一种快速识别石墨电极标签的方法技术

一种快速识别石墨电极标签的方法，涉及计算机视觉领域。本发明专利技术针对石墨电极标签自动识别问题，提出了一种标签自动快速识别方法。本方法使用了新的快速语义分割网络AL

【技术实现步骤摘要】
一种快速识别石墨电极标签的方法


[0001]本专利技术涉及一种石墨电极标签识别方法，特别是一种快速识别石墨电极标签的方法，该方法基于AL
‑
UNet网络，涉及计算机视觉领域。

技术介绍

[0002]现深度学习广泛应用于智能家居、医疗、自动驾驶、物理、游戏制作等各种领域当中。在智能家居方面，有智能语音回复AI、人脸识别智能锁等；在医疗方面，有病例图像分割、癌细胞筛查、药物筛查等；在自动驾驶方面，有路径自动规划，目标检测与识别等；在物理方面，有深度学习辅助计算筛选材料等；在游戏制作方面，有智能生成游戏场景、生成游戏原画及游戏角色等。深度学习已经发展到了多个领域，这些领域中大多离不开语音识别及图像处理。随着深度学习的不断发展，原本图像处理中存在的难题获得了新的解决方法。
[0003]近些年，由于深度学习技术的逐渐成熟，深度学习逐渐应用到了工业领域，工业生产中的技术难题有了解决方法。在工业生产中，如何使用较少的资源更快的获得精确的结果，实现生产流程的自动化，是一个热门的研究方向。人工智能的加入，轻量化网络模型的应用，使自动化技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速识别石墨电极标签的方法，其特征在于，基于以下步骤：（1）使用AL
‑
UNet网络作为语义分割网络使用相机拍摄获得待分割图像，采用人工标记的方式获得待分割图像对应的标签，使分割图像与人工标记标签一一对应作为数据集，采用镜像、翻转、添加噪点、调整亮度的方式对数据集扩充，训练AL
‑
UNet，获得语义分割网络模型，通过训练好的模型，获得石墨电极标签图像的语义分割图；（2）旋转并计算字体投影密度石墨电极标签图像可能具有一定的倾斜角度，使用旋转投影方法对其进行倾斜校正，通过不断旋转图像，计算并获得旋转后投影像素密度，记录投影像素密度与对应旋转角度，从记录的密度中获取最大像素密度值，并取得其对应的图像旋转角度，进而校正倾斜图像，校正后的图像用于下一步字符投影分割；（3）投影法分割字符校正后的图像使用投影法切分出单个字符图像；（4）使用LeNet
‑
5网络识别字符使用石墨电极字符图像训练LeNet
‑
5网络，在训练前对字符图像使用缩放、添加噪点的方式对数据集进行扩充，扩充后的数据集用于训练LeNet
‑
5网络，获得识别字符的网络模型。2.根据权利要求1所述的一种快速识别石墨电极标签的方法，其特征在于，步骤（1）中所述使用AL
‑
UNet网络作为语义...

【专利技术属性】
技术研发人员：兰天翔，刘名果，陈立家，梁倩，田敏，韩宗桓，代震，王赞，
申请(专利权)人：河南大学，
类型：发明
国别省市：