法律状态公告日
法律状态信息
法律状态
2022-03-11
未缴年费专利权终止 IPC(主分类):G06K 9/00 专利号:ZL2012100911509 申请日:20120330 授权公告日:20131023
专利权的终止
2013-10-23
授权
授权
2012-11-07
实质审查的生效 IPC(主分类):G06K9/00 申请日:20120330
实质审查的生效
2012-09-12
公开
公开
技术领域
本发明涉及一种钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统。
背景技术
随着工业自动化的发展,在钢铁行业中,企业逐步提高了对物流管理自动化 水平的要求,钢铁板坯信息即钢铁板坯编码是钢铁企业物流管理及生产过程的重 要信息,通常采用一定的字母或数字及其组合编码表示,自动获取钢铁板坯信息 对物流管理中的钢铁板坯跟踪及企业自动化及信息化生产有重要意义。钢铁板坯 跟踪是指MES系统中炼钢侧物料模块中的板坯管理信息画面自动接收连铸二级 系统的板坯切割信息和称重信息。
目前,大部分钢铁厂,钢铁板坯编码的识别还停留在人工识别的基础上,缺 乏对钢铁板坯编码进行自动识别的措施。同时,现有的字符识别技术主要应用在 光学成像背景简单的场合,而钢铁板材的板坯生产线存在环境复杂、光照环境变 化,钢铁板坯侧面的字符成像背景复杂等恶劣因素的影响,现有的字符识别技术 无法很好地应用于钢铁板坯编码识别。此外,人工识别的低效性,严重影响物流 管理中的钢铁板坯跟踪的自动化水平和企业生产系统的完善。
目前,钢铁板坯跟踪主要在MES系统中实现对前后两工序板坯的跟踪。这 种半自动钢铁板坯跟踪系统不能准确和实时跟踪从转炉厂送往热轧厂的板坯情 况,对这个转移过程中产生的信息变化,MES系统没有进行实时修正,使得MES 系统中的信息与实际钢铁板坯信息有差异,不能真正实现前后工序物流实物与信 息的一致,没有真正实现一级系统的钢铁板坯自动跟踪。
发明内容
本发明所要解决的技术问题是提供一种钢铁板坯编码自动识别方法以及钢 铁板坯跟踪系统,该钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统具有自动 化程度高,编码识别效率高的特点。
发明的技术解决方案如下:
一种钢铁板坯编码自动识别方法,在钢铁板坯的传输现场获取连续的多帧原 始图像,从第一帧原始图像开始,依次对每一帧原始图像按以下步骤自动识别板 坯编码:
步骤1:对原始图像进行图像预处理;所述的预处理包括灰度化处理、均值 滤波处理和差分处理;所述的差分处理指将滤波后的图像与背景图作差分处理, 获得差分灰度图;所述背景图是指当系统判断原始图像中不存在板坯时,将滤波 后的图像保存或更新为背景图片;
步骤2:对预处理后的图像进行二值化处理,再对所得的二值图进行板坯编 码检测,生成检测结果,根据检测结果若识别到当前处理的原始图像中含有板坯 编码,则对二值图进行板坯编码位置定位,所述的板坯编码检测及编码位置定位 采用投影处理方法;
步骤3:对原始图像按照前述的编码位置定位得到的边界坐标进行切分,得 到多个单字符图像,所述单字符图像是指只含有一个字符编码的图像;对每一个 单字符图像都进行字符识别,从而完成对当前帧原始图像中的板坯编码识别;
返回步骤1对下一帧原始图像进行处理。
步骤2中,所述二值化处理的阈值为avg+N,N取值为20~70中的任一值; avg为差分后灰度图整幅图像像素灰度值的平均值。
步骤2中的板坯编码检测过程为:对所述的二值图进行垂直投影,若所得到 的垂直投影曲线与预设水平线存在交点,则判定当前图像中含有板坯编码,否则 说明当前图像中不存在板坯编码;预设水平线在垂直投影曲线所在的坐标系的纵 坐标为15;
