機(jī)械零件壓印字符識(shí)別系統(tǒng)的設(shè)計(jì)摘要為了對(duì)汽車零件產(chǎn)品質(zhì)量的追溯，需要對(duì)汽車零件表面進(jìn)行信息識(shí)別，本文將會(huì)提出一套基于機(jī)械視覺(jué)的壓印字符檢測(cè)系統(tǒng)方案，這種方案可以有效的識(shí)別汽車零件表面壓印字符信息。本文將采用pyhton3.8開(kāi)發(fā)軟件對(duì)壓印字符進(jìn)行檢測(cè)識(shí)別，對(duì)檢測(cè)過(guò)程中的各個(gè)階段，提出了不同的檢測(cè)方法。結(jié)果表明，這套檢測(cè)方法能有效的檢測(cè)出零件表面壓印字符信息，從而對(duì)零件進(jìn)行篩選，且降低了人工成本，提高了效率，對(duì)工廠產(chǎn)品出售、分類等有著重要意義。關(guān)鍵詞：汽車零件；零件表面的特征；機(jī)器視覺(jué)；字符檢測(cè)摘要 11緒論 41.1光學(xué)字符識(shí)別的研究現(xiàn)狀 41.2壓印字符識(shí)別研究現(xiàn)狀 51.3論文研究?jī)?nèi)容與組織框架 61.4本章小結(jié) 72檢測(cè)系統(tǒng)總體設(shè)計(jì) 82.1檢測(cè)需求分析 82.2系統(tǒng)總體方案設(shè)計(jì) 82.3檢測(cè)系統(tǒng)硬件選型與設(shè)計(jì) 92.3.1工業(yè)相機(jī)選型 92.3.2光學(xué)鏡頭選型 92.3.3光源選型與照明方式選擇 102.3.5NG分揀裝置設(shè)計(jì) 112.4其他硬件選型 122.4.1運(yùn)動(dòng)控制部分硬件選型與電路連接 122.4.2數(shù)字采集卡 132.5檢測(cè)軟件模塊功能設(shè)計(jì) 142.6本章小結(jié) 153圖像預(yù)處理技術(shù) 163.1圖像信息增強(qiáng) 163.2零件圖像濾波去噪 173.3零件圖像傾斜校正 203.4壓印字符定位、分割、識(shí)別 243.4.1字符定位 243.4.2字符分割 253.4.3字符識(shí)別 263.5本章小結(jié) 264軟件設(shè)計(jì)實(shí)現(xiàn) 284.1軟件前處理 284.2軟件實(shí)現(xiàn)文字識(shí)別 284.2本章小結(jié) 355實(shí)驗(yàn)結(jié)果分析 366總結(jié)與展望 376.1總結(jié) 376.2展望 37參考文獻(xiàn) 391緒論1.1光學(xué)字符識(shí)別的研究現(xiàn)狀光學(xué)字符識(shí)別的概念是1929年Taushek提出的，到了20世紀(jì)50年代，OCR系統(tǒng)才慢慢出現(xiàn)，而OCR的技術(shù)發(fā)展，直到20世紀(jì)70年代，許多國(guó)家才慢慢對(duì)OCR識(shí)別技術(shù)進(jìn)行探索，在初始階段，基本都只能識(shí)別數(shù)字字符。與國(guó)外先進(jìn)國(guó)家相比，我國(guó)研究OCR的技術(shù)較為落后。直到20世紀(jì)70年代，才開(kāi)始對(duì)字符進(jìn)行探究。由于不斷的產(chǎn)品升級(jí)和改進(jìn)，許多領(lǐng)域都要用到該系統(tǒng)，并成為我國(guó)OCR技術(shù)發(fā)展的先鋒。又因?yàn)楫?dāng)代互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，OCR技術(shù)的使用面也逐漸從電腦終端擴(kuò)展到移動(dòng)終端，手機(jī)上也出現(xiàn)了該應(yīng)用，比如由微軟研發(fā)的OfficeLens，因?yàn)樗哂信恼盏墓δ?，即可以識(shí)別照片中的文字。此外，騰訊QQ和百度云OCR等也具備識(shí)別字符的功能，這些功能的實(shí)現(xiàn)造福了廣大民眾。[[1]宋春華,彭泫知.機(jī)器視覺(jué)研究與發(fā)展綜述[J].裝備制造技術(shù),2019(06):213-216.在手寫識(shí)別中，趙曉燕在預(yù)處理中采用Hough變換方法修正了手寫字體的偏斜，然后通過(guò)應(yīng)用非線性點(diǎn)密度歸一化和插值點(diǎn)合并重采樣理論，藏文手寫字符的數(shù)據(jù)完整性得到了保證，有效地去除了過(guò)程中的噪聲數(shù)據(jù)，方便了后續(xù)字符特征的提取。然后，利用特征融合提取字符特征，便于藏文字符的特征提??；再處理兩個(gè)兩個(gè)分類器，設(shè)計(jì)完成字符分類器，提高了藏文手寫識(shí)別的性能。對(duì)于文檔識(shí)別，張翮研究了復(fù)雜背景下的文檔識(shí)別。在預(yù)處理過(guò)程中，采用高斯模糊法和灰度法；用支持向量分類器識(shí)別掃描文件的邊緣，以該方法達(dá)到文件圖像校正效果。而在定位過(guò)程中，特征的提取是將自編碼器應(yīng)用于文檔圖像，并將提取到的特征信息送至分類器進(jìn)行訓(xùn)練，再對(duì)字符區(qū)域進(jìn)行矩形框定位；最后，還需要構(gòu)建深度神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)數(shù)字、英文字符和漢字進(jìn)行分割。將特征送入分類器中完成訓(xùn)練，并定位字符區(qū)域；然后，采用垂直投影的方法實(shí)現(xiàn)對(duì)區(qū)域內(nèi)壓印字符的分割；最后，創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)，達(dá)到中文、英文和數(shù)字的混合識(shí)別。[[2]王文平.基于HALCON的芯片字符識(shí)別[D].大連交通大學(xué),20181.2壓印字符識(shí)別研究現(xiàn)狀壓印字符的檢測(cè)和識(shí)別是一個(gè)新興的研究領(lǐng)域，它基本上屬于光學(xué)字符識(shí)別的范疇。此外，由于壓印字符的"小色差"導(dǎo)致的低對(duì)比度問(wèn)題，已經(jīng)成為許多研究人員的主要研究熱點(diǎn)。查閱相關(guān)文獻(xiàn)和熟知行業(yè)的實(shí)際情況來(lái)看，壓印字符的檢測(cè)和識(shí)別還僅僅只是停留在比較傳統(tǒng)的字符識(shí)別算法中。目前，對(duì)于"反差小"的字符識(shí)別中，只停留在初級(jí)階段，相關(guān)的理論研究方法和成就也寥寥無(wú)幾。下面主要介紹現(xiàn)階段的相關(guān)理論研究[3[3]盧暢暢,寧少文,唐德昌.光學(xué)字符識(shí)別技術(shù)(OCR)的研究于應(yīng)用[J].中國(guó)戰(zhàn)略新興產(chǎn)業(yè),2018(28):1-3李國(guó)平用莫爾技術(shù)代替?zhèn)鹘y(tǒng)的相機(jī)攝影進(jìn)行處理，將針扎入標(biāo)記上的字符，這大大提高了字符成像清晰度。還利用光學(xué)字符識(shí)別的方法提取字符的特征，并探究了其他幾種字符識(shí)別方法[[4]李陽(yáng).基于機(jī)器視覺(jué)的壓印字符識(shí)別系統(tǒng)研宄[D].