時(shí)間碼缺陷檢測(cè)依然以人力主導(dǎo).目前的用以檢驗(yàn)時(shí)間碼缺陷的算法受制于算法復(fù)雜度和準(zhǔn)確度,沒(méi)法在工業(yè)領(lǐng)域得到很大范疇的運(yùn)用.對(duì)于那樣的狀況,明確提出了一種新的根據(jù)迭代更新配準(zhǔn)的t-rotate iterative closest point(PRICP)算法.該算法把時(shí)間碼抽象性為點(diǎn)特點(diǎn),根據(jù)對(duì)模版和特點(diǎn)點(diǎn)開(kāi)展配準(zhǔn)來(lái)快速檢測(cè)時(shí)間碼的缺陷,引進(jìn)深度學(xué)習(xí)進(jìn)一步提高了該算法的性,魯棒性及缺陷歸類(lèi)能力.該算法早已取得成功運(yùn)用于青島啤酒廠(chǎng)生產(chǎn)流水線(xiàn)條碼時(shí)間的缺陷檢測(cè)中,當(dāng)場(chǎng)運(yùn)作數(shù)據(jù)顯示該算法在魯棒性和層面顯著好于別的方式 ,適用好幾個(gè)連通域信息內(nèi)容碼的迅速缺陷檢測(cè),另外不會(huì)受到標(biāo)準(zhǔn)及情況管束,抗噪音能力強(qiáng),可立即運(yùn)用于別的的視覺(jué)效果行業(yè).

在規(guī)模性工業(yè)化生產(chǎn)全過(guò)程中,基本上全部產(chǎn)品表層都是負(fù)荷產(chǎn)品標(biāo)識(shí)的字符信息.采用字符識(shí)別的方法對(duì)產(chǎn)品信息開(kāi)展全自動(dòng)采集及辨別在產(chǎn)品的全部生命期中起著關(guān)鍵功效,因而考慮工業(yè)生產(chǎn)當(dāng)場(chǎng)工作狀況規(guī)定的字符識(shí)別系統(tǒng)軟件務(wù)必具有鑒別速度更快,識(shí)別,可擴(kuò)展性好的特性.根據(jù)機(jī)器視覺(jué)技術(shù)服務(wù)平臺(tái)MVTec HALCON,融合編程語(yǔ)言,設(shè)計(jì)方案和開(kāi)發(fā)設(shè)計(jì)了銅環(huán)產(chǎn)品面層條碼信息的全自動(dòng)采集及在線(xiàn)識(shí)別系統(tǒng)軟件,包括原材料運(yùn)輸,圖象采集,信息分辨及快遞分揀,解決了工業(yè)生產(chǎn)銅環(huán)面層不規(guī)律排序字符,歪曲形變字符和模糊不清字符信息的圖象處理和OCR(Optical Character Recognition)字符識(shí)別難題.運(yùn)作結(jié)果顯示不規(guī)律字符信息一次準(zhǔn)確率做到99%之上,完成了銅環(huán)產(chǎn)品的生產(chǎn)制造與檢驗(yàn)全過(guò)程一體化.

厚鋼板生產(chǎn)流水線(xiàn)點(diǎn)陣式條碼字符自動(dòng)識(shí)別方式 ,包含采用圖象和輪廊投射的方式 精準(zhǔn)定位字符地區(qū).對(duì)于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線(xiàn)掃描儀優(yōu)化算法分割字符,并根據(jù)聚類(lèi)算法體制糾正分割結(jié)果.運(yùn)用bp神經(jīng)元網(wǎng)絡(luò)對(duì)分割字符開(kāi)展識(shí)別.在能確保實(shí)時(shí)性的前提條件下考慮較高的識(shí)別準(zhǔn)確度,考慮即時(shí)在線(xiàn)監(jiān)測(cè)的要求.厚鋼板生產(chǎn)流水線(xiàn)點(diǎn)陣式條碼字符自動(dòng)識(shí)別方式 ,包含采用圖象和輪廊投射的方式 精準(zhǔn)定位字符地區(qū).對(duì)于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線(xiàn)掃描儀優(yōu)化算法分割字符,并根據(jù)聚類(lèi)算法體制糾正分割結(jié)果.運(yùn)用bp神經(jīng)元網(wǎng)絡(luò)對(duì)分割字符開(kāi)展識(shí)別.在能確保實(shí)時(shí)性的前提條件下考慮較高的識(shí)別準(zhǔn)確度,考慮即時(shí)在線(xiàn)監(jiān)測(cè)的要求.

解決低質(zhì)量圖像給識(shí)別任務(wù)帶來(lái)的困難,構(gòu)造了一個(gè)由圖像增強(qiáng)網(wǎng)絡(luò)(EnCNN)和手寫(xiě)體數(shù)字識(shí)別網(wǎng)絡(luò)(LeNet-5)組成的低質(zhì)量圖片識(shí)別框架.將圖像增強(qiáng)網(wǎng)絡(luò)嫁接在識(shí)別網(wǎng)絡(luò)前,并使用提出的策略進(jìn)行模型學(xué)習(xí).使得低質(zhì)量圖像在被識(shí)別前圖像質(zhì)量得到較大的改善,終實(shí)現(xiàn)低質(zhì)量手寫(xiě)體圖像識(shí)別率的提高.實(shí)驗(yàn)部分將提出的方法和在單純使用低質(zhì)量圖像或高清圖作為訓(xùn)練集進(jìn)行訓(xùn)練的方法進(jìn)行了對(duì)比,實(shí)驗(yàn)表明在低質(zhì)量圖像上,提出的方法有更高的數(shù)字識(shí)別率,且有更強(qiáng)的泛化能力.