钢坯号自动识别方法技术

本发明专利技术公开了一种字符识别技术领域的钢坯号自动识别方法，包括以下步骤：步骤一，图像预处理；步骤二，钢坯号区域截取与透视变换；步骤三，图像灰度处理；步骤四，二值化处理；步骤五，数字符号切割；步骤六，字符标准化；步骤七，相似度计算和字符识别；步骤八，判定钢坯号是否有误。本发明专利技术能够在线实现对钢坯号的自动识别及其控制的全过程，具有明显的技术优势：（１）字符切割精确、高效，切割出错率小于０．１％；（２）字符识别准确、快速，识别准确率达到１００％，整个钢坯号识别运算周期不超过１００ｍｓ。

【技术实现步骤摘要】

本专利技术涉及的是一种检测
的字符识别方法，具体是一种。
技术介绍
在钢铁厂生产钢坯的过程中，会在钢坯的一侧喷上特定的数字序列等符号以表示特定的批次，根据不同的批次规定了不同的生产工序，但是由于生产过程中不可避免的会发生装料错误，使得其他批次的钢坯混入生产线中，从而造成产品质量瑕疵。现有钢铁厂，一般是通过人工的方式来监视和检查钢坯号。但是人工方式不利于流水线的自动化生产，靠人来判断钢坯是否属于同一批次，不但速度慢，还会因为人眼疲劳而出现判断差错。为了提高判断的准确性、快速性和自动化，必须通过先进技术手段来弥补冶金企业的这一技术空白。 经对现有技术文献的检索发现，陈虹的题目为“汽车车牌的自动检测与识别”的文献(《交通建设与管理》2009年第11期)提出一种基于数学形态学与多特征组合分析相结合的汽车车牌定位方法；对于字符分割，主要借助相关的投影信息和先验知识来确定每个字符的分割位置；字符识别，给出了一种BP神经网络算法。该方法是可行的，但是该文献所存在的技术缺陷主要表现为 (1)图像的前期处理过于复杂，因此占用了较大量的计算机运算时间，势必影响识别运算速度； (2)需要结合车牌字符序列的固定位置关系来完成车牌字符的分割，势必增大了字符分割的出错率； (3)采用BP神经网络算法包含了多层感知器，势必增加运算耗时，无法适应快速识别的技术要求。 经对现有技术文献的检索还发现，柳欣、吴杰的题目为“基于中心投影变换的车牌字符识别”的文献(《湖北大学学报(自然科学版)》2009年第1期)提出在对车牌字符矩形区域进行切分基础上首先运用中心投影变换方法，然后求出字符分形曲线的分形维数，进行识别的一种方法。该方法的字符识别率有所提高，但是，仍然存在一些技术不足之处，主要表现为 (1)由于实际的二维图像模式通常是以离散的形式存储在计算机中，所有的计算必须通过差分方程进行，其中重要的一点是要保证观测数据空间的维数必须足够大，否则二值图像中就会有很多像素不产生中心投影，因而导致统计信息不充分； (2)实例检测结果证实，该方法的字符识别正确率仅达到93.4％，因此离实用技术尚有较大差距。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种。本专利技术利用视感智能检测技术对生产流转过程的钢坯实现全自动和智能化监控，一旦发现流水线上的钢坯号有误，无论单个还是批量，均能准确发现，能够提示生产人员予以排除，也能通过自动执行机构实现无人自动管理，不但能够降低企业的人工成本，同时可以减少由于人为失误而引发生产质量问题。 本专利技术是通过以下技术方案实现的，本专利技术包括步骤如下 第一步，采用视频监控得到钢坯生产线上钢坯的图像，并对该图像进行预处理。 所述的预处理，包括图像模数转换、图像增强与滤波。其间，视频图像经过模数转换后获得数字图像信号，接着采用灰度变换、直方图修正、局部统计和图像锐化方法中的一种对数字图像信号进行增强，再进行滤波处理。所述的滤波是滤除噪声以突出字符特征，采用灰度面积开滤波和闭滤波或者采用非线性滤波器中的基于形态学开闭和闭开运算的形态滤波器。 第二步，根据实验预先确定钢坯号区域，以钢坯二维图像中心到达计算机图像坐标平面中轴位置为准，切割下含字符区域的矩形图像，并对该图像进行透视变换。 所述的透视变换是为了校正图像，具体步骤是 (1)取图像中钢坯上的字符区域的四个顶点，其坐标分别为(xi，yi)，i＝1，2，3，4； (2)在拟定的图像透视变换后的目标坐标中，同样取四个点，其坐标分别为(xi′，yi′)，i＝1，2，3，4，利用齐次坐标变换方程 (公式一) 得到透视矩阵 中的每个参数值； (3)利用透视矩阵将图像上的每一像素点(xij，yij)转换为图像透视变换后的目标坐标系中的(xij′，yij′)，即 (公式二) 其中i＝1，2，...