基于深度学习的芯片字符实时识别方法研究

发布时间：2020-09-05 12:02

　　 芯片字符是芯片的唯一标识,字符实时识别系统是各种芯片设备不可或缺的组成部分,如芯片重排等设备。目前,工业现场仍采用传统的方法,重点关注特征设计,精度、效率和鲁棒性低。而基于深度学习的方法尽管能够自动提取文字特征,但流程复杂,难以优化且速度慢。本文研究一种基于深度学习的字符实时识别系统,整张图像直接输入系统输出识别结果,无需繁复的预处理和后处理操作,算法流程简单,精度、效率和鲁棒性高。研究小字符端到端识别算法。芯片字符尺寸小,严重影响字符识别性能。本文提出基于多尺度特征的小字符识别算法,加权融合高层和低层特征,设计合适参考框、特征金字塔和损失函数等。提出芯片字符图像标准数据集,整理和制定字符识别算法评价系统。研究芯片图像去模糊算法。芯片图像存在运动模糊,严重影响字符识别精度。提出基于条件对抗网络的盲图像去模糊算法,学习模糊-清晰图像间映射,设计合适的损失函数和网络结构等。提出随机轨道生成法生成构建标准数据集,并且整理和制定芯片图像去模糊算法评价系统。研究芯片字符识别数据增强算法。芯片字符图像数据集存在数据量不足、多样性差的特点,不利于“少数字符”的学习。提出基于条件对抗网络的数据增强算法,以字符类别标签作为约束条件,实现字符识别数据集扩充。综合整个芯片字符识别系统,由数据增强器、去模糊器和字符识别器组成。实验结果显示本系统可实现误识别率和漏识别率最低分别为0.33%和0.09%,可实现识别时间最低为19.9ms/幅,满足工业现场要求。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18;TN405
【部分图文】：

图 1-1 文献[19]R-CNN 端对端识别流程图VPR2016 上，Gupta 等人[20]通过合成法生成大量含有文本信息的样本回归网络（Fully Convolutional Regression Networks，FCRN）。该方法据难以标注的难题，尽管样本中存在大量合成文本，但其 FCRN 文本良好。 年，Ma 等[21]在 Faster R-CNN 框架上实现任意方向旋转的感兴趣区域

前沿小

（a）C1 （b）C2图 2-3 机器视觉采集的芯片字符图像不同于文本文字图像，芯片字符图像主要具有以下几个难点：（1）字符尺寸小。采集到的整张图像尺寸为1280 960，芯片平均尺寸为156 155，字符平均尺寸为 21 27，字符长宽相对于整张图像的比例仅仅为1.6% 2.8%，属于小目标，加大字符识别的难度。（2）图像存在运动模糊。高质量图像要求光照均匀、分辨率高、图像清晰，识别区域和其他区域的对比度高。机械运动平台移动 wafer 盘到下一个视场，步进电机停止，机器视觉系统抓取视场范围内的芯片图像。电机骤停导致 wafer 盘和芯片产生振动，相机和芯片产生相对运动，采集的芯片字符图像存在运动模糊，将会直接影响后续图像处理的难易程度以及字符识别的准确性。（3）个别字符数目特别少，难以大规模采集。字符由数字（0-9）和字母（A-Z）

【相似文献】

相关期刊论文 前10条

1 朱麟;;字符分割技术的研究与应用[J];科技展望;2016年34期

2 梁永贵;林江莉;陈科;;车牌图像中字符分割方法[J];微计算机信息;2009年34期

3 张玉林;张永华;;基于自组织映射神经网络的粘连字符分割[J];山东科技大学学报(自然科学版);2006年02期

4 顾弘;赵光宙;齐冬莲;孙峗;张建良;;车牌识别中先验知识的嵌入及字符分割方法[J];中国图象图形学报;2010年05期

5 马瑞;杨静宇;;一种利用灰度信息和二值信息的手写字符分割[J];计算机工程;2007年15期

6 赵海燕,白青海,裴志利;车牌字符分割前的颜色预处理[J];内蒙古民族大学学报(自然科学版);2004年02期

7 杨玉东;李莉;高云富;曲晓威;林琳;杨茜;白鹏辉;王瑜;;两种文本类型验证码字符分割提取方法[J];北华大学学报(自然科学版);2019年01期

8 周凤香;;一种新的表格字符分割算法的研究与实现[J];数字技术与应用;2016年03期

9 李文举;姜周恩;朱正强;崔晓松;;利用反馈的车牌字符分割算法[J];计算机应用与软件;2011年04期

10 王枚;王国宏;;基于伴生与互补颜色特征的车牌字符分割新方法[J];山东大学学报(工学版);2007年01期

相关会议论文 前3条

1 李冬梅;牛长流;;运动车辆的牌照识别[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

2 胡伟平;王日凤;;基于阈值分割与区域生长的车牌识别方法[A];广西计算机学会2015年学术年会论文集[C];2015年

3 杨焯砚;徐益君;张俊如;;车牌识别算法的研究和实现[A];2009年中国高校通信类院系学术研讨会论文集[C];2009年

相关博士学位论文 前5条

1 马瑞;非限制手写字符分割中相关技术与算法的研究[D];南京理工大学;2007年

2 李学勇;金属标牌压印凹凸字符的特征提取和识别方法研究[D];山东大学;2008年

3 陈为;基于变化方向光源的压印立体字符分割方法的研究[D];山东大学;2013年

4 陈振学;基于特征显著性的目标识别方法及其应用研究[D];华中科技大学;2007年

5 李波;基于图像分析的车辆识别与跟踪若干关键技术研究[D];华中科技大学;2011年

相关硕士学位论文 前10条

1 翁祖辉;单指针与数字式仪表远程读数识别定位研究[D];电子科技大学;2019年

2 林惠;基于深度学习的芯片字符实时识别方法研究[D];华中科技大学;2019年

3 史昊林;基于机器学习的电路板印刷字符检测识别方法研究[D];电子科技大学;2019年

4 黄良俊;复杂环境下的车牌识别算法研究[D];合肥工业大学;2019年

5 骆俊;复杂条件下车牌识别方法的研究与实现[D];西南石油大学;2018年

6 阿萨（Asad Khan）;基于彩色图像检测的车牌自动分割与识别[D];北京邮电大学;2019年

7 刘洁;实时车牌识别系统的设计与实现[D];山东大学;2019年

8 侯海霞;基于深度学习的运动员号码牌识别[D];江西师范大学;2018年

9 孙庭强;复杂环境下车牌检测与识别方法研究[D];南京邮电大学;2018年

10 唐梦云;深度学习在验证码破解和设计中的应用研究[D];西安电子科技大学;2018年

本文编号：2812996