[发明专利]基于AI技术的产品包装袋打码缺陷检测方法及系统

说明书

本发明涉及一种基于AI技术的产品包装袋打码缺陷检测方法，包括以下步骤：步骤S1:获取产品包装袋图像，并进行裁剪；步骤S2:根据裁剪后的产品包装袋图像，基于软触发或硬触发，触发图像识别；步骤S3:对裁剪后的产品包装袋图像进行预处理；步骤S4:基于预处理后的图像，采用DB算法，形成文本框；步骤S5:根据得到的文本框，基于深度学习模型CRNN进行字符识别得到字符预测的内容结果以及相应的概率值；步骤S6:基于字符预测的内容结果以及相应的概率值，获取缺陷目标的检测结果。本发明实现了对各种类型包装如塑料包装、纸盒等各种简单或复杂背景的产品包装识别与缺陷检测。

技术领域

本发明涉及智能识别领域，具体涉及一种基于AI技术的产品包装袋打码缺陷检测方法及系统，。

背景技术

随着人工智能技术的发展，利用OCR技术和机器视觉方法进行产品包装袋打码字符识别和缺陷检测已成为现实。

针对产品包装袋打码字符识别的现有方法主要有传统的OCR技术和基于深度神经网络的OCR技术。传统的OCR技术已经形成了成熟的技术流程体系，大体包括图像预处理，对图像进行去噪、灰度化、二值化、倾斜校正；文本定位，将图像中的字符区域定位出来以便后续进行识别；文字识别，对单字符进行提取特征，利用分类器分类，再进行后优化处理这几个阶段。但传统OCR方法虽然识别效率高，但泛化能力及鲁棒性差，只适用于背景简单的图像。而基于深度学习的OCR技术利用深度神经网络，将图像预处理、文本定位、文字识别等功能集成一体，可实现端到端的像素级文字标注及关键字字符检测。

如何突破传统图像识别方法泛化能力及鲁棒性差、深度学习对大量标注数据及硬件条件的较高依赖也是需要解决的关键问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于AI技术的产品包装袋打码缺陷检测方法及系统，实现了对各种类型包装如塑料包装、纸盒等各种简单或复杂背景的产品包装识别与缺陷检测。

为实现上述目的，本发明采用如下技术方案：

一种基于AI技术的产品包装袋打码缺陷检测方法，包括以下步骤：

步骤S1:获取产品包装袋图像，并进行裁剪；

步骤S2:根据裁剪后的产品包装袋图像，基于软触发或硬触发，触发图像识别；

步骤S3:对裁剪后的产品包装袋图像进行预处理；

步骤S4:基于预处理后的图像，采用DB算法，形成文本框；

步骤S5:根据得到的文本框，基于深度学习模型CRNN进行字符识别得到字符预测的内容结果以及相应的概率值；

步骤S6:基于字符预测的内容结果以及相应的概率值，获取缺陷目标的检测结果。

进一步的，所述步骤S1具体为：通过工业相机采集高速传送带上的产品包装袋图像，并对相机拍摄到的产品包装袋图像进行裁剪，在拍摄第一幅图像上框选出裁剪区域后，后继的实时采集中自动保留裁剪区域内图像。

进一步的，所述软触发采用间隔时间法、相似度比较法和边缘强度法定位需检测识别图像。

进一步的，所述硬触发通过连接打印及包装设备上的编码器及PLC的串口输出信号硬触发方法自动触发后继字符定位识别及缺陷检测。

进一步的，所述预处理具体为：将读入的RGB图像转化为灰度图像，先对其做快速降噪处理，再对自适应阈值算法处理后二值化图像做反色处理，最后做腐蚀和膨胀等形态学处理。

进一步的，所述DB算法，具体为：骨干网络选用ResNet50_vd，通过上采样的方式将特征金字塔的输出变换为同一尺寸，并级联产生特征及特征层；而后，通过特征层预测概率图及文本概率图，用于计算该像素属于文本的概率形成文本概率图，然后根据各像素动态阈值形成动态阈值图；通过文本概率图和动态阈值图生成DB二值图，根据DB二值图拓展标签生成，形成文本框。