所述的垂直投影,指计算二值图中每一列的白色像素点的数量作为垂直投影 曲线的Y轴坐标值,以二值图中的横向像素点序号作为垂直投影曲线的X轴坐 标值,形成垂直投影曲线。
步骤2中的板坯编码位置定位的过程为:
(1)对二值图进行水平投影,得到水平投影曲线;水平投影曲线与预设水 平线的两个交点即为上下边界点;
(2)垂直投影曲线与预设水平线相交,形成多对交点,每一对相邻的交点 即对应一个单字符的左右边界;
(3)基于所述的上下边界点和每一个单字符的左右边界,对二值图进行切 分,得到多个单字符图像;
所述的水平投影,指计算二值图中每一行的白色像素点的数量作为水平投影 曲线的Y轴轴坐标值,以二值图中的纵向像素点的序号作为水平投影曲线的X 轴轴坐标值,形成水平投影曲线。
预设水平线在水平投影曲线和垂直投影曲线所在的坐标系的纵坐标均为 15。
步骤3中的单字符图像字符识别包括以下步骤:
步骤a:对单字符图像进行灰度化,获得单字符灰度图;
步骤b:对所述单字符灰度图进行滤波处理,获得滤波后的单字符灰度图;
步骤c:对所述滤波后的单字符灰度图进行二值化处理,获得单字符二值图;
步骤d:对所述单字符二值图进行大小归一化处理,获得归一化单字符二值 图;
步骤e:对所述归一化单字符二值图进行逐像素点特征提取,得到特征向量 矩阵;所述的逐像素点特征提取是指:对归一化单字符二值图逐行逐列进行扫描, 对归一化单字符二值图中的白色像素点,取特征值为1,对归一化单字符二值图 中的黑色像素点,取特征值为0,最后得到一个特征向量矩阵,特征向量矩阵的 维数等于归一化单字符二值图中像素点的总数目;
步骤f:逐像素点模板匹配:
将所述的特征向量矩阵与多个字符模板进行匹配,获得多个相似度,相似度 指相同元素数目占总元素数目的比例;以相似度最大的字符模板所对应的字符作 为当前单字符图像的匹配结果;每一个字符模板中的元素数量与特征向量矩阵中 包含的元素数量相同。
所述的步骤f中,所述特征向量矩阵与字符模板的匹配方式为:依次比较特 征向量矩阵中的每个元素与字符模版中的对应元素,判断是否相同,并统计相同 元素的数目,将相同元素的数目占总元素数目的比例作为当前单字符图像与该当 前字符模板的相似度。
所述的步骤f中,所述字符模板的制作过程如下:首先获取板坯编码图像, 以包含所有单个板坯编码为一组,选取一组板坯编码的单字符图像,经过步骤a 至步骤e的处理,获得一组与板坯编码图像对应的特征向量矩阵,将该组特征存 储为文件,即为一组与板坯编码图像对应的字符模板。
所述的单字符灰度图进行二值化处理采用大津法;
所述的大小归一化处理是指将二值图转换为50×60像素尺寸大小图像;
所述的字符模板为多组;
所述字符模板对应的字符组包含的字符为数字0-9、英文大写字母、英文小 写字母、汉字中的至少一种。
在编码识别过程中,每识别出一个字符,则将该字符对应的置信度增加1, 置信度初始值为0;对任一个钢铁板坯的最后一个编码完成编码识别后,若某一 个编码对应多个识别字符,则取置信度最高的识别字符作为最终的识别结果。
一种基于钢铁板坯编码图像的板坯自动识别与跟踪系统,包括CCD摄像机、 光端发射机、光端接收机、显示器、带采集卡的用于实现所述钢铁板坯编码自动 识别的工控机以及现场PLC;CCD摄像机的输出端与光端发射机的输入端连接, 光端发射机的输出端与光端接收机的输入端通过光纤连接;采集卡通过PCI插槽 与工控机连接;显示器与工控机连接,现场PLC与工控机的通信端口连接。
所述的基于钢铁板坯编码图像的板坯自动识别与跟踪系统还包括视频分配 器、监控屏幕和硬盘录像机,光端接收机通过视频分配器与采集卡相连;监控屏 幕和硬盘录像机的输入端均与视频分配器的输出端连接。
有益效果:
