基于DBNet和CRNN的钢卷号识别方法及系统技术方案

本申请提供一种基于DBNet和CRNN的钢卷号识别方法及系统，基于DBNet和CRNN的钢卷号识别方法包括：获取钢卷图像；采用DBNet模型提取钢卷图像中钢卷号的目标框区域，并返回对应目标框区域的坐标信息；根据坐标信息对钢卷图像进行裁剪，分别得到每个钢卷号的区域图像；将每个裁剪得到的区域图像图像作为输入，通过CRNN网络模型进行卷号文本的识别获得字符序列。本发明专利技术实施例所提供的钢卷号识别方法能够实现自动化、高效和准确的钢卷号提取和识别，适用于钢卷相关的自动化处理和管理场景。适用于钢卷相关的自动化处理和管理场景。适用于钢卷相关的自动化处理和管理场景。

【技术实现步骤摘要】
基于DBNet和CRNN的钢卷号识别方法及系统


[0001]本专利技术涉及钢包的图像识别检测领域，具体为一种基于DBNet和CRNN的钢卷号识别方法及系统。

技术介绍

[0002]通常钢卷号是追踪钢卷产品物流的关键依据。传统的钢卷生产流程中，识别和录入钢卷号需要操作人员手动观看现场流水线视频，这种方法耗时多且容易出错，而且还需要手工将结果录入电子系统，过程繁琐且效率不高。
[0003]为了解决这个问题，采用图像识别技术成为了一种应运而生的方式。然而，由于厂房环境复杂，环境光线对卷号识别的准确性有影响，容易导致识别异常；另外，卷号呈圆弧分布，直接提取字符容易造成字序错误；而打印在钢卷上的卷号喷漆可能会断片或不连续；常规深度学习卷号检测方案直接识别图片中的字符，容易受到背景物体干扰，难以区分不同钢卷的卷号信息，导致可靠性不高。
[0004]基于上述，提出本申请。

技术实现思路

[0005]通过上述，为解决现有技术中所存在的技术问题，本申请所需提供一种具备高通用性且兼顾稳定性的基于DBNet和CRNN的钢卷号识别方法及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBNet和CRNN的钢卷号识别方法，其特征在于，包括：获取钢卷图像；采用DBNet模型提取钢卷图像中钢卷号的目标框区域，并返回对应所述目标框区域的坐标信息；根据所述坐标信息对所述钢卷图像进行裁剪，分别得到每个钢卷号的区域图像；将每个裁剪得到的区域图像图像作为输入，通过CRNN网络模型进行卷号文本的识别获得字符序列。2.根据权利要求1所述的钢卷号识别方法，其特征在于，所述采用DBNet模型提取钢卷图像中钢卷号的目标框区域，并返回对应所述目标框区域的坐标信息包括：对所述钢卷图像一次预处理；将一次预处理后的钢卷图像经过所述DBNet模型的前向传播过程，所述DBNet模型根据钢卷图像的特征提取和上下文理解，得到钢卷置信度点阵图；筛选出钢卷置信度点阵图中高于预设的第一阈值的目标像素点；通过连通区域分析算法连接目标像素点，以得到所述目标框区域，并反馈所述目标框区域的坐标信息，其中所述坐标信息包括角点坐标及目标框中心点坐标。3.根据权利要求2所述的钢卷号识别方法，其特征在于，所述根据所述坐标信息对所述钢卷图像进行裁剪，分别得到每个钢卷号的区域图像包括：根据坐标信息确定一个矩形区域，将该区域从钢卷图像像中裁剪出来得到矩形区域图像；将所述矩形区域图像转换为灰度图像；对所述灰度图像进行二次预处理，以得到每个钢卷号的区域图像。4.根据权利要求3所述的钢卷号识别方法，其特征在于，所述将每个裁剪得到的区域图像图像作为输入，通过CRNN网络模型进行卷号文本的识别获得字符序列包括：将所述区域图像输入到所述CRNN网络模型中，通过所述CRNN网络模型中的卷积层和池化层提取所述区域图像的特征序列；将提取的特征序列输入到所述CRNN网络模型中的循环神经网络中，得到文本分类点阵图；计算...

【专利技术属性】
技术研发人员：危清清，朱俸泽，谭胜虎，陈仁，
申请(专利权)人：北京瓦特曼智能科技有限公司，
类型：发明
国别省市：