【技术实现步骤摘要】
本专利技术涉及机器视觉检测，尤其涉及一种定位和识别字符的光学检测方法。
技术介绍
1、随着机器视觉的行业发展，利用相机取代人眼进行视觉检测的设备越来越多，行业前景广阔，市场潜力巨大。生产线的效率提升与改造升级已提上日程，检测识别难度与日俱增，对检测的稳定性也提出了较高要求。
2、传统的检测手段是通过人工肉眼观察产品表面的字符，对字符进行识别分类。但是人工检测存在以下缺点：人工识别分类速度较慢；长时间、单一的劳动节奏会使员工产生视觉疲劳，对字符的确认可能会形成误差，进而产生分类错误，影响产品最终的品质；由于人的主观能动性存在差异，产品分类的准确性参差不齐。在此情况下如果想要提高产品质量与产量，就需要耗费大量的人力、物力。
3、因此，有必要设计一种定位和识别字符的光学检测方法，以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种快速、准确识别待检产品上的字符，方便后续对产品进行精确分类的定位和识别字符的光学检测方法。
2、为实现上述目的，本专利技术采用如下技术方案：一种定位和识别字符的光学检测方法，其包括以下步骤：
3、s1、采集待检产品的原始图像并读取图像信息；
4、s2、构建箭头形状作为目标的检测模型，调用所述检测模型，粗定位所述原始图像中箭头的位置；
5、s3、获取步骤s2中的句柄参数，生成感兴趣区域；
6、s4、对于所述感兴趣区域进行blob分析，提取箭头区域；
7、s5
8、s6、根据箭头区域的水平方向的距离，计算方差，判断箭头方向；
9、s7、根据箭头方向进行ocr字符识别；
10、s8、显示步骤s7中识别的字符。
11、作为本专利技术进一步改进的技术方案，s1中，利用光学工站分别采集待检产品上、下两面的图像，采集待检产品的正面的原始图像并读取图像信息。
12、作为本专利技术进一步改进的技术方案，s2中，构建检测模型的过程包括以下步骤：采集若干张产品的图像并读取图像信息，对所述图像进行标注，形成目标检测数据集，根据所述目标检测数据集对神经网络进行训练，生成所述检测模型；其中，学习率的公式如下：
13、
14、作为本专利技术进一步改进的技术方案，s2中，粗定位的箭头位置为不带方向的矩形；s3中，调用所述检测模型生成句柄参数，在句柄的字典中提取矩形左上角和右下角坐标参数，生成相对应的感兴趣区域。
15、作为本专利技术进一步改进的技术方案，s4中，利用抠图、滤波、二值化、区域填充、形态学或区域特征提取的方法提取箭头区域。
16、作为本专利技术进一步改进的技术方案，s5中，将箭头区域变换到竖直方向并对原始图像和箭头区域进行竖直方向上的校正，校正过程包含以下步骤：
17、s51、计算箭头区域的面积s和箭头区域的中心坐标(x1,y1)。
18、s52、计算箭头区域与水平向右方向的夹角θ。
19、s53、根据平移矩阵t和旋转变换矩阵r，得到仿射变换矩阵h:
20、
21、s54、对于原始图像的所有的点乘以仿射变换矩阵h,得到转正后的坐标值(xm,ym)，
22、
23、s55、得到原始图像和箭头区域两种对象都旋转到竖直方向的图像。
24、作为本专利技术进一步改进的技术方案，s6中，对于竖直方向上的箭头求取最小外接矩形，利用水平线与箭头相交得到两个交点坐标，计算其相应的距离d，保存到数组[d1，d2，d3，d4，...dn]中，数组中是依次排列的箭头水平方向的距离值，将数组一分为二，并分别计算方差值，方差波动大的数组即为箭头的朝向。
25、作为本专利技术进一步改进的技术方案，s7中，ocr字符识别包括以下步骤：根据箭头的方向设置固定的偏差值设置一个矩形框以提取字符所在位置，利用深度学习对箭头所指向的方向上的字符进行识别。
26、作为本专利技术进一步改进的技术方案，对于易于出错的字符利用图像分割、区域填充、形态学去除噪声或区域筛选得到相应的字符，将提取的字符设置为白底黑字的图像，利用工业字符库进行识别。
27、作为本专利技术进一步改进的技术方案，s8中，将识别出的字符显示在原始图片上，得到最终的结果显示图像。
