基于机器视觉的SD卡包装字符识别系统研究

李昂

摘要：为了对不同种类SD卡包装进行自动识别与分类，研究了基于机器视觉的SD卡包装字符识别系统。设计了图像处理与图像识别方法，提出了基于对角线中点的区域定位方法，利用投影直方图进行特征提取，通过计算巴氏距离相似度对区域内数字字符进行识别。搭建了SD卡包装视觉检测系统平台。实验表明，本系统能有效对不同容量大小的SD卡包装进行识别与分类，并有较高的准确率。

关键词：机器视觉；边缘检测；投影直方图；字符识别

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）03-0170-02

Research on SD Card Character Recognition System Based on Machine Vision

LI Ang

（College of Information Engineering， JiuJiang Vocational University ，Jiujiang 332000， China）

Abstract： In order to realize the automatic recognition and classification of different types of SD card， the character recognition system based on machine vision is studied.Image processing and image recognition methods are designed.A regional positioning method based on the diagonal points is proposed.By using the projection histogram as the feature， the digital characters in the area are identified by calculating the similarity of the Bhattacharyya distance.The platform of visual inspection system has been set.Experiments show that the system can effectively identify and classify memory cards of different sizes， and the detection rate is accurate.

Key words： machine vision， edge detection， projection histogram， character recognition

1 概述

SD卡又稱为内存卡，其作为存储扩展设备广泛应用于手机、数码相机、平板电脑等便携式手持设备中，具有尺寸小、便于携带、方便使用等优点。随着微电子技术的发展，SD卡的存储容量不断提升，不同容量大小的内存卡可供用户进行选择。在生产过程中，批量生产的内存卡被包装完毕后，需要人工对不同容量大小的SD卡进行分类。本文研究一种基于机器视觉的自动识别系统来代替人工，可以避免人工因长时间工作疲劳而降低识别准确率，同时降低企业的用人成本，实现自动化检测。

国内外有关工业产品的机器视觉检测研究十分热门。文献[1-3]中作者使用机器视觉技术对数字仪表中的字符进行检测并构建系统。文献[4-6]中作者将机器视觉技术用于车牌字符识别中。本文设计了一套基于机器视觉的SD卡包装字符识别系统方案，使用低成本CMOS工业相机进行图像采集，在图像处理过程中，本文首先对感兴趣区域进行定位，提取字符图像的投影直方图特征对不同数字字符进行识别。实验结果表明，本系统具有良好的检测效果。

2 图像采集

本系统图像采集平台由工业相机、镜头、光源以及支架构成。本文选用500w像素CMOS工业相机作为图像采集装置，镜头选用定焦镜头。

照明方面为保证图像采集的质量选择LED光源。从表1可以看出LED灯的发光量与电流呈线性关系[7]。光源形状使用碗状光源，碗状光源照射下，光线通过半球形的内壁多次反射，可以对表面不平的物体实现均匀照明，并可以完全消除阴影。

表1 各类光源性质对比

[名称＼&能耗＼&电压/V＼&发热量＼&可靠性＼&寿命/H＼&钨丝灯＼&15～200＼&200＼&高＼&低＼&3000＼&卤素灯＼&100＼&220＼&极高＼&低＼&3000＼&日光灯＼&4～100＼&220＼&较高＼&低＼&500～8000＼&LED灯＼&极低＼&很低＼&多形式＼&较高＼&1000＼&]

3 图像处理

图像处理是视觉检测系统的关键所在，其结果直接影响到识别与分类的效果。首先对采集到的图像进行图像滤波，去除噪声与毛刺干扰，然后进行边缘检测，最后对图像中的感兴趣字符区域定位。本系统图像处理流程如图1所示：

3.1 图像滤波

常用的图像滤波方法有均值滤波与中值滤波。均值滤波能有效对噪声的影响进行抑制，但图像会随着半径的扩大变得越来越模糊，依照现场实际情况，本文使用中值滤波法对目标图像进行滤波。

3.2 边缘检测

为了对感兴趣区域进行定位，先对整体图像进行边缘检测，得到SD卡包装壳的整体边缘。为了效果良好的边缘检测效果，实验对比了多种边缘检测算子的效果。实验结果表明Canny算子与Sobel算子具有良好的检测效果，但Sobel算子检测时间更短。为了提高系统的运行效率，在效果差别不大的情况下，最终采用Sobel算子进行检测。检测效果如图2所示。

3.3 字符区域定位

本系统需要对包装盒上表明SD卡容量的数字字符区域进行定位，单独提取出字符区域的图像用于后续字符识别。对感兴趣区域定位可以减少图像处理的计算量，能提升系统的运行速度，有针对性地对特征区域进行定位是影响后续识别准确率的关键所在。本文针对被检测物的特点，设定了专门的定位算法，具体方法如下：

