[发明专利]一种基于yolov3和CNN的盘头标识识别方法

说明书

一种基于yolov3和CNN的盘头标识识别方法，包括以下步骤：1)盘头图片获取：在实际的生产环境下，通过摄像头采集数据；2)盘头图片处理：先切割出原图中完整的盘头标识，用yolov3模型训练盘头标识的切割；3)再根据切割出的盘头标识图片切割出单个字符图片；4)用CNN卷积神经网络训练盘头标识字符的识别；5)系统调试：将盘头标识切割、字符切割和字符识别整合成一个系统；6)配置树莓派4的环境，移植系统，最后在树莓派上测试。本发明检测速度快和精度高，能提高生产效率和降低成本，具有较高的实际应用价值。

技术领域

本发明涉及深度学习、计算机视觉、目标检测、文字识别、嵌入式系统，特别是一种基于yolov3和CNN的盘头标识识别方法。

背景技术

随着科学技术的快速发展，现代经编工业向高速生产、智能控制、多功能、简便使用、物联网设计等方向发展，在现代科技的推动下，经编产品的生产效率提高，产品质量也有提升。而经编机盘头是经编机上面很重要的一个零件，想要经编机高效率的工作，盘头的选择很重要。

由于纱线种类偏多，为方便管理提高生产效率，在每个盘头上都印刷上由大写英文字母和阿拉伯数字组成的5字标识，可以通过识别盘头来区分不同种类的纱线。在实际工厂生产中盘头的识别还是通过人工来识别分类，存在的技术缺陷：准确率较低、生产效率较低。

发明内容

为了克服现有盘头通过人工来识别分类的准确率较低、生产效率较低的不足，本发明提供一种基于yolov3和CNN的盘头标识识别方法，在保证识别准确率的情况下，既能减少人工成本又可以有效地提高自动化生产效率。

本发明解决其技术问题所采用的技术方案如下：

一种基于yolov3和CNN的盘头标识识别方法，包括以下步骤：

S1：盘头图片获取：在实际的生产环境下，通过摄像头采集数据，分别采集在实际环境不同光线下印刷有红色标识的盘头；

S2：盘头图片处理：先切割出原图中完整的盘头标识，用yolov3模型训练盘头标识的切割；

S3：再根据切割出的盘头标识图片切割出单个字符图片；

S4：用CNN卷积神经网络训练盘头标识字符的识别；

S5：系统调试：将盘头标识切割、字符切割和字符识别整合成一个系统；

S6：配置树莓派4的环境，移植系统，最后在树莓派上调试。

进一步，所述步骤S1中，搭建实际的系统平台，固定摄像头位置，根据盘头滚过的触发指令让摄像头拍照，并保存为JPG格式。

再进一步，所述步骤S2包括以下步骤：

S2-1：首先制作训练用的数据集，收集包含盘头的图片，将部分图片作为训练集，通过人工标注软件Labelimg人工标注盘头标识的边框，标签类别标为“biaozhi”，每一张图片都有一个相应的名字生成对应xml文件，将图片和xml文件做成VOC数据集格式，并且需要生成训练测试时用的train.txt,val.txt,test.txt和trainval.txt文件；

S2-2：所述yolov3模型中，yolov3使用的特征提取网络是DarkNet53，这个网络由残差单元叠加而成，将盘头原图作为神经网络的输入，首先通过特征提取网络，输出N*N的卷积特征图，生成N*N个gird cell，再经过预测层anchor boxes输出目标的类别和坐标。Bounding box坐标(z_x,z_y,z_w,z_h)预测计算公式如下：

z_x＝σ(q_x)+c_x