廣州：廣州工業(yè)大學(xué)，2017．李建梅主要研究如何獲得高質(zhì)量的壓印文字圖像，探究了光源及照明方式?jīng)Q定著采集到圖像的質(zhì)量，利用圖像分層技術(shù)對(duì)壓印文字圖像進(jìn)行分割，并應(yīng)用Gabor濾波器的方法來(lái)對(duì)字符的灰度特征進(jìn)行提取。而對(duì)于圖像的特征信息，為了更好地保留圖像的細(xì)節(jié)部分，王瓊用了一種濾波方法對(duì)字符進(jìn)行處理。對(duì)于粘連在一起的字符，還運(yùn)用了滴水法對(duì)它們進(jìn)行了分割。最后運(yùn)用HOG+SVM方法，并以多種核函數(shù)來(lái)分類識(shí)別壓印字符[[5]梁林森.復(fù)雜背景下電力客戶證件識(shí)別關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J].科技與創(chuàng)新,2019(07):70-71在一項(xiàng)關(guān)于牙膏管上的壓印痕跡的研究中，劉萌萌選擇并設(shè)計(jì)了一種合適的圖像采集方法。該設(shè)備獲取高質(zhì)量的標(biāo)記圖像，使用模式匹配方法定位標(biāo)記區(qū)域，并使用大津方法完成標(biāo)記圖像的分割。最后，基于字符結(jié)構(gòu)的特征與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，用于識(shí)別標(biāo)記圖像[6[6]趙思雨，張玉蘭.基于最大值濾波和數(shù)學(xué)形態(tài)學(xué)的彈性圖像去噪[J].電腦知識(shí)與技術(shù)，2017,13(24)而劉萌萌對(duì)于壓印字符的探究，是建立在牙膏管上的，她做了一系列的選型和設(shè)計(jì)進(jìn)行圖像的采集并取得了較高的圖像質(zhì)量，同時(shí)使用了相關(guān)的方法對(duì)圖像進(jìn)行定位，運(yùn)用了大津法進(jìn)行字符的分割，且得到的效果良好。最終的字符識(shí)別采用了BP神經(jīng)網(wǎng)絡(luò)方法，完成了字符的識(shí)別。在汽車的輪胎壓印字符中，李陽(yáng)研發(fā)了一種高角度的環(huán)形光源裝置，使其更好的對(duì)輪胎表面字符的圖像采集，運(yùn)用了模板匹配的定位方法，完成對(duì)字符的定位，采取的邊緣算子的方法進(jìn)行字符分割，為后續(xù)字符識(shí)別奠定了基礎(chǔ)。1.3論文研究?jī)?nèi)容與組織框架對(duì)于汽車零部件的字符識(shí)別，分析了檢測(cè)需求，研究的主要內(nèi)容如下。第一章：大概闡述了汽車零件字符的研究背景和零件表面壓印字符標(biāo)記的重要性。說(shuō)明了光學(xué)字符識(shí)別的研究現(xiàn)狀。還比較了金屬壓印標(biāo)記和傳統(tǒng)光學(xué)標(biāo)記區(qū)別，并介紹了研究中的困難。第二章：分析其檢測(cè)需求和整體方案設(shè)計(jì)。先分析字符檢測(cè)的要求，再由檢測(cè)要求來(lái)設(shè)計(jì)整體方案，其中包含軟件功能模塊設(shè)計(jì)和硬件系統(tǒng)設(shè)計(jì)。硬件系統(tǒng)主要由兩部分組成：一個(gè)圖像采集裝置和一個(gè)NG分揀裝置。而軟件功能模塊當(dāng)中，一共有四個(gè)組成部分：圖像采集模塊、運(yùn)動(dòng)控制模塊、字符檢測(cè)模塊和數(shù)據(jù)管理模塊。第三章：介紹了幾種圖像信息增強(qiáng)的方法和幾種常用濾波方法以及Hough傾斜校正。各種算子計(jì)算公式以及邊緣檢測(cè)，Canny算子原理第四章：介紹軟件實(shí)現(xiàn)字符識(shí)別。并講述了各個(gè)零件處理過(guò)程中的流程及注意事項(xiàng)。簡(jiǎn)單說(shuō)明了部分功能函數(shù)和主要程序，最后得到的實(shí)驗(yàn)結(jié)果。第五章：分析實(shí)驗(yàn)的結(jié)果，探討數(shù)據(jù)。第六章：闡述了本文的剩余問(wèn)題和接下來(lái)要解決的問(wèn)題。論文的基本組織框架圖1.1：基于機(jī)器視覺(jué)的汽車零部件字符檢測(cè)系統(tǒng)與實(shí)現(xiàn)第一章緒論基于機(jī)器視覺(jué)的汽車零部件字符檢測(cè)系統(tǒng)與實(shí)現(xiàn)第一章緒論第二章檢測(cè)總體設(shè)計(jì)第二章檢測(cè)總體設(shè)計(jì)第三章零件圖像預(yù)處理第三章零件圖像預(yù)處理第四章軟件設(shè)計(jì)實(shí)現(xiàn)第四章軟件設(shè)計(jì)實(shí)現(xiàn)第五章實(shí)驗(yàn)結(jié)果分析第五章實(shí)驗(yàn)結(jié)果分析第六章總結(jié)第六章總結(jié)圖1.1論文組織框圖1.4本章小結(jié)本章首先闡述了汽車零部件字符識(shí)別的研究現(xiàn)狀和背景。探討了各個(gè)國(guó)家學(xué)者對(duì)光學(xué)壓印字符的成就，簡(jiǎn)單了解到了一些學(xué)者、科學(xué)家的研究方法，同時(shí)介紹了論文大概的框架內(nèi)容。

2檢測(cè)系統(tǒng)總體設(shè)計(jì)對(duì)于如何實(shí)現(xiàn)零件字符的自動(dòng)檢測(cè)，在設(shè)計(jì)一套檢測(cè)系統(tǒng)同時(shí)，首先要分析系統(tǒng)的總體構(gòu)造及檢測(cè)需求，確定檢測(cè)系統(tǒng)需要的光源和照明方式及零部件型號(hào)參數(shù)，對(duì)零件進(jìn)行分析討論，最后選擇合適的系統(tǒng)檢測(cè)零部件。來(lái)實(shí)現(xiàn)零件圖像的采集、和后續(xù)對(duì)零件圖像的處理等。2.1檢測(cè)需求分析因?yàn)樵谏a(chǎn)汽車零部件的時(shí)候，需要各種各樣的零件型號(hào)，且有些零件型號(hào)大同小異，為了區(qū)分這些型號(hào)的零部件，一般在產(chǎn)品表面上印有代表產(chǎn)品信息的編號(hào)。此外，生產(chǎn)日期也被壓印在產(chǎn)品上，以實(shí)施產(chǎn)品可追溯系統(tǒng)。讀取產(chǎn)品標(biāo)記的傳統(tǒng)方法是直接用手、用人眼來(lái)讀取，然后手工將其輸入計(jì)算機(jī)。然而，這種方法效率較低，容易出錯(cuò)，等等。針對(duì)以上會(huì)出現(xiàn)的問(wèn)題，本文將設(shè)計(jì)一套基于機(jī)械視覺(jué)的零件壓印字符檢測(cè)系統(tǒng)，檢測(cè)識(shí)別字符的同時(shí)儲(chǔ)存零件的特征信息，以便于后期對(duì)零件產(chǎn)品的追溯，這樣可降低人工成本，提高了效率。2.2系統(tǒng)總體方案設(shè)計(jì)首先介紹檢測(cè)系統(tǒng)的結(jié)構(gòu)組成，字符檢測(cè)系統(tǒng)主要由軟件和硬件兩個(gè)部分組成。其中硬件部分主要包括：(1)圖像采集裝置：由光源、光學(xué)鏡頭、伺服電機(jī)、工業(yè)相機(jī)等組成。[7]曹風(fēng)云,李東興,張華強(qiáng)等.自適應(yīng)多方向灰度形態(tài)學(xué)圖像邊緣檢測(cè)算法[J].光學(xué)技術(shù).2016(5).[7]曹風(fēng)云,李東興,張華強(qiáng)等.自適應(yīng)多方向灰度形態(tài)學(xué)圖像邊緣檢測(cè)算法[J].光學(xué)技術(shù).2016(5).[8]Rafael

