火车轮字符动态识别仿真系统设计分析

马晓欢 郭阳宽 张晓青

摘  要：本文提出了利用機器视觉方法代替人工实现对车轮加工过程中字符的识别。使用自研激光轮廓传感器，基于OpenCV对图像进行预处理，对字符进行分割、归一化等操作，实现对字符字型的多次识别。实验表明：识别准确率达98.8%，具有识别准确率高、效率高等优点。

关键词：机器视觉;动态识别;字符分割;模板匹配

中图分类号：TP39    文献标识码：A    文章编号：2096-6903（2019）03-0000-00

0 引言

字符识别技术是机器视觉分支中一个重要的研究方向且在多种工业场合代替人工，其应用有效的降低识别的错误率，同时提高生产效率。工业中常见的字符主要有压印字符、喷码字符、浮雕字符、手写字符等字符。火车轮字符属于浮雕字符的一种，是存在于物体表面凹凸的一种立体字符，且字符与母体颜色相同。在字符识别过程中，其容易受到火车轮旋转速度的影响，因此会产生失真或者噪声等问题。针对火车轮检测现场需求及问题，提出利用机器视觉的方法，基于C++与OpenCV开发，对图像进行处理识别。

1 系统设计

按火车轮尺寸1：1设计火车轮饼模型及字符，如图1所示，在电机驱动下火车轮模型速度2圈每秒。采用自研激光轮廓传感器，传感器投射出一条激光，从待检测物体表面返回的激光条在CCD上呈二维图像，将激光条拼接可实现立体成像。

字符识别系统设计流程如图2：

1.1 预处理

实现彩色图像到灰度图的转化和二值化处理，将整个图像呈现出黑色背景，字符为白色。利用先腐蚀后膨胀的方法消除图像噪声。对于膨胀：

对于腐蚀：

1.2 字符分割及排序

对扫描字符进行分割，首先从预处理后的图像中寻找字符轮廓，再实现单个字符的分割。同时将通过分割后字符轮廓外部矩形左上角横坐标采用冒泡排序的方法对字符进行顺序排列，恢复火车轮字符的原本排序。

1.3 归一化

匹配识别需要被识别的图像和模板图像大小一致，分割后的图像并不一致，需要对分割后的字符进行归一化处理。

比较两张图片的大小，相似性函数为：

将这个相似性函数展开得：

从上式可以看出，展开式的第一项和第三项的值是选定模板后的固定值，对于相似形函数，值越大越不相似，也就是说第二项的值越小越不相似，所以我们需要将分割后的字符进行归一化，

1.4 基于平方差的模板匹配

将经过预处理后的字符与制作好模板库进行匹配，模板库中包含所有可能出现的“0～9” “A～Z” “—”共37个归一化后的字符图像。

在设计图像识别系统中，采用平方差匹配法（TM_SQDIFF）进行识别。其计算方法为：

T为模板图像，i为带匹配图像，为模板图像的能量，为图像I局部的能量。平方差匹配法是利用平方差来进行匹配，最好匹配为0，匹配差越小，则匹配值越小，匹配效果越好。

2 实验结果与分析

在火车轮动态运转情况下使用激光轮廓传感器采集图像，如图3所示。

识别结果如图4显示。

多次试验表明，准确率达98.8%，为火车轮字符动态识别现场检测提供可靠依据。

3 结语

该系统字符识别准确率高、模板匹配型好，能较好的适应工业现场的需求，因此具有很好的应用价值。

参考文献

[1] Mei L， Guo J， Liu Q， et al. A Novel Frame work for Container Code-Character Recognition Based on Deep Learning and Template Matching[C].2016 International Conference on Industrial Informatics-Computing Technology， Intelligent Technology， Industrial Information Integration（ICIICII）.Wuhan，China，IEEE，2016：78-82.

[2] 段西利.工业工件复杂表面的字符识别方法研究[D].西安：西安理工大学，2019.

[3] 蔡玉婷，王外忠，杜孟杰，杨鑫，周铁军.数字字符识别技术及应用[J].电子技术与软件工程，2019（21）：66-68.

[4] 李安翼.高速钢轨焊前轨腰字符动态识别系统的开发[D].武汉：武汉工程大学，2018.

[5] 竺博，吴嘉嘉，何春江，胡金水.人工智能在手写文档识别分析中的技术演进[J].电子测试，2019（13）：5-8+48.

收稿日期：2019-06-10

作者简介：马晓欢（1995—），女，河南安阳人，硕士，研究方向：机器视觉。

Design of Fire Wheel Character Dynamic Recognition Simulation System

MA xiaohuan ， GUO Yangkuan ， ZHANG Xiaoqing

（Beijing Information Science and Technology University， School of Instrument Science and opto Electronics Engineering， Beijing  100192）

Abstract： A method of using machine vision to replace the manual recognition of characters during wheel processing is proposed. A self-developed laser contour sensor is used to pre-process the image based on OpenCV， to segment and normalize characters， and to recognize the character font multiple times. Experiments show that the recognition accuracy is 98.8%， and the recognition accuracy is high and the efficiency is high.

Keywords： Machine vision; Dynamic Recognition; Character segmentation; Template matching