基于DBNet和CRNN的钢卷号识别方法及系统与流程

本发明涉及钢包的图像识别检测领域，具体为一种基于dbnet和crnn的钢卷号识别方法及系统。

背景技术：

1、通常钢卷号是追踪钢卷产品物流的关键依据。传统的钢卷生产流程中，识别和录入钢卷号需要操作人员手动观看现场流水线视频，这种方法耗时多且容易出错，而且还需要手工将结果录入电子系统，过程繁琐且效率不高。

2、为了解决这个问题，采用图像识别技术成为了一种应运而生的方式。然而，由于厂房环境复杂，环境光线对卷号识别的准确性有影响，容易导致识别异常；另外，卷号呈圆弧分布，直接提取字符容易造成字序错误；而打印在钢卷上的卷号喷漆可能会断片或不连续；常规深度学习卷号检测方案直接识别图片中的字符，容易受到背景物体干扰，难以区分不同钢卷的卷号信息，导致可靠性不高。

3、基于上述，提出本申请。

技术实现思路

1、通过上述，为解决现有技术中所存在的技术问题，本申请所需提供一种具备高通用性且兼顾稳定性的基于dbnet和crnn的钢卷号识别方法及系统。

2、根据本申请的第一方面，提供一种基于dbnet和crnn的钢卷号识别方法，包括：获取钢卷图像；采用dbnet模型提取钢卷图像中钢卷号的目标框区域，并返回对应目标框区域的坐标信息；根据坐标信息对钢卷图像进行裁剪，分别得到每个钢卷号的区域图像；将每个裁剪得到的区域图像图像作为输入，通过crnn网络模型进行卷号文本的识别获得字符序列。

3、在本申请进一步的方案中，采用dbnet模型提取钢卷图像中钢卷号的目标框区域，并返回对应目标框区域的坐标信息包括：对钢卷图像一次预处理；将一次预处理后的钢卷图像经过dbnet模型的前向传播过程，dbnet模型根据钢卷图像的特征提取和上下文理解，得到钢卷置信度点阵图；筛选出钢卷置信度点阵图中高于预设的第一阈值的目标像素点；通过连通区域分析算法连接目标像素点，以得到目标框区域，并反馈目标框区域的坐标信息，其中坐标信息包括角点坐标及目标框中心点坐标。

4、在本申请进一步的方案中，根据坐标信息对钢卷图像进行裁剪，分别得到每个钢卷号的区域图像包括：根据坐标信息确定一个矩形区域，将该区域从钢卷图像像中裁剪出来得到矩形区域图像；将矩形区域图像转换为灰度图像；对灰度图像进行二次预处理，以得到每个钢卷号的区域图像。

5、在本申请进一步的方案中，将每个裁剪得到的区域图像图像作为输入，通过crnn网络模型进行卷号文本的识别获得字符序列包括：将区域图像输入到crnn网络模型中，通过crnn网络模型中的卷积层和池化层提取区域图像的特征序列；将提取的特征序列输入到crnn网络模型中的循环神经网络中，得到文本分类点阵图；计算文本分类点阵图中每个位置上概率最高的字符分类结果，并得到相应的置信度；根据字符分类结果和置信度确定字符序列。

6、在本申请进一步的方案中，钢卷号识别方法还包括：对字符序列结构进行文本排列转换，使其呈线形分布，获得最终的钢卷号文本。

7、在本申请进一步的方案中，对字符序列结构进行文本排列转换，使其呈线形分布包括：通过几何变换估计字符序列中每个字符在图像中的位置信息；对字符序列结构进行文本排列转换，使其呈线形分布；根据排序后的字符序列，重新构建钢卷号文本形成最终的钢卷号文本。

8、在本申请进一步的方案中，计算文本分类点阵图中每个位置上概率最高的字符分类结果，并得到相应的置信度包括：利用argmax函数返回计算文本分类点阵图中概率最高的字符索引；通过索引可以获取对应的字符标签以及对应字符标签的置信度。

