解决低质量图像给识别任务带来的困难,构造了一个由图像增强网络(EnCNN)和手写体数字识别网络(LeNet-5)组成的低质量图片识别框架.将图像增强网络嫁接在识别网络前,并使用提出的策略进行模型学习.使得低质量图像在被识别前图像质量得到较大的改善,终实现低质量手写体图像识别率的提高.实验部分将提出的方法和在单纯使用低质量图像或高清图作为训练集进行训练的方法进行了对比,实验表明在低质量图像上,提出的方法有更高的数字识别率,且有更强的泛化能力.
包装袋喷码品质对食品安全安全性起着关键功效。文中依据食品包装材料制造行业对包装袋子喷码缺点的检验规定,设计了一种根据机器视觉技术的包装袋子喷码监测系统。本系统软件由线光源、图象收集模块、图象处理模块、传输模块及其剔除模块构成,可以对喷码出現的普遍缺点如漏印、错印、磨叽环境污染、残缺不全等开展自动识别及其将不合格品运用喷嘴剔除出来。对于字符缺陷检测系统软件中牵涉到的核心技术开展了深入分析。详细介绍了根据机器视觉技术喷码字符缺陷检测的选题背景及发展状况,随后依据工业生产检验的特性及其工业生产当场的具体情况,设计了一套喷码字符缺陷检测试验设备。本试验设备的研究方向关键包含三个层面:1.系统软件硬件配置机器设备的设计与搭建,视觉检测PET瓶日期码,包含机械设备关键构件的设计与校对,工业相机、图像采集卡的型号选择,光源类型挑选和照明灯具方法设计,视觉检测,照相机外界开启机器设备光电开关的型号选择等。2.喷码字符鉴别及缺陷检测优化算法的设计与完成。3.不合格品剔除模块的设计与完成。试验说明,本系统软件可融入具体生产制造的必须。从图象处理优化算法视角考虑,对字符鉴别及缺陷检测开展了科学研究,对于工业生产当场自然环境不稳定要素的影响,明确提出对图象开展中值滤波、阀值解决,对预备处理后的图象开展仿射变换,视觉检测喷码模糊缺陷,对字符地区视角歪斜的校准等。