專利名稱：鋼坯號自動識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種檢測技術(shù)領(lǐng)域的字符識別方法，具體是一種鋼坯號自動識別方法。

背景技術(shù)：
在鋼鐵廠生產(chǎn)鋼坯的過程中，會在鋼坯的一側(cè)噴上特定的數(shù)字序列等符號以表示特定的批次，根據(jù)不同的批次規(guī)定了不同的生產(chǎn)工序，但是由于生產(chǎn)過程中不可避免的會發(fā)生裝料錯誤，使得其他批次的鋼坯混入生產(chǎn)線中，從而造成產(chǎn)品質(zhì)量瑕疵?，F(xiàn)有鋼鐵廠，一般是通過人工的方式來監(jiān)視和檢查鋼坯號。但是人工方式不利于流水線的自動化生產(chǎn)，靠人來判斷鋼坯是否屬于同一批次，不但速度慢，還會因為人眼疲勞而出現(xiàn)判斷差錯。為了提高判斷的準(zhǔn)確性、快速性和自動化，必須通過先進技術(shù)手段來彌補冶金企業(yè)的這一技術(shù)空白。
經(jīng)對現(xiàn)有技術(shù)文獻的檢索發(fā)現(xiàn)，陳虹的題目為“汽車車牌的自動檢測與識別”的文獻(《交通建設(shè)與管理》2009年第11期)提出一種基于數(shù)學(xué)形態(tài)學(xué)與多特征組合分析相結(jié)合的汽車車牌定位方法；對于字符分割，主要借助相關(guān)的投影信息和先驗知識來確定每個字符的分割位置；字符識別，給出了一種BP神經(jīng)網(wǎng)絡(luò)算法。該方法是可行的，但是該文獻所存在的技術(shù)缺陷主要表現(xiàn)為 (1)圖像的前期處理過于復(fù)雜，因此占用了較大量的計算機運算時間，勢必影響識別運算速度； (2)需要結(jié)合車牌字符序列的固定位置關(guān)系來完成車牌字符的分割，勢必增大了字符分割的出錯率； (3)采用BP神經(jīng)網(wǎng)絡(luò)算法包含了多層感知器，勢必增加運算耗時，無法適應(yīng)快速識別的技術(shù)要求。
經(jīng)對現(xiàn)有技術(shù)文獻的檢索還發(fā)現(xiàn)，柳欣、吳杰的題目為“基于中心投影變換的車牌字符識別”的文獻(《湖北大學(xué)學(xué)報(自然科學(xué)版)》2009年第1期)提出在對車牌字符矩形區(qū)域進行切分基礎(chǔ)上首先運用中心投影變換方法，然后求出字符分形曲線的分形維數(shù)，進行識別的一種方法。該方法的字符識別率有所提高，但是，仍然存在一些技術(shù)不足之處，主要表現(xiàn)為 (1)由于實際的二維圖像模式通常是以離散的形式存儲在計算機中，所有的計算必須通過差分方程進行，其中重要的一點是要保證觀測數(shù)據(jù)空間的維數(shù)必須足夠大，否則二值圖像中就會有很多像素不產(chǎn)生中心投影，因而導(dǎo)致統(tǒng)計信息不充分； (2)實例檢測結(jié)果證實，該方法的字符識別正確率僅達到93.4％，因此離實用技術(shù)尚有較大差距。


