[发明专利]一种基于卷积神经网络的喷码字符在线视觉检测方法

权利要求书

1.一种基于卷积神经网络的喷码字符在线视觉检测方法，其特征在于，包括以下步骤：

(1)对易拉罐罐底图像进行特定预处理操作，分割出单个的字符图像，并统一进行归类，建立字符库；

(2)利用卷积神经网络学习方法训练字符，形成字符分类器，具体包括以下步骤：

第一步、构建网络结构：

构建的卷积神经网络采用7层结构，训练的初期对网络结构进行构建，对网络的权值采用不同的小随机数进行初始化，介于[-1～1]范围内，偏置初始化置为0；

第二步、前向传播阶段：

1)输入层输入目标图像Y，以及对应的目标矢量d，卷积层由卷积核对输入图像依次进行卷积，并加上偏置，再通过非线性激励函数得到：

其中，n代表层数，S代表n层的单元数，W_ij是连接第i个输入图像和第j个输出图像的5*5大小的卷积，φ_j是第j个输出图像的阈值；

f(*)为RELU函数：

2)下采样的方式采用stochastic pooling采样，公式为：

Y_t＝∑_j∈Rtp_jY_j

其中：R_t为抽样层的窗口大小，通常为2*2大小，Y_j为采样窗口的元素值；

3)对卷积、下采样后的特征图进行全连接操作，并计算网络层F6的实际输出O_k：

其中，k为输出层单元数，θ_k为输出单元的阈值，l为M5的单元数，V_tk为连接全连接层和输出层的卷积，其中f(*)为softmax函数

第三步、反向传播阶段：

反向传播阶段采用梯度下降法对权值和阈值进行调整，统计总误差函数为：

其中，M为输出样本个数；

当E≤ε时，训练结束，将权值和阈值保存，这时网络结构各个参数已经稳定，分类器形成；

(3)在线检测中实时拍摄图像，采用预处理操作分割字符，并用分类器进行识别。