基于图像区域和骨架特征的条形码印刷缺陷检测算法

条形码广泛用于商品的流通,为提高条形码质检的准确性和效率,提出了基于图像区域特征和骨架特征的条形码印刷缺陷检测算法。相机采集条形码图像后,利用模板匹配定位条形码,按照仿射变换参数进行图像矫正;然后,通过阈值分割、连通域、闭运算等处理,得到条码ROI待检区域;最后,利用区域最小外接矩形长度特征、区域矩形度特征、骨架特征先后检测条符,识别缺陷位置并存入新区域。生产现场测试表明,该方案的检测成功率为99.2%,平均耗时51.982 ms;实验仿真数据还验证所提算法适用不同角度的图像。与其他方法相比,该算法在识别精度、运行速度和鲁棒性方面均具有优势,能获得较好的检测效果。     

基于图像技术的EAN-13条码识别系统设计

条形码技术作为一种数据采集和自动识别技术应用非常广泛。为了更好地满足应用场景的自动化功能需求,利用图像处理相关技术,对EAN-13条形码识别的相关算法进行了研究。首先,针对采集到的条形码图像进行图像预处理,包括图像灰度化、基于Hough变换的图像倾角矫正、目标分割和图像滤波;然后根据条形码编码的既定规则,采用平均值法和校验码验证法对条形码进行译码;最后,利用MATLAB仿真软件,设计了一个条形码识别系统。通过实验验证,所设计的系统识别率可以达到99%以上,取得了很好的效果。     

车牌定位及倾斜矫正方法研究

为提高车牌定位的有效性和准确性,利用车牌的纹理特征,提出基于边缘检测和形态学运算相结合的车牌定位算法。在摄取车牌图像的过程中,会因为各种原因导致车牌图像有不同程度的倾斜变形,而倾斜的车牌很难被分割和识别,必须进行倾斜矫正,使用了基于Hough变换的倾斜矫正算法。实验结果表明该车牌定位算法和倾斜矫正算法快速有效。     

基于轻量化深度学习的指针式仪表读数方法

为了降低神经网络模型对工业现场边缘计算设备计算资源的过度依赖,提出了一种轻量级MobileNetV3-YOLOv5s模型的指针式仪表读数方法。以YOLOv5s网络模型为基础,使用MobileNetV3作为主干特征提取网络,完成模型的轻量化改进。随后,利用该网络模型进行仪表区域检测、分类和分割,在使用Sift算法定位仪表区域和仪表指针后,利用得到的仪表倾斜角度信息与仪表指针旋转角度信息实现仪表的倾斜矫正和数据读取。在树莓派上进行测试,实验结果表明,提出的轻量化仪表检测算法虽然准确率较YOLOv5s和SSD模型略有降低,但是其推理耗时和模型占用内存具有显著优势。且测试表明提出算法读数相对误差控制在1%以内。因此,该方法一定程度上可以为在低成本边缘计算设备上运行复杂大型神经网络模型进行工业现场指针式仪表数据读取提供技术支持。     

一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于Gabor小波变换的图像倾斜矫正算法.首先选取一定角度的Gabor小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换,记下各个角度下变换系数的个数,然后对倾斜图像进行与标准图像同样的变换,记下倾斜图像最多变换系数个数和此时的Gabor小波函数角度,与标准图像各个角度下的小波变换系数个数相比,取距离d为判据,当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函数角度的差值即为倾斜图像的矫正角.实验结果证明该算法能有效地实现倾斜图像的矫正.     

一种新的字符图像倾斜矫正与分割算法

针对传统的倾斜矫正与分割算法对不同类型的字符图像处理效果各异的问题,本文提出了一种改进的算法,加入了新的倾斜角度确定准则、阈值动态调整以及区域后处理,不仅解决了传统方法易受噪声和复杂背景干扰、可操作性差的问题,而且也有效地实现了字符图像的倾斜矫正与分割.实验结果表明,尽管新算法在像素点判断次数上多于最大类间方差算法,但...     

基于数字图像处理的EAN13码识别

主要研究通过数字图像处理的方法识别ENA13条形码图像条码信息的问题。首先介绍了条码结构。然后针对传统方法的缺陷引入基于图像处理的识别方法,通过图像预处理、图像分割、图像矫正和译码4个步骤识别条形码。阐述了针对含有噪声点的模糊图像和输入角度随机两种情况的条码识别。最后通过给出相关实验结果验证了算法的可行性和实用性。     

一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于GabDr小波变换的图像倾斜矫正算法。首先选取一定角度的GabDr小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换，记下各个角度下变换系数的个数，然后对倾斜图像进行与标准图像同样的变换，记下倾斜图像最多变换系数个数和此时的GabDr小波函数角度，与标准图像各个角度下的小波变换系数个数相比，取距离d为判据，当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函效角度的差值即为倾斜图像的矫正角。实验结果证明该算法能有效地实现倾斜图像的矫正。     

车牌识别中倾斜牌照的快速矫正算法

在车辆牌照自动识别(LPR)过程中，车牌图像的倾斜会给下一步字符切分和识别带来困难。利用传统Hough变换进行矫正的运算量很大，文中提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略，在最大程度上减少矫正过程的运算量。实验结果表明，该方法可以准确地检测出车牌的倾斜角度，同时矫正速度比传统Hough变换方法提高10倍左右。     

基于Bi-SSD的小目标检测算法

针对目前目标检测技术中小目标检测困难问题, 提出了一种基于SSD (Single Shot multibox Detector) 改进的小目标检测算法Bi-SSD (Bi-directional Single Shot multibox Detector). 该算法为SSD的浅层特征设计了小目标特征提升模块, 在网络的分类和回归部分结合多尺度特征融合方法和BiFPN (Bi-directional Feature Pyramid Network) 结构, 设计了6尺度BiFPN分类回归子网络. 实验结果表明, 在PASCAL VOC和MS COCO目标检测数据集上Bi-SSD相比原始的SSD算法有更好的检测性能. 其中VOC2007+2012上Bi-SSD算法的mAP指标达到了78.47%相较SSD算法提升了1.34%, 在COCO2017上Bi-SSD算法的mAP达到26.4%提升了接近2.4%.