本发明的钢铁板坯编码自动识别方法以及钢铁板坯跟踪系统,替代人工进行 钢铁板坯编码识别,有效地避免由于工人主观原因造成的钢铁板坯编码误识别, 加强了企业物流管理的自动化水平,提高了企业的生产效率,并降低了操作人员 的劳动强度。将识别后的钢铁板坯编码传递给MES系统,自动实现对钢铁板坯 信息在转炉厂和热轧厂之间的跟踪,从而达到对钢铁板坯信息的全线跟踪,提高 两厂之间的物流管理水平。该系统的人机交互界面设计简单,便于现场操作人员 使用。该系统识别率高,速度快,工作稳定可靠,具有较强的实用型。
本发明的钢铁板坯编码图像中的字符识别方法,针对钢铁板坯编码的特征, 采用一种新方法进行特征提取,提高了字符特征信息提取的全面性,具有特征提 取简单,运算方便,并能够有效地实现钢铁板坯编码的识别。
本发明采用有效的图像预处理技术,并提取恰当的钢铁板坯编码字符特征, 结合钢铁板坯编码字符检验技术,实现对复杂工业环境中获取的钢铁板坯图像中 钢铁板坯编码的有效识别。
由于钢铁板坯编码通常是由工业涂料喷涂而成的,而工业涂料是颗粒状的, 致使钢铁板坯编码连通性及规范性不佳,从而导致现有的特征提取方法无法有效 地提取钢铁板坯编码的字符特征。而本方法的特征提取过程,只是简单的变换过 程,即将二值图中的黑(灰度值为0)像素点和白(灰度值为255)像素点,分 别用特征值0和1来表示,从而获得特征向量。因而,本发明的方法能够全面的 提取字符特征信息,特征提取过程简单,运算方便,容易实现。
本发明还具有如下优点:
识别率高:针对钢铁板坯编码图像目标检测及切分和单字符图像识别,分别 采用了合适的预处理方法进行处理,提高了目标检测和字符识别的成功率。
其中:目标检测及切分的预处理包括灰度化、均值滤波、和改进型人工设置 二值化处理;单字符图像识别的预处理包括灰度化、最小值滤波和大津法二值化 处理。
同时,针对字符识别,选择了恰当的特征提取及模板匹配法,即逐像素点特 征提取和逐像素点模板匹配,提高了字符特征信息提取的全面性,以及模板匹配 方法的有效性。
此外,通过校验,保证了输出识别结果的准确性。
由于板坯编码可能缺损,致使相关相似字符出现误识别的情形,板坯编码的 相似字符有:1和7,6和8,0和8,3和5,2和7。针对相似字符有两方面的 处理:
针对相似字符,如1和7,6和8。在模板库中字符模板不变的情况下,针 对这些易误识字符局部特征表现的不同,采用半模板(上半部、下半部、左半部 或者右半部)匹配识别,在计算相似度时,容易误识别的待识别字符还要与其相 似的标准模板匹配,以相似字符6和8为例,字符6有时会识别为8,通过分析 可知,6和8的上半部整体特征差异性最大,因此在第一次模板匹配识别后,将 识别结果为8的字符取其上半部再与模板库中字符6和8的上半部进行匹配识 别,将两次匹配的相似度进行累加,取其最大值为最后识别结果。降低了对相似 字符的误识别率。
对识别结果与从现场PLC10(现场PLC10为原有的设备)获取的钢铁板坯 编码信息进行比对,此处,若未找到完全相同的板坯编码,且识别结果(如 1606003024020)与某板坯编码(如1606083024020)仅有一个字符不同(即带 下划线的数字),这一对不同字符,恰好是相似字符对,则此时,将该钢铁板坯 编码(如1606083024020)置为识别结果(则最终识别结果为:1606083024020)。
速度快:系统并行调用各软件模块进行多任务管理及并行处理,有效地提高 了系统的处理能力和速度。
各模块算法原理简单,程序实现方便,并采用了成熟有效的算法,保证了算 法的执行效率。尤其是传统字符识别方法中,相对耗时的特征提取和模板匹配方 面,系统仅仅只是通过简单地变换和比对来完成,有效地提高了系统的运行速度。 同时,系统软件结构设计合理,并进行了优化,保证系统的有效、快捷运行。
稳定可靠:系统采用并行处理模式,增加了系统可靠性。各模块算法原理简 单,程序实现方便,并采用了成熟有效的算法,保证了算法的可靠性。系统软件 结构设计合理,并进行了优化,降低了系统异常的概率。提供了人机交互接口, 能够及时的人为处理相关异常情况。本地数据库采用成熟、可靠地Oracle数据 库和ADO技术应用于系统数据管理。本系统采用Visual C++6.0语言开发在 Windows Sever 2003系统上,采用了成熟、可靠的开发平台及运行环境。
