN真值最后輸出有標(biāo)簽label、偏移量值bbox_targets、正負(fù)樣本的兩個權(quán)重bbox_inside_weights和bbox_outside_weights。

（4）生成Proposal

首先對生成全部的Anchor進(jìn)行回歸偏移調(diào)整，將超過圖像尺寸的Anchor去除，然后對接下來的Anchor按照confidence（置信度）排序，篩選出前12 000個得分高的Anchor，此時利用非極大值抑制（non maximum suppression，NMS）去掉一個物體可能含有多個Anchor的重疊框，最后將從建議區(qū)域中得到得分最高的2 000個框，作為后續(xù)的Proposal輸出到下一階段。

（5）篩選Proposal得到RoI

從（4）中得到2 000個框，含有很多的背景框，會造成負(fù)樣本過多，使得出現(xiàn)正負(fù)樣本不均衡，為了有效地送入后續(xù)的全連接網(wǎng)絡(luò)，減少不必要的計算，因此還需要從Proposal中繼續(xù)篩選出有效的正負(fù)樣本。根據(jù)標(biāo)簽與Proposal的IoU值，篩選出正負(fù)樣本。通常情況下，將正負(fù)樣本的總數(shù)設(shè)定為256個，并對正負(fù)樣本的比例進(jìn)行限制，正樣本和負(fù)樣本的比例為1∶3。

第三部分為RoI Pooling層。顧名思義是為了將上述輸入的RoI進(jìn)行池化，所處理之后的特征圖為固定的大小，以供后續(xù)的RCNN計算預(yù)測值與真值的損失。

第四部分為全連接RCNN模塊。經(jīng)過第三部分RoI Pooling操作之后，將池化后的操作送入RCNN進(jìn)行訓(xùn)練。值得一提的是，RCNN的損失函數(shù)和RPN保持相同，在分類中，同樣使用二分類，但這里共有21個類別，而不再是前背景兩個類別。在回歸任務(wù)中，選擇不超過64個正樣本進(jìn)行回歸，負(fù)樣本則不參與計算。

1.2.2 改進(jìn)的Fast R-CNN網(wǎng)絡(luò)結(jié)構(gòu)

到目前為止，在機器視覺中誕生了很多的目標(biāo)檢測網(wǎng)絡(luò)，但Faster R-CNN無疑成為了一個經(jīng)典的目標(biāo)檢測網(wǎng)絡(luò)算法[19]，尤其對小物體檢測、擁擠和遮擋等困難場景提供了一個有效的解決方案，眾多優(yōu)秀的目標(biāo)檢測算法都基于Faster R-CNN的基礎(chǔ)上改進(jìn)、完善和優(yōu)化而來，因此，為了準(zhǔn)確檢測（識別）保險絲字符，在以下四個方面進(jìn)行改進(jìn)。

（1）在特征提取階段使用ResNet101代替原來的VGG16

如圖3所示，為ResNet101的網(wǎng)絡(luò)結(jié)構(gòu)圖，其一共有四個大卷積組，這四個大卷積組的Bottleneck數(shù)分別為3，4，6，3。采用ResNet101作為Faster R-CNN特征提取基網(wǎng)絡(luò)，首先對送入的圖像進(jìn)行步長為2的卷積操作，此時特征圖縮小至原來的1/2，通道數(shù)為64，之后連續(xù)通過三個卷積組，通道數(shù)增加一倍，而特征圖減少至原來的1/2，卷積的過程直至經(jīng)過第三個特征組時，將最后一次變?yōu)橥ǖ罃?shù)為256的1×1卷積。因此ResNet101特征提取網(wǎng)絡(luò)為91層卷積操作，與VGG16相同的是，輸出的Feature map維度為512，下采樣率為16。

圖3 ResNet101網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 ResNet101 network structure diagram

（2）在RPN網(wǎng)絡(luò)中，尋找最佳的Anchor參數(shù)

使用K-means聚類算法尋找最佳的Anchor尺寸大小，首先對Anchor Box的K個數(shù)進(jìn)行初始化，對Bounding Box左上角和右下角四個坐標(biāo)提取出來，用右下角橫坐標(biāo)與左上角橫坐標(biāo)之差得到框的長，用右下角縱坐標(biāo)與左上角縱坐標(biāo)之差得到框的寬，之后計算Bounding Box與Anchor Box的IoU值，其目的是在Box尺寸比較大的時候，能夠減少相應(yīng)的誤差值，使其直接聚類Bounding Box的寬和高，產(chǎn)生K個寬高組合的Anchor Boxes。在此使用IoU值，即為Anchor Box與Bounding Box的公共部分占所有部分的比例。引入誤差d，d為1減去IoU，每一個Bounding Box對于Anchor Box都有一個誤差d(n,K)，其中n為Bounding Box，K為Anchor Box的初始化值。經(jīng)過遍歷，選取誤差最小的Anchor Box分類給Bounding Box。隨后將屬于Anchor Box的Bounding Box取平均值作為一個尺寸進(jìn)行更新，直到所有的Bounding Box都能找到Anchor Box的類。最后，找到每一個Bounding Box最高的IoU值，進(jìn)行取平均值輸出精確度[20]。

