一种基于深度学习的容器编号识别方法及装置与流程

本申请涉及智能识别，尤其涉及一种基于深度学习的容器编号识别方法及装置。

背景技术：

1、工业生产中需要用到各种容器设备，为了达到数字化、智能化生产要求，需要对容器设备进行追踪和管理，对容器编号进行识别。容器识别的方式主要包括数字ocr（opticalcharacter recognition）识别和图形编码识别两种方式。

2、数字ocr识别是在容器表面使用油漆或者石灰喷上数字，使用ocr技术识别表面数字。但由于容器设备中的高温容器表面温度高，通常在几百度甚至上千度以上，容易造成喷印的数字逐渐脱落，数字变得模糊不清，使识别极易出错，识别结果不稳定，同时还需要长期对喷印的数字进行维护。图形编码识别是在容器表面焊接耐高温的图形编码标签，通过识别标签图案来确定容器的编号，但容器图形编码对操作人员来说不易理解，不如数字清晰、直接，更符合操作人员的思维逻辑。而且，不论是数字ocr识别还是图形编码识别，受拍摄的光线、角度的影响，以及作业环境的限制，拍摄到的图片可能会出现模糊、形变等问题，极易造成识别结果错误。而使用单一的识别方式，容器编号识别出错后，难以对错误结果进行追踪和纠正。

技术实现思路

1、本申请提供一种基于深度学习的容器编号识别方法及装置，以解决容器识别中编号识别容易出错，识别结果准确率低的问题。

2、本申请一方面提供一种基于深度学习的容器编号识别方法，所述方法包括：

3、控制图像采集模块采集待识别容器的图片，所述图片为灰度图片；

4、标注采集到的所述灰度图片并选取有效图片，所述有效图片为包含识别标签的灰度图片，所述识别标签上设置有数字孔和校验码孔；

5、将所述有效图片输入目标检测模型和文本识别模型；

6、利用所述目标检测模型定位所述数字孔的区域，利用所述文本识别模型识别所述有效图片中数字孔数值，利用所述目标检测模型获得所述有效图片中校验码孔数值；

7、若所述数字孔数值和所述校验码孔数值一致，则根据所述数字孔数值和所述校验码孔数值获得所述待识别容器编号。

8、可选的，所述方法还包括：

9、在采集到的所述灰度图片中识别所述待识别容器的识别标签；

10、若所述待识别容器包含所述识别标签，则将采集到的所述灰度图片进行标注；

11、若所述待识别容器不包含所述识别标签，则按照预设周期继续对所述待识别容器进行图片采集。

12、可选的，所述识别标签还设置有定位孔和分割孔，所述数字孔和所述校验码孔分别设置在所述分割孔的两侧；所述校验码孔包括圆形孔和三角形孔。

13、可选的，所述方法还包括：

14、获取所述定位孔的数量；

15、若所述有效图片中同时包含所有数量的定位孔时，则识别标签为完整标签。

16、可选的，所述方法还包括：

17、获取所述校验码孔的类别和位置信息；

18、将所述类别和位置信息输入到校验码孔后处理函数；

19、根据所述校验码孔后处理函数获取有效位信息，所述有效位信息为二进制数值；

20、根据所述有效位信息得到所述校验码孔数值。

21、可选的，所述方法还包括：

22、根据所述位置信息检测目标位置的校验码孔的类别；

23、如果所述目标位置的校验码孔的类别为圆形孔，标记所述目标位置对应数值有效；

24、如果所述目标位置的校验码孔的类别为三角形孔，标记所述目标位置对应数值无效。

25、可选的，所述方法还包括：

26、获取文本样本数据和目标样本数据；

27、使用所述文本样本数据训练文本识别模型，以及使用目标样本数据训练目标检测模型；

28、保存训练好的文本识别模型和目标检测模型。

29、可选的，所述方法还包括：

30、若所述数字孔数值和所述校验码孔数值不一致，则按照预设周期继续控制图像采集模块采集待识别容器的图片，直到获得所述待识别容器编号。

31、本申请另一方面提供一种基于深度学习的容器编号识别装置，所述装置包括：红外热成像相机、控制器、电控箱和识别标签；其中，所述识别标签设置在待识别容器上，所述红外热成像相机与所述控制器相连；所述电控箱分别与所述红外热成像相机和所述控制器电性连接。所述控制器被配置为：

