基于角點(diǎn)檢測(cè)的鋼板號(hào)點(diǎn)陣噴印字符定位算法研究

王文 袁君奇 王成林

摘 要：實(shí)現(xiàn)鋼板號(hào)點(diǎn)陣噴印字符的自動(dòng)識(shí)別是鋼廠生產(chǎn)線實(shí)現(xiàn)自動(dòng)化生產(chǎn)物料跟蹤的關(guān)鍵環(huán)節(jié)，對(duì)字符的準(zhǔn)確定位又是字符能夠準(zhǔn)確識(shí)別的重要步驟。針對(duì)某鋼廠寬厚板1號(hào)生產(chǎn)線鋼板檢測(cè)所涉及到的點(diǎn)陣噴印字符定位問(wèn)題，提出了一種基于角點(diǎn)檢測(cè)的鋼板號(hào)點(diǎn)陣噴印字符定位算法。運(yùn)用改進(jìn)的meanshift聚類算法找出角點(diǎn)的中心，并以該中心為字符區(qū)域的中心，進(jìn)而完成鋼板點(diǎn)陣噴印字符的定位。結(jié)果表明，該定位算法能快速、準(zhǔn)確地完成鋼板號(hào)點(diǎn)陣噴印字符的定位，具有更好的準(zhǔn)確性和快速性，能滿足實(shí)際生產(chǎn)的需求。

關(guān)鍵詞：自動(dòng)化生產(chǎn)、字符定位、角點(diǎn)檢測(cè)、meanshift

引言：

OCR （Optical Character Recognition，光學(xué)字符識(shí)別）是指電子設(shè)備檢查打印在各種物品上的字符（如產(chǎn)品LOGO、生產(chǎn)日期、編碼等），通過(guò)檢測(cè)暗、亮的模式確定其形狀，然后用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。1929年，德國(guó)人Tausheck提出了光學(xué)字符識(shí)別的定義[1]。近年來(lái)，國(guó)內(nèi)外掀起了新一波圖像字符識(shí)別的熱潮，國(guó)內(nèi)外許多機(jī)構(gòu)致力于OCR的研究。光學(xué)字符識(shí)別技術(shù)大致包括四個(gè)步驟，它們分別是圖像預(yù)處理，字符定位，字符分割，字符識(shí)別[2]。

目前，大多鋼廠檢測(cè)鋼板表面的點(diǎn)陣噴碼字符都是通過(guò)人工檢測(cè)的方式，此種方式存在一定缺陷，不足之處表現(xiàn)為：（1）鋼廠生產(chǎn)線環(huán)境較為惡劣，產(chǎn)品往往附帶高溫燙傷、運(yùn)動(dòng)造成的機(jī)械傷害、粉塵污染等對(duì)工人身體造成身體損傷的危險(xiǎn)因素，安全性較差;（2）工人工作效率低，檢測(cè)的鋼板需要肉眼判定，人工錄入，且長(zhǎng)時(shí)間工作易產(chǎn)生視覺(jué)疲勞，出現(xiàn)誤檢漏檢現(xiàn)象，從而影響鋼板的處理，導(dǎo)致鋼板質(zhì)量受到不可逆的影響。伴隨著鋼鐵產(chǎn)業(yè)在國(guó)內(nèi)的持續(xù)發(fā)展，鐵水產(chǎn)量和鋼水產(chǎn)量不斷創(chuàng)出新高，鋼鐵廠生產(chǎn)線生產(chǎn)速度加快，產(chǎn)品質(zhì)量要求提高，人工檢測(cè)鋼板號(hào)的傳統(tǒng)方法已不能滿足現(xiàn)代鋼鐵工業(yè)生產(chǎn)的需求，迫切需要研究鋼板號(hào)點(diǎn)陣噴碼識(shí)別技術(shù)替換人工檢測(cè)的方法，提高鋼鐵生產(chǎn)的智能化水平，實(shí)現(xiàn)鋼鐵廠生產(chǎn)過(guò)程中的智能檢測(cè)和識(shí)別。通過(guò)對(duì)現(xiàn)有字符區(qū)域定位算法的研究，分析了現(xiàn)有字符區(qū)域定位算法的優(yōu)缺點(diǎn)，以鋼廠實(shí)際生產(chǎn)線上點(diǎn)陣噴印字符區(qū)域定位為目標(biāo)，借鑒了多種算法的思想，提出了應(yīng)用于實(shí)際生產(chǎn)中的鋼板點(diǎn)陣噴印字符區(qū)域的定位算法，并與以往傳統(tǒng)算法在準(zhǔn)確率和時(shí)間上做了對(duì)比，通過(guò)實(shí)地測(cè)試，驗(yàn)證了該算法能精確定位出鋼板點(diǎn)陣字符區(qū)域，能較好地應(yīng)用于復(fù)雜多變的鋼廠生產(chǎn)環(huán)境，具有較高的可靠性和有效性。