，m，j＝1，2，…，n，m为像素点列数，n为像素点行数，由此获得有利于识别的、校正过的数字图像。 第三步，将上步得到的数字图像进行灰度处理，得到灰度图像。 所述的灰度处理，具体公式为 Y＝-0.299*R+0.587*G+0.144*B(公式三) 其中R、G、B分别代表RGB彩色空间的彩色三分量，Y为彩色空间转换后的灰度级。 第四步，对灰度处理后的图像进行二值化处理，将图像分为目标和背景两部分。 所述的二值化处理采用Roberts算子方法或者最大类间方差法(OTSU)。 所述的最大类间方差法，具体公式为 (公式四) 其中dstij为二值化图像的像素，srcij为灰度图像的像素；threshold是设定的阈值。 第五步，在二值化处理后的图像中，分别将每个字符切割下来。 所述的字符切割，具体过程为 (1)建立二维图像oxy平面坐标系，其中以x为横坐标、y为纵坐标，坐标的原点o处于图像的左下角； (2)横向切割将图像向y轴投影，取投影宽度最大的一段确定为字符横向切割的长度，并按此长度将图像进行横向切割； (3)纵向切割将横向切割后的图像向x轴投影，利用数字之间的间隙，将每个字符进行纵向切割； (4)字符填充对每个切割下来的字符进行填充，使填充后每个字符的面积相等。 第六步，将切割后的每个字符图像分别进行统一的缩放处理，以消除其水平偏差。 第七步，根据每个字符图像与预置模板图像的相似度值，实现对钢坯号的字符识别，并将识别后的字符按照检测顺序进行存储和显示。 所述的相似度值采用模板匹配方法，具体公式为 (公式五) 其中Sk是第k个模板图像与当前字符图像的相似度值，I、J分别为字符的像素数宽与高；f(i，j)、Pk(i，j)分别为字符像素和第k个模板的像素；k＝1，2，…，m，m为模板总数。 当字符只取数字时，m＝10；当字符是数字并包含26个英文大写字母时，m＝36，余类推。 所述的字符识别是当Sl＞S0且则检测字符被识别为第l个模板；其中，S0为相似度阈值，Sk是第k个模板与当前字符图像的相似度值，1≤k≤m，m是模块总数，Sl为预置模板中与当前字符图像的最大相似度值。 第八步，根据得到的识别后的钢坯号，实现对当前生产钢坯的控制，依次不断重复上述步骤，从而实现了对钢坯号的自动识别和控制。 与现有技术相比，本专利技术的有益效果是 (1)字符切割精确、高效； (2)字符识别准确、快速。 附图说明 图1为实施例识别流程框图； 图2为实施例现场采集的图像； 图3为实施例钢坯号区域截取图； 图4为实施例钢坯号区域透视变换图； 图5为实施例二值化图像示意图； 图6为实施例数字图像y轴投影图； 图7为实施例数字字符横向切割图； 图8为实施例数字图像x轴投影图； 图9为实施例数字字符纵向切割图。 具体实施例方式 下面结合附图对本专利技术的实施例作详细说明本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。 实施例 如图1所示，本实施例包括以下步骤 第一步，如图2所示，采用视频监控得到钢坯生产线上钢坯的图像，并对该图像本文档来自技高网...

【技术保护点】
一种钢坯号自动识别方法，其特征在于，包括以下步骤：第一步，采用视频监控得到钢坯生产线上钢坯的图像，并对该图像进行预处理；第二步，根据实验预先确定钢坯号区域，以钢坯二维图像中心到达计算机图像坐标平面中轴位置为准，切割下含字符区域的矩形图像，并对该图像进行透视变换；第三步，将上步得到的数字图像进行灰度处理，得到灰度图像；第四步，对灰度处理后的图像进行二值化处理，将图像分为目标和背景两部分；第五步，在二值化处理后的图像中，分别将每个字符切割下来；第六步，将切割后的每个字符图像分别进行统一的缩放处理，以消除其水平偏差；第七步，根据每个字符图像与预置模板图像的相似度值，实现对钢坯号的字符识别，并将识别后的字符按照检测顺序进行存储和显示；第八步，根据得到的识别后的钢坯号，实现对当前生产钢坯的控制，依次不断重复上述步骤，从而实现了对钢坯号的自动识别和控制。

【技术特征摘要】

【专利技术属性】
技术研发人员：张秀彬，应俊豪，马丽，吴迪，史战果，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]