附图说明
图1为基于钢铁板坯编码图像识别的钢铁板坯自动跟踪系统的硬件体系结 构框图;
图2为基于钢铁板坯编码图像识别的钢铁板坯自动跟踪系统的工作原理框 图;
图3为基于钢铁板坯编码图像识别的钢铁板坯自动跟踪系统的软件流程 图;
图4为含有3个字符的钢铁板坯图像;
图5为含有5个字符的钢铁板坯图像;
图6为含有7个字符的钢铁板坯图像;
图7为含有10个字符的钢铁板坯图像;
图8为第一幅含有完整13个字符的钢铁板坯图像;
图9为第二幅含有完整13个字符的钢铁板坯图像;
图10为对图4进行切分获得的3个单字符图像的归一化后单字符二值图;
图11为对图5进行切分获得的5个单字符图像的归一化后单字符二值图
图12为对图6进行切分获得的7个单字符图像的归一化后单字符二值图
图13为对图7进行切分获得的10个单字符图像的归一化后单字符二值图
图14为全部13个单字符图像的归一化效果示意图;
图15为水平投影曲线;
图16为垂直投影曲线;
图17为与图16对应的分割后的单个字符图像示意图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
本发明涉及到的对单字符图像识别方法包括以下步骤:
1.对从钢铁板坯编码图像中切分获得的含有单个板坯编码字符的图像按 顺序进行编号,并进行灰度化处理;
2.对单字符(含有单个钢铁板坯编码字符)灰度图进行滤波处理;
3.对滤波处理后图像采用自适应二值化分割技术,进行二值化处理;
4.对单字符二值图,进行大小归一化处理;
5.对归一化后单字符二值图,进行逐像素点特征提取。本专利的重点内容 有两点:1、灰度化、滤波和二值化技术的恰当组合;(现有主要组合方式:灰度 化、均值滤波和人工设定整体阈值法;)2、逐像素点特征提取。
逐像素点特征提取法选用字符图像的灰度特征作为字符特征,属于一种字符 统计与变换特征,采用灰度变换及二值化处理获得单个字符图像的灰度特征向量 矩阵。
与现有技术的相同之处是:通过变换算法提取字符的特征信息,变换算法是 成熟的算法;
不同之处是:变换算法的合理搭配,及字符特征的选取,在已搜索到的文献 中,并没有发现与本专利相同的字符特征;采用灰度变换及二值化处理获得单个 字符图像的灰度特征向量矩阵。
6.对单字符二值图,进行逐像素点模板匹配;
7.重复步骤1到步骤6,直到识别完整个板坯编码图像中的所有单个字符;
8.对识别后获得的整个钢铁板坯编码图像中的所有单个字符,按照切分时 的编号,按顺序组合,获得完整的钢铁板坯编码。对识别获得的完整钢铁板坯编 码可根据自行定义的编码格式来进行校验处理。校验处理的作用:当图像中钢铁 板坯编码存在缺损等情况,并造成识别结果出现违反编码规则的情形时,通过校 验,可以发现此类问题,并输出警示信息,降低输出错误识别结果的概率。校验 成功的标准,是指识别获得的编码字符串是否满足全部编码规则,若满足全部编 码规则,则判断校验成功;否则校验失败。
若校验成功,证明识别成功,输出钢铁板坯编码识别结果;若校验失败,证 明本次识别失败,并输出警示信息“识别失败!”;
进一步的:
在所述步骤1中,灰度化处理的变换公式如下:
f(i,j)=0.299R(i,j)+0.587G(i,j)+0.114B(i,j));
其中,i,j为正整数,(i,j)表示图像中像素点的坐标;f表示转换后像素 点的灰度值;R,G,B是彩色图RGB模型的三分量,分别表示红,绿,蓝 三分量的强度值。
在所述步骤2中,滤波算法采用3×3的窗口进行最小值滤波;
