圆铸坯端面喷码字符倾斜矫正与识别方法、存储介质技术

本发明专利技术的一种圆铸坯端面喷码字符倾斜矫正与识别方法、存储介质，其方法包括以下步骤，圆轮廓有效区域定位；求取各字符轮廓的最小外接矩形；求取字符倾斜角度；对字符矫正结果后处理；对喷码字符进行识别。本发明专利技术采用改进的轮廓梯度模板匹配算法，能够准确定位圆坯端面轮廓有效区域，结合喷码字符行列分布特征的先验条件信息，采用外接矩形短边斜率均值方法与任意两轮廓最小外接矩形中心点连线斜率排列组合投票方法，完成对字符的倾斜矫正；采用ResNet

【技术实现步骤摘要】
圆铸坯端面喷码字符倾斜矫正与识别方法、存储介质


[0001]本专利技术涉及工业视觉字符识别
，具体涉及一种圆铸坯端面喷码字符倾斜矫正与识别方法、存储介质。

技术介绍

[0002]当前，在管加工行业钢管生产过程中，钢管追踪基本上采用 PLC 和人工参与的方式，实现按炉号或批号跟踪，对于全过程的逐支跟踪实现的比较少，钢管生产是一种离散、非连续的加工模式，生产过程中的不合格产品下线、返工现象不可避免，一般都是通过人工输入计算机记录，对于产品工艺质量的追溯，都是按炉或批实现的，就某一根钢管而言无法追溯到其原材料及加工过程中的具体工艺参数等。而圆铸坯作为管加工的原材料，在上加工产线前如何获取原料产地、生产时间、材料、批号等信息，多采用端面喷码字符的形式，通过肉眼观察校验，手动录入铸坯信息，自动化程度较低，且耗费了很大的人力。因此，急需一种能够自动获取铸坯端面喷码字符的系统及方法，快速高效完成对喷码字符的识别。