C.Gonzalez.阮秋琦譯.數(shù)字圖像處理(第3版)[M].電子工業(yè)出版社.2017,5圖2.1檢測(cè)系統(tǒng)3D模型圖2.3檢測(cè)系統(tǒng)硬件選型與設(shè)計(jì)上面已經(jīng)分析了檢測(cè)系統(tǒng)的總體方案，下一步是實(shí)現(xiàn)零件的具體細(xì)節(jié)。如選擇零件的形狀和材料以及鏡頭的選型，這關(guān)系到圖像的質(zhì)量和后續(xù)計(jì)算的相關(guān)參數(shù)，除此之外還需要選擇光源和照明方式最終完成圖像采集。由于要對(duì)非擠壓件進(jìn)行分揀，后續(xù)還會(huì)設(shè)計(jì)一個(gè)NG分揀裝置。還有硬件和電路的選擇。2.3.1工業(yè)相機(jī)選型工業(yè)相機(jī)在視頻檢查系統(tǒng)中發(fā)揮著重要作用。為了獲得高質(zhì)量的圖像，在選擇CCTV攝像機(jī)時(shí)應(yīng)考慮以下因素。工業(yè)相機(jī)拍攝的圖像的顏色、芯片類型、分辨率、幀率、接口方式、觸發(fā)方式和成像類型2.3.2光學(xué)鏡頭選型將一個(gè)物體的圖像在圖像傳感器的感光面上實(shí)現(xiàn)光束變換，是鏡頭的主要作用，是機(jī)械視覺(jué)檢測(cè)系統(tǒng)中不可缺少的。圖像質(zhì)量的好壞也與鏡頭的選擇有很大的關(guān)系，而且還影響到后續(xù)的圖像處理。先選擇鏡頭的焦距，再選擇其他的參數(shù)在鏡頭選擇的同時(shí)，還需考慮其他問(wèn)題，選用合適的工業(yè)相機(jī)，否則無(wú)法標(biāo)記沖壓件的尺寸。其次，還要計(jì)算鏡頭的焦距以及工作距離。經(jīng)過(guò)計(jì)算，最后選擇了HK1614MP10鏡頭型號(hào)[9][9]Rafael

C.Gonzalez.阮秋琦譯.數(shù)字圖像處理(MATLAB版)(第2版)[M].電子工業(yè)出版社.2014,01表2-1光學(xué)鏡頭參數(shù)鏡頭參數(shù)名稱參數(shù)鏡頭型號(hào)HK1614MP10焦距16mm分辨率10MP接口C口光圈范圍F1.4-16畸變<0.2%2.3.3光源選型與照明方式選擇對(duì)于圖像信息的采集，是機(jī)械視覺(jué)檢測(cè)系統(tǒng)中相對(duì)分量較重的，其檢測(cè)出圖像的質(zhì)量直接影響到最后的結(jié)果，而圖像質(zhì)量的采集如果只用攝像機(jī)或者鏡頭來(lái)采集是遠(yuǎn)遠(yuǎn)不夠的還必須選擇照明方式和合適的光源，從而保證不被其他光照影響和加強(qiáng)被測(cè)物體的特性，使圖像質(zhì)量更好，以下是選擇光源和照明方法的細(xì)節(jié)。光源熒光燈、LED燈是機(jī)器視覺(jué)系統(tǒng)中的主要燈光。表2-5顯示并比較的幾種光源的效果。在色彩控制方面，由于熒光燈具有良好的可重復(fù)性，因此被大量使用。熒光燈還具有以下特點(diǎn)：價(jià)格相對(duì)便宜，發(fā)光效率高，壽命相對(duì)較長(zhǎng)。鹵素?zé)敉ǔＳ糜诟吡炼鹊膽?yīng)用，其優(yōu)點(diǎn)是照明充足，不足的是達(dá)到最亮的時(shí)間較長(zhǎng)，成本高。隨著技術(shù)發(fā)展，LED燈具備了更多的有點(diǎn)，如使用壽命較長(zhǎng)，亮度更亮，反應(yīng)速度較快，在光源市場(chǎng)中占據(jù)了重要地位照明方式在不同的檢測(cè)場(chǎng)景中，根據(jù)目標(biāo)物體的特點(diǎn)，選擇不同的照明方法進(jìn)行圖像采集。為特定的視覺(jué)檢測(cè)場(chǎng)景選擇正確的照明方法有助于獲得高質(zhì)量的圖像。迄今為止，照亮光源的照明方法多種多樣，最常見(jiàn)的是逆光照明、同心照明、漫反射照明、正向照明和其他照明方法。在實(shí)際應(yīng)用中，照明方法的選擇和設(shè)計(jì)以及實(shí)驗(yàn)驗(yàn)證都是基于具體的檢測(cè)要求和對(duì)被檢測(cè)對(duì)象特性進(jìn)行分析的。在上述選擇了合適的光源及照明方式，對(duì)此進(jìn)行了討論。因?yàn)槠嚵悴考砻鎵河∽址邪纪沟奶攸c(diǎn)，所以選擇了環(huán)形光源和同軸光源的打燈效果進(jìn)行比較。（a）環(huán)形光源打光效果（b）同軸光源打光效果圖2.2光源打光效果對(duì)比圖從圖2.2中可以看出，使用同軸光源照明更能夠凸顯字符的信息，并能更清晰的顯示背景，為后續(xù)識(shí)別和檢測(cè)奠定了基礎(chǔ)2.3.5NG分揀裝置設(shè)計(jì)根據(jù)系統(tǒng)的檢查要求，系統(tǒng)必須對(duì)沒(méi)有沖壓痕跡的零件進(jìn)行分揀。NG分揀裝置由一個(gè)滾筒夾持器、一個(gè)傳感器、一個(gè)伺服電機(jī)和一個(gè)輔助機(jī)構(gòu)組成。當(dāng)零件上沒(méi)有壓印標(biāo)記時(shí)，由于傳送帶在移動(dòng)，需要從裝配線上移開(kāi)，為了確定不合格產(chǎn)品的信息，要計(jì)算傳送帶的相關(guān)參數(shù)。摩擦系數(shù)，移動(dòng)距離，而移動(dòng)距離的計(jì)算可以用伺服電機(jī)來(lái)確定，來(lái)讓不合格的產(chǎn)品到達(dá)它指定的位置，圖2.3顯示了在盒子里捕獲缺陷產(chǎn)品的過(guò)程。開(kāi)始開(kāi)始圖像處理判定為NG品，標(biāo)記當(dāng)前零件位置伺服電機(jī)計(jì)算脈沖數(shù)，計(jì)算移動(dòng)距離到達(dá)指定位置，控制器給出抓取信號(hào)抓取不合格零件并排料夾爪低端感應(yīng)器判斷是否排料成功結(jié)束報(bào)警，人為處理是否 圖2.3不良品抓取流程圖2.4其他硬件選型2.4.1運(yùn)動(dòng)控制部分硬件選型與電路連接（1）運(yùn)動(dòng)控制卡選型因?yàn)橐_定伺服電機(jī)的選型，通過(guò)對(duì)比選擇了研華的iMC3041E運(yùn)動(dòng)控制卡[10][10]李道溢.讓標(biāo)準(zhǔn)化引領(lǐng)汽車零部件產(chǎn)業(yè)健康發(fā)展[J].條碼與信息系統(tǒng),2018(05)49-50.表2-2iMC3041E以太網(wǎng)4軸運(yùn)動(dòng)控制卡參數(shù)運(yùn)動(dòng)控制卡型號(hào)參數(shù)反應(yīng)速度較快、輸出平滑接口為RJ45插座，鏈接便捷，可采帶iMC3041E屏蔽水晶頭、傳輸線，有有效提高干擾性10M實(shí)時(shí)通信，響應(yīng)小至50us每軸都有伺服使能（2）伺服驅(qū)動(dòng)器選型伺服電機(jī)具有系統(tǒng)穩(wěn)定，抗過(guò)載能強(qiáng)，精度較高等特點(diǎn)，因此選擇該電機(jī)作為控制元件。