烟包喷码字符识别系统研究

第 3期 (第 1 0期 )总 621 0 0年 6月

机械工程与自动化M ECHANI CAL ENGI NEERI NG& AUTOM AT1 0N

No .3

J n. u

文章编号： 6 2 6 1 ( o 0 0— 1 7 0 1 7—4 3 2 1 )30 1- 3

烟包喷码字符识别系统研究胡承东，速永仓，曹玲芝( .郑州轻工业学院食品与生物工程学院，河南郑州 1烟厂，云南玉溪 630) 5 1 0

4 0 0;2红塔烟草 (团 )限责任公司玉溪卷 502 .集有

摘要：字符识别技术是用机器视觉进行模式识别的重要研究方向之一。草制造的工业现场环境恶劣，引起烟会

所拍摄的图像失真、模糊、含噪声及字符产生缩放、移旋转等情况。针对以上情况，首先对图像进行了前期平预处理，并对字符特征进行了提取；之后，针对两种字符特征，用改进的 B算法设计了两个神经网络识别系 P统。

关键词：字符识别；二值化；B网络 P中图分类号：TN9 1 7 1. 3文献标识码：A

1概述

像素灰度级非 1即 0。本文采用灰度修正和直方图均衡化进行图像增强处理；采用中值滤波和膨胀与腐蚀进行图像降噪处理； 采用阈值分割法进行图像二值化处理；采用梯度微分处理来提取图像边缘；采用二值图像对 x轴垂直投影进行图像分割提取单个字符。3字符特征提取

随着烟草包装工艺的发展，越来越多的烟草生产厂家在烟包上喷印一些数字编码来进行产品的识别，但在实际的生产过程中，由于设备原因，往往出现许多种类不同的缺陷。正常烟包喷码和缺陷烟包喷码图像见图 1。

本文针对玉溪卷烟厂的烟包铝箔纸喷码字符识别进行了一系列研究，望通过研究设计一种在灰尘大、希光源易受外界干扰产生噪声、待检对象位置易偏差而

由于分割出来的字符要进行特征抽取才能送入分类器进行识别，针对工业现场被测件位置偏差使图像发生偏转和平移的情况，经过比较最终选择对旋转具有不变性的矩特征作为模式特征。

使字符发生平移和旋转的恶劣工业生产环境下仍然能够很好识别字符的方法。

特征选择是模式识别中的一个关键问题，其基本任务是如何从许多特征中找出那些最有效的特征。在( 1位喷码原彩图 a) 8

目前的各种 OC技术中，其核心都是利用字符的特 R征进行识别，理想的特征是对字符的平移、旋转与缩放具有不变性。

( 喷码缺陷 b)

3 1粗网格特征 .

图 1正常烟包喷码和缺陷烟包喷码

把独立的单个二值化字符纵横分割成由个网格组成的形式，取每个网格中字符像素 (为白色像素 )设

2图像预处理算法研究 所谓数字图像处理，就是利用数字计算机或其他高速、大规模集成数字硬件，对从图像信息转换来的数字信号进行某些数字运算或处理，以提高图像的质量或达到人们所要求的某些预期的结果。在数字图像处理中，为减少计算量，常将灰度图像转化为二值图像处理。所谓二值图像就是只有黑白两个灰度级，即收稿日期：2 0—O2;修回日期：2 1- 22 0 91一2 0 00—0作者简介：胡承东 (9 6 )男，南玉溪人，程师，读硕士研究生。 17一，云工在

占总字符像素的比例，将所有比例值排成一列就形成维特征向量。经过实验验证了字符的粗网格特征体

计算非常简单而且快速，与神经网络结合使用对随机的椒盐噪声具有一定的容错能力，但该特征抗笔划位置干扰的能力较差，对于字符的旋转无能为力。 本文研究中把归一化后的字符在纵向上分为 8

1 8 1

机械工程与自动化

21 0 0年第 3期

份，向上分为 5份，由 4横故 O个 0到 1之间的数构成的列矩阵就作为字符的输入特征，如图 2示。所

( )第 k个输出神经元的输出值： 2k ]

Y 厶 W撕— O) ( 1 2 3…,)。…一/ ( k一，,, ci 1一…………………………………………………

() 2

( )权值的修正 A 、A 3 w, w。分别由下式确定：A w撕一 (1 7一y )厂 。……………… ( ) 2 O 3图 2粗网格特征f

]

3 2矩特征 .

