基于移动终端OS识别VIN码的经量化识别方法及系统技术方案

本发明专利技术公开了一种基于移动终端OS识别VIN码的经量化识别方法及系统，识别方法包括通过移动终端的预处理模块和识别模块处理采集有效VIN图片信息生成待识别图片，将待识别图片传至上位机，通过图像识别类库对待识别图片进行字符特征提取；利用上位机训练生成的金属光面VIN字符库进行匹配识别；根据VIN的编码规则对识别结果进行校验；将校检成功的车辆VIN码上传至中控台进行信息存储；将校检成功的车辆VIN码通过字符库训练生成专用VIN字符库；本发明专利技术降低了人为因素对识别样本的影响，便于操作，能够快速的自动采集且准确识别VIN码，并将识别信息准确填入生产系统中的智能化方法；该方法速度快、效率高，提升了工作效率。提升了工作效率。

【技术实现步骤摘要】
基于移动终端OS识别VIN码的经量化识别方法及系统


[0001]本专利技术涉及车辆涂装
，尤其涉及一种基于移动终端OS识别VIN码的经量化识别方法及系统。

技术介绍

[0002]随着移动互联网、物联网、机器视觉等技术的发展，本专利技术综合利用多种先进技术，实现了一种便于工人操作，能够快速、自动采集、准确识别VIN码，并将识别信息准确填入生产系统中的智能化方法。
[0003]车辆识别码(VIN码)作为车辆唯一的身份识别标识，在车辆全生命周期内有广泛的应用，目前，车辆识别码的固定方式和位置主要为直接嵌刻在车架上、副驾驶底座或用条形码方式贴装在风挡玻璃下角处，当需要对车辆进行辨识时，主要靠人工识别、手工记录等方式，特别在汽车生产制造过程中，主要还是依赖人工操作，完成车辆识别码的录入。
[0004]在涂装工艺环节以往需要人工采集车辆副驾驶底座上的钢印VIN码，但是受到生产节拍和VIN码刻录位置的限制，工人抄录VIN码十分不便，且容易出错，导致登录到系统中的车辆身份信息不准确，造成喷漆和报交错误，影响生产，以上问题亟待解决。