該電機(jī)的驅(qū)動(dòng)器是一個(gè)A5驅(qū)動(dòng)器，功率有400W其特性參數(shù)[11][11]盧暢暢,寧少文,唐德昌.光學(xué)字符識(shí)別技術(shù)(OCR)的研究于應(yīng)用[J].中國(guó)戰(zhàn)略新興產(chǎn)業(yè),2018(28):1-3.表2-3伺服驅(qū)動(dòng)器參數(shù)表參數(shù)類型參數(shù)電源輸入主電路電源：?jiǎn)蜗?三相220-240V70/80HZ控制電路電源：?jiǎn)蜗?20-240V70/80HZ脈沖信號(hào)2個(gè)輸入，4個(gè)輸出通信方式USB，RS232,RS485（3）電路連接iMC3041運(yùn)動(dòng)控制卡的方向信號(hào)輸出和脈沖有兩個(gè)模式。分為單向模式和差分模式，單向模式容易受到環(huán)境影響。差分模式因?yàn)槭菍?duì)輸出端口的電平差進(jìn)行計(jì)算，不易受環(huán)境干擾，因此一般選用差分模式來(lái)連接伺服驅(qū)動(dòng)器。2.4.2數(shù)字采集卡根據(jù)控制系統(tǒng)中I/O點(diǎn)的數(shù)量，選擇47路研華PCI1649U數(shù)據(jù)采集卡[12][12]段金寶.基于深度神經(jīng)網(wǎng)絡(luò)的證件圖像文本識(shí)別方法[D].北京郵電大學(xué),2018.表2-4研華PCI-1649U性能參數(shù)采集卡類型參數(shù)最大輸入電壓：5V最大輸入電流：720Ma支持系統(tǒng)：32-bitWindow7/8/10，和LinuxPCI-1739U總線類型：PCII/O類型：46路TL數(shù)字量I/O接口：50針腳2.5檢測(cè)軟件模塊功能設(shè)計(jì)各系統(tǒng)中的部件選定后，下面再做一個(gè)軟件模塊，它主要包括四個(gè)組成部分，即圖像采集模塊、運(yùn)動(dòng)控制模塊、數(shù)據(jù)存儲(chǔ)模塊[13][13]李陽(yáng).基于機(jī)器視覺(jué)的壓印字符識(shí)別系統(tǒng)研究[D].廣東工業(yè)大學(xué),2017.圖像采集模塊圖像采集模塊運(yùn)動(dòng)控制模塊字符檢測(cè)模塊數(shù)據(jù)存儲(chǔ)模塊軟件功能模塊圖2.4軟件功能模塊（1）圖像采集模塊在圖像采集模塊中，設(shè)置攝像機(jī)參數(shù)，采集單個(gè)幀，保存幀，以及其他功能。在連接成像單元之前，你需要檢查IPC網(wǎng)卡的IP地址，然后運(yùn)行成像單元IP設(shè)置工具，修改成像單元的IP地址，讓其與網(wǎng)卡IP地址相同。打開(kāi)成像單元后，首先檢查所連接的成像單元的信噪比和其他信息，然后根據(jù)序列號(hào)設(shè)置所連接的工業(yè)成像單元的參數(shù)。完成操作后，相機(jī)的快門模式也要設(shè)置。在本文中，我們選擇觸發(fā)攝像頭的傳感器來(lái)捕捉圖像，并把捕捉到的單幀圖像存儲(chǔ)在攝像頭緩存中，再由網(wǎng)絡(luò)傳輸?shù)焦I(yè)控制機(jī)。（2）字符檢測(cè)模塊初步的圖像處理。由于在產(chǎn)品的生產(chǎn)中，會(huì)有一些不可控因素，導(dǎo)致零件表面出現(xiàn)色差、多油等情況，就像在字符檢測(cè)過(guò)程中，由于操作人員的疏忽，會(huì)導(dǎo)致產(chǎn)品傾斜定位的問(wèn)題。在字符檢測(cè)之前要進(jìn)行圖像預(yù)處理，讓完成的圖像更接近計(jì)算機(jī)處理的標(biāo)準(zhǔn)，從而方便后續(xù)處理。圖像增強(qiáng)、圖像過(guò)濾和傾斜校正功能都屬于圖像預(yù)處理。（3）運(yùn)動(dòng)控制模塊運(yùn)動(dòng)控制模塊包括對(duì)圖像采集設(shè)備、材料處理設(shè)備和缺陷分揀設(shè)備的控制。其中，圖像采集設(shè)備的控制考慮到零件的尺寸大小不統(tǒng)一會(huì)使字符定位不一致，而圖像采集是通過(guò)調(diào)節(jié)伺服電機(jī)的參數(shù)使其移動(dòng)到適合的地方。（4）數(shù)據(jù)管理模塊在識(shí)別汽車零部件特征的過(guò)程中，要存儲(chǔ)并處理識(shí)別的產(chǎn)品，還要統(tǒng)計(jì)零部件的特征信息并進(jìn)行匯總，這有助于員工對(duì)零部件和產(chǎn)品的監(jiān)控管理。2.6本章小結(jié)在本章中，主要講述了檢測(cè)系統(tǒng)的組成及構(gòu)造，對(duì)所需的鏡頭和光源進(jìn)行選型，還設(shè)計(jì)了一套NG分揀裝置，對(duì)于其他的硬件選型都做了相關(guān)的參數(shù)對(duì)比，從中選擇了最合適的零部件。最后介紹了一個(gè)軟件的檢測(cè)模塊的組成。3圖像預(yù)處理技術(shù)在對(duì)零件圖像進(jìn)行采集之后得到的零件圖像仍然有一些問(wèn)題，例如會(huì)出現(xiàn)油漬多、采集位置不合適等問(wèn)題，在圖像采集過(guò)程中，大大緩和了零件表面反光的不容易檢測(cè)的問(wèn)題，但是因?yàn)榱慵砻婧妥址^相似不容易區(qū)分，同時(shí)也還存在其他問(wèn)題：（1）在零件表面提取特征的同時(shí)，容易受到噪聲的影響（2）零件裝配或者檢測(cè)過(guò)程中存在零件字符傾斜的狀況。所以還需要針對(duì)以上問(wèn)題對(duì)零件圖像進(jìn)行預(yù)處理包括圖像信息增強(qiáng)、圖像過(guò)濾、傾斜校正。3.1圖像信息增強(qiáng)在對(duì)圖像進(jìn)行預(yù)處理時(shí)。可能因?yàn)闄z測(cè)到的零件圖像特征不清晰，或者較為模糊，這時(shí)需要對(duì)零件的信息特征進(jìn)行圖像信息增強(qiáng)，加強(qiáng)圖像信息對(duì)比度。以便于后續(xù)操作的進(jìn)行，這里針對(duì)于零件圖像介紹了幾種常用的圖像信息增強(qiáng)的算法。（1）直方圖均衡圖像增強(qiáng)在圖像進(jìn)行灰度處理后，因?yàn)榉植嫉年P(guān)系，圖像的對(duì)比度可能不高，圖像信息不明確，而該方法就是加強(qiáng)圖像的對(duì)比度，即使灰度處理后的灰度值能夠均勻分布來(lái)使圖像信息增強(qiáng)。（2）伽瑪校正圖像增強(qiáng)這種圖像增強(qiáng)的基本原理是處理圖像信息中較為不足的地方，或者將缺失的圖像特征進(jìn)行修復(fù)處理。（3）Retinex算法圖像增強(qiáng)這種算法的基本原理是它是基于零件表面本身的反射能力決定圖像的信息呈現(xiàn)程度，而不是根據(jù)外在曝光，光照的影響決定的，它可以對(duì)不同類型的零件進(jìn)行圖像信息增強(qiáng)，是生過(guò)中比較常見(jiàn)的一種圖像增強(qiáng)方法，使用Retinex算法圖像增強(qiáng)后的圖像較為明顯，可行性較高，因此本文應(yīng)用該算法進(jìn)行圖像信息的增強(qiáng)。