[发明专利]一种钢卷标号识别方法及系统

说明书

本发明公开了一种钢卷标号识别方法及系统，所述方法包括步骤：S01、实时检测钢卷是否出现；当检测到钢卷时，截取钢卷图像；S02、检测钢卷图像中的钢卷边缘，然后计算钢卷图形的梯度，得到钢卷圆周线，最终提取钢卷圆心；S03、基于深度学习的语义分割模型和钢卷圆心，对钢卷不同位置上的标号字符进行定位和方位调整；S04、基于端到端神经网络模型，对方位调整好的钢卷标号字符进行识别。本发明具有稳定可靠、识别率高等优点。

技术领域

本发明主要涉及钢卷生产线技术领域，具体涉及一种钢卷标号识别方法及系统。

背景技术

生产钢卷的流程中，每个钢卷对应一个编号，这个编号代表钢卷的生产批次、尺寸、型号等相关信息。钢卷编号方便检测人员进行质量检查，通过编号来实现产品质量的跟踪和管理。当前国内绝大部分钢厂采用人工观看现场监控视频或者直接查看钢卷的方式获取热轧钢卷喷印号码。然而，人工长时间观看视频容易出错，而热轧钢卷温度较高，近距离查看钢卷存在一定的安全隐患。部分自动程度较高的钢厂采用传统机器视觉识别方法，其主要缺陷是：1)需要硬件(如光电传感器)触发，这样既增加了硬件成本，又给现场操作和维护带来不便；2)识别算法稳健性和精度不够，泛化能力差。现有的图像识别算法一般需将弯曲的字符拉直再进行识别，一旦钢卷号发生变化，进行拉直操作所设定的参数将不再适用，需要重新进行针对性调整；拉直操作会造成字符区域形变，影响识别的准确性。针对此问题，本发明提出一种直接从视频流定位、检测和识别钢卷标号的装置和方法。

钢卷号图像识别属于场景文字识别领域，与自然场景不同，工业场景中标号文字大都不遵循语法规则，字符变形、超长和不规则排列是常见现象。另外，成像环境复杂，背景多样化也是困扰工业场景文字识别性能提高的主要难题。目前学术界大部分基于word(单词)的端到端识别算法都具有只能识别预设阅读顺序的字符串的缺点，同时训练数据集大多为英文单词，在词典里查找序列或者由字符前后出现字符概率来校正识别结果的方法并不适用于由英文字母与数字组成、一直在变化的钢卷号。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的问题，本发明提供一种稳定可靠，识别率高的钢卷标号识别方法及系统。

为解决上述技术问题，本发明提出的技术方案为：

一种钢卷标号识别方法，包括步骤：

S01、实时检测钢卷是否出现；当检测到钢卷时，截取钢卷图像；

S02、检测钢卷图像中的钢卷边缘，然后计算钢卷图形的梯度，得到钢卷圆周线，最终提取钢卷圆心；

S03、基于深度学习的语义分割模型和钢卷圆心，对钢卷不同位置上的标号字符进行定位和方位调整；

S04、基于端到端神经网络模型，对方位调整好的钢卷标号字符进行识别。

优选地，所述步骤S04包括具体过程：

S41、基于ResNet-50-FPN网络和Non-Local模块提取标号字符特征，得到融合特征图；

S42、基于分割建议网络对融合特征图进行处理，生成字符区域建议框，得到仅有标号字符的感兴趣区域；

S43、由文本分割模块对仅有标号字符的感兴趣区域进行字符检测与分类；

S44、对单独的字符分割结果进行像素投票，连接得到最终的字符识别结果。

优选地，所述步骤S42的具体过程为：

分割建议网络采用U-Net结构对融合特征图z_i进行处理；其中z_i由不同分辨率的特征图融合而成；

对每个通道的融合特征图分别进行卷积与上采样操作，达到尺度一致的效果，进行拼接；