通過加載標(biāo)注的文件信息，最終聚類得出的9種Anchor，分別為：（8，219），（11，211），（13，221），（14，226），（16，214），（18，224），（20，228），（24，235），輸出的圖像size為416。準(zhǔn)確率為92.53%。

（3）將RoI Pooling替換成RoI Align

由于RoI Pooling在實現(xiàn)的過程中，直接對特征量化取整，此操作雖然簡單快捷，但連續(xù)的兩次取整操作，必然會帶來較大的偏差，直至影響整個網(wǎng)絡(luò)的性能，最為直接的是導(dǎo)致預(yù)測框在回歸物體位置中不準(zhǔn)確。RoI Align實現(xiàn)的過程可從如下分析，若預(yù)測的框為280×280大小，通過下采樣率16，因此進(jìn)行區(qū)域生成的特征圖大小為280/16=17.5，保留其浮點數(shù)，之后將得到大小為17.5×17.5的特征圖處理成7×7的區(qū)域。因此需要以17.5/7=2.5的步長來選取，繼而保留浮點數(shù)，得到小方格2.5×2.5的區(qū)域，在此區(qū)域內(nèi)采用最大值池化，作為該特征的輸出值，最終實現(xiàn)7×7的輸出。在此過程中，對每個小方格平均分成4份，在這4份的中心作為該內(nèi)區(qū)域的值，而中心點通過選取周圍4個點進(jìn)行雙線性插值得到，再對這4個中心點取最大值，將得出來的最大值作為池化輸出到7×7的特征。

（4）在RCNN中損失函數(shù)的設(shè)計

為了能在輸入寬高比差異較大圖像中也能達(dá)到良好的效果，因此對于本次實驗，平衡分類和回歸中的損失尤為重要。在經(jīng)過RoI Pooling層之后，輸出的Anchor通常為256個，而feature map的分辨率大小為經(jīng)過特征提取網(wǎng)絡(luò)之后所產(chǎn)生的值，在本次的保險絲字符定位作識別中，輸入的圖片為1 110×180，因此經(jīng)過下采樣率為16之后得到的特征圖大小為（1 110/16）×（180/16）=780，而由Faster R-CNN網(wǎng)絡(luò)的損失函數(shù)可知[21]，Ncls為樣本的總數(shù)量，即Anchor數(shù)量，為256，Nreg為feature map的分辨率大小，即上述求出的780，為了達(dá)到平衡損失條件，因而對參數(shù)的取值為λ=3，故損失本次使用的損失函數(shù)如式（1）所示：

其中，Pi和分別是每個Anchor類別的真值和預(yù)測類別為分類損失為回歸損失，其中ti為偏移真值，t*i為預(yù)測偏移量。具體公式如下所示：

2 實驗

驗證改進(jìn)之后的網(wǎng)絡(luò)算法性能，將其與未改進(jìn)的Faster R-CNN進(jìn)行對比，并對比上一階段分割出來的字符用于本階段的識別，識別算法使用LeNet網(wǎng)絡(luò)。

2.1 實驗環(huán)境

平臺采用Windows10（64 bit）專業(yè)版操作系統(tǒng)，處理器為Intel?CPU E5-2620 2.00 GHz，內(nèi)存為24 GB，顯卡為NVIDIA Tesla M40（24 GB），使用語言環(huán)境python3.7.6，開發(fā)框架為pytorch，OpenCV的版本為4.1.1。

2.2 數(shù)據(jù)處理

采集的圖像共有620張，然后對原圖像進(jìn)行三種數(shù)據(jù)增強的操作，分別為：對原圖像旋轉(zhuǎn)180°、以y軸為中心左右翻轉(zhuǎn)和對三通道中每個點加50像素值進(jìn)行亮度調(diào)整。經(jīng)過該操作后共得到2 480張圖片，而后按比例8∶1∶1分別分配給訓(xùn)練集、驗證集和測試集。每個保險絲線圈，采用的三個角度進(jìn)行捕獲，合并為一個圖像，因此有的區(qū)域字符為重復(fù)的字符，保險絲的線圈字符序列中一共有13～14個字符，合并之后的圖像含有的字符數(shù)有13～19個，三個對接的圖像有一定的左右鏡像能力，因此對一些嚴(yán)重模糊或曲面扭曲的圖像不進(jìn)行操作，如圖4所示，對紅線框的字符視作無效字符。另外，數(shù)字打上對應(yīng)的數(shù)字標(biāo)簽，字符打上對應(yīng)的小寫字母標(biāo)簽，特別地，對于字符“L”的標(biāo)簽為“l(fā)l”。

圖4 鏡像圖像中模糊和變形示意圖Fig.4 Schematic diagram of blur and distortion in mirror image

2.3 對比實驗

為了驗證改進(jìn)算法的有效性，與改進(jìn)前的算法進(jìn)行對比實驗，如圖5所示，為本文改進(jìn)算法的訓(xùn)練損失曲線圖，當(dāng)總損失將近收斂時，暫停訓(xùn)練，共計5 000迭代次數(shù)。

