【技术实现步骤摘要】
本专利技术涉及深度学习、图像处理。
技术介绍
1、通过刻划式打标的方法在产品表面进行产品信息标记是工业生产领域常用的方法，字符类型一般包括英文字母和数字。随着生产效率的提高，对金属件上的打标字符的质量要求不断提升。在生产过程中，气动打标机的关键部件打标针会随着使用时间逐渐磨损；气动打标机的气泵压力也会随时间衰减，导致字符刻划深度变化，进而出现缺笔、断笔等问题。因此，对打标字符缺陷的自动检测与自动识别对实际工业产品生产具有重要的现实意义。
2、机器视觉技术是解决这一问题的常用方法，通过合理的工业相机、镜头、光源的配合，对打标字符拍摄清晰图片，然后利用图像处理或深度学习算法实现对字符缺陷的自动识别。由于英文字母和阿拉伯数字共36个类别，类别数量较多，而且存在相似字符(如2和z，0和o，1和i等)导致目标的相似特征较多，因此传统图像处理算法在面对刻划式打标机字符缺陷识别时检测效果并不理想，缺陷识别准确率较低。
3、随着深度学习算法的发展和广泛应用，有研究者采用各种深度学习算法进行字符缺陷检测并取得一定成果。但是由于刻划...
【技术保护点】
1.刻划式打标机字符缺陷图像识别方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的刻划式打标机字符缺陷图像识别方法，其特征在于，主干网络包括5个RFCBAMConv模块、4个C2f-RFCBAM模块和YOLO算法中的SPPF模块；
3.根据权利要求2所述的刻划式打标机字符缺陷图像识别方法，其特征在于，
4.根据权利要求1所述的刻划式打标机字符缺陷图像识别方法，其特征在于，特征聚焦扩散校准网络包括4个拼接模块、2个RFCBAMConv模块、2个特征聚合模块、2个下采样模块、4个C2f模块、1个上下文特征校准模块和1个空间
【技术特征摘要】
1.刻划式打标机字符缺陷图像识别方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的刻划式打标机字符缺陷图像识别方法，其特征在于，主干网络包括5个rfcbamconv模块、4个c2f-rfcbam模块和yolo算法中的sppf模块；
3.根据权利要求2所述的刻划式打标机字符缺陷图像识别方法，其特征在于，
4.根据权利要求1所述的刻划式打标机字符缺陷图像识别方法，其特征在于，特征聚焦扩散校准网络包括4个拼接模块、2个rfcbamconv模块、2个特征聚合模块、2个下采样模块、4个c2f模块、1个上下文特征校准模块和1个空间特征校准模块；
5.根据权利要求4所述的刻划式打标机字符缺陷图像识别方法，其特征在于，特征聚合模块对接收的多个特征图依次进行多尺度特征提...
【专利技术属性】
技术研发人员：姚光勇，
申请(专利权)人：矩省上海科技股份有限公司，
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。