焊缝射线图像的文本识别方法及系统、设备技术方案

本发明专利技术公开了一种焊缝射线图像的文本识别方法及系统、设备，焊缝射线图像的文本识别方法包括以下步骤：将焊缝射线图像输入至光学字符串检测模型，根据光学字符串检测模型从焊缝射线图像中检测出字符串区域；将字符串区域的子图像输入字符识别模型，根据字符识别模型得到子图像的字符识别结果；根据子图像的高宽比确定字符排列规则，并根据字符排列规则对字符识别结果进行排序，得到焊缝射线图像中的文本识别结果。本发明专利技术通过深度学习算法实现焊缝射线底片的字符识别，增强焊缝底片字符识别的自动化程度，降低了射线底片归档过程中的工作量，提升焊缝射线检测的工作效率。提升焊缝射线检测的工作效率。提升焊缝射线检测的工作效率。

【技术实现步骤摘要】
焊缝射线图像的文本识别方法及系统、设备


[0001]本专利技术涉及焊缝无损检测领域，特别涉及一种焊缝射线图像的文本识别方法及系统、设备。

技术介绍

[0002]随着焊缝钢材数量及种类的增多，工作人员会通过在材料上放置数字，字母，中文或其它标志的铸件或打印纸，经由射线成像的RT(射线检测)图片中便能显现对应的光学字符，从而表征所拍钢材的详细信息。然而，光学字符的识别工作(分类，语义分析等)通常由人工完成。随着工业生产效率的提升，大量钢材焊缝RT图像中的光学字符识别工作会耗费大量的人力资源，借助机器视觉分担甚至代替工作人员完成字符识别的相关工作成为了工业界的重要课题。
[0003]21世纪以来，伴随着深度学习的出现。基于深度学习的光学字符识别技术逐渐应用在各行各业，常用的有卷积神经网络、自编码网络等。深度神经网络具备从大量数据中提取有效信息的能力，目前，深度学习已在多个领域取得了媲美甚至超越人类的性能，在此基础下，快速识别图像中的字符，并辅助相关人员完成分类成为了具有前瞻性的需求，神经网络模型的出现使得机器承担光学字符识别的工作成为了可能。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中文本识别的精确度不高且操作繁琐的缺陷，提供一种焊缝射线图像的文本识别方法及系统、设备。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]第一方面，提供一种焊缝射线图像的文本识别方法，包括以下步骤：
[0007]将焊缝射线图像输入至光学字符串检测模型，根据所述光学字符串检测模型从所述焊缝射线图像中检测出字符串区域；
[0008]将所述字符串区域的子图像输入字符识别模型，根据所述字符识别模型得到所述子图像的字符识别结果；
[0009]根据所述子图像的高宽比确定字符排列规则，并根据所述字符排列规则对所述字符识别结果进行排序，得到所述焊缝射线图像中的文本识别结果。
[0010]可选地，所述根据所述字符排列规则对所述字符识别结果进行排序的步骤包括：
[0011]判断所述字符串检测结果的高宽；
[0012]若宽大于高，所述字符排列规则为将所述焊缝射线图像中的字符识别结果按左侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从左到右；
[0013]若高大于宽，所述字符排列规则为将所述焊缝射线图像中的字符识别结果按上侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从上到下。
[0014]可选地，所述光学字符串检测模型通过以下步骤训练得到：
[0015]获取焊缝射线图像样本；所述焊缝射线图像样本标注有字符串区域信息；
[0016]将所述焊缝射线图像样本输入第一可形变卷积网络，以由所述第一可形变卷积网络输出所述焊缝射线图像样本中的字符串区域识别结果；
[0017]根据所述字符串区域信息和所述字符串区域识别结果计算第一损失误差，并根据所述第一损失误差对所述第一可形变卷积网络的网络参数进行调节；
[0018]将满足迭代停止条件的所述第一可形变卷积网络确定为所述光学字符串检测模型；
[0019]和/或，所述字符识别模型通过以下步骤训练得到：
[0020]获取所述字符串区域的子图像样本；所述子图像样本标注有字符区域信息；
[0021]将所述子图像样本输入第二可形变卷积网络，以由所述第二可形变卷积网络输出所述子图像样本中的字符区域识别结果；
[0022]根据所述字符区域信息和所述字符区域识别结果计算第二损失误差，并根据所述第二损失误差对所述第二可形变卷积网络的网络参数进行调节；
[0023]将满足迭代停止条件的所述第二可形变卷积网络确定为所述字符识别模型。
[0024]可选地，在获取所述字符串区域的子图像样本之后，还包括：
[0025]对所述子图像样本进行旋转增强处理，再将经过旋转增强处理的所述子图像样本输入所述第二可形变卷积网络。
[0026]可选地，将所述字符串区域的子图像输入字符识别模型，包括：
[0027]对所述子图像进行裁剪，得到所述子图像的字符图像；
[0028]将所述字符图像输入所述字符识别模型。
[0029]第二方面，提供一种焊缝射线图像的文本识别系统，包括：
[0030]检测模块，用于将焊缝射线图像输入至光学字符串检测模型，根据所述光学字符串检测模型从所述焊缝射线图像中检测出字符串区域；
[0031]识别模块，用于将所述字符串区域的子图像输入字符识别模型，根据所述字符识别模型得到所述子图像的字符识别结果；
