鋼板號噴碼字符識別技術
主要技術內容
技術背景和意義
鋼板字符包括面噴及側噴字符;傳統鋼鐵生產線的鋼板號信息、標印質量需人工確認。當前,隨着智能製造的不斷推進,產線向無人化升級日益緊迫,鋼板字符識別是產品質量管控流程的重要一環,如何利用圖像識別技術進行多種鋼板表面字符檢測從而替代人工識別是鋼鐵生產智能化[1]的攻關難點之一。
技術要點和優勢
基本原理採用深度學習技術設計算法模型,其算法可以實現端到端的多種形式(鋼板表面噴印字符、鋼板表面鋼印字符、鋼板側面噴印字符)的鋼板字符識別。利用圖像採集系統,自動採集鋼板字符(鋼板表面噴印字符、鋼板表面鋼印字符、鋼板側面噴印字符)的圖像,將圖像進行標註並得到標註文件,數據集由多種鋼板字符圖像及對應的標註文件組成。設計由三級網絡模塊構成的一種基於多級網絡融合的鋼板字符檢測方法。利用一級網絡模塊YOLOv3目標檢測對鋼板表面圖像的字符區域進行檢出、並對檢出區域進行質量判斷,為提高YOLOv3特徵提取的能力、提高多尺度預測的感受野對YOLOv3的主幹卷積神經網絡Darknet53進行改進。利用二級網絡模塊DBNet語義分割網絡,將步驟31檢出的表面噴印字符區域和鋼印字符區域分割得到字符行。利用三級級網絡模塊EfficientDet網絡進行單個字符檢測,在分割得到的鋼板表面字符行基礎上準確識別每一個字符。利用遷移學習訓練多級網絡模型算法,解決訓練過程中容易造成過擬合的問題,提升網絡訓練效果,實現端到端、魯棒性強、檢測精度高的在線鋼板字符檢測。 該設計既能保證識別的精度、還能保證算法的魯棒性,實現了有效對多種類的鋼板字符進行識別。
技術應用情況
該技術在2021年應用於南京鋼鐵板卷廠加熱爐集控、南京鋼鐵寬厚板廠精整車間後道識別、沙鋼中板廠二級自動化改造、晉鋼1450熱軋爐前板坯識別等項目近30多套。該技術識別的鋼板表面字符主要由 「0、1、2、3、4、5、6、7、8、9」阿拉伯數字[2]、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」二十六個英文字母組成。相比於與傳統構造人工特徵提取器的OCR技術相比,本應用中用到的基於深度神經網絡的多模型融合目標檢測模型,其算法結構設計更為簡單、能自動提取特徵、檢測精度高、魯棒性更好。其中單個字符檢測準確率大於99.7%,14位鋼板號綜合檢測準確率大於98%。
參考文獻
- ↑ 信息化,數字化,智能化是三種不同的概念嗎?,搜狐,2023-03-31
- ↑ 我們最熟知的阿拉伯數字,到底是怎麼來的?,搜狐,2021-12-03