基于机器视觉的宽厚板喷码自动识别系统

　　基于机器视觉的宽厚板喷码自动识别系统李潘，吴少波，王丽娜，潘秋娟（冶金自动化研究设计院混合流程工业自动化系统及装备技术国家重点，系统由光电传感器、控制器、千兆网工业相机、千兆网线、图像识别终端等部分组成。其中，光电传感器安装于辊道旁，用于检测钢板到来信息；控制器采用工业级控制芯片，获取钢板到来信息并控制工业相机拍照；工业相机安装于入库辊道上方并装有透明防护装置，用于获取入库宽厚板的表面喷码图像；千兆以太网线用于远距离传输视频图像；图像识别终端位于辊道操作间，完成图像中字符的识别和识别结果的实时显示。

　　2字符识别过程bookmark6宽厚板喷码字符识别过程与般的光学字符识别流程类似，主要分为字符区域提取、字符分割并归一化和字符识别三部分，如所示。

　　图像采集图像二值化今I宽厚板图像定位字符区域提取孤立点去除倾斜校正字符分割字符归化字符分割并归一化特征模板匹配t字符特征提取字符识别识别结果显示运输辊道千兆网线入库宽厚板光电传感器喷码自动识别系统示意图从生产线下来的宽厚板通过运输辊道进入库区，在入库前利用对射式光电传感器检测宽厚板到来信号并传给控制器，控制器接收到信号后触发相机采集图像，然后通过千兆以太网传输到操作间的图像识别终端，并利用字符识别软件处理图像，*终识别出钢板喷码信息。图像识别终端除了识别和实时显示喷码字符外，还将识别结果存入本地数据库，同时与上层MES的库存管理信息系统交互，从而达到宽厚板入库喷码自动识别的目的。

　　字符识别过程2.1字符区域提取为了实现喷码字符区域提取，需要对采集到的图像作系列预处理，包括：宽厚板图像定位、图像二值化、孤立点去除和倾斜校正。

　　由于宽厚板在辊道上的位置不固定以及运输辊道的高反光性，直接处理相机抓拍的图像是非常困难的，因此笔者采用背景差分方法H，首先利用相机获取辊道背景图像，再将抓拍图像与辊道背景图像做差分处理，得到只包含宽厚板所在区域的图像函数Rk（xy）。

　　像在对应坐标点（x，y）的像素。在实际生产过程中，由于昼夜光照变化较大，可以采取背景图像实时更新的方法，减少光照变化对差分结果的干扰。

　　定位出的宽厚板图像如（a）所示。

　　在图像二值化过程中，由于宽厚板表面比较光滑，反光性强，且存在光照不均匀的情况，导致喷码图像的目标与背景分离不明显，灰度直方图分布比较复杂，因此利用传统Otsu算法容易出现分割错误。为此，笔者利用改进的Otsu算法0对定位出的宽厚板图像进行二值化处理，即采取多次迭代、自动停止的方法来改善灰度图像二值化效果。改进方法为：利用Otsu算法得出*佳阈值后，将背景像素置0而保留目标像素不变，然后再次利用Otsu算法提取*佳阈值，重复操作直到满足迭代停止条件。迭代停止条件为：每一次迭代时，计算分割前和分割后整体图像的像素总数和方差变化，并求出像素变化率和类内方差变化率，以像素变化率小于类内方差变化率作为停止分割的判别准则。利用改进Otsu算法得到的二值化图像如（b）所示。

　　2.1.3孤立点去除经过Otsu算法二值化后的字符图像往往还存在一些孤立干扰点，这些干扰点对于后续的图像处理存在影响，因此必须提前滤除掉。笔者通过统计与窗口内的目标像素直接或者间接相连接的像素点数来判断字符是否为孤立点，通过设定像素点数阈值，滤除字符图像中的孤立干扰点，强化字符区域。

　　2.1.4倾斜校正系统实际应用时，相机安装及拍摄角度固定，而宽厚板在辊道上的位置不定，导致获取的宽厚板图像字符区域整体存在倾斜现象，给后续字符分割和识别带来极大困难，因此须对滤除孤立干扰点后的二值化图像字符区域进行倾斜校正。根据现场字符自动识别实时性要求，系统采用*小二乘拟合直线法6进行倾斜校正，即通过提取字符区域的*下沿目标像素点坐标数据，在直角坐标系下进行*小二乘拟合，得到整体字符区域的倾斜角度后，利用倾斜角度对整体字符进行校正，快速得到校正后的字符区域，如（c）所示。

