基于機(jī)器視覺(jué)的SD卡包裝字符識(shí)別系統(tǒng)研究

李昂

摘要：為了對(duì)不同種類SD卡包裝進(jìn)行自動(dòng)識(shí)別與分類，研究了基于機(jī)器視覺(jué)的SD卡包裝字符識(shí)別系統(tǒng)。設(shè)計(jì)了圖像處理與圖像識(shí)別方法，提出了基于對(duì)角線中點(diǎn)的區(qū)域定位方法，利用投影直方圖進(jìn)行特征提取，通過(guò)計(jì)算巴氏距離相似度對(duì)區(qū)域內(nèi)數(shù)字字符進(jìn)行識(shí)別。搭建了SD卡包裝視覺(jué)檢測(cè)系統(tǒng)平臺(tái)。實(shí)驗(yàn)表明，本系統(tǒng)能有效對(duì)不同容量大小的SD卡包裝進(jìn)行識(shí)別與分類，并有較高的準(zhǔn)確率。

關(guān)鍵詞：機(jī)器視覺(jué)；邊緣檢測(cè)；投影直方圖；字符識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）03-0170-02

Research on SD Card Character Recognition System Based on Machine Vision

LI Ang

（College of Information Engineering， JiuJiang Vocational University ，Jiujiang 332000， China）

Abstract： In order to realize the automatic recognition and classification of different types of SD card， the character recognition system based on machine vision is studied.Image processing and image recognition methods are designed.A regional positioning method based on the diagonal points is proposed.By using the projection histogram as the feature， the digital characters in the area are identified by calculating the similarity of the Bhattacharyya distance.The platform of visual inspection system has been set.Experiments show that the system can effectively identify and classify memory cards of different sizes， and the detection rate is accurate.

Key words： machine vision， edge detection， projection histogram， character recognition

1 概述

SD卡又稱為內(nèi)存卡，其作為存儲(chǔ)擴(kuò)展設(shè)備廣泛應(yīng)用于手機(jī)、數(shù)碼相機(jī)、平板電腦等便攜式手持設(shè)備中，具有尺寸小、便于攜帶、方便使用等優(yōu)點(diǎn)。隨著微電子技術(shù)的發(fā)展，SD卡的存儲(chǔ)容量不斷提升，不同容量大小的內(nèi)存卡可供用戶進(jìn)行選擇。在生產(chǎn)過(guò)程中，批量生產(chǎn)的內(nèi)存卡被包裝完畢后，需要人工對(duì)不同容量大小的SD卡進(jìn)行分類。本文研究一種基于機(jī)器視覺(jué)的自動(dòng)識(shí)別系統(tǒng)來(lái)代替人工，可以避免人工因長(zhǎng)時(shí)間工作疲勞而降低識(shí)別準(zhǔn)確率，同時(shí)降低企業(yè)的用人成本，實(shí)現(xiàn)自動(dòng)化檢測(cè)。

國(guó)內(nèi)外有關(guān)工業(yè)產(chǎn)品的機(jī)器視覺(jué)檢測(cè)研究十分熱門。文獻(xiàn)[1-3]中作者使用機(jī)器視覺(jué)技術(shù)對(duì)數(shù)字儀表中的字符進(jìn)行檢測(cè)并構(gòu)建系統(tǒng)。文獻(xiàn)[4-6]中作者將機(jī)器視覺(jué)技術(shù)用于車牌字符識(shí)別中。本文設(shè)計(jì)了一套基于機(jī)器視覺(jué)的SD卡包裝字符識(shí)別系統(tǒng)方案，使用低成本CMOS工業(yè)相機(jī)進(jìn)行圖像采集，在圖像處理過(guò)程中，本文首先對(duì)感興趣區(qū)域進(jìn)行定位，提取字符圖像的投影直方圖特征對(duì)不同數(shù)字字符進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)具有良好的檢測(cè)效果。

