噴碼檢測

噴碼機已經大量應用于生產過程中，它操作方便簡單，與工廠本身的數據庫鏈接，可以對產品起到跟蹤記錄的作用；但是如何檢測噴碼的質量，防止噴碼的錯誤瑕疵造成數據管理的混亂呢？我們可以求助于視覺檢測設備。

本設備位于噴碼機的后端， 用于對噴碼的結果進行檢測， 確保產品出廠前的生產日期及批號無任何錯誤。 設備可以根據現場情況進行調整以適用于不同的現場需求。

檢測內容：

噴碼缺失，噴碼變形，字符位置偏移，重影，字體模糊，字符錯誤

厚鋼板生產流水線點陣式條碼字符自動識別方式 ,包含采用圖象和輪廊投射的方式 定位字符地區(qū).對于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線掃描儀優(yōu)化算法分割字符,并根據聚類算法體制糾正分割結果.運用bp神經元網絡對分割字符開展識別.在能確保實時性的前提條件下考慮較高的識別準確度,考慮即時在線監(jiān)測的要求.厚鋼板生產流水線點陣式條碼字符自動識別方式 ,包含采用圖象和輪廊投射的方式 定位字符地區(qū).對于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線掃描儀優(yōu)化算法分割字符,并根據聚類算法體制糾正分割結果.運用bp神經元網絡對分割字符開展識別.在能確保實時性的前提條件下考慮較高的識別準確度,考慮即時在線監(jiān)測的要求.

解決低質量圖像給識別任務帶來的困難,構造了一個由圖像增強網絡(EnCNN)和手寫體數字識別網絡(LeNet-5)組成的低質量圖片識別框架.將圖像增強網絡嫁接在識別網絡前,并使用提出的策略進行模型學習.使得低質量圖像在被識別前圖像質量得到較大的改善,終實現低質量手寫體圖像識別率的提高.實驗部分將提出的方法和在單純使用低質量圖像或高清圖作為訓練集進行訓練的方法進行了對比,實驗表明在低質量圖像上,提出的方法有更高的數字識別率,且有更強的泛化能力.