軋機(jī)生產(chǎn)線重軌鋼坯識(shí)別系統(tǒng)的研究.pdf

1、光學(xué)字符識(shí)別(Optical Character Recognition，簡(jiǎn)稱OCR)是人工智能、模式識(shí)別的一個(gè)重要組成部分，在很多傳統(tǒng)領(lǐng)域中得到了實(shí)際的應(yīng)用，本文是將這項(xiàng)新技術(shù)應(yīng)用到鋼鐵產(chǎn)業(yè)。在軋機(jī)重軌生產(chǎn)線實(shí)際場(chǎng)景中，由于光照、溫度等因素的干擾，都大大地增加了應(yīng)用難度。針對(duì)項(xiàng)目中遇到的各種難題，提出切實(shí)可行的解決方案，提高鋼鐵產(chǎn)業(yè)的智能生產(chǎn)水平。
　　本文在軋機(jī)生產(chǎn)線重軌鋼坯識(shí)別系統(tǒng)的研究背景下，對(duì)項(xiàng)目前期的研究成果進(jìn)行了系統(tǒng)

2、的總結(jié)，并對(duì)實(shí)際應(yīng)用中產(chǎn)生新的問(wèn)題進(jìn)行進(jìn)一步的分析。通過(guò)大量的實(shí)驗(yàn)和實(shí)際應(yīng)用來(lái)驗(yàn)證鋼坯字符定位的可行性和可靠性，從根本上提高了識(shí)別系統(tǒng)的識(shí)別率，并對(duì)其他應(yīng)用方面提供了很好的借鑒作用。
　　首先對(duì)鋼坯字符圖像的預(yù)處理算法進(jìn)行了研究，主要包括：圖像灰度增強(qiáng)和圖像濾波，分別分析了不同方法對(duì)鋼坯圖像的處理效果。其次對(duì)鋼坯字符圖像的分割方法做了大量的分析和比較，設(shè)計(jì)了以 Otsu為準(zhǔn)則的多級(jí)濾波的遞歸分割方法，將字符的分割問(wèn)題和定位問(wèn)題結(jié)合

3、起來(lái)，提出了一種基于投影不變量的鋼坯字符定位方法，利用目標(biāo)字符的特征，并給出投影不變量測(cè)量值的定義，通過(guò)逐次分割的鋼坯字符圖像快速尋找到目標(biāo)字符區(qū)域，并最終輸出目標(biāo)字符的位置信息。然后針對(duì)粘連字符區(qū)域提出了一種多級(jí)投影切分算法，這些都為后續(xù)字符識(shí)別奠定了良好的基礎(chǔ)。最后對(duì)系統(tǒng)的軟件識(shí)別界面進(jìn)行了適當(dāng)?shù)母倪M(jìn)，增強(qiáng)了人機(jī)交互過(guò)程。
　　實(shí)驗(yàn)結(jié)果表明該系統(tǒng)能成功解決軋機(jī)生產(chǎn)線重軌鋼坯字符識(shí)別的諸多難題，字符識(shí)別正確率達(dá)到95％，在復(fù)雜的