2 圖像采集

本系統(tǒng)圖像采集平臺(tái)由工業(yè)相機(jī)、鏡頭、光源以及支架構(gòu)成。本文選用500w像素CMOS工業(yè)相機(jī)作為圖像采集裝置，鏡頭選用定焦鏡頭。

照明方面為保證圖像采集的質(zhì)量選擇LED光源。從表1可以看出LED燈的發(fā)光量與電流呈線性關(guān)系[7]。光源形狀使用碗狀光源，碗狀光源照射下，光線通過(guò)半球形的內(nèi)壁多次反射，可以對(duì)表面不平的物體實(shí)現(xiàn)均勻照明，并可以完全消除陰影。

表1 各類光源性質(zhì)對(duì)比

[名稱＼&能耗＼&電壓/V＼&發(fā)熱量＼&可靠性＼&壽命/H＼&鎢絲燈＼&15～200＼&200＼&高＼&低＼&3000＼&鹵素?zé)簦?amp;100＼&220＼&極高＼&低＼&3000＼&日光燈＼&4～100＼&220＼&較高＼&低＼&500～8000＼&LED燈＼&極低＼&很低＼&多形式＼&較高＼&1000＼&]

3 圖像處理

圖像處理是視覺(jué)檢測(cè)系統(tǒng)的關(guān)鍵所在，其結(jié)果直接影響到識(shí)別與分類的效果。首先對(duì)采集到的圖像進(jìn)行圖像濾波，去除噪聲與毛刺干擾，然后進(jìn)行邊緣檢測(cè)，最后對(duì)圖像中的感興趣字符區(qū)域定位。本系統(tǒng)圖像處理流程如圖1所示：

3.1 圖像濾波

常用的圖像濾波方法有均值濾波與中值濾波。均值濾波能有效對(duì)噪聲的影響進(jìn)行抑制，但圖像會(huì)隨著半徑的擴(kuò)大變得越來(lái)越模糊，依照現(xiàn)場(chǎng)實(shí)際情況，本文使用中值濾波法對(duì)目標(biāo)圖像進(jìn)行濾波。

3.2 邊緣檢測(cè)

為了對(duì)感興趣區(qū)域進(jìn)行定位，先對(duì)整體圖像進(jìn)行邊緣檢測(cè)，得到SD卡包裝殼的整體邊緣。為了效果良好的邊緣檢測(cè)效果，實(shí)驗(yàn)對(duì)比了多種邊緣檢測(cè)算子的效果。實(shí)驗(yàn)結(jié)果表明Canny算子與Sobel算子具有良好的檢測(cè)效果，但Sobel算子檢測(cè)時(shí)間更短。為了提高系統(tǒng)的運(yùn)行效率，在效果差別不大的情況下，最終采用Sobel算子進(jìn)行檢測(cè)。檢測(cè)效果如圖2所示。

3.3 字符區(qū)域定位

本系統(tǒng)需要對(duì)包裝盒上表明SD卡容量的數(shù)字字符區(qū)域進(jìn)行定位，單獨(dú)提取出字符區(qū)域的圖像用于后續(xù)字符識(shí)別。對(duì)感興趣區(qū)域定位可以減少圖像處理的計(jì)算量，能提升系統(tǒng)的運(yùn)行速度，有針對(duì)性地對(duì)特征區(qū)域進(jìn)行定位是影響后續(xù)識(shí)別準(zhǔn)確率的關(guān)鍵所在。本文針對(duì)被檢測(cè)物的特點(diǎn)，設(shè)定了專門的定位算法，具體方法如下：

1）輸入邊緣檢測(cè)后的圖像，從圖像的第一行開(kāi)始從左到右從上到下進(jìn)行掃描，記錄第一個(gè)像素值為1的點(diǎn)坐標(biāo)A（x1，y1）。