32、控制图像采集模块采集待识别容器的图片，所述图片为灰度图片；

33、标注采集到的所述灰度图片并选取有效图片，所述有效图片为包含识别标签的灰度图片，所述识别标签上设置有数字孔和校验码孔；

34、将所述有效图片输入目标检测模型和文本识别模型；

35、利用所述目标检测模型定位所述数字孔的区域，利用所述文本识别模型识别所述有效图片中数字孔数值，利用所述目标检测模型获得所述有效图片中校验码孔数值；

36、若所述数字孔数值和所述校验码孔数值一致，则根据所述数字孔数值和所述校验码孔数值获得所述待识别容器编号。

37、可选的，所述控制器还被配置为：

38、获取文本样本数据和目标样本数据；

39、使用所述文本样本数据训练文本识别模型，以及使用目标样本数据训练目标检测模型；

40、保存训练好的文本识别模型和目标检测模型。

41、由以上技术方案可知，本申请提供的基于深度学习的容器编号识别方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用数字孔的目标检测模型定位数字孔的区域，利用文本识别模型识别有效图片中数字孔数值，利用校验码孔的目标检测模型获得有效图片中校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。本申请提供的基于深度学习的容器编号识别装置包括红外热成像相机、控制器、电控箱和识别标签。通过采用上述基于深度学习的容器编号识别方法对待识别容器编号进行识别，不仅可以及时发现识别错误并进行追踪和纠正，还能够对识别的编号进行校验，提高容器编号识别的成功率。

技术特征：

1.一种基于深度学习的容器编号识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的一种基于深度学习的容器编号识别方法，其特征在于，所述识别标签还设置有定位孔和分割孔，所述数字孔和所述校验码孔分别设置在所述分割孔的两侧；所述校验码孔包括圆形孔和三角形孔。

4.根据权利要求3所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

5.根据权利要求3所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

8.根据权利要求1所述的一种基于深度学习的容器编号识别方法，其特征在于，所述方法还包括：

9.一种基于深度学习的容器编号识别装置，其特征在于，所述装置包括：红外热成像相机、控制器、电控箱和识别标签；其中，所述识别标签设置在待识别容器上，所述红外热成像相机与所述控制器相连；所述电控箱分别与所述红外热成像相机和所述控制器电性连接；所述控制器被配置为：

10.根据权利要求9所述的一种基于深度学习的容器编号识别装置，其特征在于，所述控制器还被配置为：

技术总结
本申请提供一种基于深度学习的容器编号识别方法及装置，所述方法包括：控制图像采集模块采集待识别容器的灰度图片；标注采集到的灰度图片并选取包含识别标签的有效图片；将有效图片输入目标检测模型和文本识别模型；利用目标检测模型获得有效图片的数字孔区域，利用文本识别模型识别数字孔数值，利用目标检测模型识别有效图片中的校验码孔数值；若数字孔数值和校验码孔数值一致，则根据数字孔数值和校验码孔数值获得待识别容器编号。所述装置包括红外热成像相机、控制器和电控箱，该装置采用上述基于深度学习的容器编号识别方法对容器编号进行识别，可及时发现识别错误并进行追踪和纠正，能够对识别的编号进行校验，提高对容器编号识别的成功率。

技术研发人员：刘小华,李福存,王苏扬,马宁,李志勇,朱庆祺,杨爱玲,马超
受保护的技术使用者：江苏金恒信息科技股份有限公司
技术研发日：
技术公布日：2024/1/12