技术实现思路

[0003]本专利技术提出的一种圆铸坯端面喷码字符倾斜矫正与识别方法，该方法可以快速高效完成对圆坯端面喷码字符的倾斜矫正及识别。
[0004]为实现上述目的，本专利技术采用了以下技术方案：一种圆铸坯端面喷码字符倾斜矫正与识别方法，包括以下步骤，S1、获取圆铸坯端面图像，对圆铸坯端面图像采用改进的轮廓梯度模板匹配算法进行处理，得到圆轮廓所包围的有效区域；S2、对所述的圆轮廓所包围的有效区域图像预处理后，提取字符连通域轮廓，并求取各字符轮廓的最小外接矩形；S3、采用外接矩形短边斜率均值方法或者采用任意两外接矩形中心连线斜率排列组合投票方法，求取字符倾斜角度，得到矫正图像；S4、结合字符行列分布的先验条件信息，对矫正结果进行后处理，得到若干的单字符矫正图像；S5、通过将ResNet
‑
18与Inception结构范式融合，构建ResNet
‑
Inception模型融合分类器，利用训练好的融合分类器对所述的单字符矫正图像进行识别，并对分类结果汇总，得到字符识别结果；其中，步骤S1所述的改进的轮廓梯度模板匹配算法，具体包括：S1.1、假设所采集的圆铸坯端面图像中，圆坯轮廓半径大小所占像素在之间变化，其中为常数，将圆铸坯端面图像按照比例系数进行缩放，其中为正整数，取值为3；S1.2、设置圆模板的基准半径为，则基准圆模板图像的大小设
置为，圆心坐标设置为，基准圆模板图像的圆轮廓内部像素颜色设置为0，轮廓外部像素颜色设置为1；圆模板上下偏差设置为，其中四舍五入取整，向上取整，因此，设置圆模板图像数量为，圆模板半径在之间变化；S1.3、采用sobel算子，依次对设置的个圆模板图像求取水平梯度图像和竖直梯度图像；同理，采用sobel算子，求取缩放后圆铸坯端面图像的水平梯度图像和竖直梯度图像，同时，对和图像进行后处理，将像素点的水平和竖直梯度置0，其中为常数，在之间取值，为矩阵，所有的模板及图像的均做了归一化处理；S1.4、将某一圆模板图像遍历匹配缩放后的圆铸坯端面图像，得到梯度匹配图，具体为：单点像素梯度匹配值的计算，假设圆模板边缘轮廓上某一像素点的水平梯度为，竖直梯度为，而与相对应的缩放后圆铸坯端面图像某一像素点的水平梯度，竖直梯度为，则单点像素梯度匹配值为，其中，m，n即遍历所有范围内取值；圆模板梯度匹配值的计算，对圆模板轮廓进行下采样，下采样系数设置为2，相当于每隔一像素点取一个，遍历下采样后的圆模板轮廓点，求得所有与之相对应缩放后圆铸坯端面图像像素点的梯度匹配值累加求和取均值，从而完成一次圆模板梯度匹配；将匹配步长设置为1，通过遍历缩放后的圆铸坯端面图像，完成对整个图像的圆模板梯度匹配值的计算，从而得到完整梯度匹配图；S1.5、将个圆模板图像重复步骤S1.4的计算，从而得到个梯度匹配图，通过寻找梯度匹配图中的最亮点即最大值，并与设置的最亮点阈值作比较，从而求得与之对应的中心坐标与圆模板半径，完成对圆有效区域的定位。
[0005]进一步的，步骤S3所述的外接矩形短边斜率均值方法，求取字符倾斜角度，具体包括：S3.1、假设所求得轮廓最小外接矩形的数量为N
c
，去掉最小外接矩形短边倾斜角度为最大值和最小值的两个轮廓，其中，为去掉倾斜角度最大值和最小值后的第i个轮廓最小外接矩形短边倾斜角度，则喷码字符字符倾斜角度为。
[0006]进一步的，步骤S3所述的任意两外接矩形中心连线斜率排列组合投票方法，求取字符倾斜角度，具体包括：S3.2、根据字符行列分布特征的先验条件信息，假设有M行字符，其中，A
i
为第i行字符的数量，则单行字符中任意两字符排列组合的数量为 ，所有的单行字符任意两字符排列组合的总数为；假设所求得轮廓最小外接矩形的数量为N
c
，为任意两轮廓最小外接矩形中心点连线的倾斜角度，其中，，则任意两轮廓最小外接矩形中心点连线的排列组合总数为，所有的单行字符任意
两字符排列组合的总数占比为，通过寻找中倾斜角度值集中在某一小区间范围内的总数占比为P的倾斜角度集合，求取占比为P的 倾斜角度集合中元素的均值作为喷码字符的倾斜角度。
[0007]进一步的，步骤S4所述的对字符矫正结果进行后处理，具体包括：将矫正后的所有单字符根据外接矩形中心坐标位置进行排序，得到每行字符的数量信息，并与字符行列分布即数量特征的先验条件信息作比对，如果与字符的先验条件信息相匹配，则步骤S3的矫正结果即为最终矫正结果；如果不匹配，则需要旋转180度作为最终矫正结果。
[0008]进一步的，步骤S5所述的ResNet
