【技术实现步骤摘要】
一种基于深度学习的PCB图像字符检测方法
本专利技术属于计算机视觉的字符检测
,具体涉及一种基于深度学习的PCB字符检测技术。
技术介绍
爆炸案件极具破坏性,是公安部门关注的重点,及时侦破此类案件具有重要意义。遥控器、定时器等作为爆炸装置的关键组件,炸后现场物证中会有这类组件的印刷电路板(PrintedCircuitBoard,PCB)残片。残片溯源,即找出与残片同型号整板的相关信息,能够为案件侦破提供线索;而利用计算机视觉技术进行PCB残片图像溯源是一种高效的办案方式。不同于一般的图像检索与识别,PCB残片溯源,由于残片与同型号PCB整板面积尺寸相差悬殊,特征极不对等,且残片位置形状随机,很难与同型号整板配准,这就使PCB残片图像识别成为一个视觉难点。但对于有印刷字符的PCB残片,其字符检测与识别是一个可行的溯源方式:字符检测与识别,不受图像配准等约束的限制。因而,检测并识别PCB残片图像上的字符,并利用字符识别结果检索整板PCB图像,利用匹配PCB整板的预存信息,得到残片相关信息,是解决电路板残片溯源难题的一种可行且有效的方式。PCB图像字符检测,虽然也属视觉中字符检测任务,但有其特殊性:(1)自然场景图像中字符尺寸一般较大,PCB图像中字符相对较小;而且深度学习模型与训练数据集密切相关,现有基于深度学习的字符检测模型,其训练集中并无PCB图像数据,因而用其检测PCB图像中字符,漏检不可避免。(2)PCB图像中标注线、导线、焊点众多,神经网络容易将这些因素与字符混淆,产生误检。因此,需要提出一种能很 ...
【技术保护点】
1.一种基于深度学习的PCB图像字符检测方法,其特征在于,所述方法包括以下步骤:/n步骤1,构建PCB字符检测网络,将待检测的PCB图像输入训练好的字符检测网络;/n步骤2,在PCB字符检测网络中,通过下采样生成不同尺寸的特征图,将得到的特征图进行拼接、上采样与特征融合;/n步骤3,通过PCB字符检测网络中的字符分布检测头得到字符分布热力图,通过PCB字符检测网络中的字符边框分布检测头得到字符边框热力图;/n步骤4,将字符分布热力图与字符边框分布热力图逐像素相减,得到最终的字符分布热力图;/n步骤5,利用预设的字符阈值与字符边缘阈值对字符分布热力图进行二值化处理,通过字符阈值判断该位置上是否存在字符,通过字符边缘阈值判断字符的边缘位置,得到字符检测结果;/n步骤6,利用字符识别网络ASTER识别字符,并将字符信息存入数据库。/n
【技术特征摘要】
1.一种基于深度学习的PCB图像字符检测方法,其特征在于,所述方法包括以下步骤:
步骤1,构建PCB字符检测网络,将待检测的PCB图像输入训练好的字符检测网络;
步骤2,在PCB字符检测网络中,通过下采样生成不同尺寸的特征图,将得到的特征图进行拼接、上采样与特征融合;
步骤3,通过PCB字符检测网络中的字符分布检测头得到字符分布热力图,通过PCB字符检测网络中的字符边框分布检测头得到字符边框热力图;
步骤4,将字符分布热力图与字符边框分布热力图逐像素相减,得到最终的字符分布热力图;
步骤5,利用预设的字符阈值与字符边缘阈值对字符分布热力图进行二值化处理,通过字符阈值判断该位置上是否存在字符,通过字符边缘阈值判断字符的边缘位置,得到字符检测结果;
步骤6,利用字符识别网络ASTER识别字符,并将字符信息存入数据库。
2.如权利要求1所述的基于深度学习的PCB图像字符检测方法,其特征在于,在由下至上通路中,输入的图像通过6层卷积神经网络在各个CNN网络层生成不同尺寸的特征图;在自上而下通路中,采用3层上采样卷积层逐层对由下至上通路中得到的特征图进行拼接、上采样与特征融合;将输出的特征图送入两个检测头中,先采用1个卷积层对特征图进行降维,之后采用2个卷积层分别生成得到字符分布和字符边框分布的热力图。
3.如权利要求1所述的基于深度学习的PCB图像字符检测方法,其特征在于,在步骤5中,设定字符阈值为0.7,字符边缘阈值为0.3。
4.如权利要求1所述的基于深度学习的PCB图像字符检测方法,其特征在于,在PCB字符检测网络训练过程中,采用数据增强和多尺度的训练策略扩展数据集,具体为:
在数据集中加入没有字符且包含管脚、焊点等干扰的PCB图像,使正负样本平衡;将PCB图像在四个方向上进行旋转,扩充数据集;对图像进行多尺度的数据增强,将原图像进行不同尺度的缩放(0.8x、1.0x、1.2x);采用随机裁剪的方式进行数据增强,保持图像大小一致,同时进行数据增强。
5.如权利要求1所述的基于深度学习的PCB图像字符检测方法,其特征在于,在字符检测过程中,采用多尺度和图像裁剪再拼接的方法进行预测,具体为:
将待检测的PCB图像放缩为不同尺度(0.5x、1.0x、1.5x)输入字符检测网络进行字符检测;再将由各尺度图像得到的字符分布热力图恢复为原图像大小,并加权求和,生成最终的字符分布热力图。加权求和计算式为:
式中,分别表示测试时0.5x,1x,1.5x尺寸下得到...
【专利技术属性】
技术研发人员:张滨宇,赵衍运,潘炎辉,赵志诚,苏菲,孙玉友,
申请(专利权)人:北京邮电大学,公安部物证鉴定中心,
类型:发明
国别省市:北京;11
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。