[发明专利]一种应用于钢板物料码的识别方法

权利要求书

1.一种应用于钢板物料码的识别方法，其特征在于：包括以下步骤：

采集钢板物料码原始图像；

进行图像预处理：结合钢板表面性质和光源性质，采用纹理滤波算法滤除纹理噪声，采用指数变换和强化高频分量的方法增强对比度；

将预处理后的原始图像通过检测神经网络，去除低置信度区域，得到物料码字符区域；

将物料码字符区域单独分割输入至识别神经网络，得到物料码字符。

2.如权利要求1所述的应用于钢板物料码的识别方法，其特征在于：采用CMOS/CCD视觉传感器采集钢板物料码原始图像，所述CMOS/CCD视觉传感器镜头轴心线与钢板夹角范围区间为[45°，90°]。

3.如权利要求1所述的应用于钢板物料码的识别方法，其特征在于：所述纹理滤波算法具体包括：

获取纹理尺度图像；

建立最大-最小图像栈计算自适应滤波半径；

基于自适应滤波半径的中值滤波对生成基于原始图像的引导图像；

基于引导图像进行联合双边滤波，得到滤除纹理噪声后的图像。

4.如权利要求3所述的应用于钢板物料码的识别方法，其特征在于：所述建立最大-最小图像栈计算自适应滤波半径具体为：图像栈将log₂(max(N，M))张N×M个像素点大小的图片入栈，每一张图像称为图像栈的一层；在第0层中图像包含了E_P的原始向量元素，第1层中任意坐标值记为(m，n)的向量元素包含了第0层中像素坐标值为：(m±[0，2°]，n±[0，2°])的3×3邻域内的最大值和最小值，以此类推，建立最大-最小图像栈，遍历最大-最小图像栈得到任意像素点p周围像素点的最大值和最小值在[E_P-R，E_P+R]范围内对应的最高图像层编号，并记为f_P，则像素p的滤波半径就为

5.如权利要求4所述的应用于钢板物料码的识别方法，其特征在于：所述获取纹理尺度图像包括获取纹理特征尺度和归一化；

所述纹理特征尺度为：

式中，I_q表示图像I中像素点q的像素值，N_p表示以像素点p为中心点的方形图像块，表示图像块的旋转角度，x，y表示像素点p坐标，参数ε＝10^-3，表示以像素点p为中心的图像块N_p顺时针旋转角度后的纹理特征尺度；

纹理特征尺度归一化为：

式中，σ_e取0.1；

所述中值滤波为

所述引导图像为：

式中，G_p、G_q为像素点p、q中值滤波后的值，I_q为纹理尺度图像，式中，与分别为联合双边纹理滤波器的空间权重和值域权重函数。

6.如权利要求1所述的应用于钢板物料码的识别方法，其特征在于：所述指数变换为：S＝CR^γ，S为变换像素值，C为系数，R为输入像素值，γ为指数，γ＜1。

7.如权利要求1所述的应用于钢板物料码的识别方法，其特征在于：所述强化高频分量为通过滤波器获取不同频段的处理函数，所述滤波器为：

式中，H(u，v)为输出频域值，D₀和D₁为滤波阈值，D(u，v)为图像任意点经傅里叶变换后的频域值，f、g、h分别为不同频段的处理函数。

8.如权利要求1所述的应用于钢板物料码的识别方法，其特征在于：所述检测神经网络和识别神经网络为训练优化的检测神经网络，采用的训练数据不少于2000组，检测神经网络和识别神经网的卷积神经网络层采用ResNet-34。