導覽
近期變更
隨機頁面
新手上路
新頁面
優質條目評選
繁體
不转换
简体
繁體
3.141.19.156
登入
工具
閱讀
檢視原始碼
特殊頁面
頁面資訊
求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。
檢視 钢板号喷码字符识别技术 的原始碼
←
钢板号喷码字符识别技术
前往:
導覽
、
搜尋
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=http://5b0988e595225.cdn.sohucs.com/images/20191211/7a7f3f521d8440728f7e18591a211b9e.JPG width="300"></center> <small>[https://www.sohu.com/a/359707608_120219470 来自 搜狐网 的图片]</small> |} '''钢板号喷码字符识别技术'''[[智能]]制造冶金领域。 ==主要技术内容== ===技术背景和意义=== 钢板字符包括面喷及侧喷字符;传统[[钢铁]]生产线的钢板号信息、标印质量需人工确认。当前,随着智能制造的不断推进,产线向无人化升级日益紧迫,钢板字符识别是产品质量管控流程的重要一环,如何利用图像识别[[技术]]进行多种钢板表面字符检测从而替代人工识别是钢铁生产智能化<ref>[https://business.sohu.com/a/661385485_100097948 信息化,数字化,智能化是三种不同的概念吗?],搜狐,2023-03-31</ref>的攻关难点之一。 ===技术要点和优势=== 基本原理采用深度学习技术设计算法模型,其算法可以实现端到端的多种形式(钢板表面喷印字符、钢板表面钢印字符、钢板侧面喷印字符)的钢板字符识别。利用图像采集系统,自动采集钢板字符(钢板表面喷印字符、钢板表面钢印字符、钢板侧面喷印字符)的图像,将图像进行标注并得到标注文件,数据集由多种钢板字符图像及对应的标注文件组成。[[设计]]由三级网络模块构成的一种基于多级网络融合的钢板字符检测方法。利用一级网络模块YOLOv3目标检测对钢板表面图像的字符区域进行检出、并对检出区域进行质量判断,为提高YOLOv3特征提取的能力、提高多尺度预测的感受野对YOLOv3的主干卷积神经网络Darknet53进行改进。利用二级网络模块DBNet语义分割网络,将步骤31检出的表面喷印字符区域和钢印字符区域分割得到字符行。利用三级级网络模块EfficientDet网络进行单个字符检测,在分割得到的钢板表面字符行基础上准确识别每一个字符。利用迁移学习训练多级网络模型算法,解决[[训练]]过程中容易造成过拟合的问题,提升网络训练效果,实现端到端、鲁棒性强、检测精度高的在线钢板字符检测。 该设计既能保证识别的精度、还能保证算法的鲁棒性,实现了有效对多种类的钢板字符进行识别。 ==技术应用情况== 该技术在2021年应用于南京钢铁板卷厂加热炉集控、南京钢铁宽厚板厂精整车间后道识别、沙钢中板厂二级自动化改造、晋钢1450热轧炉前板坯识别等项目近30多套。该技术识别的钢板表面字符主要由 “0、1、2、3、4、5、6、7、8、9”[[阿拉伯数字]]<ref>[https://www.sohu.com/a/505234171_121266554 我们最熟知的阿拉伯数字,到底是怎么来的?],搜狐,2021-12-03</ref>、以及 “A、B、C、D、E、F、G、H、I、J、K、L、M、N、O、P、Q、R、S、T、U、V、W、X、Y、Z”二十六个英文字母组成。相比于与传统构造人工特征提取器的OCR技术相比,本应用中用到的基于深度神经网络的多模型融合目标检测模型,其算法结构设计更为[[简单]]、能自动提取特征、检测精度高、鲁棒性更好。其中单个字符检测准确率大于99.7%,14位钢板号综合检测准确率大于98%。 ==参考文献== [[Category:500 社會科學類]]
返回「
钢板号喷码字符识别技术
」頁面