當(dāng)前金屬生產(chǎn)標(biāo)記方法介紹

冶金產(chǎn)品的標(biāo)識(shí)方式有：金屬標(biāo)簽打印，墨水噴印，涂料噴印，金屬粉末單槍噴印，壓印，熱態(tài)針打印或者刀片壓印等，也有采用電化學(xué)方法對(duì)金屬表面進(jìn)行蝕刻來(lái)標(biāo)記[3]。

另外，也有輥壓式，沖打式的標(biāo)記方法[4]。寬厚板廠1號(hào)生產(chǎn)線采用點(diǎn)陣熱噴碼技術(shù)噴印在鋼板上的。

難點(diǎn)

（1）寬厚板生產(chǎn)線現(xiàn)場(chǎng)環(huán)境復(fù)雜，鋼板在生產(chǎn)線上動(dòng)作速度不均勻，持續(xù)的高溫和為了降溫采取的噴水霧造成字符模糊情況，諸多不穩(wěn)定的現(xiàn)場(chǎng)圖像采集條件等都不利于相機(jī)的拍攝，直接導(dǎo)致相機(jī)采集到的圖片質(zhì)量不高，從而間接影響了鋼板點(diǎn)陣噴印字符定位的準(zhǔn)確度。

（2）現(xiàn)場(chǎng)的線陣相機(jī)實(shí)際采集到的圖片大小為2048*10000，而字符區(qū)域從180*450到220*650不等，且由于客戶需求不同，生產(chǎn)的鋼板大小不一從而導(dǎo)致字符區(qū)域在整個(gè)鋼板的位置變化不定，這加大了字符定位的難度。圖1.1為線陣相機(jī)采集到的鋼板圖像。

（3）鋼板表面粗糙、易生銹，且處理環(huán)節(jié)較多，一些使用噴水霧對(duì)鋼板降溫的過(guò)程導(dǎo)致拍攝到的圖片中字符背景顏色復(fù)雜且噪聲多。

（4）鋼板在輥道上運(yùn)動(dòng)時(shí)噴印點(diǎn)陣字符，采集鋼板圖像時(shí)鋼板也處于運(yùn)動(dòng)狀態(tài)。而點(diǎn)陣噴印設(shè)備的機(jī)械故障以及噴嘴口堵塞會(huì)造成字符區(qū)域傾斜、變形等，增大了鋼板號(hào)點(diǎn)陣噴印字符的定位難度。

大多數(shù)字符區(qū)域定位方法都是基于特定的場(chǎng)合或者特定字符，例如：Shekar采用梯度作為紋理特征并結(jié)合啟發(fā)式規(guī)則對(duì)字符區(qū)域進(jìn)行定位[5]。Tian YingLi和Li ChunCai等人利用字符區(qū)域的梯度特征和顏色均勻性來(lái)形成候選字符區(qū)域，并利用結(jié)構(gòu)分析形成文本行[6]。胡正平采用筆畫(huà)作為紋理特征并利用支持向量機(jī)來(lái)區(qū)分字符和非字符區(qū)域[7]。Mariano等人對(duì)圖像進(jìn)行顏色聚類操作，并分析聚類結(jié)果獲得候選字符區(qū)域[8]。本文研究的內(nèi)容是從線陣相機(jī)采集到的鋼板圖片中，圖像采集質(zhì)量不穩(wěn)定。因此，一般的字符區(qū)域定位方法不能適用于復(fù)雜生產(chǎn)線上鋼板號(hào)點(diǎn)陣噴印字符，無(wú)法準(zhǔn)確定位出鋼板點(diǎn)陣噴印字符的具體位置，并提取出鋼板號(hào)點(diǎn)陣字符。

