基于卷积神经网络的光学点阵二维坐标识别方法及设备技术

本发明专利技术公开了基于卷积神经网络的光学点阵二维坐标识别方法及设备，所述方法包括：获取编码点阵的图像数据，并对所述图像数据进行二值化处理得到二值化图像；基于卷积神经网络对所述二值化图像进行迭代处理，得到所述编码点阵的虚拟光栅，并根据所述虚拟光栅得到所述编码点阵的虚拟光栅点坐标；根据所述虚拟光栅点坐标得到所述编码点阵中黑点的位置偏移，基于所述位置偏移得到所述黑点的编码值，并对所述编码值进行解码得到所述黑点的目标位置坐标。本发明专利技术通过微码点的定位识别来提供确定光学点阵坐标的方式，此方式需要的资源开销小，解码速度快，减少了过度拟合，使得坐标更加精准。准。准。

【技术实现步骤摘要】
基于卷积神经网络的光学点阵二维坐标识别方法及设备


[0001]本专利技术涉及数据处理
，尤其涉及一种基于卷积神经网络的光学点阵二维坐标识别方法、系统、终端及计算机可读存储介质。

技术介绍

[0002]随着信息技术的快速发展，生活和工作中使用到的信息量越来越大，人们日益普遍地使用计算机来生产、处理、交换和传播各种形式的信息。例如，随着笔迹数字化进程的加快，就需将实际书写笔迹进行采集，并将其数字化，然而为了使采集的数据更加精准，则需要通过对点阵的二维坐标进行识别来实现智能定位功能。
[0003]现有技术中对点阵的二维坐标的识别，都是通过直线来辅助定位，就会导致印刷灰度更高，使得定位精度不准确，还存在过度拟合，使得解码准确度较低；另外现有技术无法解决有杂点干扰，一旦有杂点干扰，就会导致无法识别当前坐标。
[0004]因此，现有技术还有待于改进和发展。

技术实现思路

[0005]本专利技术的主要目的在于提供基于卷积神经网络的光学点阵二维坐标识别方法及设备，旨在解决现有技术中对点阵二维坐标的识别存在解码准确率低及定位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的光学点阵二维坐标识别方法，其特征在于，所述基于卷积神经网络的光学点阵二维坐标识别方法包括：获取编码点阵的图像数据，并对所述图像数据进行二值化处理得到二值化图像；基于卷积神经网络对所述二值化图像进行迭代处理，得到所述编码点阵的虚拟光栅，并根据所述虚拟光栅得到所述编码点阵的虚拟光栅点坐标；根据所述虚拟光栅点坐标得到所述编码点阵中黑点的位置偏移，基于所述位置偏移得到所述黑点的编码值，并对所述编码值进行解码得到所述黑点的目标位置坐标。2.根据权利要求1所述的基于卷积神经网络的光学点阵二维坐标识别方法，其特征在于，所述获取编码点阵的图像数据，并对所述图像数据进行二值化处理得到二值化图像，具体包括：根据码点生成算法得到编码点阵的电子文件，并根据所述电子文件得到所述编码点阵的图像数据；将所述图像数据进行灰度化处理得到灰度图像，对所述灰度图像进行提取处理得到多个像素的像素值，并预先设定所述像素值的像素值阈值；将每个所述像素的像素值与所述像素值阈值进行对比得到对比结果，并根据所述对比结果对所述灰度图像中的每个像素进行赋值，得到二值化图像。3.根据权利要求2所述的基于卷积神经网络的光学点阵二维坐标识别方法，其特征在于，所述基于所述对比结果对所述灰度图像中的每个像素进行赋值，具体包括：当所述灰度图像中像素的像素值大于所述像素值阈值时，将所述像素赋值为255；当所述灰度图像中像素的像素值小于所述像素值阈值时，将所述像素赋值为0。4.根据权利要求1所述的基于卷积神经网络的光学点阵二维坐标识别方法，其特征在于，所述基于卷积神经网络对所述二值化图像进行迭代处理，得到所述编码点阵的虚拟光栅，并根据所述虚拟光栅得到所述编码点阵的虚拟光栅点坐标，具体包括：对所述二值化图像中的数据进行归一化处理，得到所述二值化图像中编码点阵的虚拟光栅，并选取预设数量的卷积核；对所述虚拟光栅进行卷积运算及最大值池化处理得到处理结果，并基于所述卷积核对所述处理结果进行边界检测，得到所述编码点阵中黑点的质心；根据所述质心和所述虚拟光栅的坐标间隔得到所述编码点阵的虚拟光栅点坐标。5.根据权利要求1所述的基于卷积神经网络的光学点阵二维坐标识别方法，其特征在于，所述根据所述虚拟光栅点坐标得到所述编码点阵中黑点的位置偏移，基于所述位置偏移得到所述黑点的编码值，并对所述编码值进行解码得到所述黑点的目标位置坐标，具...

【专利技术属性】
技术研发人员：张阿才，张金强，
申请(专利权)人：深圳市牛加技术有限公司，
类型：发明
国别省市：