1）输入边缘检测后的图像，从图像的第一行开始从左到右从上到下进行扫描，记录第一个像素值为1的点坐标A（x1，y1）。

2）从图像的最后一行开始，从右往左从下往上扫描，记录定义一个像素为1的点的坐标B（x2，y2）。

3）計算出AB两点的中点O（x0，y0），该点为SD卡包装盒的中心点。以该点为定位点定位出感兴趣的数字字符区域。

图2 字符区域定位

4 字符识别

在定位出感兴趣区域图像之后，单独对分割出的图像进行处理，实现字符识别功能。本文提出的图像识别算法主要分为三个步骤，流程如图3所示。

4.1 预处理

在预处理中对图像进行二值化与形态学处理。图像二值化是有效简化图像信息的方法，通过二值化处理能减少后续处理步骤，提升图像识别效率。为了有效地将字符与背景分离开，考虑到光照不均的影响，通过最大类间方差法对阈值进行选取，通过式（1）实现前景图像与背景图像的二值化[8]。在对图像进行二值化处理后，利用先膨胀后腐蚀的形态学处理方法得到完整无断裂的二值图像。

[g（x，y）=1，f（x，y）≥T0，f（x，y）

4.2 字符分割

被检测字符由两个阿拉伯数字组成，需将其分割开单独进行识别。具体方法为：

1）提取字符图像的垂直投影直方图。

2）记录直方图中所有起始点与终止点坐标。

3）将得到的起始点与终止点坐标作为分割点对应图像矩阵的行坐标对图像进行分割。效果如图4所示。

4.3 字符识别

在工业检测领域中，利用机器视觉技术实现字符识别的方法有很多 [9-11]。本文使用模板比较法对被检测字符进行识别。根据实际情况，SD卡的容量有16G、32G、64G三种，因此需要识别的数字为“1”、“2”、“3”、“4”、“6”。首先对这五个数字进行模板采集。人工选取五个数字的图像，提取垂直投影直方图作为模板。然后提取被检测的字符图像的垂直投影直方图，将其与模板逐一进行相似度对比，各字符的投影直方图如图5所示。这里采用巴氏距离系数来衡量相似度。当巴氏距离系数大于0.8时判定为对应模板数字。

5 实验结果与分析

本文使用VC++与MATLAB混合编程实现图像处理系统，对93张现场采集的SD卡包装盒图像进行实验，实验结果如表2所示。其中识别率为识别正确个数与总数量的比值。

由实验结果可知，16G的SD卡有4张识别错误，识别率为87.1%，错误原因主要在于图像采集时SD卡包装壳的过于倾斜，导致无法准确定位，从而影响识别效果。其中32G的SD卡有2张识别错误，原因主要在于字符区域反光较为严重，导致不能得到清晰的数字图像，造成识别错误。其中针对倾斜过多的图像可采用图像旋转的方法对其进行倾斜校正。总体来说

本系统能满足实际需求，具有良好的识别效果。后续可将SVM分类器引入识别过程，进一步提升识别效果。

6 结束语

为了代替人工，本文将机器视觉技术应用于内存卡分类系统中，利用合理的图像处理与识别方法，设计出自动检测系统。经过实验论证，本系统在一定条件下，能准确定位出SD卡包装盒上的数字区域并有效对数字进行识别，从而对不同容量大小的SD卡进行分类。本系统对环境与摄像机要求不高，能用于同类产品的检测，具有一定的使用价值与现实意义。如何使系统的速度与准确率得到进一步提升是下一步研究的方向。

参考文献：

[1] 刘丹，穆林丽，余晓锷. 一种七段数码管式医用仪表的自动识别方法[J].科学技术与工程，2010（16）：4037-4039.

[2] 钱勤建. 高分辨率机器视觉系统在包装标签检查中的应用[J]. 机电一体化，2011（4）.

[3] 郭爽. 数码管数字仪表自动识别方法的研究[J]. 通信技术，2012（8）：91-93.

[4] 牛博雅，黄琳琳，胡健. 自然场景下的车牌检测与识别算法[J]. 信号处理，2016（7）：787-794.

[5] 李彦，张洪博，石莲英. 基于SIFT特征匹配的车牌识别方法[J].计算机工程与应用，2016（12）：194-200.

[6] 邓集杰，刘铁根，杨永，等. 基于机器视觉的嵌入式工业在线检测系统[J]. 计算机工程，2008（4）：260-262，274.

[7] 谭刚，董祥龙，徐继，等. 基于机器视觉的玻璃瓶表面缺陷检测[J].上海工程技术大学学报，2009（2）：111-114.

[8] 韩思奇，王蕾. 图像分割的阈值法综述[J]. 系统工程与电子技术，2002（6）：91-94+102.

[9] Tekin E，Coughlan J M，Shen Huiying.Real-time detection and reading of LED/LCD displays for visually impaired persons[C]//IEEE Workshop on Applications of Computer Vision（WACV），2011：491-496.

[10] 张惠娟，南琳，张磊，等. 基于机器视觉识别的PCB字符喷印定位技术[J]. 制造业自动化，2014（5）：143-147.

[11] 常晓玮. 基于机器视觉的数字化仪表字符识别[J].计算机测量与控制，2014（9）：3071-3073.