9、在本申请进一步的方案中，钢卷号识别方法还包括：将钢卷号文本以线形布局的方式和对应的钢卷序列关联。

10、本申请的第二方面，提供一种基于dbnet和crnn的钢卷号识别装置，该装置包括：采集模块，获取钢卷图像；提取模块，采用dbnet模型提取钢卷图像中钢卷号的目标框区域，并返回对应目标框区域的坐标信息；裁剪模块，根据坐标信息对钢卷图像进行裁剪，分别得到每个钢卷号的区域图像；识别模块，将每个裁剪得到的区域图像图像作为输入，通过crnn网络模型进行卷号文本的识别获得字符序列。

11、在本申请进一步的方案中，钢卷号识别装置还包括：关联模块，用于将钢卷号文本以线形布局的方式和对应的钢卷序列关联。

12、本发明实施例所提供的基于dbnet和crnn的钢卷号识别方法，在于通过dbnet模型获取目标框区域，以可以有效地检测出钢卷图像中的钢卷号目标框区域，具备较高的准确性和鲁棒性；根据dbnet模型返回的目标框坐标信息，可以准确地将每个钢卷号的区域从钢卷图像中裁剪出来，避免了手动或基于简单规则的裁剪操作可能引入的误差；采用crnn网络模型可以对裁剪得到的钢卷号区域图像进行文本识别，能够较好地处理不同字体、尺寸和复杂背景等情况，具备较高的识别准确率。整个流程都是自动化的，可以快速、批量地处理大量钢卷图像，并输出相应的字符序列，提高工作效率和减少人力成本。且是自动化的，可以快速、批量地处理大量钢卷图像，并输出相应的字符序列，提高工作效率和减少人力成本。综上，本发明实施例所提供的钢卷号识别方法能够实现自动化、高效和准确的钢卷号提取和识别，适用于钢卷相关的自动化处理和管理场景。

13、本发明实施例的已采集的特征和优点将在随后的具体实施方式部分予以说明。

技术特征：

1.一种基于dbnet和crnn的钢卷号识别方法，其特征在于，包括：

2.根据权利要求1所述的钢卷号识别方法，其特征在于，所述采用dbnet模型提取钢卷图像中钢卷号的目标框区域，并返回对应所述目标框区域的坐标信息包括：

3.根据权利要求2所述的钢卷号识别方法，其特征在于，所述根据所述坐标信息对所述钢卷图像进行裁剪，分别得到每个钢卷号的区域图像包括：

4.根据权利要求3所述的钢卷号识别方法，其特征在于，所述将每个裁剪得到的区域图像图像作为输入，通过crnn网络模型进行卷号文本的识别获得字符序列包括：

5.根据权利要求1所述的钢卷号识别方法，其特征在于，所述钢卷号识别方法还包括：

6.根据权利要求5所述的钢卷号识别方法，其特征在于，所述对所述字符序列结构进行文本排列转换，使其呈线形分布包括：

7.根据权利要求4所述的钢卷号识别方法，其特征在于，所述计算文本分类点阵图中每个位置上概率最高的字符分类结果，并得到相应的置信度包括：

8.根据权利要求6所述的钢卷号识别方法，其特征在于，所述钢卷号识别方法还包括：

9.一种基于dbnet和crnn的钢卷号识别装置，其特征在于，包括：

10.根据权利要求9所述的钢卷号识别装置，其特征在于，所述钢卷号识别装置还包括：

技术总结
本申请提供一种基于DBNet和CRNN的钢卷号识别方法及系统，基于DBNet和CRNN的钢卷号识别方法包括：获取钢卷图像；采用DBNet模型提取钢卷图像中钢卷号的目标框区域，并返回对应目标框区域的坐标信息；根据坐标信息对钢卷图像进行裁剪，分别得到每个钢卷号的区域图像；将每个裁剪得到的区域图像图像作为输入，通过CRNN网络模型进行卷号文本的识别获得字符序列。本发明实施例所提供的钢卷号识别方法能够实现自动化、高效和准确的钢卷号提取和识别，适用于钢卷相关的自动化处理和管理场景。

技术研发人员：危清清,朱俸泽,谭胜虎,陈仁
受保护的技术使用者：北京瓦特曼智能科技有限公司
技术研发日：
技术公布日：2024/1/16