摘要:为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题,提出了一种分块处理与卷积神经网络(CNN)相结合的字符图像识别算法;首先利用OpenCV机器视觉库,结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理,初步解决图像局部曝光和字符断裂问题;其次为了获得单个字符图像,利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割,进而去掉字符间的无用信息;最后利用Keras模块为字符识别提供的API搭建CNN模型,经过对100多张字符的识别训练,准确率高达96.9%,为某汽车零部件自动化生产中的字符识别提供了可靠的依据。
简介:《计算机测量与控制》(CN:11-4762/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社