CN108009538A - 一种汽车发动机缸体序列号智能识别方法 - Google Patents
一种汽车发动机缸体序列号智能识别方法 Download PDFInfo
- Publication number
- CN108009538A CN108009538A CN201711407317.7A CN201711407317A CN108009538A CN 108009538 A CN108009538 A CN 108009538A CN 201711407317 A CN201711407317 A CN 201711407317A CN 108009538 A CN108009538 A CN 108009538A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- images
- engine cylinder
- sequence number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Abstract
一种汽车发动机缸体序列号智能识别方法,属于序列号识别领域。技术方案:采集汽车发动机缸体序列号图像;将待识别图像进行灰度化处理;将待识别图像进行图像增强处理;将待识别图像进行图像二值化处理;将待识别图像进行梯度锐化处理;去除离散的杂点噪声;对待识别图像进行倾斜矫正;将待识别图像进行归一化处理;将待识别图像进行字符分割;对分割字符进行识别。有益效果是:本发明所述的汽车发动机缸体序列号智能识别系统提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
Description
技术领域
本发明属于序列号识别领域,尤其涉及一种汽车发动机缸体序列号视觉智能识别方法。
背景技术
汽车发动机缸体序列号是发动机生产企业按照有关规定、企业或行业惯例以及发动机的属性,为某一批相同产品编制的识别代码,用以表示发动机的生产企业、规格、性能、特征、工艺、用途和产品批次等相关信息。如燃料类型、气缸数量、排量和静制动功率等。以往的汽车发动机缸体序列号识别只能依靠人工作业,作业手工化、作业难度大,人工作业易视疲劳、易误操作。
发明内容
为了解决现有技术中依靠人工作业,作业手工化、作业难度大,人工作业易视疲劳、易误操作的问题,本发明提供一种汽车发动机缸体序列号智能识别方法,该方法提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
技术方案如下:
一种汽车发动机缸体序列号智能识别方法,步骤如下:
S1、采集汽车发动机缸体序列号图像;
S2、将待识别图像进行灰度化处理;
S3、将待识别图像进行图像增强处理;
S4、将待识别图像进行图像二值化处理;
S5、将待识别图像进行梯度锐化处理;
S6、去除离散的杂点噪声;
S7、对待识别图像进行倾斜矫正;
S8、将待识别图像进行归一化处理;
S9、将待识别图像进行字符分割;
S10、对分割字符进行识别。
进一步的,采用线阵相机对汽车发动机缸体序列号进行采集。
进一步的,进行图像二值化处理时,二值化的阈值选取采用全局阈值法、局部阈值法、动态阈值法中的任意一种。
进一步的,图像进行梯度锐化处理采用微分法或者高通滤波法。
进一步的,根据图像上左右两边的黑色像素的平均高度来判断图像是否倾斜,从而进行矫正。
进一步的,字符分割采用投影法或者连通域法。
进一步的,所述连通域法步骤如下:
A1、自左向右,自上而下扫描图像,找到第一个未标记的像素点;
A2、初始化像素队列为空,把该像素点标记,加入队列;
A3、搜索队列头像素点周围领域的像素并标记、加入队列并删除队头元素,重复此操作直到队列空为止。
进一步的,字符识别采用统计特征字符识别法、结构特征字符识别法、基于神经网络的字符识别法中的任意一种。
进一步的,所述统计特征字符识别法中,选取同一类字符中共有的、相对稳定的并且分类性能好的统计特征作为特征向量,包括:有字符二维平面的位置特征、字符在水平或者垂直方向投影的直方图特征、矩特征和字符经过变换后的特征。
本发明的有益效果是:
本发明所述的汽车发动机缸体序列号智能识别系统提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
附图说明
图1为本发明实施例2生产线应用示意图;
具体实施方式
实施例1
一种汽车发动机缸体序列号智能识别系统,包括:传动装置、图像采集装置、角度及高度可调的线光源、图片处理装置、触发传感器和停止传感器,
传动装置:用于传送待检产品;
图像采集装置:置于所述传动装置上方,用于采集发动机缸体序列号图像;
角度及高度可调的线光源:置于传动装置上方,与所述图像采集装置配合使用采集图像;
图片处理装置:用于接收图像采集装置采集到的图像,并进行处理,识别出序列号;