A o厶 wl一

(^ f l 。…… ( )丁一y ) z W2f X 4

由于工业现

场被测件位置偏差会使图像发生偏转和平移，平移问题可以在字符归一化时解决。对于旋转问题虽然有的研究者采用旋转校正的方法解决，但由于很多情况下旋转角度或倾角是随机的而不是先验知道的，故提取对旋转角度不敏感的特征是一种更可靠与简便的方法。经过大量研究，理论上已经找到了 具有旋转不变性的一些变换，如梅林变换、矩变换等， 这些变换大多都是非线性的，变换后的模式中的特征

4 2网格与 Z r ie矩特征 B网络识别系统 . en k P

由于从工业现场采集到的喷码字符类有限 (包仅括1 O个数字 ),本文采用了两组样本：一组样本是在计算机上人为画出来的规格化在 4×3 8 2像素范围内的标准二值化字符，针对该组样本用字符的网格特征设计了一个 B P网络 (以下称为 B ( P网格 ),自制字符 )样本如图 4所示；一组样本是实拍的喷码字符图像，另 经过图像预处理、字符分割后提取出来的单个二值化

信息会有所损失，但如果所使用的识别方法不需要足够的信息或对这种损失不敏感，那么，这种变换还是很有必要的。本文中，对矩不变量进行研究，最终选择了 1 2个 Z r ie矩作为字符的输入模式特征。 enk4喷码字符识别神经网络系统设计4 1 BP神经网络 .

字符，对这组样本用选择的 1针 2个 Z r ie特征设 enk矩计了另外一个 B P网络 (以下称为 B ( enk ) P Z r ie,实拍字符样本如图 5所示。

对于两个网络均选择简单而实用的 3层 B网 P络。 P( B网格)的拓扑结构为4×1×1; P( enk ) 0 O 0 B Z r ie

匦 厨

圄

B P网络是一种有监督学习算法的前馈型神经网

网络的拓扑结构为 1×1×1。 2 O O

西围日 国

络。它用给定的输入输出样本对来进行训练，通过输出值与预定值之间误差的反向传播对网络的权值和阈值进行调整，使误差函数沿最速下降方向下降，最终使网络实现给定的输入输出映射关系，即网络的学习 过程。 P算法由两部分组成：息的正向传递与误差 B信的反向传播，以图 3所示的简化三层网络拓扑结构为例进行基本公式推导。

一国圈一

!= l

巨一日

宙一国J=1, , 2i:12,, s

k= 12, , 0

Nu m6

Nu m7

Nu m8

Nu m9

Nu 1 m 0

图 3简化的三层 BP网络拓扑结构

图 5实拍字符样本

设输入层有 r神经元，为输入，个 x隐含层有 S个

4 3实验 .

神经元，o为输出，激励函数为 f;输出层有 c l个神经元，为输出，励函数为 f; l为第个输入节 y激 z i )点到第 i隐节点的连接权值， k个训2为第个隐节点到 i

实验得出如下结论：字符的网格特征神经网络对随机椒盐类噪声不敏感，但抗笔划位置干扰的能力较差，当字符旋转一定角度时完全不能识别； enk矩 Z r ie

第 k个输出节点的连接权值；为阈值；为期望输出 0 T值；为学习率。 ( )第个隐节点的输出值： 1r

特征与神经网络相结合的方法，对于能够正确识别的字符，在该字符平移、缩放及旋转后也几乎全部能够正确识别，但对于容易混淆的字符，当字符粗细变化和有噪声时则容易发生误识与拒识。 针对两种字符特征的缺点与优点，实验中把以上两个神经网络联合使用，设计了一个集成识别系统对

]

O一f ( 5 i一 (= 1 2 3…,)。… l 2 lX, )=,,, s j:J= t…………………………………………………

()】

21 0 0年第 3期

机 …… 此处隐藏：3501字，全部文档内容请下载后查看。喜欢就下载吧 ……