可由如下公式3-1所示：fx，y=R（x，y）·L（x，y）（3其中fx，y表示圖像，R（x，y）和L（x，y）rx，y=logR（x，y）=log?f（x，y）L（x，y）（3-2）r其中rx，y表示的是輸出圖像，F(xiàn)x，y表示的是中心環(huán)繞函數(shù)，而?表示卷積符號(hào)。最后可以表示為公式3-4其中c是高斯環(huán)繞尺度，F(xiàn)x，y=λe?最后還需要滿足一個(gè)條件：F3.2零件圖像濾波去噪在對(duì)零件圖像信息的質(zhì)量進(jìn)行增強(qiáng)后，雖然子圖的特征變得更加突出，但圖像中的噪聲卻無(wú)法得到抑制。因此，要用濾波的方法來(lái)過(guò)濾零件圖像中的噪聲。下面對(duì)幾種過(guò)濾方法進(jìn)行了以下研究和比較實(shí)驗(yàn)。（1）均值濾波這是一種常用的濾波方法，它的原理是將一個(gè)圖像中某一個(gè)像素點(diǎn)旁邊的平均值當(dāng)作這個(gè)點(diǎn)的像素點(diǎn)，通常，選擇一個(gè)N點(diǎn)作為濾波核，再將模板的中點(diǎn)與需要過(guò)濾的圖像像素點(diǎn)f(i,j)對(duì)齊，再將得到的濾波核卷積運(yùn)算除以N得到一個(gè)值，使這個(gè)值替換原來(lái)圖像中的像素點(diǎn)f(i,j)，濾波核變得越大，說(shuō)明它的平滑效果就越好，但是也會(huì)使圖像變得有點(diǎn)模糊，而且運(yùn)算更加復(fù)雜，綜上要根據(jù)自己的需求來(lái)選擇模板。一般選擇3X3的模板如圖3.1（a），但如果中心點(diǎn)相對(duì)圖像比較重要，可以將這些像素點(diǎn)進(jìn)行加權(quán)，以獲得具有加權(quán)系數(shù)的平均濾波，如圖3.1（b）（a）普通均值濾波模板（b）加權(quán)均值濾波模板圖3.1均值濾波模板（2）中值濾波與經(jīng)典方法相比，中值濾波更加接近一種統(tǒng)計(jì)原理，濾波過(guò)程中往往選擇N×N的中值濾波核來(lái)對(duì)圖像f(i,j)上對(duì)應(yīng)的中值濾波的窗口的像素點(diǎn)進(jìn)行排序，通過(guò)運(yùn)算對(duì)中值濾波核窗口對(duì)應(yīng)的f(i,j)上的灰度值進(jìn)行排序，然后將窗口中的中心像素點(diǎn)（i,j）的灰度值替換成中值。中值濾波后的圖像f(i,j)像素點(diǎn)運(yùn)算公式如下3-5：gx，y=MedianK其中：K是N×N的中值濾波核。它不僅可以過(guò)濾掉零件圖像表面的噪聲，還能完整的保留邊緣的細(xì)節(jié)特點(diǎn)。圖3.2是當(dāng)N等于3的中值濾波圖[14[14]張傳果.柱面壓印字符識(shí)別算法研究和實(shí)現(xiàn)[D].廣東工業(yè)大學(xué),2017.圖3.2中值濾波示意圖（3）高斯濾波對(duì)比與上述濾波，高斯濾波則是相對(duì)于較為平滑的濾波方式：可以去除圖像中的正交散射的噪聲，該濾波和均值濾波有點(diǎn)相同，高斯濾波是對(duì)零件圖像像素點(diǎn)的灰度值進(jìn)行加權(quán)處理，用處理后的灰度值代替零件圖像像素點(diǎn)的灰度值[15[15]李建美.標(biāo)牌壓印字符圖像獲取與處理中的關(guān)鍵技術(shù)研究[D].山東大學(xué),2008.?x，y=1其中（x,y）表示的是中心坐標(biāo)點(diǎn)，σ表示的是二維高斯函數(shù)的標(biāo)準(zhǔn)偏差[16[16]段西利.工業(yè)工件復(fù)雜表面的字符識(shí)別方法研究[D].西安理工大學(xué),2019.由于該高斯函數(shù)是二維的，所以操作之前要對(duì)其進(jìn)行離散化，假設(shè)原圖像的像素點(diǎn)為(i,j)，對(duì)應(yīng)的像素點(diǎn)的加權(quán)平均數(shù)H(i,j)可以為公式3-7其中k表示高斯濾波器的核大小Hi，j=12π從上式（3-7）能夠表明（2k+1）×（2k+1）比例窗模板，當(dāng)k=1時(shí)，3×3高斯濾波模板為：M=116×12一般來(lái)說(shuō)，在使用高斯濾波剔除圖像時(shí)，要根據(jù)情況說(shuō)明k和o的值。K一般為1、2、3。σ值越大，表明去噪的效果也就越好，但是也會(huì)使圖像的特征變??；σ值越小，去噪效果也就越不明顯。因此，應(yīng)分析圖像的噪聲特性，并選擇適當(dāng)?shù)膮?shù)值[17[17]余義.基于機(jī)器視覺(jué)的車門限位器檢測(cè)與識(shí)別研究及實(shí)現(xiàn)[D].南京郵電大學(xué),2019.（4）雙邊濾波該算法根據(jù)每個(gè)零件圖像中像素點(diǎn)周圍的相近信息或者灰度值相近來(lái)進(jìn)行不一樣的處理，它是一種非線性的濾波方法，一般來(lái)說(shuō)，雙邊濾波可以表示兩個(gè)高斯濾波，一個(gè)計(jì)算像素點(diǎn)的權(quán)值，一個(gè)計(jì)算與它相似的權(quán)值，再將計(jì)算出來(lái)的權(quán)值進(jìn)行卷積計(jì)算，這樣不僅能去除掉圖像表面的噪聲，還能使邊緣的細(xì)節(jié)更加明顯，雙邊濾波公式如下[18[18]丁世飛,齊丙娟,譚紅艷.支持向量機(jī)理論與算法研究綜述.電子科技大學(xué)學(xué)報(bào),2011,40(1):2-10.Kx，y=1ωn其中：k(x,y)是去噪后的圖像，ωn表示歸一化參數(shù)，ωr(i,j)是空間域的權(quán)重，ωs(i,j)表示灰度域的權(quán)重，f(i,j)是帶有噪聲的原始圖像。Ω是像素（x,y）處的鄰域。其中[19[19]蔣檬凡.工程圖紙中字符檢測(cè)與識(shí)別方法的研究[D].電子科技大學(xué),2019.ωsi，j=exp?|i?x|ωri，j=exp?|f該濾波中的空間域權(quán)值ωr（i，j）和灰度域權(quán)值ωs（i，j）也代表高斯函數(shù)，由（3-9）、（3-10）（3-11）可以得到兩個(gè)高斯函數(shù)的sigma值，由得到的sigma值可以決定雙邊濾波的效果。用上述過(guò)濾算法過(guò)濾后的圖像后。其中，中值濾波后的結(jié)果在一定程度上被過(guò)濾掉了噪聲，但字符的細(xì)節(jié)沒(méi)有得到更好的保留。中值濾波雖然保存了圖像字符的細(xì)節(jié)，但是依然沒(méi)有去除噪聲。高斯濾波的結(jié)果是雖然已經(jīng)過(guò)濾掉了很多噪音，但對(duì)字符細(xì)節(jié)的保留并不理想。雙邊濾波的結(jié)果是字符邊緣的細(xì)節(jié)被保留了下來(lái)，但大部分的噪聲被過(guò)濾掉了。因此，這也是本文采用雙邊過(guò)濾作為該系統(tǒng)過(guò)濾算法的原因。3.3零件圖像傾斜校正由于檢測(cè)系統(tǒng)是在人工裝載端進(jìn)行操作，所以在操作過(guò)程中難免會(huì)出現(xiàn)誤差，使采集到的圖像發(fā)生傾斜，這樣影響到了字符識(shí)別，對(duì)后續(xù)的定位也有很大的影響，所以這就需要運(yùn)用到了零件圖像的傾斜校正，在零件的圖像上放置一條水平的直線，即可以參考對(duì)照這條直線，如圖3.3所示L1就是零件圖像中放置的一條直線，若該直線是水平的，即說(shuō)明這個(gè)零件圖像也是準(zhǔn)確的，沒(méi)有發(fā)生傾斜，但是如果這條直線傾斜了，代表圖像也發(fā)生了傾斜，且對(duì)應(yīng)的角度也是一樣的，下面就探討一下如何利用這條直線對(duì)零件的圖像進(jìn)行傾斜校正。