4.1 meanshift聚類算法

meanshift算法是一種基于密度的非參數(shù)聚類算法，它是通過(guò)迭代尋優(yōu)找到概率分布的極值。meanshift最初的含義是偏移的均值向量。現(xiàn)在，meanshift算法通常指一種迭代的步驟，具體步驟為：算出當(dāng)前中心點(diǎn)的偏移均值，將當(dāng)前中心點(diǎn)移動(dòng)到偏移均值點(diǎn)上，然后以此為新的起點(diǎn)計(jì)算出該點(diǎn)的偏移均值后繼續(xù)移動(dòng)，不斷重復(fù)上述步驟，直至滿足一定要求后結(jié)束。

基本的Meanshift推導(dǎo)過(guò)程如下：

Meanshift算法是將中心點(diǎn)持續(xù)不斷的沿著概率密度增大的方向上移動(dòng)，直至中心點(diǎn)移動(dòng)到密度最大處。中心點(diǎn)移動(dòng)步長(zhǎng)和概率密度、梯度有關(guān)，越靠近概率密度峰值的概率密度大的地方移動(dòng)的步長(zhǎng)就會(huì)越小一些，而在概率密度小的地方，中心點(diǎn)移動(dòng)的步長(zhǎng)比較大。但是基本的meanshift聚類算法缺點(diǎn)較為明顯，易受到初值影響，初值設(shè)定不恰當(dāng)可能會(huì)陷入局部最優(yōu)。

4.2 改進(jìn)的meanshift聚類算法

基本的meanshift算法能很好找出角點(diǎn)集的中心，但它受設(shè)定初值的影響較多，可能陷入局部最優(yōu)，無(wú)法解決偏離設(shè)定初值較多時(shí)出現(xiàn)異常情況的問(wèn)題。本文針對(duì)此問(wèn)題，根據(jù)寬厚板廠1號(hào)生產(chǎn)線鋼板號(hào)點(diǎn)陣噴印字符區(qū)域的特點(diǎn)，提出了改進(jìn)的meanshift聚類算法，并將其運(yùn)用在鋼板號(hào)點(diǎn)陣字符區(qū)域定位上。

生產(chǎn)線上采集到的鋼板圖片是二維圖像，且鋼板點(diǎn)陣噴印字符區(qū)域?yàn)榫匦味菆A形，因此，meanshift算法中指定區(qū)域采用圓形區(qū)域并不能很好地涵蓋字符角點(diǎn)區(qū)域。經(jīng)過(guò)現(xiàn)場(chǎng)大量測(cè)試，本文針對(duì)鋼板號(hào)點(diǎn)陣字符矩形區(qū)域的特點(diǎn)，將圓形區(qū)域改為矩形區(qū)域，大小為字符區(qū)域的最大值即220*650，當(dāng)Meanshift算法移到密度中心的時(shí)候，檢測(cè)區(qū)域與字符區(qū)域可保證基本重合。

由于采集圖像的異常情況較多，用改進(jìn)的FAST角點(diǎn)檢測(cè)算法檢測(cè)出的角點(diǎn)中，仍有部分角點(diǎn)為噪聲角點(diǎn)，這些角點(diǎn)大多是零散的分布在圖像的各個(gè)地方，使用傳統(tǒng)的meanshift算法進(jìn)行聚類，若初始中心點(diǎn)為一個(gè)孤立的噪聲角點(diǎn)則會(huì)出現(xiàn)局部最優(yōu)的問(wèn)題，針對(duì)此問(wèn)題，本文在傳統(tǒng)的meanshift算法中加了一個(gè)判定從而避免了噪聲角點(diǎn)造成定位錯(cuò)誤的情況出現(xiàn)。改進(jìn)的meanshift算法具體步驟如下：