最小值滤波:原理是将图像中某一点的灰度值设置为该点邻域窗口内所有像 素点灰度值的最小值。具体实现:通过对邻域窗口的像素灰度值进行排序,形成 单调下降(或上升)的有序数据,获得其中像素点灰度值的最小值,并将当前像 素点的灰度值置为该值。本专利采用3×3的邻域窗口。
在所述步骤3中,所述自适应二值化分割技术,是指大津(Ostu)法,即最 大类间方差法。这是一种基于判别式分析的,动态计算最佳阈值的方法,自适应 性较强,方法简单而实用,对单个字符的板坯编码图像具有很好的二值化分割效 果;
在所述步骤4中,所述大小归一化处理,是指将字符的外边框按比例进行线 性放大或缩小为50×60像素尺寸;
在所述步骤5中,所述逐像素点特征提取,是指对归一化单字符二值图进行 逐行逐列的扫描,对图像中的白色像素点(像素值为255)取其特征值为1,对 图像中的黑色像素(像素值为0)取其特征值为0,最后得到一个特征向量矩阵, 其维数等于图像中像素点的总数目。
在所述步骤6中,所述逐像素点模板匹配,将提取到的单个板坯编码字符的 特征,与0~9各个字符模板进行匹配,匹配方式只是简单的依次比较特征向量矩 阵中的每个元素与字符模版中的对应元素,判断是否相同,并统计相同元素的数 目,将相同元素的数目占总元素数目的比例作为当前单字符图像与该当前字符模 板的相似度,比较样本与各个字符模板相似度的大小,将两者相似度最大的字符 模板所对应的字符为匹配结果。上述字符模版的制作过程如下:首先获取钢铁板 坯编码图像,以包含所有单个钢铁板坯编码(即0~9)为一组,选取一组分别为 0~9的单个钢铁板坯编码字符图像,经过步骤1至步骤5的处理,获得一组0~9 钢铁板坯编码字符图像对应的特征向量矩阵,将该组特征存储为文件,即为一组 0~9钢铁板坯编码图像对应的字符模版;
所述步骤7中,所述完整的钢铁板坯编码图像,含有13个字符。
实施例1:
本实施例中的基于钢铁板坯编码图像的板坯自动识别与跟踪系统由CCD摄 像机1、光端发射机2、光端接收机3、视频分配器4、监控屏幕5、硬盘录像机 6、采集卡7、工控机8和显示器9,以及现场PLC10组成,如图1所示,CCD 摄像机1负责拍摄板坯视频。光端机是将光信号和电信号相互转换的设备,光端 发射机2是接收电信号,转换成光信号;光端接收机3是接收光信号,转换成电 信号;作用是将视频信息转换成光信息,通过光纤实现视频传输,而光纤传输具 有损耗低、抗干扰和容量大等优点,由此,降低视频信号的损失,增强抗干扰能 力和传输实时性,保证传输过程中,视频信号的质量。现场PLC10与工控机8 通信连接,用于向工控机8传输钢铁板坯编码。
视频分配器4,是把一个视频信号源平均分配成多路视频信号的设备。即将 CCD摄像机1输出视频信号均分给监控屏幕5、硬盘录像机6和采集卡7。
监控屏幕5,只是实时显示CCD摄像机1的拍摄画面,属配套设施,与系 统识别功能无关。
硬盘录像机6,只是实时记录CCD摄像机1的拍摄画面,属配套设施,与 系统识别功能无关。
采集卡7用于从CCD摄像机1拍摄的视频中采集图像数据,供系统工控机 8处理。工控机8是系统软件的运行平台,显示器9是人机交互的接口。通过对 获取的钢铁板坯图像进行板坯的检测及板坯编码的识别,将识别结果进行显示、 储存及传输,完成板坯的自动识别及跟踪,整个系统的原理框图如图2所示。整 个软件系统包括钢铁板坯编码的自动识别和人机交互界面,系统软件流程图如图 3所示。
现有一块钢铁板坯即将进入CCD摄像机1拍摄区域,针对该钢铁板坯通过 CCD摄像机1拍摄区域的过程,详细描述系统的运行过程如下:
CCD摄像机1将采集到的视频经光端发射机2和光端接收机3,由视频分配 器4分别传送给监控屏幕5、硬盘录像机6及采集卡7。当运动板坯触发光电检 测装置产生到来信号【光电检测装置是由红外线发射装置和接收装置组成,当板 坯到来并挡住红外线时,致使接收装置无法接收到红外线,此时,输出板坯到来 信号,即实现触发。】,系统启动采集卡7,从采集到的视频中采集图像,依次获 得单帧原始图像,经过一段时间获得多帧原始图像。针对采集到的不同图像(图 4-图9),对其含有关键信息的图像进行处理,其具体操作如下:
第一帧原始图像(图4)具体处理流程:
1.对原始图像进行灰度化处理,获得灰度图;
2.对灰度图采用3×3窗口进行均值滤波处理,获得滤波后的灰度图;
3.将滤波后灰度图与背景图作差分处理,获得差分灰度图,所述背景图是指 当系统判断原始图像中不存在板坯时,将滤波后的图像保存或更新为背景图片;
4.统计差分后灰度图整幅图像像素灰度值的平均值,为60,将该值与50求 和【考虑现场光照条件的变化和图像中存在的氧化斑(铁皮氧化形成的,在二值 图以白斑呈现)干扰,同时,目标字符在板坯编码图像中占据的比例较少,致使 灰度均值低,不能有效地分割图像,故考虑将均值与一固定值的和作为阈值,而 现场光照条件的变化,使目标字符灰度值和板坯灰度值之间差异范围为20-70, 取值过小,由于光照的变化,会引起误判;取值过大,降低检测的灵敏性,无法 及时检测字符,综合考虑,选取该值】,得110,将其作为阈值,对灰度图进行 二值化处理,获得二值图;
5.对二值图进行投影处理,垂直投影曲线与预设水平线(纵坐标为15)【图 像像素尺寸为:900×75像素】,存在交点,判定当前图像中含有板坯编码;根据 水平投影曲线和垂直投影曲线,以图像右上角为坐标原点,确定单个字符的左上 角、左下角、右上角及右下角坐标;
采用基于投影特征的方法对编码区域进行定位及切分,具体步骤如下:
步骤一:对二值化后的图像进行水平投影,得到如图15所示的水平投影曲 线。投影曲线中有一个明显突起的宽带部分,即为待识别图像中编码区域的水平 投影。水平投影曲线与预设水平线(纵坐标为15)的两个交点,即为编码区域 的上下边界点,如图15中的edge1,edge2。
步骤二:对二值化后的图像进行垂直投影,得到如图16所示的垂直投影曲 线。垂直投影曲线与预设水平线(纵坐标为15)依次存在3对交点,即 a、a′,b、b′,c、c′,其中a、a′为第一个字符的左右边界点,b、b′为第二个字 符的左右边界点,c、c′为第三个字符的左右边界点。
通过步骤一和步骤二,即可得到各单个字符的区域定位坐标。如图17所示 为分割获得的单个字符示意图。
6.根据坐标信息,从原始图像中切分获得多幅含有单个字符的图像;
7.对多幅含有单个字符的图像进行灰度化处理,获得多幅含有单个字符的灰 度图像,简称单字符图像;
8.对多幅单字符灰度图依次采用3×3窗口进行最小值滤波处理,获得滤波后 的灰度图;
9.对滤波后的灰度图依次采用大津法,进行自适应二值化处理,获得二值图;
10.对二值图依次进行大小归一化处理,获得50×60像素尺寸大小的二值图;
11.对归一化后单字符二值图,如图10所示,依次进行逐像素点特征提取, 即对图像逐行逐列的扫描,对图像中的白色像素点(像素值为255)取其特征值 为1,对图像中的黑色像素(像素值为0)取其特征值为0,最后得到一个特征 向量矩阵,其维数等于图像中像素点的总数目(300);
12.对单字符二值图,依次进行逐像素点模板匹配,得到匹配结果为依次为 1、5、0,相似度依次为S11=94,S21=90,S31=95,并令相应的置信度,【置信度 主要是在统计多帧原始图像时作为一个判别。如统计多帧原始图像第一个字符图 像被识别为1的次数,通过累加置信度实现,从而判定第一个字符图像的识别结 果。又如,若第一个字符图像被识别为1和7的次数分别为3和2,则判定识别 结果为1.】为K11=1,K21=1,K31=1。具体过程如下:
对提取到的单个钢铁板坯编码字符的特征向量,与0~9各个模板的特征向量 进行匹配,匹配方式只是简单的依次匹配特征向量矩阵中每个元素与字符模版中 的对应元素元素,判断是否相同,并统计相同元素的数目,最终计算相同元素占 总元素数目(300)的比例,作为样本与该字符模板的相似度,比较样本与各个 字符模板相似度的大小,两者相似度最大的字符模板所对应的字符为匹配结果。 上述字符模版的制作过程如下:首先获取钢铁板坯编码图像,以包含所有单个板 坯编码(即0~9)为一组,选取一组分别为0~9的单个钢铁板坯编码字符图像, 经过步骤1至步骤5的处理,获得一组0~9钢铁板坯编码字符图像对应的特征向 量矩阵,将该组特征存储为文件,即为一组0~9钢铁板坯编码图像对应的字符模 版。
其余各帧原始图像的前11步处理与第一帧原始图像处理相同,仅切分获得 钢铁板坯编码字符个数不同。详细匹配结果信息如下表所示:
第二帧原始图像的模板匹配处理流程:
对单字符二值图,依次进行逐像素点特征提取和逐像素点模板匹配,得到匹 配结果为依次为1、5、0、5、8,相似度依次为S12=96,S22=89,S32=93,S41=85, S51=83,并令相应的置信度为K12=1,K22=1,K32=1,K41=1,K51=1。
第三帧原始图像的模板匹配具体处理流程:
对单字符二值图,依次进行逐像素点特征提取和逐像素点模板匹配,得到匹 配结果为依次为1、5、0、5、8、6、8,相似度依次为S13=92,S23=92,S33=94, S42=88,S52=85,S61=89,S71=87,并令相应的置信度为K13=1,K23=1,K33=1, K42=1,K52=1,K61=1,K71=1。
第四帧原始图像的模板匹配具体处理流程:
对单字符二值图,依次进行逐像素点特征提取和逐像素点模板匹配,得到匹 配结果为依次为1、5、0、5、8、6、8、0、1、2,相似度依次为S14=94,S24=90, S34=96,S43=89,S53=86,S62=91,S72=89,S81=95,S91=93,S101=89,并 令相应的置信度为K14=1,K24=1,K34=1,K43=1,K53=1,K62=1,K72=1, K81=1,K91=1,K101=1。
第五帧原始图像的模板匹配具体处理流程:
对单字符二值图,依次进行逐像素点特征提取和逐像素点模板匹配,得到匹 配结果为依次为1、5、0、5、8、6、8、0、1、2、0、1、0,相似度依次为S15=92, S25=88,S35=94,S44=86,S54=85,S63=94,S73=88,S82=92,S92=91,S102=90, S111=95,S121=94,S131=93,并令相应的置信度为K15=1,K25=1,K35=1, K44=1,K54=1,K63=1,K73=1,K82=1,K92=1,K102=1,K111=1,K121=1, K131=1。
第六帧原始图像的模板匹配具体处理流程:
对单字符二值图,依次进行逐像素点特征提取和逐像素点模板匹配,得到匹 配结果为依次为1、5、0、5、8、6、8、0、1、2、0、1、0,相似度依次为S16=94, S26=90,S36=96,S45=86,S55=88,S64=91,S74=86,S83=95,S93=89,S103=89, S112=92,S122=91,S132=95,并令相应的置信度为K16=1,K26=1,K36=1, K45=1,K55=1,K64=1,K74=1,K83=1,K93=1,K103=1,K112=1,K122=1, K132=1。
完成对多帧原始图像的识别处理后,统一对多帧原始图像的识别结果进行统 计,首先比对各帧原始图像识别结果中的第一个字符,结果全部相同为1,累计 置信度为K1=6(无需统计累计相似度),则钢铁板坯编码第一个字符的识别结果 为1。
依次比对各帧原始图像识别结果中的各字符,获得结果如下:
钢铁板坯编码第二个字符:结果全部相同为5,累计置信度为K2=6(无需统 计累计相似度),则钢铁板坯编码第一个字符的识别结果为5;
