[发明专利]一种基于卷积神经网络的零部件喷码检测方法

摘要

本发明公开了本发明提供了一种基于卷积神经网络的零部件喷码检测方法，包括以下步骤：S1：采集图像；S2：提取喷码区域二值图像；S3：分割喷码区域；S4：训练卷积神经网络；S5：喷码检测。本发明使用形态学方法对喷码区域进行提取，通过仿射变换完成喷码区域的倾斜矫正，能有效地提取喷码区域并完成正畸，排除喷码区域周围的噪音以及喷码倾斜造成的干扰，有较好的鲁棒性；且通过对投影算法进行改进，根据目标图像自有的信息完成单个字符分割，无需字符数量、字符宽度等先验信息，有效地解决了传统算法需要事先给定字符数量等先验知识的局限性。

主权项

1.一种基于卷积神经网络的零部件喷码检测方法，其特征是：包括以下步骤：S1：采集图像；S2：提取喷码区域二值图像；S3：分割喷码区域；S4：训练卷积神经网络；S5：喷码检测；其中，所述步骤S3分割喷码区域包括：S301：行分割，将字符按行分开，先通过以下公式将每行的白色像素点个数进行统计：其中，其中，white[i]为第i行的白色像素点个数；g(i,j)为i行j列的灰度值；COL为图像的像素矩阵的列数；再找出white[0.4ROW,0.6ROW]区域内的最小值，其对应的i值即是分割行，从i行将两行字符分隔开；其中ROW为步骤S2所得图像的像素矩阵的行数；S302：字符分割，图像进行行分割后，再对每行的每个字符进行分割，对于每行字符图像的像素矩阵，首先统计每列的白色像素点个数B[j]，其中，此处，row,col分别为该行字符图像的像素矩阵的行和列；再设置阈值k＝0.1×maxB[j]，从而得到粗分割的分割列的集合C[i]，C[i]＝{j|B[j]＜k,j＝1,...col}  (3)，计算阈值分割相邻两列之间的距离得到数组D[i]，D[i]为粗分割后各个字符区域宽度的集合；D[i]＝C[i+1]‑C[i],i＝1,2,3...  (4)；然后，根据图像像素矩阵行数row，得到图像中的字符高度h，根据标准喷码字符的高宽比，设置单个喷码字符宽度范围为W＝[0.4h,h]，选取D[i]中属于W的值得到E[i]＝{e|e∈D[i],e∈W,i＝1,2,3...}；其中，E[i]为该行图像所有字符区域中，无粘连的单个字符宽度的集合；对E[i]中的元素取平均值得w_std；根据w_std计算各个字符区域单个字符宽度F[i]，最后将各个区域字符按照F[i]进行平均分割即可，若round(D[i]/w_std)＝0，则该区域舍弃。