圖3.3零件圖像直線示意圖（1）基于Hough變換的傾斜校正該傾斜校正方法的原理就是在一個(gè)參數(shù)空間中利用線和點(diǎn)的對(duì)偶性將零圖像中檢測(cè)問(wèn)題轉(zhuǎn)化成參數(shù)問(wèn)題，這樣更加直觀，可以將圖像中的直線代表傾斜角來(lái)校正圖像，Hough變換運(yùn)用非常廣泛。如果一條直線在空間坐標(biāo)系中，那么它的斜率和截圖的關(guān)系就可以表示為如（3-8）所示：y=ax+b(3-12)如果x，y被認(rèn)為是參數(shù)，a，b是變量，那么空間坐標(biāo)系中的點(diǎn)（x，y）對(duì)應(yīng)于參數(shù)空間中的一條線，即x表示斜率，y表示截圖，那么b就表示自變量[20][20]王麗.紅外雙目測(cè)距技術(shù)研究與應(yīng)用[D].江蘇科技大學(xué),2015.b=ax+y(3-13)綜上可知，零件圖像中直線的空間問(wèn)題就可以轉(zhuǎn)化成統(tǒng)計(jì)問(wèn)題，這樣更加明確，表示也更直觀。（2）邊緣檢測(cè)如果單純直接檢測(cè)零件圖像中的像素點(diǎn)，那么運(yùn)算量會(huì)非常大，所以可以選取一些變化相對(duì)明顯的點(diǎn)來(lái)反映圖像灰度值的變化，再對(duì)這些點(diǎn)進(jìn)行求導(dǎo)或者最小值，這樣可以大大減少運(yùn)算量，其邊界就是最大梯度的方向。下圖顯示，當(dāng)圖像中一個(gè)像素的灰度值沒(méi)有發(fā)生變化時(shí)和沒(méi)有發(fā)生變化時(shí)導(dǎo)數(shù)的變化，沒(méi)有變化時(shí)一階導(dǎo)數(shù)和二階導(dǎo)數(shù)就為零，表明存在一個(gè)邊界點(diǎn)，那么就說(shuō)明一階導(dǎo)數(shù)是一個(gè)常數(shù)，所以判斷是否存在邊界點(diǎn)的依據(jù)是通過(guò)一階導(dǎo)數(shù)[21[21]褚輝,賴惠成.一種改進(jìn)的B神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J].計(jì)算機(jī)仿真,2007(4):75-77.圖3.4灰度斜坡以及導(dǎo)數(shù)圖綜上所述，如果要確定一個(gè)零件圖像中一個(gè)點(diǎn)xy的梯度值就可以用公式（3-13）所示，且這是一個(gè)連續(xù)的灰度圖像[22[22]陳先昌.基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D].浙江:浙江工商大學(xué),2013:23-33.?fx，y=Gx則點(diǎn)θ(x,y)處的梯度方向角和梯度幅值f(x,y)的公式如下[23[23]顏若塵.基于云模型的工件圖像識(shí)別技術(shù)研究[D].江蘇科技大學(xué),2019.θx，y=arctan（?fx，y=Gx2邊緣檢測(cè)中會(huì)出有不一樣的運(yùn)算符，也就是邊緣算子，下面介紹幾種常見(jiàn)緣算子：Sobel算子索貝爾算法的原理是利用模型遍歷圖像，再將區(qū)域中的點(diǎn)進(jìn)行加權(quán)，然后在此基礎(chǔ)上推導(dǎo)出每個(gè)像素點(diǎn)的梯度，后續(xù)再引用前面提到的高斯平滑，就可以得到我們所需的邊緣檢測(cè)，如公式（3-17）所示[24[24]王小兵,孫久運(yùn).一種新型高斯噪聲濾波算法.北華大學(xué)學(xué)報(bào)(自然),2011,12(5):606-609.Gx=?1?2?100B.Prewitt算子該算子的原理是計(jì)算一個(gè)零件圖像范圍內(nèi)像素點(diǎn)的平均灰度值，再由得到的值進(jìn)行邊緣檢測(cè)，這樣能大大減少噪聲影響邊緣檢測(cè)，如公式（3-18）所示。Gx=?101?10C.Canny算子。在邊緣檢測(cè)中Canny算子是最常用的。因?yàn)樗奶攸c(diǎn)是根據(jù)信噪比和定位的關(guān)系，通過(guò)計(jì)算他們的乘積來(lái)得到最佳近似算子。因?yàn)樵撍阕拥臋z測(cè)效果良好，所以本文的邊緣檢測(cè)處理通過(guò)Canny算子進(jìn)行，以獲得圖像邊緣的線性信息。Canny算子的原理：對(duì)于灰度圖像來(lái)說(shuō)，也就是灰度值有一個(gè)明顯變化，就是表明灰度值的一個(gè)強(qiáng)烈變化。怎么表征這種灰度值的變化呢？導(dǎo)數(shù)就是表征變化率的，但是數(shù)字圖像都是離散的，也就是導(dǎo)數(shù)肯定會(huì)用差分來(lái)代替。也就是具體算法中的步驟2。但是在真實(shí)的圖像中，一般會(huì)有噪聲，噪聲會(huì)影響梯的計(jì)算，所以步驟1上來(lái)先濾波。理論上放大零件圖像中的像素點(diǎn)，同時(shí)也就是這個(gè)點(diǎn)的梯度值會(huì)增大，但是這也不完全可以代表邊緣檢測(cè)。在該算法中的非極大值抑制也就是步驟3，就是為了找到零件圖像中的最大像素點(diǎn)，為后續(xù)的邊緣檢測(cè)做鋪墊，同時(shí)這也是邊緣檢測(cè)很重要的一步。步驟4，是一個(gè)典型算法，有時(shí)候我們并不像一刀切，邊緣點(diǎn)的選擇不僅僅是以閾值為標(biāo)準(zhǔn)，它也可能是超過(guò)閾值，或者說(shuō)是這些點(diǎn)是閾值高的一邊的延伸。因此采用步驟四是用雙閾值進(jìn)行檢測(cè)。（3）Hough直線檢測(cè)假設(shè)一條直線L，如圖3.5(a)所示，由剛剛介紹的邊緣檢測(cè)，線上有邊緣點(diǎn)，假設(shè)A是邊緣線上的一個(gè)點(diǎn)。由此可見(jiàn)，當(dāng)無(wú)限多的直線通過(guò)A點(diǎn)時(shí)，在參數(shù)空間中是一個(gè)點(diǎn)的集合，通過(guò)連接這些點(diǎn)，能夠得到σ1.而σ1是一條曲線，同樣，無(wú)限多的直線通過(guò)B點(diǎn)，在參數(shù)空間中會(huì)形成一個(gè)點(diǎn)的集合，形成一條曲線σ2.再把這些像素點(diǎn)進(jìn)行連接，可以形成無(wú)限多的直線，曲線[25][25]柴寶仁.中值濾波在氣象傳真圖中降噪的分析.北京理工大學(xué)學(xué)報(bào),2011,31（4）：417-419.（a）直角坐標(biāo)系（b）參數(shù)空間組坐標(biāo)系圖3.5Hough變換檢測(cè)直線原理綜上所述了解到如何進(jìn)行直線的檢測(cè)：檢測(cè)直線時(shí)，設(shè)計(jì)了一個(gè)累加器，它的作用是記錄曲線的數(shù)量，每條與此交點(diǎn)相交的曲線，累加器都要加1。最后，加上所需的閾值的最大值，就可以得到想要的過(guò)濾直線。由上可以了解到最長(zhǎng)的直線是零件表面的上端。因此，在檢測(cè)這條直線時(shí)，只需使用累加器在峰值點(diǎn)中獲得最大的值來(lái)過(guò)濾這條直線，并進(jìn)行傾斜角的計(jì)算即可。