2）從圖像的最后一行開(kāi)始，從右往左從下往上掃描，記錄定義一個(gè)像素為1的點(diǎn)的坐標(biāo)B（x2，y2）。

3）計(jì)算出AB兩點(diǎn)的中點(diǎn)O（x0，y0），該點(diǎn)為SD卡包裝盒的中心點(diǎn)。以該點(diǎn)為定位點(diǎn)定位出感興趣的數(shù)字字符區(qū)域。

圖2 字符區(qū)域定位

4 字符識(shí)別

在定位出感興趣區(qū)域圖像之后，單獨(dú)對(duì)分割出的圖像進(jìn)行處理，實(shí)現(xiàn)字符識(shí)別功能。本文提出的圖像識(shí)別算法主要分為三個(gè)步驟，流程如圖3所示。

4.1 預(yù)處理

在預(yù)處理中對(duì)圖像進(jìn)行二值化與形態(tài)學(xué)處理。圖像二值化是有效簡(jiǎn)化圖像信息的方法，通過(guò)二值化處理能減少后續(xù)處理步驟，提升圖像識(shí)別效率。為了有效地將字符與背景分離開(kāi)，考慮到光照不均的影響，通過(guò)最大類間方差法對(duì)閾值進(jìn)行選取，通過(guò)式（1）實(shí)現(xiàn)前景圖像與背景圖像的二值化[8]。在對(duì)圖像進(jìn)行二值化處理后，利用先膨脹后腐蝕的形態(tài)學(xué)處理方法得到完整無(wú)斷裂的二值圖像。

[g（x，y）=1，f（x，y）≥T0，f（x，y）

4.2 字符分割

被檢測(cè)字符由兩個(gè)阿拉伯?dāng)?shù)字組成，需將其分割開(kāi)單獨(dú)進(jìn)行識(shí)別。具體方法為：

1）提取字符圖像的垂直投影直方圖。

2）記錄直方圖中所有起始點(diǎn)與終止點(diǎn)坐標(biāo)。

3）將得到的起始點(diǎn)與終止點(diǎn)坐標(biāo)作為分割點(diǎn)對(duì)應(yīng)圖像矩陣的行坐標(biāo)對(duì)圖像進(jìn)行分割。效果如圖4所示。

4.3 字符識(shí)別

在工業(yè)檢測(cè)領(lǐng)域中，利用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)字符識(shí)別的方法有很多 [9-11]。本文使用模板比較法對(duì)被檢測(cè)字符進(jìn)行識(shí)別。根據(jù)實(shí)際情況，SD卡的容量有16G、32G、64G三種，因此需要識(shí)別的數(shù)字為“1”、“2”、“3”、“4”、“6”。首先對(duì)這五個(gè)數(shù)字進(jìn)行模板采集。人工選取五個(gè)數(shù)字的圖像，提取垂直投影直方圖作為模板。然后提取被檢測(cè)的字符圖像的垂直投影直方圖，將其與模板逐一進(jìn)行相似度對(duì)比，各字符的投影直方圖如圖5所示。這里采用巴氏距離系數(shù)來(lái)衡量相似度。當(dāng)巴氏距離系數(shù)大于0.8時(shí)判定為對(duì)應(yīng)模板數(shù)字。

5 實(shí)驗(yàn)結(jié)果與分析

本文使用VC++與MATLAB混合編程實(shí)現(xiàn)圖像處理系統(tǒng)，對(duì)93張現(xiàn)場(chǎng)采集的SD卡包裝盒圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表2所示。其中識(shí)別率為識(shí)別正確個(gè)數(shù)與總數(shù)量的比值。

由實(shí)驗(yàn)結(jié)果可知，16G的SD卡有4張識(shí)別錯(cuò)誤，識(shí)別率為87.1%，錯(cuò)誤原因主要在于圖像采集時(shí)SD卡包裝殼的過(guò)于傾斜，導(dǎo)致無(wú)法準(zhǔn)確定位，從而影響識(shí)別效果。其中32G的SD卡有2張識(shí)別錯(cuò)誤，原因主要在于字符區(qū)域反光較為嚴(yán)重，導(dǎo)致不能得到清晰的數(shù)字圖像，造成識(shí)別錯(cuò)誤。其中針對(duì)傾斜過(guò)多的圖像可采用圖像旋轉(zhuǎn)的方法對(duì)其進(jìn)行傾斜校正?？傮w來(lái)說(shuō)

