火車輪字符動態識別仿真系統設計分析

馬曉歡 郭陽寬 張曉青

摘??要：本文提出了利用機器視覺方法代替人工實現對車輪加工過程中字符的識別。使用自研激光輪廓傳感器，基于OpenCV對圖像進行預處理，對字符進行分割、歸一化等操作，實現對字符字型的多次識別。實驗表明：識別準確率達98.8%，具有識別準確率高、效率高等優點。

關鍵詞：機器視覺;動態識別;字符分割;模板匹配

中圖分類號：TP39 ???文獻標識碼：A ???文章編號：2096-6903（2019）03-0000-00

0 引言

字符識別技術是機器視覺分支中一個重要的研究方向且在多種工業場合代替人工，其應用有效的降低識別的錯誤率，同時提高生產效率。工業中常見的字符主要有壓印字符、噴碼字符、浮雕字符、手寫字符等字符?；疖囕喿址麑儆诟〉褡址囊环N，是存在于物體表面凹凸的一種立體字符，且字符與母體顏色相同。在字符識別過程中，其容易受到火車輪旋轉速度的影響，因此會產生失真或者噪聲等問題。針對火車輪檢測現場需求及問題，提出利用機器視覺的方法，基于C++與OpenCV開發，對圖像進行處理識別。

1 系統設計

按火車輪尺寸1：1設計火車輪餅模型及字符，如圖1所示，在電機驅動下火車輪模型速度2圈每秒。采用自研激光輪廓傳感器，傳感器投射出一條激光，從待檢測物體表面返回的激光條在CCD上呈二維圖像，將激光條拼接可實現立體成像。

字符識別系統設計流程如圖2：

1.1 預處理

實現彩色圖像到灰度圖的轉化和二值化處理，將整個圖像呈現出黑色背景，字符為白色。利用先腐蝕后膨脹的方法消除圖像噪聲。對于膨脹：

對于腐蝕：

1.2?字符分割及排序

對掃描字符進行分割，首先從預處理后的圖像中尋找字符輪廓，再實現單個字符的分割。同時將通過分割后字符輪廓外部矩形左上角橫坐標采用冒泡排序的方法對字符進行順序排列，恢復火車輪字符的原本排序。

1.3?歸一化

匹配識別需要被識別的圖像和模板圖像大小一致，分割后的圖像并不一致，需要對分割后的字符進行歸一化處理。

比較兩張圖片的大小，相似性函數為：

將這個相似性函數展開得：

從上式可以看出，展開式的第一項和第三項的值是選定模板后的固定值，對于相似形函數，值越大越不相似，也就是說第二項的值越小越不相似，所以我們需要將分割后的字符進行歸一化，

1.4?基于平方差的模板匹配

將經過預處理后的字符與制作好模板庫進行匹配，模板庫中包含所有可能出現的“0～9” “A～Z” “—”共37個歸一化后的字符圖像。

在設計圖像識別系統中，采用平方差匹配法（TM_SQDIFF）進行識別。其計算方法為：

T為模板圖像，i為帶匹配圖像，為模板圖像的能量，為圖像I局部的能量。平方差匹配法是利用平方差來進行匹配，最好匹配為0，匹配差越小，則匹配值越小，匹配效果越好。

2?實驗結果與分析

在火車輪動態運轉情況下使用激光輪廓傳感器采集圖像，如圖3所示。

識別結果如圖4顯示。

多次試驗表明，準確率達98.8%，為火車輪字符動態識別現場檢測提供可靠依據。

3?結語

該系統字符識別準確率高、模板匹配型好，能較好的適應工業現場的需求，因此具有很好的應用價值。

參考文獻

[1]?Mei L， Guo J， Liu Q， et al. A Novel Frame work for Container Code-Character Recognition Based on Deep Learning and Template Matching[C].2016 International Conference on Industrial Informatics-Computing Technology， Intelligent Technology， Industrial Information Integration（ICIICII）.Wuhan，China，IEEE，2016：78-82.

[2]?段西利.工業工件復雜表面的字符識別方法研究[D].西安：西安理工大學，2019.

[3]?蔡玉婷，王外忠，杜孟杰，楊鑫，周鐵軍.數字字符識別技術及應用[J].電子技術與軟件工程，2019（21）：66-68.

[4]?李安翼.高速鋼軌焊前軌腰字符動態識別系統的開發[D].武漢：武漢工程大學，2018.

[5]?竺博，吳嘉嘉，何春江，胡金水.人工智能在手寫文檔識別分析中的技術演進[J].電子測試，2019（13）：5-8+48.

收稿日期：2019-06-10

作者簡介：馬曉歡（1995—），女，河南安陽人，碩士，研究方向：機器視覺。

Design of Fire Wheel Character Dynamic Recognition Simulation System

MA xiaohuan?， GUO Yangkuan?， ZHANG Xiaoqing

（Beijing Information Science and Technology University， School of Instrument Science and opto Electronics Engineering， Beijing??100192）

Abstract：?A method of using machine vision to replace the manual recognition of characters during wheel processing is proposed. A self-developed laser contour sensor is used to pre-process the image based on OpenCV， to segment and normalize characters， and to recognize the character font multiple times. Experiments show that the recognition accuracy is 98.8%， and the recognition accuracy is high and the efficiency is high.

Keywords：?Machine vision; Dynamic Recognition; Character segmentation; Template matching