一种基于深度学习的字符比对方法和比对系统技术方案

本发明专利技术涉及深度学习领域，提出了一种基于深度学习的字符比对方法，包括以下步骤：获取图纸字符块和实物字符块的特征向量；计算图纸字符块特征向量和实物字符块特征向量之间的距离值；根据图纸字符块特征向量和实物字符块特征向量的距离值，获得字符块相似性结果。本发明专利技术通过神经网络特征提取以及相似性度量，可以自动的对图纸字符和实物字符比对，查找是否出现漏刻，错刻等情况，可以大大的减少人工的比对，减少人力资源的浪费，同时提高比对的精度和效率。本发明专利技术还提出了一种基于深度学习的字符比对系统。

A Character Comparison Method and System Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的字符比对方法和比对系统
本专利技术涉及深度学习
，具体涉及一种基于深度学习的字符比对方法和比对系统。
技术介绍
制造业中往往涉及根据图纸在实物表面刻印字符，特别是在机械化生产过程中，会因为刻印工具的断电、卡停以及断裂等意外情况导致刻印过程中出现丢刻字符、漏刻字符以及刻印错误等情况。在质检阶段将进行图纸和实物刻印字符的比对，来检测这些不合格情况。但目前，质检阶段的比对和检测工作往往由人工承担，不仅耗费大量的人力资源，同时检测效率极低。随着目前机器学习技术的深入研究，如何利用深度学习技术代替人工检测，改用机器进行视觉字符比对，是目前亟待解决的问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于深度学习的字符比对方法和比对系统，将采集的图纸图像块和实物字符图像块输入系统，通过深度学习做出相似性度量，根据阈值加以判断是否匹配，一次判断是否出现漏刻、错刻等情况。本专利技术的技术方案是这样实现的：一种基于深度学习的字符比对方法，包括以下步骤：获取图纸字符块和实物字符块的特征向量；计算图纸字符块特征向量和实物字符块特征向量之间的距离值；根据图纸字符本文档来自技高网...

【技术保护点】
1.一种基于深度学习的字符比对方法，其特征在于，包括以下步骤：获取图纸字符块和实物字符块的特征向量；计算图纸字符块特征向量和实物字符块特征向量之间的距离值；根据图纸字符块特征向量和实物字符块特征向量的距离值，获得字符块相似性结果。

【技术特征摘要】
1.一种基于深度学习的字符比对方法，其特征在于，包括以下步骤：获取图纸字符块和实物字符块的特征向量；计算图纸字符块特征向量和实物字符块特征向量之间的距离值；根据图纸字符块特征向量和实物字符块特征向量的距离值，获得字符块相似性结果。2.如权利要求1所述的一种基于深度学习的字符比对方法，其特征在于，所述获取图纸字符块和实物字符块的特征向量的步骤，包括：调用预先训练好的特征向量提取模型，对输入的图纸字符块图像或者实物字符块图像进行处理。3.如权利要求1所述的一种基于深度学习的字符比对方法，其特征在于，所述计算图纸字符块特征向量和实物字符块特征向量之间的距离值的步骤，包括：计算图纸字符块特征向量和实物字符块特征向量之间的欧式距离和余弦距离，并将欧式距离和余弦距离按照权重比例拟合，获得最终的距离值。4.如权利要求1所述的一种基于深度学习的字符比对方法，其特征在于，还包括预处理步骤，预处理步骤包括：对需要比对的图纸字符块和实物字符块进行预处理，字符块尺度缩放统一为标准输入网络的像素尺度，特殊字符块进行二值化处理，预处理完毕后进行特征向量的提取。5.一种基于深度学习的字符比对系统，其特征在于，调用预先训练好的孪生网络模型进行相似性度量，孪生网络模型包括特征向量提取模块和相似性度量模块；特征向量提取模块用于获取图纸字符块特征向量和实物字符块特征向量；相似性度量模块用于计算图纸字符块特征向量和实物字符块特征向量之间的距离值；还包括阈值判断模块，阈值判断模块用于根据图纸字符块特征向量和实物字符块特征向量的距离值，获得字符块相似性结果。6.如权利要求5所述的一种基于深度学习的字符比对系统，其特征在于，所述特征向量提取模块为双输入模块，输入实物字符块图像和图纸字符块图像的图片对，孪生网络模型在训练过程中需要同时满足实物字符块图像和图纸字符块图像的特征提取效果要求。7.如权利要求5所述的一种基于深度学习的字符比对系统，其特征在于，所述相似性度量模块包括欧式距离...

【专利技术属性】
技术研发人员：胥志伟，石志君，张瑜，王胜科，王亚平，吕昕，
申请(专利权)人：青岛伴星智能科技有限公司，
类型：发明
国别省市：山东,37