本系統(tǒng)能滿足實(shí)際需求，具有良好的識(shí)別效果。后續(xù)可將SVM分類器引入識(shí)別過(guò)程，進(jìn)一步提升識(shí)別效果。

6 結(jié)束語(yǔ)

為了代替人工，本文將機(jī)器視覺(jué)技術(shù)應(yīng)用于內(nèi)存卡分類系統(tǒng)中，利用合理的圖像處理與識(shí)別方法，設(shè)計(jì)出自動(dòng)檢測(cè)系統(tǒng)。經(jīng)過(guò)實(shí)驗(yàn)論證，本系統(tǒng)在一定條件下，能準(zhǔn)確定位出SD卡包裝盒上的數(shù)字區(qū)域并有效對(duì)數(shù)字進(jìn)行識(shí)別，從而對(duì)不同容量大小的SD卡進(jìn)行分類。本系統(tǒng)對(duì)環(huán)境與攝像機(jī)要求不高，能用于同類產(chǎn)品的檢測(cè)，具有一定的使用價(jià)值與現(xiàn)實(shí)意義。如何使系統(tǒng)的速度與準(zhǔn)確率得到進(jìn)一步提升是下一步研究的方向。

參考文獻(xiàn)：

[1] 劉丹，穆林麗，余曉鍔. 一種七段數(shù)碼管式醫(yī)用儀表的自動(dòng)識(shí)別方法[J].科學(xué)技術(shù)與工程，2010（16）：4037-4039.

[2] 錢勤建. 高分辨率機(jī)器視覺(jué)系統(tǒng)在包裝標(biāo)簽檢查中的應(yīng)用[J]. 機(jī)電一體化，2011（4）.

[3] 郭爽. 數(shù)碼管數(shù)字儀表自動(dòng)識(shí)別方法的研究[J]. 通信技術(shù)，2012（8）：91-93.

[4] 牛博雅，黃琳琳，胡健. 自然場(chǎng)景下的車牌檢測(cè)與識(shí)別算法[J]. 信號(hào)處理，2016（7）：787-794.

[5] 李彥，張洪博，石蓮英. 基于SIFT特征匹配的車牌識(shí)別方法[J].計(jì)算機(jī)工程與應(yīng)用，2016（12）：194-200.

[6] 鄧集杰，劉鐵根，楊永，等. 基于機(jī)器視覺(jué)的嵌入式工業(yè)在線檢測(cè)系統(tǒng)[J]. 計(jì)算機(jī)工程，2008（4）：260-262，274.

[7] 譚剛，董祥龍，徐繼，等. 基于機(jī)器視覺(jué)的玻璃瓶表面缺陷檢測(cè)[J].上海工程技術(shù)大學(xué)學(xué)報(bào)，2009（2）：111-114.

[8] 韓思奇，王蕾. 圖像分割的閾值法綜述[J]. 系統(tǒng)工程與電子技術(shù)，2002（6）：91-94+102.

[9] Tekin E，Coughlan J M，Shen Huiying.Real-time detection and reading of LED/LCD displays for visually impaired persons[C]//IEEE Workshop on Applications of Computer Vision（WACV），2011：491-496.

[10] 張惠娟，南琳，張磊，等. 基于機(jī)器視覺(jué)識(shí)別的PCB字符噴印定位技術(shù)[J]. 制造業(yè)自動(dòng)化，2014（5）：143-147.

[11] 常曉瑋. 基于機(jī)器視覺(jué)的數(shù)字化儀表字符識(shí)別[J].計(jì)算機(jī)測(cè)量與控制，2014（9）：3071-3073.