（1）程序?qū)z測(cè)區(qū)域設(shè)置為220*650的矩形區(qū)域，從點(diǎn)集中隨機(jī)選取一點(diǎn)為中心點(diǎn)。

（2）程序計(jì)算該矩形檢測(cè)區(qū)域內(nèi)的偏移均值，計(jì)算公式為式1.1。

（3）程序?qū)⒅行狞c(diǎn)的位置加上M_h （x）得到新的偏移均值點(diǎn)。

（4）程序?qū)⒅行狞c(diǎn)移到新的偏移均值點(diǎn)處。

（5）程序重復(fù)步驟（2）-（4），直至滿足設(shè)定要求后進(jìn)行下一步操作。

（6）程序統(tǒng)計(jì)檢測(cè)區(qū)域內(nèi)角點(diǎn)的數(shù)量，若小于設(shè)定閾值為陷入局部最優(yōu)，則從步驟（1）中重新開(kāi)始;若大于設(shè)定閾值則聚類完成。

在改進(jìn)的meanshift算法中，實(shí)際字符區(qū)域大小與檢測(cè)區(qū)域的大小基本相同，字符區(qū)域中心點(diǎn)與聚類的中心點(diǎn)基本重合。

4.3準(zhǔn)確定位鋼板點(diǎn)陣噴印字符區(qū)域

通過(guò)對(duì)改進(jìn)檢測(cè)算法檢測(cè)到的候選角點(diǎn)進(jìn)行分析，發(fā)現(xiàn)采集到的不噴印點(diǎn)陣鋼號(hào)字符的鋼板圖片即空?qǐng)D中只有少數(shù)的幾個(gè)噪聲角點(diǎn)，而有噴印字符的圖片中，角點(diǎn)數(shù)量基本穩(wěn)定在算法設(shè)定的范圍區(qū)間之內(nèi)，根據(jù)這一特征，算法先根據(jù)檢測(cè)到的角點(diǎn)數(shù)量區(qū)分空?qǐng)D和有字符圖。如果總角點(diǎn)數(shù)量大于設(shè)定值，判定為有效字符圖，程序進(jìn)行處理分析;但如果總角點(diǎn)數(shù)量小于設(shè)定值則為判定為空?qǐng)D，程序直接越過(guò)meanshift算法，進(jìn)行下一張圖像的檢測(cè)。

通過(guò)分析對(duì)比發(fā)現(xiàn)，有效圖中字符角點(diǎn)分布密集且有規(guī)律性，角點(diǎn)集的中心一般為字符區(qū)域的中心，因此考慮用聚類算法找出角點(diǎn)集的中心并進(jìn)行定位。

經(jīng)過(guò)大量的實(shí)驗(yàn)證明，改進(jìn)的meanshift聚類算法能通過(guò)檢測(cè)角點(diǎn)集的中心的方法確定字符區(qū)域的中心，從而準(zhǔn)確定位出鋼板號(hào)點(diǎn)陣噴印字符區(qū)域，且不易出現(xiàn)噪聲角點(diǎn)造成定位錯(cuò)誤的情況。

4.4 實(shí)驗(yàn)結(jié)果分析

圖4.2展示了對(duì)比度較大、噴印清晰的正常的圖像。由圖4.2可以看出，對(duì)于對(duì)比度大、噴印清晰的正常圖片，該算法能準(zhǔn)確的定位出點(diǎn)陣字符的位置。在生產(chǎn)線采集的圖像中上，大部分圖片是類似于圖4.2的噴印清晰、字符對(duì)比度和背景對(duì)比度較大的圖片，而字符區(qū)域相對(duì)整張圖片來(lái)說(shuō)十分小。與普通字符的定位不同，該鋼板圖片是灰度圖，字符與背景的灰度都是無(wú)法采用固定參數(shù)設(shè)定，加之該鋼板點(diǎn)陣字符是由一個(gè)個(gè)油漆點(diǎn)噴印組成，具有離散性，無(wú)法形成大片的連通區(qū)域，對(duì)字符的定位增加了不小的難度。而本文的定位算法能快速、準(zhǔn)確的定位出點(diǎn)陣噴印字符區(qū)域。