下面就是計(jì)算的公式，其中假設(shè)A(x,y)，參數(shù)空間中的對(duì)應(yīng)點(diǎn)為(ρ,θ)最后變成(x1,y1)，α是旋轉(zhuǎn)角度[26]李愷,王小捷,韓微微.芯片識(shí)別定位系統(tǒng)中LED光源的應(yīng)用研究[J].電子工業(yè)專用設(shè)備,2012,41(12):40-46.x1=ρcosθ?a=xcosa+ysinay1=ρcosθ?a=?xsina+ycosa（3綜上所述，完成傾斜校正的一般流程為首先輸入圖像，再由Canny算子的方法對(duì)圖像進(jìn)行邊緣檢測(cè)處理，和零件最長(zhǎng)直線進(jìn)行Hough變換，統(tǒng)計(jì)并計(jì)算超過(guò)閥值的數(shù)量，篩選最長(zhǎng)的直線并對(duì)比水平線傾斜的角度，最后得到的數(shù)據(jù)參照水平線進(jìn)行傾斜校正操作。傾斜校正的過(guò)程表現(xiàn)的很好，達(dá)到了預(yù)期的目的，減少了外在因素的影響，為后續(xù)的字符定位、分割和識(shí)別奠定了基礎(chǔ)。3.4壓印字符定位、分割、識(shí)別3.4.1字符定位以上對(duì)零件的降噪、圖像過(guò)濾處理后，在一定程度上減少了零件字符識(shí)別的影響因素，但還存在一些干擾因素，比如零件上可能會(huì)出現(xiàn)外界影響，碰撞，劃痕等，所以要對(duì)零件表面字符進(jìn)行定位，即需要計(jì)算相鄰字符之間的距離。目前為止，字符定位的方法主要有（SSDA）、（MAD）、（NCC）等，分別表示序慣相似性檢測(cè)算法、平均絕對(duì)差值算法、以及歸一化積相關(guān)算法。本文可用最后一中NCC即歸一化積相關(guān)算法進(jìn)行字符定位[27[27]周志明,王以治,黃文芝,王寧寧.基于小波和支持向量機(jī)的人臉識(shí)別技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用,2004,12:52-54.（1）MAD法這種方法屬于一種模板匹配算法，且具有速度較快、精度較高的優(yōu)點(diǎn)其表達(dá)式為[28]席瑞駿,肖雙江,楊慧,劉華.光學(xué)鏡頭成像質(zhì)量研究[J].物理實(shí)驗(yàn),2019,39(05):42-46.：di，j[28]席瑞駿,肖雙江,楊慧,劉華.光學(xué)鏡頭成像質(zhì)量研究[J].物理實(shí)驗(yàn),2019,39(05):42-46.其中S（x，y）是原始圖像，m×n是其大小，t1×t2模板圖像，1≤i≤m?t1+1（2）SSDA法這種方法和上述一樣也屬于一種模板匹配算法，同樣也有匹配速度較快的優(yōu)點(diǎn)，它的基本原理是通過(guò)模板和模板子圖中出現(xiàn)的絕對(duì)誤差的大小或超過(guò)閥值的數(shù)量來(lái)判斷的。其中絕對(duì)誤差的表達(dá)式如下：εi，j=Sm+n,n+j?Sm，n=t=1T（i，j）=i=1t其中Si，j表示的是平均灰度值，SSDA法與上述提到的MAD法有一點(diǎn)類似，都是需要選定一個(gè)閥值，然后絕對(duì)誤差超過(guò)閥值的數(shù)量來(lái)判斷相似度，超過(guò)的數(shù)量越多代表的相似度越低，反之，超過(guò)的數(shù)量越少，相似度也就越高，它的影響因素主要由曝光強(qiáng)度引起的（3）歸一化積相關(guān)法這種方法在字符定位中是比較常見(jiàn)的，它的基本思想是匹配子圖與模板之間的灰度值，來(lái)確定位置的，同樣它的流程也類似與上面兩種方法，它的表達(dá)式為[29[29]方玲玉,龔文友.基于SVM多分類的車牌相似字符識(shí)別方法研究[J].計(jì)算機(jī)與數(shù)字工程,2017,45(07):1411-1415.R（3-25）上述公式中，原始坐標(biāo)點(diǎn)是m，n，S3.4.2字符分割（1）二值化法完成字符定位后，還需要將字符進(jìn)行單個(gè)的分割，以便于對(duì)每個(gè)字符進(jìn)行后續(xù)的識(shí)別，目前為止，二值化法是最常用的一種分割方法。二值化分割原理：主要根據(jù)零件圖像中各個(gè)像素點(diǎn)的灰度值的不同，選用所需的閥值將目標(biāo)分離，當(dāng)然，閥值的選擇在二值化法中是至關(guān)重要的。在二值化分割字符的同時(shí)，還會(huì)出現(xiàn)其他的干擾因素，比如噪聲，即需要去除字符外的無(wú)用信息，而噪聲可以通過(guò)腐蝕操作進(jìn)行消除。（2）投影法除二值化法后還有一種分割方法，即時(shí)投影法，當(dāng)然前提是得到一個(gè)沒(méi)有其他干擾因素的圖像，即是消除掉了噪聲，投影法的一般步驟為（1）水平投影,掃描圖像得到水平方向的分割點(diǎn)（2）將得到的分割點(diǎn)進(jìn)行水平分割（3）垂直投影，每個(gè)字符分割后，將這些字符進(jìn)行投影得到垂直方向的分割點(diǎn)。3.4.3字符識(shí)別在上述對(duì)零件字符進(jìn)行圖像濾波、傾斜校正、字符分割、字符定位之后，再進(jìn)行最后的識(shí)別字符，字符識(shí)別也可以說(shuō)是將圖片進(jìn)行分類，目前為止，常用的識(shí)別方法有基于HOG+SVM的識(shí)別方法和BP神經(jīng)網(wǎng)絡(luò)法還有支持向量算法等等，基于HOG+SVM的識(shí)別方法的基本原理是通過(guò)HOG提取特征，再計(jì)算這些特征的梯度直方圖，然后再對(duì)這些特征信息進(jìn)行下一步的描述，而HOG特征提取的一般步驟是：第一步首先要對(duì)零件圖像進(jìn)行歸一化處理，處理方式如公式3-26、3-27[30[30]楊沐.復(fù)雜背景下鑄件字符識(shí)別算法研究[D].北京:北京郵電大學(xué),2013.Gx，y=Gx（x，y）θ=tan?1Gy(x,y)G其中Gx（x，y）表示水平方向的梯度，Gy（x，y）表示垂直方向的梯度，第二步就是得到直方圖，這就需要對(duì)分割出來(lái)的圖像進(jìn)行投影，將投影出來(lái)的圖像塊映射在直方圖上。第三步就需要把直方圖進(jìn)行歸一化處理，就可以得到最終的HOG特征而SVM的訓(xùn)練識(shí)別，即是把圖像進(jìn)行分類操作所以也叫SVM多分類器其基本原理就是對(duì)字符訓(xùn)練數(shù)據(jù)進(jìn)行組合。3.5本章小結(jié)本章首先介紹了幾種圖像信息增強(qiáng)的方法，使用Retinex算法最為合適，后續(xù)針對(duì)幾種圖像濾波方法并進(jìn)行了對(duì)比采用了雙邊濾波的方法，著重介紹了邊緣檢測(cè)的基本原理和，闡述了其中用到的幾種算子。最后講述了零件的傾斜校正的過(guò)程，可以利用Hough變換的方法實(shí)現(xiàn)傾斜校正，最終達(dá)到我們的目的，后續(xù)還簡(jiǎn)單介紹了零件的定位、分割和識(shí)別以及過(guò)程中使用的方法。4軟件設(shè)計(jì)實(shí)現(xiàn)4.1軟件前處理在使用pyhton3.9編譯pycharm程序時(shí)，我們需要提前配置好pyhton3.9環(huán)境，（1）配置文件首先打開(kāi)pycharm軟件，點(diǎn)擊File選擇Settings然后點(diǎn)擊進(jìn)入Project：YourProjectName下的ProjectInterpreter。