發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種鋼坯號自動識別方法。本發(fā)明利用視感智能檢測技術(shù)對生產(chǎn)流轉(zhuǎn)過程的鋼坯實現(xiàn)全自動和智能化監(jiān)控，一旦發(fā)現(xiàn)流水線上的鋼坯號有誤，無論單個還是批量，均能準(zhǔn)確發(fā)現(xiàn)，能夠提示生產(chǎn)人員予以排除，也能通過自動執(zhí)行機構(gòu)實現(xiàn)無人自動管理，不但能夠降低企業(yè)的人工成本，同時可以減少由于人為失誤而引發(fā)生產(chǎn)質(zhì)量問題。
本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括步驟如下 第一步，采用視頻監(jiān)控得到鋼坯生產(chǎn)線上鋼坯的圖像，并對該圖像進行預(yù)處理。
所述的預(yù)處理，包括圖像模數(shù)轉(zhuǎn)換、圖像增強與濾波。其間，視頻圖像經(jīng)過模數(shù)轉(zhuǎn)換后獲得數(shù)字圖像信號，接著采用灰度變換、直方圖修正、局部統(tǒng)計和圖像銳化方法中的一種對數(shù)字圖像信號進行增強，再進行濾波處理。所述的濾波是濾除噪聲以突出字符特征，采用灰度面積開濾波和閉濾波或者采用非線性濾波器中的基于形態(tài)學(xué)開閉和閉開運算的形態(tài)濾波器。
第二步，根據(jù)實驗預(yù)先確定鋼坯號區(qū)域，以鋼坯二維圖像中心到達計算機圖像坐標(biāo)平面中軸位置為準(zhǔn)，切割下含字符區(qū)域的矩形圖像，并對該圖像進行透視變換。
所述的透視變換是為了校正圖像，具體步驟是 (1)取圖像中鋼坯上的字符區(qū)域的四個頂點，其坐標(biāo)分別為(xi，yi)，i＝1，2，3，4； (2)在擬定的圖像透視變換后的目標(biāo)坐標(biāo)中，同樣取四個點，其坐標(biāo)分別為(xi′，yi′)，i＝1，2，3，4，利用齊次坐標(biāo)變換方程

(公式一) 得到透視矩陣

中的每個參數(shù)值； (3)利用透視矩陣將圖像上的每一像素點(xij，yij)轉(zhuǎn)換為圖像透視變換后的目標(biāo)坐標(biāo)系中的(xij′，yij′)，即

(公式二) 其中i＝1，2，...，m，j＝1，2，…，n，m為像素點列數(shù)，n為像素點行數(shù)，由此獲得有利于識別的、校正過的數(shù)字圖像。
第三步，將上步得到的數(shù)字圖像進行灰度處理，得到灰度圖像。
所述的灰度處理，具體公式為 Y＝-0.299*R+0.587*G+0.144*B(公式三) 其中R、G、B分別代表RGB彩色空間的彩色三分量，Y為彩色空間轉(zhuǎn)換后的灰度級。
第四步，對灰度處理后的圖像進行二值化處理，將圖像分為目標(biāo)和背景兩部分。
所述的二值化處理采用Roberts算子方法或者最大類間方差法(OTSU)。
所述的最大類間方差法，具體公式為

(公式四) 其中dstij為二值化圖像的像素，srcij為灰度圖像的像素；threshold是設(shè)定的閾值。
第五步，在二值化處理后的圖像中，分別將每個字符切割下來。
所述的字符切割，具體過程為 (1)建立二維圖像oxy平面坐標(biāo)系，其中以x為橫坐標(biāo)、y為縱坐標(biāo)，坐標(biāo)的原點o處于圖像的左下角； (2)橫向切割將圖像向y軸投影，取投影寬度最大的一段確定為字符橫向切割的長度，并按此長度將圖像進行橫向切割； (3)縱向切割將橫向切割后的圖像向x軸投影，利用數(shù)字之間的間隙，將每個字符進行縱向切割； (4)字符填充對每個切割下來的字符進行填充，使填充后每個字符的面積相等。
第六步，將切割后的每個字符圖像分別進行統(tǒng)一的縮放處理，以消除其水平偏差。
第七步，根據(jù)每個字符圖像與預(yù)置模板圖像的相似度值，實現(xiàn)對鋼坯號的字符識別，并將識別后的字符按照檢測順序進行存儲和顯示。
所述的相似度值采用模板匹配方法，具體公式為