触发传感器:置于所述传送装置上,用于检测传送中的待检产品,检测到之后发送信号给图像采集装置,图像采集装置开始采集图像;
停止传感器:置于所述传送装置末端,用于检测待检产品是否采集完毕。
进一步的,所述传动装置为皮带传送装置或者线轨运动传送装置。
进一步的,所述图片处理装置包括:
灰度化模块:用于将待识别图像进行灰度化处理;
增强模块:用于将待识别图像进行图像增强处理;
二值化模块:用于将待识别图像进行图像二值化处理;
梯度锐化模块:用于将待识别图像进行梯度锐化处理;
去噪模块:用于去除离散的杂点噪声;
倾斜矫正模块:用于对待识别图像进行倾斜矫正;
归一化模块:用于将待识别图像进行归一化处理;
字符分割模块:用于将待识别图像进行字符分割;
字符识别模块:用于对分割字符进行识别。
进一步的,所述二值化模块包括:
全局阈值模块:采用全局阈值法对图像进行二值化处理;
局部阈值模块:采用局部阈值法对图像进行二值化处理;
动态阈值模块:采用动态阈值法对图像进行二值化处理。
进一步的,所述梯度锐化模块包括:
微分模块:采用微分法对图像进行梯度锐化处理;
高通滤波模块:采用高通滤波法对图像进行梯度锐化处理。
进一步的,所述字符分割模块包括:
投影模块:采用投影法对字符进行分割;
连通域模块:采用连通域法对字符进行分割。
进一步的,所述字符识别模块包括:
统计特征字符识别模块:采用统计特征字符识别法对字符进行识别;
结构特征字符识别模块:采用结构特征字符识别法对字符进行识别;
基于神经网络的字符识别模块:采用基于神经网络的字符识别法对字符进行识别。
进一步的,所述图像采集装置采用线阵相机。
进一步的,所述图像采集装置距离所述传动装置200-300mm。
系统工作流程:
S1、采集汽车发动机缸体序列号图像;
S2、将待识别图像进行灰度化处理;
S3、将待识别图像进行图像增强处理;
S4、将待识别图像进行图像二值化处理;
S5、将待识别图像进行梯度锐化处理;
S6、去除离散的杂点噪声;
S7、对待识别图像进行倾斜矫正;
S8、将待识别图像进行归一化处理;
S9、将待识别图像进行字符分割;
S10、对分割字符进行识别。
采用线阵相机对汽车发动机缸体序列号进行采集,进行图像二值化处理时,二值化的阈值选取采用全局阈值法、局部阈值法、动态阈值法中的任意一种,图像进行梯度锐化处理采用微分法或者高通滤波法,根据图像上左右两边的黑色像素的平均高度来判断图像是否倾斜,从而进行矫正,字符分割采用投影法或者连通域法,所述连通域法步骤如下:
A1、自左向右,自上而下扫描图像,找到第一个未标记的像素点;
A2、初始化像素队列为空,把该像素点标记,加入队列;
A3、搜索队列头像素点周围领域的像素并标记、加入队列并删除队头元素,重复此操作直到队列空为止。
字符识别采用统计特征字符识别法、结构特征字符识别法、基于神经网络的字符识别法中的任意一种,所述统计特征字符识别法中,选取同一类字符中共有的、相对稳定的并且分类性能好的统计特征作为特征向量,包括:有字符二维平面的位置特征、字符在水平或者垂直方向投影的直方图特征、矩特征和字符经过变换后的特征。
实施例2
一种汽车发动机缸体序列号视觉智能识别系统,包括:传动装置、图像采集装置、角度及高度可调的线光源、图片处理装置、触发传感器和停止传感器。
通过以下方式应用于生产线:
1、缸体打标完成后通过传送带向前运动;
2、在传送带上运动的过程中触发传感器;
3、相机启动,调节光源对序列号进行拍摄;
4、将图片传送给服务器,通过视觉识别软件对图像进行处理并识别;
5、缸体通过皮带或线轨运动及其它方式,触发停止传感器最终下线。
实施例3
发动机缸体序列号视觉识别系统主要用于发动机缸体序列号(包含数字、字符及字母)的识别。适用于识别在汽车发动机缸体表面打刻的产品序列号,可扩展用于其他零件打刻字符序列号的识别。
视觉识别系统利用高分辨率工业CCD摄取检测图像并转化为数字信号,再采用先进的金算计硬件和软件技术对图像数据信号进行处理,从而得到所需要的各种目标图像特征值,并由此实现产品序列号识别,主要用于缸体钢印字符和数字识别。
视觉识别过程:
1、图像预处理
(1)图像灰度化
图像样本通过摄像头捕获,因而未处理的图像都是彩色图像。彩色图像包含着大量的颜色信息,不但在存储上开销很大,而且在处理上也会降低系统的执行速度,因此在对图像进行识别等处理中需要将彩色图像转变为灰度图像,以加快处理速度。有彩色转换为灰度的过程叫灰度化处理。灰度图像就是只有强度信息而没有颜色信息的图像,存储灰度图像只需要将一个数据矩阵,矩阵每个元素标识对应位置像素的灰度值。
(2)图像增强
图像增强用于调整图像的对比度,突出图像中的重要细节,改善视觉质量。采用图像灰度拉伸的方法可有效地增强图像对比度,增强后的图像中字符清晰、区域分明,便于图像二值化和字符分割处理。此处理是逐点修改输入图像每一个像素的灰度,图像各像素的位置并不改变,是一种输入与输出像素间一对一的运算。用此方法来扩大图像的灰度范围。