在右側(cè)進(jìn)行對(duì)python環(huán)境配置。還需要在Terminal中安裝opencv-pyhton、pytesseract、pillow數(shù)據(jù)庫(kù)或者cmd中輸入pipinstallopencv-pyhton、pipinstallpytesseract、pipinstallpillow安裝成功后需要在ProjectInterpreter中的“+”中載入數(shù)據(jù)庫(kù)。（2）配置項(xiàng)目完成上述環(huán)境變量設(shè)置后，進(jìn)入phcharm創(chuàng)建項(xiàng)目依次打開(kāi)File→newprojiec→PurePyhton輸入項(xiàng)目地址D:\pythonProject\venv→create完成項(xiàng)目創(chuàng)建后會(huì)出現(xiàn)一個(gè)demo→new→pyhtonfile→文件名這里我設(shè)置的是work。4.2軟件實(shí)現(xiàn)文字識(shí)別在實(shí)現(xiàn)壓印字符識(shí)別過(guò)程中，可以先用簡(jiǎn)單的數(shù)字圖像進(jìn)行訓(xùn)練，以達(dá)到調(diào)試程序以過(guò)程的目的，首先選用一張圖片，這里我選擇了一張含數(shù)字圖片命名為321.png如下圖，再導(dǎo)入到pyhton中實(shí)現(xiàn)，其流程圖如下圖4.2：導(dǎo)入數(shù)據(jù)庫(kù)并命名為P導(dǎo)入數(shù)據(jù)庫(kù)并命名為PIL

找到提取識(shí)別的工具路徑

找到提取識(shí)別的工具路徑

導(dǎo)入給pyhton導(dǎo)入給pyhton庫(kù)組件使用

使用image打開(kāi)所要檢測(cè)的圖片

使用image打開(kāi)所要檢測(cè)的圖片

將圖片送入image實(shí)例并提取圖片字符將圖片送入image實(shí)例并提取圖片字符

最后輸出text文件最后輸出text文件

圖4.2程序?qū)崿F(xiàn)流程最后輸出后會(huì)得到以下結(jié)果圖在測(cè)試過(guò)程中發(fā)現(xiàn)，對(duì)手寫體、行楷等飄逸的字體識(shí)別不準(zhǔn)確，對(duì)一些復(fù)雜的字識(shí)別也有待提升。但是宋體、印刷體等筆畫(huà)嚴(yán)謹(jǐn)?shù)淖煮w識(shí)別準(zhǔn)確率很高。另外如果圖片的傾斜大于一定的角度，識(shí)別結(jié)果也會(huì)有很大差別。接下來(lái)實(shí)施對(duì)壓印字符識(shí)別的測(cè)試（1）系統(tǒng)組成基于opencv數(shù)據(jù)庫(kù)識(shí)別系統(tǒng)的一般流程圖如下圖4.3所示：原始圖像原始圖像圖像預(yù)處理字符分割字符定位字符識(shí)別字符數(shù)據(jù)庫(kù)圖4.3識(shí)別流程圖圖4.3一般流程圖原始圖像：由相機(jī)或者手機(jī)拍攝的得到的圖像；圖像預(yù)處理：對(duì)零件圖像進(jìn)行降噪，濾波，邊緣提取處理后的圖像字符定位：利用NCC法進(jìn)行的字符定位操作，確定零件圖像中字符的位置。選擇需要識(shí)別的區(qū)域字符分割：利用投影法進(jìn)行單個(gè)字符的分割字符數(shù)據(jù)庫(kù)：建立所需字符的模板數(shù)據(jù)庫(kù)字符識(shí)別：最后由ORC算法識(shí)別各個(gè)零件字符。（2）圖像預(yù)處理零件圖像的質(zhì)量是至關(guān)重要的，因?yàn)樵撡|(zhì)量的好壞與最后的識(shí)別結(jié)果有直接影響，但在零件圖像的形成過(guò)程中可能會(huì)受到多種因素的干擾，例如噪聲、曝光度、零件劃痕所以在圖像預(yù)處理中要進(jìn)行去躁、邊界增強(qiáng)。具體步驟如下。首先導(dǎo)入我們所需要檢測(cè)的圖像，對(duì)圖像進(jìn)行灰度轉(zhuǎn)換，和信息增強(qiáng)，后續(xù)對(duì)零件進(jìn)行去躁、過(guò)濾等處理，最后完成傾斜校正得到最終的預(yù)處理圖像，其主要流程圖如下圖4.4所示：導(dǎo)入圖像導(dǎo)入圖像圖像信息增強(qiáng)去躁、過(guò)濾處理轉(zhuǎn)換為灰度圖傾斜校正圖4.4圖像預(yù)處理流程在圖像預(yù)處理中，最后一步的傾斜校正是相對(duì)重要的，且在其中運(yùn)用到了相關(guān)的邊緣檢測(cè)和算法等，它關(guān)系到后續(xù)對(duì)字符的定位，識(shí)別效果，所以零件的傾斜校正也可以單獨(dú)做一個(gè)流程，如下圖4.5所示：開(kāi)始開(kāi)始輸入圖像Canny邊緣檢測(cè)Hough變換直線檢測(cè)累加器獲得最大值峰值點(diǎn)傾斜校正篩選最長(zhǎng)直線傾斜角度計(jì)算結(jié)束圖4.5傾斜校正流程圖開(kāi)始輸入圖像高斯濾波運(yùn)算梯度方向和幅值開(kāi)始輸入圖像高斯濾波運(yùn)算梯度方向和幅值非極大值抑制雙閾值檢測(cè)邊緣輸出圖像結(jié)束結(jié)束圖4.6Canny邊緣檢測(cè)流程圖通過(guò)對(duì)比原始圖片，可以發(fā)現(xiàn)濾波后的圖像基本很接近零件圖像，增強(qiáng)的圖像清晰度，以及做了零件的傾斜校正，對(duì)圖像進(jìn)行降噪，且效果良好，為后續(xù)字符行定位奠定了基礎(chǔ)。傾斜校正及降噪等處理后的圖像如圖4.7所示：.圖4.7預(yù)處理后的圖像字符定位對(duì)零件字符進(jìn)行圖像預(yù)處理之后，可以觀察到明顯的矩形圖樣，再將矩形中的圖樣進(jìn)行定位即可，主要流程如下圖4.8所示：邊緣檢測(cè)邊緣檢測(cè)定位矩形框定位矩形框字符定位字符定位圖4.8字符定位流程圖完成字符定位后得到如下圖,可以看到字符被矩形框定位，確定了字符區(qū)域，且效果良好。預(yù)處理后的零件圖像完成字符區(qū)域定位字符分割在零件字符識(shí)別過(guò)程中，需要在定位的基礎(chǔ)上進(jìn)行分割，分割的結(jié)果如圖4.9所示：去除上下邊緣去除上下邊緣二值化圖像并去除小于1二值化圖像并去除小于16像素的區(qū)塊 分割字符分割字符圖4.9分割流程圖最后還需要建立一個(gè)模板的數(shù)據(jù)庫(kù)，模板庫(kù)的創(chuàng)建是字符識(shí)別中很重要的一部分，一般為十個(gè)阿拉伯?dāng)?shù)字0~9，26個(gè)英文字符A~Z必要時(shí)也可以添入漢字。建立數(shù)據(jù)庫(kù)后將這些圖像統(tǒng)一處理，即將這些圖像進(jìn)行歸一化處理，我一般習(xí)慣將它歸一化為50×25大小。其中二值化后的效果如圖4.10所示：圖4.10二值化圖可以看到二值化的圖像并不是很清晰，下面是腐蝕后的圖像圖4.11所示：圖4.11處理后的效果圖利用投影法分割后的圖像為圖4.12所示：圖4.12零件圖像分割其中二值化的主要功能函數(shù)為//二值化 IplImage*img_value=cvCreateImag