(公式五) 其中Sk是第k個模板圖像與當(dāng)前字符圖像的相似度值，I、J分別為字符的像素數(shù)寬與高；f(i，j)、Pk(i，j)分別為字符像素和第k個模板的像素；k＝1，2，…，m，m為模板總數(shù)。
當(dāng)字符只取數(shù)字時，m＝10；當(dāng)字符是數(shù)字并包含26個英文大寫字母時，m＝36，余類推。
所述的字符識別是當(dāng)Sl＞S0且則檢測字符被識別為第l個模板；其中，S0為相似度閾值，Sk是第k個模板與當(dāng)前字符圖像的相似度值，1≤k≤m，m是模塊總數(shù)，Sl為預(yù)置模板中與當(dāng)前字符圖像的最大相似度值。
第八步，根據(jù)得到的識別后的鋼坯號，實現(xiàn)對當(dāng)前生產(chǎn)鋼坯的控制，依次不斷重復(fù)上述步驟，從而實現(xiàn)了對鋼坯號的自動識別和控制。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是 (1)字符切割精確、高效； (2)字符識別準(zhǔn)確、快速。



圖1為實施例識別流程框圖； 圖2為實施例現(xiàn)場采集的圖像； 圖3為實施例鋼坯號區(qū)域截取圖； 圖4為實施例鋼坯號區(qū)域透視變換圖； 圖5為實施例二值化圖像示意圖； 圖6為實施例數(shù)字圖像y軸投影圖； 圖7為實施例數(shù)字字符橫向切割圖； 圖8為實施例數(shù)字圖像x軸投影圖； 圖9為實施例數(shù)字字符縱向切割圖。

具體實施例方式 下面結(jié)合附圖對本發(fā)明的實施例作詳細(xì)說明本實施例在以本發(fā)明技術(shù)方案為前提下進行實施，給出了詳細(xì)的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
實施例 如圖1所示，本實施例包括以下步驟 第一步，如圖2所示，采用視頻監(jiān)控得到鋼坯生產(chǎn)線上鋼坯的圖像，并對該圖像進行預(yù)處理。
本實施例的視頻圖像經(jīng)過模數(shù)轉(zhuǎn)換后獲得數(shù)字圖像信號，接著采用圖像銳化方法對數(shù)字圖像信號進行增強，再采用灰度面積開濾波和閉濾波，分別濾除高、低亮度的小面積噪聲，平滑字符內(nèi)部的灰度分布，最終突出字符特征。
第二步，如圖3所示，根據(jù)實驗預(yù)先確定鋼坯號區(qū)域，以鋼坯二維圖像中心到達計算機圖像坐標(biāo)平面中軸位置為準(zhǔn)，切割下含字符區(qū)域的矩形圖像，并對該圖像進行透視變換。
所述的透視變換是為了校正圖像，具體步驟是 (1)取圖像中鋼坯上的字符區(qū)域的四個頂點，其坐標(biāo)分別為(xi，yi)，i＝1，2，3，4； (2)在擬定的圖像透視變換后的目標(biāo)坐標(biāo)中，同樣取四個點，其坐標(biāo)分別為(xi′，yi′)，i＝1，2，3，4，利用齊次坐標(biāo)變換方程

(公式一) 得到透視矩陣

中的每個參數(shù)值； (3)利用透視矩陣將圖像上的每一像素點(xij，yij)轉(zhuǎn)換為透視變換后的目標(biāo)坐標(biāo)系中的(xij′，yij′)，即

(公式二) 其中i＝1，2，…，m，j＝1，2，…，n，m為像素點列數(shù)，n為像素點行數(shù)，由此獲得利于識別的數(shù)字圖像，如圖4所示。
第三步，將上步得到的數(shù)字圖像進行灰度處理，得到灰度圖像。
本實施例灰度處理的具體公式為 Y＝-0.299*R+0.587*G+0.144*B(公式三) 其中R、G、B分別代表RGB彩色空間的彩色三分量，Y為彩色空間轉(zhuǎn)換后的灰度級。
第四步，對灰度處理后的圖像進行二值化處理，將圖像分為目標(biāo)和背景兩部分，如圖5所示。
本實施例采用最大類間方差法對圖像進行二值化處理，具體公式為