從實(shí)驗(yàn)結(jié)果看，本文的算法能很好的滿足寬厚板廠1號(hào)生產(chǎn)線生產(chǎn)需求，可以準(zhǔn)確、快速的定位出鋼板號(hào)點(diǎn)陣噴印字符區(qū)域，對(duì)于背景與字符對(duì)比度比較小、字符區(qū)域較小或者噴印效果差的圖像也能較高的定位準(zhǔn)確率。

對(duì)測(cè)試集中的圖像進(jìn)行測(cè)試，總的實(shí)驗(yàn)結(jié)果如下：

總結(jié)

本文在來(lái)源于某鋼廠寬厚板1號(hào)線物料跟蹤項(xiàng)目的背景下，通過(guò)對(duì)現(xiàn)有OCR定位算法的研究，分析現(xiàn)有OCR定位算法的優(yōu)缺點(diǎn)，并以實(shí)際生產(chǎn)線上點(diǎn)陣噴印字符區(qū)域定位為目標(biāo)，借鑒多種算法的思想，提出了應(yīng)用于實(shí)際生產(chǎn)中的鋼板號(hào)點(diǎn)陣噴印字符區(qū)域的改進(jìn)定位算法，并與傳統(tǒng)算法在準(zhǔn)確率和時(shí)間上做了對(duì)比，通過(guò)大量實(shí)驗(yàn)驗(yàn)證了該算法能精確定位出鋼板點(diǎn)陣字符區(qū)域，能較好地適合生產(chǎn)環(huán)境復(fù)雜多變的鋼廠生產(chǎn)線物料跟蹤項(xiàng)目，解決物料跟蹤項(xiàng)目中的實(shí)際問(wèn)題，因此該算法具有較高的可靠性和有效性。

參考文獻(xiàn)

[1]Mori S. Historical Review of OCR Research and Development[J]. Proceedings of IEEE， 1992， 80（7）： 1029-1058

[2]Liu C， Wang C， Dai R. Text detection in images based on unsupervised classification of edge-based features[C]//Document Analysis and Recognition， 2005. Proceedings. Eighth International Conference on. IEEE， 2005： 610-614.

[3]王燕.金屬工業(yè)中的標(biāo)記[J].鍛壓技術(shù)，1982（05）：64+63.

[4]呂福在. 鋼鐵產(chǎn)品標(biāo)識(shí)技術(shù)的現(xiàn)狀及其發(fā)展[A]. 中國(guó)金屬學(xué)會(huì)青年委員會(huì)、北京機(jī)械工程學(xué)會(huì).第三屆先進(jìn)軋鋼精整、包裝及鋼材加工配送技術(shù)學(xué)術(shù)研討會(huì)論文集[C].中國(guó)金屬學(xué)會(huì)青年委員會(huì)、北京機(jī)械工程學(xué)會(huì)：，2010：9.

[5] Shekar， ?B.H.; ?Smitha， ?M.L.， ?"Text ?localization ?in ?video/scene ?images ?using ?Kirsch Directional Masks，" in Advances in Computing， Communications and Informatics （ICACCI）， 2015 International Conference on ， Aug. 2015， pp.1436-1440.

[6] Yi ?C， ?Tian ?Y ?L. ?Text ?string ?detection ?from ?natural ?scenes ?by ?structure-based ?partition ?and grouping[J]. Image Processing， IEEE Transactions on， 2011， 20（9）： 2594-2605.

[7] 胡正平，王瑾.多尺度-方向筆畫(huà)結(jié)合 SVM 驗(yàn)證的文字區(qū)域定位[J]. ?儀器儀表學(xué)報(bào)，2010，04：916-922.

[8] Mariano V Y， Kasturi R. Locating uniform-colored text in video frames[C]//Pattern Recognition， 2000. Proceedings. 15th International Conference on. IEEE， 2000， 4： 539-542.