[发明专利]基于机器视觉的在线字符检测方法和系统

说明书

技术领域

本发明属于计算机视觉、图像处理和模式识别技术领域，涉及一种在线字符检测方法和系统。

背景技术

随着制造企业规模化、信息化的不断发展，生产厂家对在线产品标签等字符检测的要求越来越高，需要在高速的生产线上实现高度准确性的检测。依靠人工检测的方法已经根本无法胜任，高速高精度的机器视觉检测的应用可大幅提高产品质量和可靠性。字符检测是利用计算机自动辨识产品标签或包装上的字符，是模式识别的一个重要分支，属于字符识别技术的范畴。字符识别技术这几年发展迅速，在物流信息、仪表读数、车牌识别、票据识别、身份证鉴别等方面有广阔的应用前景，以达到提高效率和降低人工成本的目的。目前，字符的识别方法主要有基于模板匹配的方法，基于字符结构的方法和基于神经网络的方法，这些现有的图像识别方法都或多或少的带有一定的局限性，在一种环境下效果很好的方法换一种环境识别效果可能很不理想。一些有一定通用性，识别效果好的方法，往往计算量很大，难以实时应用。

发明内容

为了克服现有技术中单一识别方法检测能力的不足和通用方法无法实时处理的问题，本发明提供一种在线字符检测方法和检测系统，利用本发明提出的检测方法和检测系统，能够实现快速、高精度字符检测功能。

本发明解决其技术问题所采用的方案如下：

一种基于机器视觉的在线字符检测方法，包括下列步骤，其中的(1)至(9)步骤为产品建立操作流程，步骤(10)至(14)为字符在线检测流程：

(1)对采集到的包含字符的参考图像进行预处理；

(2)在经过预处理后得到的参考图像中选择字符区域或者邻近位置中具有刚性特征的部分作为定位目标；

(3)在定位目标中提取闭合的轮廓特征和非闭合的线特征，按照尺度大小对提取的几何特征进行排序；

(4)按照从大到小的顺序将每一尺度设为分割阈值，把所提取的几何特征分成大尺度特征集和小尺度特征集两个部分，通过大尺度特征集在参考图像中进行全局快速特征匹配，在粗定位的基础上再利用小尺度特征集进行局部特征匹配以精确定位目标，记录每次定位的匹配精度和速度，依据匹配速度确定各尺度特征的加权系数，选择在匹配速度和匹配精度之间取得最大平衡的尺度作为最佳尺度阈值并对提取的几何特征进行分割，把定位目标表示成大小两个特征集合及特征加权系数构成的数据结构；

(5)从参考图像中提取字模，并指定字模的坐标原点；

(6)通过设置长度、宽度、名字和字模原点来定义空字模；

(7)对字模的像素值进行修改，改善字模子图细节，并进行掩模处理；