(公式四) 其中dstij為二值化圖像的像素，srcij為灰度圖像的像素；threshold是設(shè)定的閾值。
第五步，在二值化處理后的圖像中，分別將每個字符切割下來。
本實施例字符切割的具體過程為 (1)建立二維圖像oxy平面坐標(biāo)系，其中以x為橫坐標(biāo)、y為縱坐標(biāo)，坐標(biāo)的原點o處于圖像的左下角，如圖5所示； (2)橫向切割如圖6所示，將圖像向y軸投影，取投影寬度最大的一段確定為字符橫向切割的長度，并按此長度將圖像進行橫向切割，字符圖像橫向切割圖如圖7所示； (3)縱向切割如圖8所示，將橫向切割后的圖像向x軸投影，利用數(shù)字之間的間隙，將每個字符進行縱向切割，切割結(jié)果如圖9所示； (4)字符填充對每個切割下來的字符進行填充，本實施例使得所有字符圖像均為11×17大小的圖像。
第六步，將切割后的每個字符圖像分別進行統(tǒng)一的縮放處理，以消除其水平偏差。
本實施例為了避免字符因偏離攝像頭的垂直方向，或因側(cè)視而帶來的水平偏差，對每一個字符圖像進行縮放處理，歸一化為16×32大小的標(biāo)準(zhǔn)尺寸，并將其中灰度為0的區(qū)域確定為背景，灰度為1的區(qū)域確定為字符。
第七步，根據(jù)每個字符圖像與模板圖像的相似度值，實現(xiàn)對鋼坯號的字符識別，并將識別后的字符按照檢測順序進行存儲和顯示。
所述的相似度值采用模板匹配方法，具體公式為