(3)图像二值化
将图像画面内尽黑、白二值的图像,也就是二值图像。进行图像二值变换的关键是要确定合适的阈值,使得字符与背景能够分开来,二值变换的结果图像必须要具备良好的保形性,不丢掉有用的形状信息,不会产生额外的空缺等等。字符识别系统要求处理的速度高、成本低、信息量大,采用二值图像进行处理,能大大地提高处理效率。二值化的阈值选取我们使用了三类方法:全局阈值法、局部阈值法和动态阈值法。
(4)梯度锐化
由于需要处理的图像由拍摄而来,所以在很多情况下字符模糊,对识别造成了一定的困难,所以要对图像进行锐化处理时模糊的图像变得清晰,图像锐化的实质就是增强图像的边缘或轮廓,其锐化后的结果通过微分而使图像边缘突出、清晰。图像锐化的方法使用了两种方法:微分法和高通滤波法。
(5)去除离散的杂点噪声
图像可能在扫描或者传输过程中夹带了噪声,去噪声是图像处理中常用的手法。通常使用中值滤波、均值滤波等。但是这种算法不适用于处理字符这样较长的图像中,因为滤波的过程中很有可能会去掉字符本身的像素。因此本系统中没有使用此方法。
(6)图像的倾斜矫正
读进来的图像可能存在倾斜,所以必须对它进行调整,使得字符都处于同一水平位置,那样既有利于字符的分割也可以提高字符识别的准确率。调整的算法主要是根据图像上左右两边的黑色像素的平均高度来的。一般来说,众多的字符组成的图像它的左右两边的字符像素的高度应该是处于水平位置附近的,如果两边字符像素的平均位置有比较大的起落,那就说明图像存在倾斜,需要进行调整。
(7)归一化处理
因为扫描进来的图像中字符大小存在较大的差异,而相对来说,统一尺寸的字符识别的标准性更强,准确率自然就高,标准化图像就是要把原来各不相同的字符统一到统一尺寸,在系统实现中是统一到统一高度,然后根据高度来调整字符的宽度。
2、字符分割
(1)投影法分割字符
传统的字符分割方法是使用投影法来进行分割。字符图像二值化后,以像素点为单位逐列扫描图像,累加改列值为1的像素点,累积的结果即为该列的垂直投影。对图像的所有列扫描完毕后即得到整幅图像的垂直投影。在垂直投影直方图中由于字符的分界处灰度为1的像素点很少,故投影后该处表现为很低的波谷,将统计值等于零的列作为字符分割的界限。
但是简单的垂直投影法存在很大的缺陷,由于字符中经常存在空洞,导致字符的垂直投影有多出波谷,在进行分割时难以依据波谷来确定字符的分界点。而且获取的图像质量不高时二值化后字符会粘连在一起,这时垂直投影基本上不会出现十分明显的波谷。
对传统投影法的一种改进是使用上下边缘投影。上下边缘投影是指字符上边缘与下边缘间的距离,其中“字符上边缘”指以像素为单位沿图像某列自上而下搜索直到遇到字符区域的第一个点,则上下边缘投影即为字符上边缘与字符下边缘两者之差。
(2)连通域法分割字符
字符连通域法既从一定程度上避免了预处理效果不好带来的影响,又可以从根本上解决倾斜字符分割的问题。经典的方法是连通域生长法,使用的是递归算法。首先扫描图像,找到没有标记的像素点,进行标记。其次递归算法形式很简单,单效率很差,主要用于并行机上,我们使用了一种新的算法,可以在较小的时间复杂度内完成连通域生长法的计算。首先自左向右,自上而下扫描图像,找到第一个未标记的像素点,接着初始化像素队列为空,把该像素点标记,加入队列。其次搜索队列头像素点周围领域的像素并标记、加入队列并删除队头元素以此重复直到队列空为止。使用该算法可以快速准确定位图像中的所有连通域,由于噪声干扰以及二值化时可能出现的误差,我们必须去掉区域中一些明显不可能是字符区域的连通域,例如宽度过大或是连通域中像素的个数过小的区域。再找出图像中的连通域后,再做出各个连通域的外接矩形。
3、字符识别
识别过程首先使识别设备学习、记忆将要辨识字符的特征,使这些特征成为识别系统自身的知识,然后再利用这些先验知识对输入图像进行判决,得到字符的识别结果。字符的特征不仅仅局限于平而上的点阵位置信息,在频率空间、投影空间,甚至语义空间字符都有各自的特征。这些特征在识别字符时又有各自的特点及优势。根据识别字符所采用具体特征的不同便衍生出了不同的识别技术。通常,根据不同的技术策略,识别方法分为三类:统计特征字符识别技术、结构字符识别技术和基于神经网络的识别技术。
(1)统计特征字符识别技术
此识别方法一般选取同一类字符中共有的、相对稳定的并且分类性能好的统计特征作为特征向量。常用的统计特征有字符二维平面的位置特征、字符在水平或者垂直方向投影的直方图特征、矩特征和字符经过频域变换或其它形式变换后的特征等。
其中,基于字符像素点平而分布的识别算法,因为算法简单、实现方便的特点而成为最常用的匹配方法。这种算法一般先将字符图像归一化为模板的几何维数,然后根据像素点的位置逐个匹配,求出模板和图像的某种距离指标。由于要对每个像素点逐个匹配,造成算法实现计算量打,且对噪音、字符的偏移和变形非常敏感,因此对输入的待识别图像要求较高。
