[发明专利]一种基于深度学习的圆柱体上OCR的读取方法及其设备

说明书

本发明公开了一种基于深度学习的圆柱体上OCR的读取方法及其设备，解决了圆柱体弧面无法稳定成像读取OCR的问题，并能兼容不同颜色以及字体的OCR字符；该发明切实可行，并取得了稳定效果，且所需时间短，无需人工参与，可以产品数字化管理以及追溯奠定良好基础；该方法可灵活用于现有产线的改造，所需的硬件改动极少，不需设计复杂的工业视觉系统，对相关问题的方案设计有一定的借鉴意义。

技术领域

本发明涉及及图像识别技术领域，尤其涉及一种基于深度学习的圆柱体上OCR的读取方法及其设备。

背景技术

OCR识别检测是计算机图像处理在机器视觉上的重要应用技术，其完成的主功能通过对图像进行处理提出特征，进一步分析提取字符信息以及其对应的位置信息。再通过位置信息按照字符位置排列顺序进行整合形成符合逻辑的文字信息，为后面物体数字化数据库入档以及产品追溯管理提供基础。OCR读取在工业中有广泛的应用，是数字化工厂必不可少的一个环节，平面OCR字符具有比较成熟的应用以及解决方案，但是对于一些特殊行业，比如自行车行业，OCR字符印刷在弧面，广泛存在于工业生产设计过程中，因为打光以及相机难以成像的原因，目前OCR信息的读取以及校准主要由人工完成，存在的主要问题有：（1）人力成本过高 ；（2）效率低下 ；（3）准确率无法得到保障；（4）无法解决生产制造过程中字符的问题，阻碍数字化工厂形成闭环。

现有的曲面OCR识别方法主要分为4类：（1） 基于X光成像读取方法，由X光照射形成对于的图像信息进行读取 （2） 基于线激光3D成像的读取方法，通过一个点激光与平面相机校准拍摄形成三维图像信息进行读取 （3） 线扫相机成像的读取方法，通过使相机或者识别物体运动成像读取 （4）基于多面光成像的读取方法，通过控制相机拍多次在不同角度的光源下的图片，合成一张2.5D的图像进行读取。

基于X光成像的方法对于被测物体表面具有一定的损坏，无法应用于易损产品的读取。基于线激光3D成像的读取方法，一方面物体或者相机需要移动不能适用于固定的检测位置，并且对于低反光的材质成像效果不理想影响读取结果，另一方面由于制造成本高不易实现。线性扫描相机成像的读取，很难兼容不同景深的检测物体，并且检测物与相机需要产生相对运动，无法应用于固定场景。基于多面光成像的读取方法，一方面是产品成像依赖合成算法以及产品拍摄位置，不解决光源角度与合成算法的参数问题OCR位置不固定无法稳定成像，另一方面形成图像需要耗时，相对于普通检测耗时较长，不适用于高速检测场景。

曲面OCR读取的主要存在的难点：（1） 难以稳定成像，曲面成像受到光源反射角度的比较大，成像视野越大越成像效果越差 ；（2） OCR字符无法稳定成像到同一张图片中进行处理 ；（3） 对于不同材质以及颜色的产品OCR变化差异较大 ；（4） OCR字符大小与位置会发生一定的变化，字符形状也会发生一定变化。

现有方法无法实现对其稳定成像以及读取，利用面积分原理，对于OCR所在圆柱体的曲面截取其中一部分作为曲面，只要这部分曲面满足截面所在平面到弧面的最高点小于所选相机景深。就可以近似看作平面的特性，使用多相机，利用其特性结合具有较高鲁棒性的算法就兼容不同位置以及颜色角度的OCR进行稳定读取。

发明内容

针对背景技术的不足，本发明提供了一种基于深度学习的圆柱体上OCR的读取方法及其设备，在可见光图像中对圆柱体OCR字符进行识别，解决在圆柱体曲面下难以成像以及OCR识别困难的问题。基于深度学习的算法处理，使本方法可使用于各种颜色的圆柱体曲面OCR识别。本方法识别准确，耗时短，无需人工参与，可以为后续的工厂数字化管理奠定良好基础。

为了实现上述目的，本发明一方面提供如下实施例：一种基于深度学习的圆柱体上OCR的读取方法，包括如下步骤：

步骤一，至少选取两台相机进行拍照采集，根据OCR的大小选择合适的相机安装角度，使相邻两相机的重合视野区域面积不小于每个相机视野区域面积的1/3；

步骤二，设置相机参数并拍照采集；