(公式五) 其中Sk是第k個模板與當(dāng)前字符圖像的相似度值，I、J分別為字符的像素數(shù)寬與高；f(i，j)、Pk(i，j)分別為字符像素和模板像素；k為第k塊模板，k＝1，2，…，m，m為模板總數(shù)。
本實施例字符只取數(shù)字，故m＝10。
所述的字符識別是當(dāng)Sl＞S0且則檢測字符被識別為第l個模板；其中，S0為相似度閾值，Sk是第k個模板與當(dāng)前字符圖像的相似度值，1≤k≤m，m是模塊總數(shù)，Sl為預(yù)置模板中與當(dāng)前字符圖像的最大相似度值。
如當(dāng)0～9的數(shù)字字符對應(yīng)的最大相似度值模板為k＝1，2，…，10時，圖9中所示的字符“21899140100”分別與第3、2、9、10、10、2、5、1、2、1、1模板相匹配，即兩者對應(yīng)字符與模板相互間的相似度值均超過相似度閾值S0且各自達到最大值。
本實施例最終得到識別后的鋼坯號為21899140100。
第八步，根據(jù)得到的識別后的鋼坯號，實現(xiàn)對當(dāng)前生產(chǎn)鋼坯的控制，即讓符合批次(批號)的鋼坯通過，而排除非本批次(批號)的鋼坯，不讓其通過。依次不斷重復(fù)上述步驟，從而實現(xiàn)了對鋼坯號的自動識別和控制。
本實施例對不符合生產(chǎn)要求的鋼坯，采取的措施是噴灑顏色粉末并人工予以剔除；或者通過機械手將其移出生產(chǎn)線。
本實施例能夠在線實現(xiàn)對鋼坯號的自動識別及其控制的全過程，具體優(yōu)點是(1)字符切割精確、高效，切割出錯率小于0.1％；(2)字符識別準(zhǔn)確、快速，識別準(zhǔn)確率達到100％，整個鋼坯號識別運算周期不超過100ms。
權(quán)利要求
1.一種鋼坯號自動識別方法，其特征在于，包括以下步驟
第一步，采用視頻監(jiān)控得到鋼坯生產(chǎn)線上鋼坯的圖像，并對該圖像進行預(yù)處理；
第二步，根據(jù)實驗預(yù)先確定鋼坯號區(qū)域，以鋼坯二維圖像中心到達計算機圖像坐標(biāo)平面中軸位置為準(zhǔn)，切割下含字符區(qū)域的矩形圖像，并對該圖像進行透視變換；
第三步，將上步得到的數(shù)字圖像進行灰度處理，得到灰度圖像；
第四步，對灰度處理后的圖像進行二值化處理，將圖像分為目標(biāo)和背景兩部分；
第五步，在二值化處理后的圖像中，分別將每個字符切割下來；
第六步，將切割后的每個字符圖像分別進行統(tǒng)一的縮放處理，以消除其水平偏差；
第七步，根據(jù)每個字符圖像與預(yù)置模板圖像的相似度值，實現(xiàn)對鋼坯號的字符識別，并將識別后的字符按照檢測順序進行存儲和顯示；
第八步，根據(jù)得到的識別后的鋼坯號，實現(xiàn)對當(dāng)前生產(chǎn)鋼坯的控制，依次不斷重復(fù)上述步驟，從而實現(xiàn)了對鋼坯號的自動識別和控制。
2.根據(jù)權(quán)利要求1所述的鋼坯號自動識別方法，其特征是，第二步中所述的透視變換是為了校正圖像，具體步驟是
(1)取圖像中鋼坯上的字符區(qū)域的四個頂點，其坐標(biāo)分別為(xi，yi)，i＝1，2，3，4；
(2)在擬定的圖像透視變換后的目標(biāo)坐標(biāo)中，同樣取四個點，其坐標(biāo)分別為(xi′，yi′)，i＝1，2，3，4，利用齊次坐標(biāo)變換方程
得到透視矩陣
中每個參數(shù)值；
(3)利用透視矩陣將圖像上的每一像素點(xij，yij)轉(zhuǎn)換為透視變換后的目標(biāo)坐標(biāo)系中的(xij′，yij′)，即
其中i＝1，2，…，m，j＝1，2，…，n，m為像素點列數(shù)，n為像素點行數(shù)，由此獲得有利于識別的數(shù)字圖像。
3.根據(jù)權(quán)利要求1所述的鋼坯號自動識別方法，其特征是，第五步中所述的字符切割，具體過程為
(1)建立二維圖像oxy平面坐標(biāo)系，其中以x為橫坐標(biāo)、y為縱坐標(biāo)，坐標(biāo)的原點o處于圖像的左下角；
(2)橫向切割將圖像向y軸投影，取投影寬度最大的一段確定為字符橫向切割的長度，并按此長度將圖像進行橫向切割；
(3)縱向切割將橫向切割后的圖像向x軸投影，利用數(shù)字之間的間隙，將每個字符進行縱向切割；
(4)字符填充對每個切割下來的字符進行填充，使填充后每個字符的面積相等。
4.根據(jù)權(quán)利要求1所述的鋼坯號自動識別方法，其特征是，第七步中所述的字符識別是當(dāng)Sl＞S0且則檢測字符被識別為第l個模板；其中S0為相似度閾值，Sk是第k個模板與當(dāng)前字符圖像的相似度值，1≤k≤m，m是模塊總數(shù)，Sl為預(yù)置模板中與當(dāng)前字符圖像的最大相似度值。
全文摘要
本發(fā)明公開了一種字符識別技術(shù)領(lǐng)域的鋼坯號自動識別方法，包括以下步驟步驟一，圖像預(yù)處理；步驟二，鋼坯號區(qū)域截取與透視變換；步驟三，圖像灰度處理；步驟四，二值化處理；步驟五，數(shù)字符號切割；步驟六，字符標(biāo)準(zhǔn)化；步驟七，相似度計算和字符識別；步驟八，判定鋼坯號是否有誤。本發(fā)明能夠在線實現(xiàn)對鋼坯號的自動識別及其控制的全過程，具有明顯的技術(shù)優(yōu)勢(1)字符切割精確、高效，切割出錯率小于0.1％；(2)字符識別準(zhǔn)確、快速，識別準(zhǔn)確率達到100％，整個鋼坯號識別運算周期不超過100ms。
文檔編號G06K9/54GK101739556SQ201010023040
公開日2010年6月16日 申請日期2010年1月21日 優(yōu)先權(quán)日2010年1月21日
發(fā)明者張秀彬, 應(yīng)俊豪, 馬麗, 吳迪, 史戰(zhàn)果 申請人:上海交通大學(xué)