钢铁板坯编码第三个字符:结果全部相同为0,累计置信度为K3=6(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为0;
钢铁板坯编码第四个字符:结果全部相同为5,累计置信度为K4=5(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为5;
钢铁板坯编码第五个字符:结果全部相同为8,累计置信度为K5=5(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为8;
钢铁板坯编码第六个字符:结果全部相同为6,累计置信度为K6=4(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为6;
钢铁板坯编码第七个字符:结果全部相同为8,累计置信度为K7=4(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为8;
钢铁板坯编码第八个字符:结果全部相同为0,累计置信度为K8=3(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为8;
钢铁板坯编码第九个字符:结果全部相同为1,累计置信度为K9=3(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为1;
钢铁板坯编码第十个字符:结果全部相同为2,累计置信度为K10=3(无需 统计累计相似度),则钢铁板坯编码第一个字符的识别结果为2;
钢铁板坯编码第十一个字符:结果全部相同为0,累计置信度为K11=2(无 需统计累计相似度),则钢铁板坯编码第一个字符的识别结果为0;
钢铁板坯编码第十二个字符:结果全部相同为1,累计置信度为K12=2(无 需统计累计相似度),则钢铁板坯编码第一个字符的识别结果为1;
钢铁板坯编码第十三个字符:结果全部相同为0,累计置信度为K13=2(无 需统计累计相似度),则钢铁板坯编码第一个字符的识别结果为0;
将单字符识别结果组合成字符串,即1505868012010,为钢铁板坯编码的初 步识别结果。将初步别结果与自定义编码规则进行校验,具体编码规则如下:
规则1:编码含有13个字符;
规则2:左起第一个字符为当前年份的尾数;
规则3:左起第二个字符只可能为5或者6;
规则4:左起第三个至第七个字符取值范围为00001~99999,如示例编码中 的03380;
规则5:左起第八个字符取值范围为0~2;
规则6:左起第九个字符取值范围为0~2;
规则7:左起第十个字符取值范围为1~4;
规则8:左起第十一个字符恒为0;
规则9:左起第十二个字符取值范围为1~9,即不可能为0;
规则10:左起第十三个字符恒为0。
经校验证明,初步识别结果满足以上全部自定义编码规则。
将初步识别结果即1505868012010与从现场PLC10获取的钢铁板坯编码信 息进行比对,当前现场PLC10获取的钢铁板坯编码信息中部分信息如下所示:
(1)1606023024020;
(2)1606023023020;
(3)1505868012010;
(4)1505867011040;
通过比对发现与(3)中钢铁板坯编码一致,证明此次识别结果准确无误, 则在系统界面上,输出识别结果:1505868012010。将该钢铁板坯编码,以及钢 铁板坯开始进入和离开CCD摄像机(1)的时间,作为识别结果信息,实时存储 到本地数据库中,并将运动目标检测与分割软件模块获得的含有完整钢铁板坯编 码的图像即图9,存储到本地硬盘中;将识别结果信息,通过工控机上的通讯端 口实时传送至热轧厂的操作部门。
机译: 板坯订单重配方法提高钢铁厂板坯利用率
机译: 改善钢铁厂板坯利用率的板坯重配方法
机译: 钢铁用stuetzrollengeruest-板坯连铸设备,特别是薄板-板坯连铸设备