收稿日期：2022－10－04基于机器视觉的多种类标签识别方法研究朱传浩，欧阳八生（南华大学机械工程学院，湖南衡阳421001）摘要：针对目前印刷标签复杂多样难以识别和分类，以及各种缺陷造成识别准确率低的问题，提出了一种基于机器视觉的多种类标签检测方法。首先搭建由相机、镜头和光源组成的采样平台，将各种类标签采集后用作模型训练的数据集，然后利用最小外接矩形并稳健回归的方式对图像进行畸变矫正，通过Laplacian算子、高斯滤波算法、Otsu算法消除噪声产生的影响，最后建立了一个改进的CRNN+CTC网络结构模型，其中加入BN算法和Adam算法提高模型的泛化能力和收敛速度，使用双向BLSTM网络减小梯度消失或爆炸，再加入CTC损失函数实现输入数据与给定标签的对齐问题。实验结果表明，改进后的方法相较于传统分割字符算法，识别准确率提升至98.2%；相较于原CRNN+CTC算法，识别速度提升至37ms/张，达到了工业使用需求。关键词：多种类标签；稳健回归；机器视觉；CRNN+CTC中图分类号：TP391.9文献标志码：A文章编号：1009－9492(2023)02－0177－05ResearchonMulti-typeLabelRecognitionMethodBasedonMachineVisionZhuChuanhao，OuyangBasheng（SchoolofMechanicalEngineering,UniversityofSouthChina,Hengyang,Hunan421001,China）Abstract:Aimingattheproblemsofcomplexanddiverseprintedlabelsthataredifficulttoidentifyandclassify,aswellasthelowrecognitionaccuracycausedbyvariousdefects,amulti-typelabeldetectionmethodbasedonmachinevisionwasproposed.Firstly,asamplingplatformcomposedofcamera,lensandlightsourcewasbuilt,andvariouslabelswerecollectedandusedasdatasetsformodeltraining.Then,theimagedistortionwascorrectedbyusingtheminimumexternalrectangleandrobustregression,andtheinfluenceofnoisewaseliminatedbyLaplacianoperator,GaussianfilteringalgorithmandOtsualgorithm.Finally,animprovedCRNN+CTCnetworkstructuremodelwasestablished,inwhichBNalgorithmandAdamalgorithmwereaddedtoimprovethegeneralizationabilityandconvergencespeedofthemodel,bidirectionalBLSTMnetworkwasusedtoreducethegradientdisappearanceorexplosion,andCTClossfunctionwasaddedtorealizethealignmentproblembetweeninputdataandgivenlabels.Experimentalresultsshowthattherecognitionaccuracyoftheimprovedmethodis98.2%compare...
