一种具有自建模功能的商品油表面激光标码识别方法
【技术领域】
[0001] 本发明涉及一种具有自建模功能的商品油表面激光标码识别方法。
【背景技术】
[0002] OCR (Optical Character Recognition)是指光学字符识别技术。OCR可以应用于 一些字符识别的机器视觉方向的应用中，OCR是通过机器视觉软件在图像中读取字符与文 本的处理过程。
[0003] 而对于OCR光学字符识别研究的初期，多以文字的识别方法研究为主，且识别的 文字仅为〇至9的数字，随着计算机技术与社会各项技术的不断发展，通过人们的不断研 究创新，OCR光学字符识别技术也在不断的发展和革新，现如今OCR光学字符识别技术的 发展能够实现对字母、汉字、数字等多种字符的识别，并且在各个领域开始应用。国内外对 于字符识别技术的大多都应用在制药中检查药瓶标签和批次；在半导体应用中验证晶圆和 IC的包装码；以及应用在读取汽车部件上的字母、数字字符等方面。现阶段虽然字符识别 技术在多方面得到了广泛的应用，但是目前这项技术还没有在对商品油标码的检测上加以 应用。在商品油的整个生产和包装过程中，所有工序都已经基本实现了现代化，全机器式操 作，从而大大节省了人力；然而在商品油激光标码检测方面却依然采用落后的旧方法，即依 靠人力通过目测的方式去检测标码是否符合标准。对于激光标码一般需要仔细查看是否符 合标准规定，这对于检测人员来说很难长时间的集中检查，同时激光标码由于反光条件的 限制对人眼来说也很难快速看清。
[0004] 到目前为止，尽管人们在字符识别的研究中已取得很多可喜成就，但还不能满足 我们日常的需求。OCR光学字符识别技术可以说是一种不确定的技术研究，正确率就像是一 个无穷趋近函数，知道其趋近值，却只能靠近而无法达到，永远在与100%作拉锯战。因此， 研究一种自建模的商品油激光标码字符识别系统，提高字符识别准确率具有非常重要的意 义。
【发明内容】
[0005] 本发明的目的是为了克服【背景技术】中的不足之处，基于神经网络的识别算法对商 品油激光标码进行模式统计，实现自建模技术，再通过融合了 OCR光学字符识别技术，提出 了一种具有自建模功能的商品油表面激光标码识别方法。该方法依靠光源光照系统给商品 油进行打光，以便能够获得清晰的商品油激光标码的图像，同时采用镜头获取图像；同时， 在此方法中还加入了夹紧装置、剔除装置和激光触发装置，实现了一套完整的生产线装置。
[0006] 为了解决上述存在的技术问题实现发明目的，本发明是通过以下技术方案实现 的：
[0007] -种具有自建模功能的商品油表面激光标码识别方法，该方法内容包括如下步 骤：
[0008] 基于神经网络识别算法对商品油激光标码进行模式统计，实现自建模技术；采用 一种光源照明系统，对商品油上激光标码进行照明，获得清晰、无反光的激光标码的图像； 搭建系统平台，将相机、光源以及商品油的位置调整至最佳状态加以固定；用夹紧装置将 油桶夹紧固定，并保证印有激光标码的一面对准相机；打开相机，采集指定检测的商品油激 光标码的字符模版图像，并通过神经网络识别算法简单模拟人的大脑脑神经功能来实现输 入-输出的映射模型，完成对字符的分类识别采集，并作为模版；通过神经网络算法以及 OCR光学字符识别技术训练模版，获得模版字符集文件，并保存字符集文件到指定位置；确 定字符集模版后，运输商品油，当商品油到达指定位置后将使激光触发器触发，夹紧装置对 商品油夹紧固定，并确保商品油激光标码一侧对准相机镜头，相机则开始获取图像并处理， 采集商品油激光标码图像；指定商品油上需要检测的激光条码的ROI区域，然后进行字符 识别、阅读字符的图像处理阶段，字符识别匹配后返回字符值以及识别出的正确的字符，显 示字符匹配的最终结果；在检测完商品油上的激光标码后，若匹配结果字符合格，则商品油 合格继续运输，若匹配结果字符不合格，通过给剔除装置发信号将错误产品剔除生产线，则 由剔除装置将不合格的商品油剔除；最后实现对字符识别的功能，完成对商品油上激光条 码的字符检测，进而可以达到精确的对商品油激光条码的检测；
[0009] 所述的神经网络就是一种模拟人脑生物神经网络结构及功能的自适应非线性动 态信息处理系统；所述的神经网络识别算法主要是训练环节；
[0010] 所述的训练环节是为了将隐含在训练数据中的复杂知识和规律提取出来，以网络 连接权值的方式分布存储使用；神经网络神经元是一个动态自适应的信号处理单元，其神 经网络权值大小可以由所接受的输入信号、输出信号以及监督信号进行调整；假设神经网 络权值矩阵为W，通用学习规则可表达为：权向量^在〖时刻的调整量AW jU)与学习信号 r和t时刻的输入向量X(t)的乘积成正比，数学表达式为：
[0012] 式中，η为学习常数，决定了学习速率；d,为教师信号；
[0013] 采用一种人工智能的模糊字符识别技术，在经过神经网络对商品油激光标码进行 模式统计，并建立字符模型后，再通过与OCR光学字符识别技术相结合，将模版字符集形 成字符集文件；将建立的字符集模版与采集到的商品油上激光条码的图像进行对比，进行 阅读程序；将训练过程中创建的字符集与这些采集到的图像中目标片段的字符进行比较； OCR从图像中的每个目标片段中提取字符并与存储在字符集中的每个字符进行比较；随后 OCR字符检测返回字符的字符值，这个字符值指的是字符集中与字符的最佳匹配，同时返回 一个非零的分类分数；如果字符集中没有与目标相匹配的字符，OCR函数会返回一个代替 字符作为字符值，并且返回分类分数为〇 ;从而达到商品油上激光条码高精度检测的目的。
[0014] 所述的人工智能的模糊字符识别技术具有可以自动判断所给定的或者新得到的 对象属于哪一类，或者是否为一个新的类别，具有客体信息表达更加合理，信息利用充分， 识别稳定性好，推理能力强的特点。
[0015] 在具有自建模功能的商品油表面激光标码识别方法中，需要选取特殊的镜头作为 拍摄工具，以及需要特殊的光源进行光照，在此基础上可以获得商品油上清晰的激光标码； 本发明方法识别系统在商品油生产线上实施时，则不可缺少一种夹紧装置用来使传输带上 运动的油桶在到达指定位置的时候能够固定并停留短暂的时间，同时也确保商品油的固定 能使激光标码一侧稳定的对准相机镜头，以此提高检测精度；本发明方法识别系统在生产 线上还加入了剔除装置，在对每个商品油上激光标码检测完毕后，能够将检测到商品油激 光标码有问题、有错误的商品油剔除出生产线。
[0016] 由于采用上述技术方案，本发明与现有技术相比，具有这样的有益效果：
[0017] 该方法基于神经网络识别算法，并且在融合了 OCR光学字符识别技术的基础上， 可以实现对商品油激光标码的模式统计，并且进行自建模，实现模版字符集文件的建立；该 方法将目标图像采集、目标图像处理、自动采集目标图像并进行目标图像处理集于一体，操 作界面功能齐全而简练，可以使人一目了然，操作简单；该方法通过有效的光源打光方式避 免了由于商品油桶上材质反光而导致获取的图像中所检测字符不清晰的现象，从而可以获 取到清晰的商品油上激光标码的图像；所采用的OCR光学字符识别检测技术以及ROI兴