摘要
本发明涉及一种基于工业视觉的钢卷号自动定位和识别方法,包括构建训练样本集:获取训练样本集;钢卷号定位与区域提取:利用分割的文本检测法DBnet算法进行钢卷号的定位,计算钢卷号的最小包围矩阵,将包围矩阵旋转到水平方向,提取自然场景下不同形状的文本区域;坐标系转换:将钢卷号进行水平变化,采用多尺度融合的极坐标转换算法进行极坐标转换;钢卷号文本识别:根据坐标转换结果,利用CPTN深度模型完成钢卷号提取;能够更加准确的提取到钢卷号,解决了钢卷号提取准确率较低问题,有效降低了生产成本,解决了人工记录效率低等问题,对于提高钢卷库存管理的效率和准确性具有重要的意义。
技术关键词
训练样本集
文本检测法
识别方法
自然场景
长短期记忆网络
笛卡尔坐标系
构造算法
转换算法
文本识别
深度神经网络模型
多尺度
文本行
视觉
矩阵
图像
工业
库存管理
插值算法
系统为您推荐了相关专利信息
状态识别方法
车辆
监控视频流
视频监控设备
紧急停车带
情绪识别模型
深度学习模型
语音编码
语音特征
噪声特征