28、由以上技术方案可知，本专利技术的定位和识别字符的光学检测方法通过对字符所在的位置进行精确的定位，对于字符和箭头周边的干扰做出处理，尤其是使用了仿射变换使得求取箭头方向更加的明确，利用二次定位能准确截取出字符所在的位置，做到快速、准确的识别出字符，使得产品检测自动化程度提高，检测准确率及效率大大提升。
本文档来自技高网...【技术保护点】
1.一种定位和识别字符的光学检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S1中，利用光学工站分别采集待检产品上、下两面的图像，采集待检产品的正面的原始图像并读取图像信息。
3.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S2中，构建检测模型的过程包括以下步骤：采集若干张产品的图像并读取图像信息，对所述图像进行标注，形成目标检测数据集，根据所述目标检测数据集对神经网络进行训练，生成所述检测模型；其中，学习率的公式如下：
4.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S2中，粗定位的箭头位置为不带方向的矩形；S3中，调用所述检测模型生成句柄参数，在句柄的字典中提取矩形左上角和右下角坐标参数，生成相对应的感兴趣区域。
5.如权利要求4所述的定位和识别字符的光学检测方法，其特征在于：S4中，利用抠图、滤波、二值化、区域填充、形态学或区域特征提取的方法提取箭头区域。
6.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S5中，将
7.如权利要求6所述的定位和识别字符的光学检测方法，其特征在于：S6中，对于竖直方向上的箭头求取最小外接矩形，利用水平线与箭头相交得到两个交点坐标，计算其相应的距离d，保存到数组[d1，d2，d3，d4，...dn]中，数组中是依次排列的箭头水平方向的距离值，将数组一分为二，并分别计算方差值，方差波动大的数组即为箭头的朝向。
8.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S7中，OCR字符识别包括以下步骤：根据箭头的方向设置固定的偏差值设置一个矩形框以提取字符所在位置，利用深度学习对箭头所指向的方向上的字符进行识别。
9.如权利要求8所述的定位和识别字符的光学检测方法，其特征在于：对于易于出错的字符利用图像分割、区域填充、形态学去除噪声或区域筛选得到相应的字符，将提取的字符设置为白底黑字的图像，利用工业字符库进行识别。
10.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：S8中，将识别出的字符显示在原始图片上，得到最终的结果显示图像。
...【技术特征摘要】
1.一种定位和识别字符的光学检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：s1中，利用光学工站分别采集待检产品上、下两面的图像，采集待检产品的正面的原始图像并读取图像信息。
3.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：s2中，构建检测模型的过程包括以下步骤：采集若干张产品的图像并读取图像信息，对所述图像进行标注，形成目标检测数据集，根据所述目标检测数据集对神经网络进行训练，生成所述检测模型；其中，学习率的公式如下：
4.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：s2中，粗定位的箭头位置为不带方向的矩形；s3中，调用所述检测模型生成句柄参数，在句柄的字典中提取矩形左上角和右下角坐标参数，生成相对应的感兴趣区域。
5.如权利要求4所述的定位和识别字符的光学检测方法，其特征在于：s4中，利用抠图、滤波、二值化、区域填充、形态学或区域特征提取的方法提取箭头区域。
6.如权利要求1所述的定位和识别字符的光学检测方法，其特征在于：s5中，将箭头区域变换...
【专利技术属性】
技术研发人员：张震，张深逢，尚修鑫，
申请(专利权)人：苏州天梭智能软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。