(2)结构特征字符识别技术
实际应用中,更一般的情况是相近字符的识别和像手写字符那样字型变化和很大的字符的识别,因此,发展出了基于结构的字符识别技术。这种技术首先要提取字符的结构。根据识别策略的不同,结构的选择也有所不同。可以选择字根、笔划,也可以选择比笔划更小的笔段。提取出的结构又称作字符的子模式、部件、基元,所有基元按照某种序排列起来就成了字符的特征。基于结构的文字识别实际上是将字符映射到了基元组成的结构空间进行识别。
(3)基于神经网络的字符识别技术
经过反复学习,神经网络可以智能地将特征向量优化,去除冗余、矛盾的信息,强化类间的差异。由于神经网络采用分布式的网络结构,本身具备可以并行的条件,可以加快大规模问题的求解速度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种汽车发动机缸体序列号智能识别方法,其特征在于,步骤如下:
S1、采集汽车发动机缸体序列号图像;
S2、将待识别图像进行灰度化处理;
S3、将待识别图像进行图像增强处理;
S4、将待识别图像进行图像二值化处理;
S5、将待识别图像进行梯度锐化处理;
S6、去除离散的杂点噪声;
S7、对待识别图像进行倾斜矫正;
S8、将待识别图像进行归一化处理;
S9、将待识别图像进行字符分割;
S10、对分割字符进行识别。
2.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,采用线阵相机对汽车发动机缸体序列号进行采集。
3.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,进行图像二值化处理时,二值化的阈值选取采用全局阈值法、局部阈值法、动态阈值法中的任意一种。
4.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,图像进行梯度锐化处理采用微分法或者高通滤波法。
5.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,根据图像上左右两边的黑色像素的平均高度来判断图像是否倾斜,从而进行矫正。
6.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,字符分割采用投影法或者连通域法。
7.如权利要求6所述的汽车发动机缸体序列号智能识别方法,其特征在于,所述连通域法步骤如下:
A1、自左向右,自上而下扫描图像,找到第一个未标记的像素点;
A2、初始化像素队列为空,把该像素点标记,加入队列;
A3、搜索队列头像素点周围领域的像素并标记、加入队列并删除队头元素,重复此操作直到队列空为止。
8.如权利要求1所述的汽车发动机缸体序列号智能识别方法,其特征在于,字符识别采用统计特征字符识别法、结构特征字符识别法、基于神经网络的字符识别法中的任意一种。
9.如权利要求8所述的汽车发动机缸体序列号智能识别方法,其特征在于,所述统计特征字符识别法中,选取同一类字符中共有的、相对稳定的并且分类性能好的统计特征作为特征向量,包括:有字符二维平面的位置特征、字符在水平或者垂直方向投影的直方图特征、矩特征和字符经过变换后的特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407317.7A CN108009538A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车发动机缸体序列号智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407317.7A CN108009538A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车发动机缸体序列号智能识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108009538A true CN108009538A (zh) | 2018-05-08 |
Family
ID=62060711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711407317.7A Pending CN108009538A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车发动机缸体序列号智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009538A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214377A (zh) * | 2018-07-27 | 2019-01-15 | 深圳市闿思科技有限公司 | 序列号识别方法、系统、移动终端及存储介质 |