技术实现思路

[0005]本专利技术的目的在于提供一种，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于移动终端OS识别VIN码的经量化识别方法，包括：
[0007]通过移动终端采集有效VIN图片信息，并将所述VIN图片信息输入移动终端的预处理模块和识别模块；
[0008]对所述VIN图片信息进行图片预处理生成待识别图片，其中，所述图片预处理包括图像的灰度化、顶帽变换、图像增强、二值化、边缘检测与分割；
[0009]将所述待识别图片上传至上位机，通过图像识别类库对所述待识别图片进行字符特征提取；
[0010]利用上位机训练生成的金属光面VIN字符库进行匹配识别；
[0011]根据VIN的编码规则对识别结果进行校验；
[0012]将校检成功的车辆VIN码上传至中控台进行信息存储；
[0013]将校检成功的车辆VIN码通过字符库训练生成专用VIN字符库。
[0014]进一步地，利用训练生成的VIN字符库进行匹配识别，还包括：
[0015]所述训练为采用基于深度学习的目标检测模型检测VIN码图像，定位并判断VIN码区域在图像中是否有效存在；
[0016]若有效存在则记录此条标志为1，并同时提取VIN码区域；
[0017]若无效存在则记录此条标志为0，并保存相关图片，进入Degree of Confidenced分析流程。
[0018]进一步地，采用基于深度学习的字符分割模型检测VIN码区域，将VIN码分割成单个字符，判断字符的个数是否为17，若成立则记录此条标志为1，并提取每个字符图像；若不成立则记录此条标志为0，并保存相关图片，进入统计分析流程；对整个过程的动作结果进行Degree of Confidenced分析。
[0019]进一步地，记录标志位全部为1，则VIN码识别检测通过，若存在标志0，则VIN码识别该检测不通过；同时，根据标志1出现的位置获取校验不通过的原因及问题图片。
[0020]进一步地，所述训练为采用基于深度学习的目标检测模型检测VIN码图像，定位并判断VIN码区域在图像中是否有效存在，还包括：
[0021]训练数据样本准备：获取不同拍摄条件的真实VIN码图像，使得训练准备的数据更贴合实际的应用场景；
[0022]数据标注：采用矩形标记框将所述训练数据样本准备中获取的VIN码区域在图像中标出，矩形标记框区域内需完整包含VIN码，同时记录矩形框相应的坐标，并保存矩形框相应的坐标；
[0023]模型训练：基于深度学习SSD网络，在深度学习框架中进行训练，同时利用一个预训练模型进行微调。
[0024]进一步地，采集有效VIN图片信息，并将所述VIN图片信息输入预处理模块和识别模块之前，还包括：所述移动终端设置有APP应用程序，进行VIN码采集和识别后，将其发送至上位机，用以识别记录查询服务和结果转发服务；所述有效VIN图片信息由所述移动终端的视觉采集模块采集，在所述移动终端图像采集的实时界面设置图像扫描框，用以辅助定位获取VIN码。
[0025]进一步地，所述移动终端采集的图像信息和校验成功的车辆VIN码信息分别存储在手持终端和上位机的数据库内。
[0026]进一步地，所述移动终端和上位机之间通过WIFI方式连接通信，传输数据；所述上位机和与其相应的PLC控制系统之间通过以太网建立连接，使用OPC UA协议传输有关数据信息；所述上位机与中控台通过以太网建立连接，交互数据。
[0027]进一步地，所述上位机与移动终端APP相应绑定，通过移动终端APP采集和识别VIN码信息，通过无线网络将结果发至相应绑定的所述上位机，每个上位机分别对应接收绑定的移动终端发送的识别信息；上位机用于自动处理和传输移动所述终端发来识别信息，并将其发给对应PLC；中控台被授权可以访问和查询VIN码识别结果和系统应用情况。
[0028]另一方面，提供了一种基于移动终端OS识别VIN码的经量化识别系统，包括：
[0029]中控台，所述中控台用于接收上传的校验成功的车辆VIN码，并进行信息存储，所述中控台被授权可以访问和查询VIN码识别结果和系统应用；
[0030]PLC，所述PLC用于控制设备运行；
[0031]移动终端，所述移动终端与所述上位机通过无线连接方式相连；
[0032]上位机，所述上位机分别与所述PLC和中控台通过以太网相连。
[0033]与现有技术相比，本专利技术的有益效果是：本专利技术解决了人为因素对识别样本可用性的影响；降低了深度学习训练VIN码识别模型对硬件性能的需求，实现了基于深度学习的VIN码识别算法的低成本应用；实现了一种便于操作，能够快速、自动采集、准确识别VIN码，并将识别信息准确填入生产系统中的智能化方法。该方法速度快、效率高，提升了工作效
率。
附图说明
[0034]图1为基于移动终端OS识别VIN码的经量化识别方法流程图；
[0035]图2为基于移动终端OS识别VIN码的经量化识别系统结构连接示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动终端OS识别VIN码的经量化识别方法，其特征在于，包括：通过移动终端采集有效VIN图片信息，并将所述VIN图片信息输入移动终端的预处理模块和识别模块；对所述VIN图片信息进行图片预处理生成待识别图片，其中，所述图片预处理包括图像的灰度化、顶帽变换、图像增强、二值化、边缘检测与分割；将所述待识别图片上传至上位机，通过图像识别类库对所述待识别图片进行字符特征提取；利用上位机训练生成的金属光面VIN字符库进行匹配识别；根据VIN的编码规则对识别结果进行校验；将校检成功的车辆VIN码上传至中控台进行信息存储；将校检成功的车辆VIN码通过字符库训练生成专用VIN字符库。2.根据权利要求1所述的一种基于移动终端OS识别VIN码的经量化识别方法，其特征在于，利用训练生成的VIN字符库进行匹配识别，还包括：所述训练为采用基于深度学习的目标检测模型检测VIN码图像，定位并判断VIN码区域在图像中是否有效存在；若有效存在则记录此条标志为1，并同时提取VIN码区域；若无效存在则记录此条标志为0，并保存相关图片，进入Degree of Confidenced分析流程。3.根据权利要求2所述的一种基于移动终端OS识别VIN码的经量化识别方法，其特征在于，采用基于深度学习的字符分割模型检测VIN码区域，将VIN码分割成单个字符，判断字符的个数是否为17，若成立则记录此条标志为1，并提取每个字符图像；若不成立则记录此条标志为0，并保存相关图片，进入统计分析流程；对整个过程的动作结果进行Degree of Confidenced分析。4.根据权利要求3所述的一种基于移动终端OS识别VIN码的经量化识别方法，其特征在于，记录标志位全部为1，则VIN码识别检测通过，若存在标志0，则VIN码识别该检测不通过；同时，根据标志1出现的位置获取校验不通过的原因及问题图片。5.根据权利要求2所述的一种基于移动终端OS识别VIN码的经量化识别方法，其特征在于，所述训练为采用基于深度学习的目标检测模型检测VIN码图像，定位并判断VIN码区域在图像中是否有效存在，还包括：训练数据样本准备：获取不同拍摄条件的真实VIN码图像，使得训练准备的数据更贴合实际的应用场景；数据标注：采用矩形标记框将...

【专利技术属性】
技术研发人员：王星淳，于泽淼，于梅，闫岩，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：