机器视觉算法与CRNN网络相结合的热轧钢卷号识别模型开发

摘要：

为了提升轧钢区域的物流效率,需要自动识别某钢厂的热轧钢卷号,但由于钢卷号弯曲弧度较大,且有位置偏转,传统的机器视觉方法无法有效识别.为此,提出了机器视觉算法与卷积循环神经网络(convolutional recurrent neural network,简称CRNN)相结合的方法构建识别模型.根据字符区域亮度较高的特点,通过组合使用高斯滤波、sobel边缘化算子、最大类间方差法OTSU等机器视觉算法分割出字符区域并旋转至水平角度;然后应用CRNN深度学习网络对分割后的字符图片进行特征提取和字符识别.通过在928张现场图片上测试,正确识别803张,总体准确率达到86.53％,这说明算法对解决此类工程字符识别(optical character recognition,简称OCR)问题是有效的.

关键词：热轧钢卷号、字符识别、CRNN模型、最大类间方差法OTSU

所属期刊栏目：44

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-34,104