CN109697381A (zh) * | 2018-11-12 | 2019-04-30 | 恒银金融科技股份有限公司 | 一种二维码图像预处理的方法 |
CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
CN110929713A (zh) * | 2019-11-22 | 2020-03-27 | 中南大学 | 一种基于bp神经网络的钢印字符识别方法 |
CN111401142A (zh) * | 2020-02-25 | 2020-07-10 | 杭州测质成科技有限公司 | 基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法 |
TWI703504B (zh) * | 2019-04-17 | 2020-09-01 | 洽吧智能股份有限公司 | 序號檢測系統 |
CN111860317A (zh) * | 2020-07-20 | 2020-10-30 | 青岛特利尔环保集团股份有限公司 | 一种锅炉运行数据采集方法、系统、设备及计算机介质 |
CN117078913A (zh) * | 2023-10-16 | 2023-11-17 | 第六镜科技(成都)有限公司 | 对象倾斜矫正方法、装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102136064A (zh) * | 2011-03-24 | 2011-07-27 | 成都四方信息技术有限公司 | 一种图像文字识别系统 |
CN102521588A (zh) * | 2011-12-30 | 2012-06-27 | 四川九洲电器集团有限责任公司 | 一种车牌字符分割方法 |
CN102880859A (zh) * | 2012-08-30 | 2013-01-16 | 华南理工大学 | 一种车牌识别方法 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN103258198A (zh) * | 2013-04-26 | 2013-08-21 | 四川大学 | 一种表格文档图像中字符提取方法 |
CN103996057A (zh) * | 2014-06-12 | 2014-08-20 | 武汉科技大学 | 基于多特征融合的实时手写体数字识别方法 |
CN106909941A (zh) * | 2017-02-27 | 2017-06-30 | 广东工业大学 | 基于机器视觉的多表字符识别系统及方法 |
-
2017
- 2017-12-22 CN CN201711407317.7A patent/CN108009538A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102136064A (zh) * | 2011-03-24 | 2011-07-27 | 成都四方信息技术有限公司 | 一种图像文字识别系统 |
CN102521588A (zh) * | 2011-12-30 | 2012-06-27 | 四川九洲电器集团有限责任公司 | 一种车牌字符分割方法 |
CN102880859A (zh) * | 2012-08-30 | 2013-01-16 | 华南理工大学 | 一种车牌识别方法 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN103258198A (zh) * | 2013-04-26 | 2013-08-21 | 四川大学 | 一种表格文档图像中字符提取方法 |
CN103996057A (zh) * | 2014-06-12 | 2014-08-20 | 武汉科技大学 | 基于多特征融合的实时手写体数字识别方法 |
CN106909941A (zh) * | 2017-02-27 | 2017-06-30 | 广东工业大学 | 基于机器视觉的多表字符识别系统及方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214377A (zh) * | 2018-07-27 | 2019-01-15 | 深圳市闿思科技有限公司 | 序列号识别方法、系统、移动终端及存储介质 |
CN109697381A (zh) * | 2018-11-12 | 2019-04-30 | 恒银金融科技股份有限公司 | 一种二维码图像预处理的方法 |
CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
TWI703504B (zh) * | 2019-04-17 | 2020-09-01 | 洽吧智能股份有限公司 | 序號檢測系統 |
CN110929713A (zh) * | 2019-11-22 | 2020-03-27 | 中南大学 | 一种基于bp神经网络的钢印字符识别方法 |
CN110929713B (zh) * | 2019-11-22 | 2023-04-07 | 中南大学 | 一种基于bp神经网络的钢印字符识别方法 |
CN111401142A (zh) * | 2020-02-25 | 2020-07-10 | 杭州测质成科技有限公司 | 基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法 |
CN111860317A (zh) * | 2020-07-20 | 2020-10-30 | 青岛特利尔环保集团股份有限公司 | 一种锅炉运行数据采集方法、系统、设备及计算机介质 |
CN117078913A (zh) * | 2023-10-16 | 2023-11-17 | 第六镜科技(成都)有限公司 | 对象倾斜矫正方法、装置、电子设备和存储介质 |
CN117078913B (zh) * | 2023-10-16 | 2024-02-02 | 第六镜科技(成都)有限公司 | 对象倾斜矫正方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009538A (zh) | 一种汽车发动机缸体序列号智能识别方法 | |
Mohammad et al. | Optical character recognition implementation using pattern matching | |
LeBourgeois | Robust multifont OCR system from gray level images | |
KR101403876B1 (ko) | 차량 번호판 인식 방법과 그 장치 | |
CN107491730A (zh) | 一种基于图像处理的化验单识别方法 | |
CN108038482A (zh) | 一种汽车发动机缸体序列号视觉智能识别系统 | |
CN102629322B (zh) | 一种基于边界点笔画形状的字符特征提取方法及应用 | |
CN107122777A (zh) | 一种基于视频文件的车辆分析系统及分析方法 | |
CN111401372A (zh) | 一种扫描文档图文信息提取与鉴别的方法 | |
CN111461131B (zh) | 身份证号码信息识别方法、装置、设备及存储介质 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN109977899B (zh) | 一种物品识别的训练、推理以及增加新种类的方法和系统 | |
CN102147867A (zh) | 一种基于主体的国画图像和书法图像的识别方法 | |
CN102136074B (zh) | 一种基于mmi的木材图像纹理分析与识别方法 | |
CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
CN112686265A (zh) | 一种基于层级轮廓提取的象形文字分割方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
CN107545259A (zh) | 一种基于大津法的二维码重构方法 | |
CN110443166A (zh) | 一种雾霾天气的车牌识别方法 | |
Rodrigues et al. | Cursive character recognition–a character segmentation method using projection profile-based technique | |
CN110766001B (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
Bala et al. | Image simulation for automatic license plate recognition | |
CN111950556A (zh) | 一种基于深度学习的号牌印刷质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |
|
RJ01 | Rejection of invention patent application after publication |