圖5 改進(jìn)網(wǎng)絡(luò)的訓(xùn)練損失曲線Fig.5 Training loss curve of improve network

如圖6所示，為選取兩組網(wǎng)絡(luò)改進(jìn)前后識別效果對比圖，從第一組（a）和（b）可以看出，改進(jìn)前的網(wǎng)絡(luò)對右側(cè)中“A”的壓縮小字符未能識別，并且對能夠準(zhǔn)確識別的字符框有偏歪的現(xiàn)象，比如左側(cè)的“P”字符和右側(cè)的“T”字符；第二組中的（c）和（d），未改進(jìn)的網(wǎng)絡(luò)在圖像右側(cè)識別中對倒“V”字符出現(xiàn)兩個框檢測，并存在一個誤檢框，誤檢的結(jié)果為“A”；由對比結(jié)果圖可知，改進(jìn)之后的網(wǎng)絡(luò)對曲面或部分殘缺的字符能做到有效的識別，由此可見，改進(jìn)后的模型，加強了網(wǎng)絡(luò)特征提取，提取了多層有效的語義信息，并對RoI Pooling的量化造成的偏差有一定的改善。

圖6 改進(jìn)前后實驗對比結(jié)果Fig.6 Experimental comparison results before and after improvement

對于上一階段使用的測試數(shù)據(jù)集分割出來的單獨字符送入本階段進(jìn)行識別，分割階段得到的字符共有2 871個，將該部分字符送入LeNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練和推斷，計算其從分割后到識別的準(zhǔn)確率，而使用定位作識別中，除去數(shù)據(jù)處理階段一些嚴(yán)重模糊、曲面扭曲和主體部分缺失的字符，在測試集數(shù)據(jù)248張圖像上共有3 497個有效字符。使用一階段網(wǎng)絡(luò)YOLO v1、SSD和二階段未改進(jìn)網(wǎng)絡(luò)進(jìn)行對比實驗，其各訓(xùn)練參數(shù)如表1所示。

通過表1的參數(shù)進(jìn)行訓(xùn)練，將所得模型進(jìn)行推斷，最終，通過實驗得到的結(jié)果如表2所示。

表1 對比實驗網(wǎng)絡(luò)訓(xùn)練參數(shù)Table 1 Contrast experimental network training parameters

從表2的實驗結(jié)果對比可以看出來，在定位做識別中，YOLO v3網(wǎng)絡(luò)實時性效果較高，每秒可推斷35張圖片，但對字符的正確識別率只有96.69%，難以達(dá)到高精度的要求，而改進(jìn)后的網(wǎng)絡(luò)對比未改進(jìn)網(wǎng)絡(luò)在保持幀率不變的前提下準(zhǔn)確率提高了1.17個百分點，對比SSD和YOLO v1網(wǎng)絡(luò)分別提高了4.03個百分點和3.22個百分點，使用分割結(jié)合LeNet識別的算法在分割率上有較大的損失，而對分割出來的字符因較多有殘缺部分導(dǎo)致識別效果欠佳?？紤]工業(yè)圖像檢測的識別率和實時性訴求，結(jié)合精度和速度綜合考量，使用本文所采用改進(jìn)的Faster R-CNN網(wǎng)絡(luò)通過實驗驗證了該方法在線圈字符識別問題的有效性，并有著顯著的識別效果，對這類OCR問題有一定的普適性。

表2 實驗對比結(jié)果Table 2 Results of comparative experiment

3 結(jié)束語

光學(xué)字符識別是計算機視覺中重要的研究方向之一，近年來成為了研究熱點，隨著中國制造不斷地發(fā)展，OCR的應(yīng)用場景越來越廣闊。本文對保險絲線圈的字符進(jìn)行了研究，采用了兩種方法進(jìn)行識別，一種是通過字符的先驗知識使用投影法進(jìn)行分割，將分割完成的字符送入LeNet網(wǎng)絡(luò)進(jìn)行識別，另一種方法是以定位作識別，將每個字符進(jìn)行目標(biāo)檢測從而到達(dá)識別的效果。對比了一階段網(wǎng)絡(luò)和二階段網(wǎng)絡(luò)檢測算法，并最終選擇改進(jìn)的Faster R-CNN目標(biāo)檢測作為識別，其主要體現(xiàn)在四個方面的改進(jìn)，優(yōu)化之后的網(wǎng)絡(luò)讓字符識別效果更理想，在后續(xù)的研究中，可以將對線圈中的字符進(jìn)行去重復(fù)化，排列出正確的字符序列來，組合得到線圈中的序列字符，以識別整個圖片的正確序列作為基準(zhǔn)，以供線圈型號等信息的辨認(rèn)。

通過本文的檢測作識別方法，能夠準(zhǔn)確識別出曝光過度、部分殘缺和曲面壓縮等線圈的字符。實驗表明，使用定位作識別的方法在這類光學(xué)字符識別具有一定的推廣和借鑒價值。