The invention discloses a method, a detonator encoding location and identification includes: preprocessing of the original image set, get the training image set; according to the training image set of convolutional neural network training set, positioning network model and recognition network model; localization and recognition of detonator images using network model and network location identification the model, get the image encoding detonators detonator. The method of convolution neural network is applied to the character recognition and positioning the detonator encoding work, localization and recognition of detonator images using network model and network model of location identification, by encoding the whole process without detonator, the detonator for single character image cutting can make end-to-end recognition, to achieve accurate positioning and identification of detonator encoding. The application also provides a device, equipment and a computer readable storage medium for the detonator coding and location and identification, which has the beneficial effects.
【技术实现步骤摘要】
一种雷管编码定位及识别的方法及装置
本申请涉及字符定位与识别领域,特别涉及一种雷管编码定位及识别的方法、装置、设备及计算机可读存储介质。
技术介绍
雷管是一种在工程爆破中普遍使用的引爆设备。为了加强对雷管的管理,落实生产、销售、使用各个环节的管理责任,有效预防工业雷管流散社会,维护公共安全,对雷管实施编号管理,是落实管理责任,有效预防雷管流失,减少爆炸犯罪的一项重要措施。雷管编码(由数字和少量字母组成,一串编码字符串共有13个字符)是记录雷管具体使用情况的唯一标识。目前,国内工业雷管的编码形式主要为激光刻痕和机械压痕两种,由于激光刻痕效率较高,因此国内的生产商大多数使用激光刻痕编码。现阶段存在的针对雷管编码字符的定位和识别的方法都是基于传统的图像处理和人工设计的特征方法。在处理雷管图像过程,需要设置大量的人工阈值,以及人为设计特征用于字符的定位与识别。由于光照强度、背景反光、不均匀性光照和雷管材料等因素的影响,雷管图像存在较大噪声,不利于雷管编码的定位与识别。另外,雷管编码有着字体小和笔划细的特点,有的甚至呈不连续的点状分布,为雷管编码的定位和识别带来了极大的困难。因此,如何实现雷管编码的准确定位与识别是本领域技术人员目前需要解决的技术问题。
技术实现思路
本申请的目的是提供一种雷管编码定位及识别的方法、装置、设备及计算机可读存储介质,该方法能够实现雷管编码的准确定位与识别。为解决上述技术问题,本申请提供一种雷管编码定位及识别的方法,该方法包括:对接收到的原始图像集进行预处理操作,得到训练图像集;根据所述训练图像集训练预设的卷积神经网络,得到定位网络模型和识别 ...
【技术保护点】
一种雷管编码定位及识别的方法,其特征在于,包括:对接收到的原始图像集进行预处理操作,得到训练图像集;根据所述训练图像集训练预设的卷积神经网络,得到定位网络模型和识别网络模型;利用所述定位网络模型对采集到的雷管图像进行定位,得到所述雷管图像的雷管编码感兴趣区域;利用所述识别网络模型对所述雷管编码感兴趣区域进行识别,得到所述雷管图像的雷管编码。
【技术特征摘要】
1.一种雷管编码定位及识别的方法,其特征在于,包括:对接收到的原始图像集进行预处理操作,得到训练图像集;根据所述训练图像集训练预设的卷积神经网络,得到定位网络模型和识别网络模型;利用所述定位网络模型对采集到的雷管图像进行定位,得到所述雷管图像的雷管编码感兴趣区域;利用所述识别网络模型对所述雷管编码感兴趣区域进行识别,得到所述雷管图像的雷管编码。2.根据权利要求1所述的方法,其特征在于,利用所述定位网络模型对采集到的雷管图像进行定位,得到所述雷管图像的雷管编码感兴趣区域,包括:对所述雷管图像进行卷积操作和反卷积操作,得到定位特征图;在所述定位特征图中定义预设数目的候选框;利用定位卷积核对所述定位特征图进行卷积操作,得到所述候选框属于所述雷管编码感兴趣区域的概率,以及所述候选框相对于所述雷管编码感兴趣区域的位置偏移量;选择所述概率最大的候选框,并根据对应的所述位置偏移量计算得到所述雷管图像的雷管编码感兴趣区域。3.根据权利要求2所述的方法,其特征在于,对所述雷管图像进行卷积操作和反卷积操作,包括:根据公式对所述雷管图像进行卷积操作;其中,为第l层的第n个特征图,fl为卷积函数,为第l-1层的第m个特征图,为在第l层上进行卷积操作的卷积核,为偏移量,Vnl为第l-1层连接到第l层的特征图数目。4.根据权利要求1所述的方法,其特征在于,利用所述识别网络模型对所述雷管编码感兴趣区域进行识别,得到所述雷管图像的雷管编码,包括:对所述雷管编码感兴趣区域进行卷积处理,得到识别特征;利用多标签全连接层对所述识别特征进行分类,得到对应的雷管编码。5.根据权利要求1所述的方法,其特征在于,所述对接收到的原始图像集进行预处理操作,得到训练图像集,包括:对接收到的所述原始图像集中的原始图像进行预处理操作,得到具有雷管编码感兴趣区域坐标的对...
【专利技术属性】
技术研发人员:蔡念,伍吉修,夏皓,李飞洋,张峻豪,陈新度,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。