基于OCR技术的啤酒瓶盖喷码字符自动识别算法研究

发布时间：2021-10-29 18:35

　　随着经济的发展和生活水平逐渐提高,人们对于啤酒的需求也逐渐提升。啤酒的生产日期是衡量啤酒能否安全饮用的一个重要标准。啤酒生产厂家应该保证清晰地将啤酒瓶的生产日期等标识信息喷码在啤酒瓶盖上。如若出现喷码错误,不仅会受到相关管理部门的处罚,而且会影响品牌形象,严重的还会影响消费者的身体健康,因此啤酒出厂前对瓶盖的喷码信息进行识别和核验是一道重要的生产工序。现阶段依靠人力识别瓶盖喷码信息成本较高,压缩了企业的利润空间;识别速度慢,影响自动化生产线的生产效率;工人长时间重复做同一件事情容易产生疲劳感。针对这一问题,本文提出了一种基于光学字符识别（Optical Character Recognition,OCR）技术的啤酒瓶盖喷码字符自动识别算法,研究内容主要包括:（1）本文设计了啤酒瓶盖喷码图像的数据采集系统,由德国的IDS公司的UI-3080CP-M-GL高速工业相机、集成了图像采集卡的PC机和LED辅助光源构成,可以获得清晰的单通道啤酒瓶盖喷码图像。（2）针对啤酒瓶盖喷码图像中瓶盖边缘产生反光圆环且灰度值与字符区域接近,利用传统定位方法很难定位字符区域的问题。本文提出了使用U-Net语义... 

【文章来源】：青岛理工大学山东省

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 课题研究目的与意义
    1.3 国内外研究现状
        1.3.1 字符区域定位
        1.3.2 字符切割
        1.3.3 识别
    1.4 本文创新点
    1.5 论文的主要内容及安排
第2章 瓶盖喷码数据获取
    2.1 数字图像采集系统
    2.2 相机和镜头
        2.2.1 工业相机
        2.2.2 镜头
    2.3 图像采集卡
    2.4 光源
    2.5 相机触发模式
    2.6 采集系统参数
    2.7 本章小结
第3章 卷积神经网络基本理论
    3.1 卷积神经网络的结构
        3.1.1 卷积层
        3.1.2 激活函数
        3.1.3 池化层
        3.1.4 全连接层
    3.2 卷积神经网络的训练
        3.2.1 反向传播
        3.2.2 随机梯度下降
    3.3 本章小结
第4章 字符区域定位
    4.1 深度残差网络
        4.1.1 残差表示
        4.1.2 残差学习
        4.1.3 快捷恒等映射
        4.1.4 网络结构
    4.2 U型全卷积网络
        4.2.1 全卷积网络
        4.2.2 U-Net
    4.3 实验及分析
    4.4 本章小结
第5章 字符图像处理
    5.1 图像二值化
    5.2 图像滤波
    5.3 旋转矫正
        5.3.1 最小外接矩形
        5.3.2 确定旋转中心和旋转角度
        5.3.3 旋转算法
    5.4 字符分割
        5.4.1 两排字符分割
        5.4.2 无粘连字符分割
        5.4.3 粘连字符分割
    5.5 本章小结
第6章 字符识别
    6.1 K-临近算法
    6.2 卷积神经网络
        6.2.1 网络结构
        6.2.2 改进的CNN
    6.3 MobileNet
        6.3.1 深度可分离卷积
        6.3.2 超参数
        6.3.3 线性瓶颈
        6.3.4 倒置残差
        6.3.5 网络结构
        6.3.6 改进的MobileNet
    6.4 实验及分析
    6.5 本文实验及分析
    6.6 本章小结
第7章 总结与展望
    7.1 论文总结
    7.2 工作展望
参考文献
攻读硕士学位期间参与的科研项目及发表的学术论文
致谢



本文编号：3465185