‑
Inception模型融合分类器，以ResNet
‑
18作为主干特征提取网络，融合Inception模块，将ResNet
‑
18的第1卷积模块的7
×
7卷积核调整为两个5
×
5卷积核，第2卷积模块包含了2个的3
×
3+3
×
3卷积核且卷积核数量为64组成的残差结构，通过concat连接方式将2个残差结构融合，第4卷积模块包含了2个3
×
3+3
×
3卷积核且卷积核数量为256组成的残差结构，通过concat连接方式将2个残差结构融合，第3卷积模块和第5卷积模块的3
×
3+3
×
3卷积核调整为1
×
1 + 3
×
3 + 1
×
1卷积核，并融合split
‑
transform
‑
merge结构范式，最后将全连接层改为输出为64
‑
d，并在第2卷积模块中使用正则化方法DropBlock。
[0009]进一步的，步骤S2中只对圆轮廓所包围的区域内像素点进行预处理，圆轮廓外像素点作为无效像素点，不进行处理。
[0010]另一方面，本专利技术还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种圆铸坯端面喷码字符倾斜矫正与识别方法，其特征在于，包括以下步骤，S1、获取圆铸坯端面图像，对圆铸坯端面图像采用改进的轮廓梯度模板匹配算法进行处理，得到圆轮廓所包围的有效区域；S2、对所述的圆轮廓所包围的有效区域图像预处理后，提取字符连通域轮廓，并求取各字符轮廓的最小外接矩形；S3、采用外接矩形短边斜率均值方法或者采用任意两外接矩形中心连线斜率排列组合投票方法，求取字符倾斜角度，得到矫正图像；S4、结合字符行列分布的先验条件信息，对矫正结果进行后处理，得到若干的单字符矫正图像；S5、通过将ResNet
‑
18与Inception结构范式融合，构建ResNet
‑
Inception模型融合分类器，利用训练好的融合分类器对所述的单字符矫正图像进行识别，并对分类结果汇总，得到字符识别结果；其中，步骤S1所述的改进的轮廓梯度模板匹配算法，具体包括：S1.1、假设所采集的圆铸坯端面图像中，圆坯轮廓半径大小所占像素在之间变化，其中为常数，将圆铸坯端面图像按照比例系数进行缩放，其中为正整数，取值为3；S1.2、设置圆模板的基准半径为，则基准圆模板图像的大小设置为，圆心坐标设置为，基准圆模板图像的圆轮廓内部像素颜色设置为0，轮廓外部像素颜色设置为1；圆模板上下偏差设置为，其中四舍五入取整，向上取整，因此，设置圆模板图像数量为，圆模板半径在之间变化；S1.3、采用sobel算子，依次对设置的个圆模板图像求取水平梯度图像和竖直梯度图像；同理，采用sobel算子，求取缩放后圆铸坯端面图像的水平梯度图像和竖直梯度图像，同时，对和图像进行后处理，将像素点的水平和竖直梯度置0，其中为常数，在之间取值，为矩阵，所有的模板及图像的均做了归一化处理；S1.4、将某一圆模板图像遍历匹配缩放后的圆铸坯端面图像，得到梯度匹配图，具体为：单点像素梯度匹配值的计算，假设圆模板边缘轮廓上某一像素点的水平梯度为，竖直梯度为，而与相对应的缩放后圆铸坯端面图像某一像素点的水平梯度，竖直梯度为，则单点像素梯度匹配值为，其中，m，n即遍历所有范围内取值；圆模板梯度匹配值的计算，对圆模板轮廓进行下采样，下采样系数设置为2，相当于每隔一像素点取一个，遍历下采样后的圆模板轮廓点，求得所有与之相对应缩放后圆铸坯端面图像像素点的梯度匹配值累加求和取均值，从而完成一次圆模板梯度匹配；将匹配
步长设置为1，通过遍历缩放后的圆铸坯端面图像，完成对整个图像的圆模板梯度匹配值的计算，从而得到完整梯度匹配图；S1.5、将个圆模板图像重复步骤S1.4的计算，从而得到个梯度匹配图，通过寻找梯度匹配图中的最亮点即最大值，并与设置的最亮点阈值作比较，从而求得与之对应的中心坐标与圆模板半径，完成对圆有效区域的定位。2.根据权利要求1所述的圆铸坯端面喷码字符倾斜矫正与识别方法，其特征在于：步骤S3所述的外接矩形短边斜率均值方法，求取字符倾斜角度，具体包括：S3.1、假设所求得轮廓最小外接矩形的数量为N
c
，去掉最小外接矩形短边倾斜角度为最大值和最小值的两个轮廓，其中，为去掉倾斜角度最大值和最小值后的第i个轮廓最小外接矩形短边倾斜...

【专利技术属性】
技术研发人员：王筱圃，岳晨，钟智敏，张歌，朱立民，张道亮，刘伟，陈波，
申请(专利权)人：科大智能物联技术股份有限公司，
类型：发明
国别省市：