　　（a）定位的宽厚板图像（b）改进Otsu算法的图像二值化（c）去除孤立点和倾斜校正后字符区域字符区域提取Fig. 2.2字符分割并归一化为了将单个字符从字符区域中提取出来，还需要进行字符分割和归一化处理。

　　2.2.1字符分割字符分割是从提取的字符区域图像中分割并提取单个字符的过程，是整个识别过程又一关键步骤。宽厚板喷码字符图像分割包含两个步骤：一是从字符区域图像中分割出钢板号字符串，二是将钢板号字符单个分割开来。

　　通过分析，字符图像的特点有：字符的行距大致固定、同一行字符存在分裂和粘连现象。针对这些特点，笔者提出一种基于先验指导的投影分割方法，将图像特征和先验知识相结合指导字符分割，具体步骤如下：对倾斜校正后的字符区域图像，利用水平投影法进行Y轴投影，结果如（a）所示，通过统计投影坐标上分离的连通区域（图中有6个），分割出单行喷码字符串。

　　对分割出的字符串，进行X轴垂直投影分析，如（b）所示，设定固定阈值切分字符串，初步切分结果如（c）所示，可以看出分割结果存在粘连和分裂的错分情况。

　　利用先验知识可知待分割字符个数为n单个字符宽度约为W以此为依据对切分结果进行判断，若分割出的字符个数不等于n或者字符宽度不在WfW）之间，则说明切分结果需要调整。

　　利用步骤（3）的判断结论对切分结果进行校正，合并分裂的字符，并提取需要再次切分的字符图像；利用字符宽度W等先验知识对需要再次切分的字符图像进行切分，得到的结果如（d）所示；再次根据步骤（3）对切分结果进行判断和校正，直到字符被准确切分。*终分割结果如（e）所示。

　　2.2.2字符归一化切分出的喷码字符往往存在大小差别，因此在对字符识别之前必须进行归一化处理，使字符具有统一尺寸。本文采取基于字符边框的归一化方法，即将字符边框按比例线性放大或缩小到规定尺寸。同时为了降低边框对字符图像的干扰程度，在字符归一化之前预先对切割出的字符根据其有效像素分布作再次切分，保证了稳定的归一水平投影数值（a）字符区域Y轴投影（e）*终分割结果（C）粘连分裂字符初步切分结果（d）分裂合并，粘连切分结果粘连分裂字符分割2.3字符识别针对宽厚板喷码字符容易出现笔划断裂、模糊不清的问题，本文采取基于特征的模板匹配方法，具体过程为：首先，利用喷码自动识别系统获取多个样本图像，依次提取单个字符对应的特征向量08（包括网格特征、穿越特征、面积和外围特征等），将特征向量分别保存到对应字符模板库中；其次，基于已有的字符模板库，采用改进的特征模板匹配法进行字符识别，即计算归一化后字符的特征向量与对应字符模板库中的每个模板特征向量的相似度，当相似度*大且达到设定阈值时，则认为字符匹配成功。字符匹配相似度板字符的特征向量；/（0）为对应特征属性的权值；N为特征向量维数。

　　基于特征模板匹配的喷码字符识别结果如所示。

　　字符识别结果Fig. 3结束语根据宽厚板入库喷码自动识别需求，本文构建了一套工业视觉系统并基于VS2010软件和OpenCV库开发了一套喷码字符识别软件。针对字符区域提取，利用背景差分方法预先定位宽厚板图像能极大减轻后续图像处理难度，采用迭代自动停止的Otsu算法可以克服图像光照不均干扰；对于字符分割，基于先验指导的静态投影切分方法对于粘连分裂字符图像也能实现准确切分；在字符识别过程中，采取提取字符特征向量并设定不同加权因子的特征模板匹配方法提高了字符识别率。实验结果表明，该识别系统具有较高的字符识别率，可靠性和稳定性较好，满足宽厚板入库自动识别需求。

(完)