[0032]确定模块，用于根据所述子图像的高宽比确定字符排列规则，并根据所述字符排列规则对所述字符识别结果进行排序，得到所述焊缝射线图像中的文本识别结果。
[0033]可选地，所述确定模块包括：
[0034]判断单元，用于判断所述字符串检测结果的高宽，并在宽大于高时调用第一确定单元，在高大于宽时调用第二确定单元；
[0035]第一确定单元，用于确定所述字符排列规则为将所述焊缝射线图像中的字符识别结果按左侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从左到右；
[0036]第二确定单元，用于确定所述字符排列规则为将所述焊缝射线图像中的字符识别结果按上侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从上到下。
[0037]可选地，检测模块包括：
[0038]第一获取单元，用于获取焊缝射线图像样本；所述焊缝射线图像样本标注有字符串区域信息；
[0039]第一输出单元，用于将所述焊缝射线图像样本输入第一可形变卷积网络，以由所
述第一可形变卷积网络输出所述焊缝射线图像样本中的字符串区域识别结果；
[0040]第一计算单元，用于根据所述字符串区域信息和所述字符串区域识别结果计算第一损失误差，并根据所述第一损失误差对所述第一可形变卷积网络的网络参数进行调节；
[0041]第三确定单元，用于将满足迭代停止条件的所述第一可形变卷积网络确定为所述光学字符串检测模型；
[0042]和/或，识别模块包括：
[0043]第二获取单元，用于获取所述字符串区域的子图像样本；所述子图像样本标注有字符区域信息；
[0044]第二输出单元，用于将所述子图像样本输入第二可形变卷积网络，以由所述第二可形变卷积网络输出所述子图像样本中的字符区域识别结果；
[0045]第二计算单元，用于根据所述字符区域信息和所述字符区域识别结果计算第二损失误差，并根据所述第二损失误差对所述第二可形变卷积网络的网络参数进行调节；
[0046]第四确定单元，用于将满足迭代停止条件的所述第二可形变卷积网络确定为所述字符识别模型。
[0047]可选地，识别模块还包括：
[0048]处理单元，用于在获取所述字符串区域的子图像样本之后，对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种焊缝射线图像的文本识别方法，其特征在于，包括以下步骤：将焊缝射线图像输入至光学字符串检测模型，根据所述光学字符串检测模型从所述焊缝射线图像中检测出字符串区域；将所述字符串区域的子图像输入字符识别模型，根据所述字符识别模型得到所述子图像的字符识别结果；根据所述子图像的高宽比确定字符排列规则，并根据所述字符排列规则对所述字符识别结果进行排序，得到所述焊缝射线图像中的文本识别结果。2.如权利要求1所述的焊缝射线图像的文本识别方法，其特征在于，所述根据所述字符排列规则对所述字符识别结果进行排序的步骤包括：判断所述字符串检测结果的高宽；若宽大于高，所述字符排列规则为将所述焊缝射线图像中的字符识别结果按左侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从左到右；若高大于宽，所述字符排列规则为将所述焊缝射线图像中的字符识别结果按上侧坐标从小到大排列，并按所述字符排列规则生成文本，且所述文本的读取顺序为从上到下。3.如权利要求1所述的焊缝射线图像的文本识别方法，其特征在于，所述光学字符串检测模型通过以下步骤训练得到：获取焊缝射线图像样本；所述焊缝射线图像样本标注有字符串区域信息；将所述焊缝射线图像样本输入第一可形变卷积网络，以由所述第一可形变卷积网络输出所述焊缝射线图像样本中的字符串区域识别结果；根据所述字符串区域信息和所述字符串区域识别结果计算第一损失误差，并根据所述第一损失误差对所述第一可形变卷积网络的网络参数进行调节；将满足迭代停止条件的所述第一可形变卷积网络确定为所述光学字符串检测模型；和/或，所述字符识别模型通过以下步骤训练得到：获取所述字符串区域的子图像样本；所述子图像样本标注有字符区域信息；将所述子图像样本输入第二可形变卷积网络，以由所述第二可形变卷积网络输出所述子图像样本中的字符区域识别结果；根据所述字符区域信息和所述字符区域识别结果计算第二损失误差，并根据所述第二损失误差对所述第二可形变卷积网络的网络参数进行调节；将满足迭代停止条件的所述第二可形变卷积网络确定为所述字符识别模型。4.如权利要求3所述的焊缝射线图像的文本识别方法，其特征在于，在获取所述字符串区域的子图像样本之后，还包括：对所述子图像样本进行旋转增强处理，再将经过旋转增强处理的所述子图像样本输入所述第二可形变卷积网络。5.如权利要求1所述的焊缝射线图像的文本识别方法，其特征在于，将所述字符串区域的子图像输入字符识别模型，包括：对所述子图像进行裁剪，得到所述子图像的字符图像；将所述字符图像输入所述字符识别模型。6.一种焊缝射线图像的文本识别系统，其特征在于，包括：检测模块，用于将焊缝射线图像输入至光学字符串检测模型，根据所述光学字...

【专利技术属性】
技术研发人员：杨家荣，董亚明，叶松霖，韩少恒，
申请(专利权)人：上海电气集团股份有限公司，
类型：发明
国别省市：