毕业设计

您所在的位置：网站首页 › 生产日期扫描 › 毕业设计

毕业设计

2024-06-14 23:49| 来源: 网络整理| 查看: 265

前言

课题背景和意义

实现技术思路

一、预处理与识别

二、图像预处理

三、商品生产日期字符识别

实现效果图样例

最后

前言

📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。

🚀对毕设有任何疑问都可以问学长哦!

选题指导: https://blog.csdn.net/qq_37340229/article/details/128243277

大家好,这里是海浪学长毕设专题,本次分享的课题是

🎯基于机器视觉的生产日期字符识别研究-OpenCV

课题背景和意义商品的标识技术是对标签进行编码和标记的技术手段，也是产品可追溯性的基础。标识技术关系到物流、食品和电子商务等多个行业，影响深远。伴随人们生活水平的提高，对于健康和安全的关注越来越多，每个行业对产品的品质和安全性的要求也越来越高。编码标识的不统一阻碍了各个行业的发展，包括对产品的溯源、电子商务及对产品标签标准化的要求，因此，国家商品生产日期标识规范体系的建立显得尤为必要。如今消费者对食品安全要求越来越高，这就对食品饮料行业在产品信息可追溯方面提出了更高的要求。在食品饮料包装上，我们可以看到经常印有生产日期、保质日期等信息，这类型印刷的一个明显特征是：大批量生产，对印刷要求非常高。保证生产日期等相关信息正确清晰地标注是食品生产过程中的一个重要环节。此类识别检测工作具有高度重复性，传统人工检测会给工厂增加巨大的人工成本和管理成本，检测效率低，速度慢，还无法保证100%的检验合格率。利用机器视觉技术进行OCR字符采集检测具有非常广阔的市场需求。实现技术思路采用的商品标签识别过程如图：

一、预处理与识别 OpenCV OpenCV 是一个跨平台的轻量级开源计算机视觉库，支持多种机器语言。OpenCV 模块覆盖全面，其中囊括了字符识别、图像处理、人脸识别等。OpenCV 涵盖300 多个 C 语言函数的中、高层 API ，对于输入图像的格式也非常包容，用它进行应用开发非常高效和简洁，而且包含了丰富的工业检测类函数，能够用于实时图像处理，使用便捷，功能完善，适用于本文实验环境。 Tesseract-OCR Tesseract - OCR 的功能强大，应用广泛，是开源的 OCR 识别系统。 Tesseract - OCR 识别引擎在开源识别引擎中占有重要地位，完整识别过程由一种页面结构阐发方法对图片做布局剖析，旨在辨别图像上的表格、文本、图片等内容，为后续识别工作做铺垫。二、图像预处理将背景信息和文本信息分开，消除图像无关信息、加强有效信息，从而简化后续辨认字符步调，减轻辨认难度和错误率。图像倾斜校正产品在流水线输送带上运动时，经过高速摄像机拍摄照片，可能会遇到产品放置不规范的问题，导致拍摄的照片歪斜，不平行于水平线。预处理第一步是将扭曲的原始图片进行校正。二维图像的傅里叶变换公式：

式中， f 和 F 分别为空间域值和频域值，示出了傅立叶变换后的结果需要使用的真实图像加虚拟图像，或振幅图像（magitude 图像）加相位图像，如图：

图像噪声处理

在收集、传输和处理图像的过程中，图像会产生一些不可避免的噪声，包含与图像无关和冗余滋扰信息。降低图像噪声不仅可以使图像更加清晰，而且可以突出图像的感兴趣区域，易于识别。

图像二值化

遍历像素点，通过选取合适的值，灰度值二分为255 或 0 ，白色为 255 ，黑色为 0 ，如式所示。分类后图像变为黑白，分辨图像中的图形和文本，便于后续将文本信息提取出来

1）Otsu 算法

此算法是把背景和目标阈值的差距拉大，分裂性较强，所求的是类内方差 min ，和类间方差的 max ，首先遍历所有像素点，统计灰度级像素的个数，将图像灰度化，再次遍历计算出最大类间方差，程序略显复杂，效果图如图：

2 ） Sauvola 算法该算法通过引入以像素点为中心领域的 wide 为参数 windowsize 和自定义系数比例因子 k 来降低对噪声的敏感性，也就是对 niblack 算法进行改进。它集中于当前像素，阈值是根据该像素的当前像素的附近灰度平均值和标准偏差动态计算，灰度均值 m 与标准方差 s ：

然后是该点的阈值 Txy (, ) ，其中 T 的大小可以根据k 来调节：

边缘检测

边缘检测是通过卷积或微分计算后得到的二值化图像。

1 ） Laplacian 算子边缘检测拉普拉斯算子被分成 4 个和 8 个邻域，域是像素梯度需求邻域的 4 个相邻方向上的中央附近的方向和梯度。

2 ） Canny 边缘检测算法 Canny 从信噪比、单边缘和定位性能方面来判定边缘的优劣，Canny 边缘检测算法可以分为以下 5 个步骤： ①图像灰度化通过 RGB 三个通道，为了降维，将图片图像进行灰度化。 ②高斯模糊处理此步骤是对图像进行 smooth 处理，通过滤波器将高斯函数离散化，高斯函数与滤波器的计算：

③图像梯度、梯度幅值、梯度方向计算该点通过计算当前像素与其附近的像素差值来进行位置判断，接近这个差值称为图像梯度。首先计算一阶导数：

计算梯度幅值 M ：

计算梯度值的方向：

④ NMS（非极大值抑制）

留存边缘方向上具有极大值的像素，通过 NMS 找出其中的局部最大值，将其他位置的值取 0。

⑤双阈值的边界选取梯度大于任何边缘的最大阈值是真正的边缘，而低于最小阈值的边缘为非边缘，非边缘即舍去。

本文算法的选取

中值滤波是对光滑脉冲噪声表现良好，效果图像的边界顺滑清晰。与平均灰度法比较，Sauvola 使用二值化的图像，能解决产生照度不均的影响。拉普拉斯对噪声敏感，分辨边缘像素的位置表现优异，但易出现双像素边界，导致日期显示模糊不清晰；Canny 对比Laplacian 克制了噪声引起的非边缘，对于光照不均的图像也能有如图所示的效果，线条更流畅光滑，同时细化过的边缘比较清晰，易于后续的识别工作。三、商品生产日期字符识别识别目的在车间生产中，生产日期是由操作工人设置喷印装置并对生产日期进行喷印。生产日期的错误为后续的溯源、仓储造成困难。为避免生产资料的浪费和后续工作的开展，制作日期字符识别数据集并校验成果。字符集的创建和测试在 jTessBoxEditor 编辑器中点击 merge tiff ，打开拍摄到的商品生产日期图片，并为文件命名，以生成训练集的 tif 文件。

通过输入命令行生成 box 文件，再导入 tif 文件，然后它会主动识别 box 文件并主动导入。

利用窗口上方的模块，对文件内字符进行框选，调整字体坐标，标准为一字一框，并对识别的字符进行修正，最后点击 save。

在输入命令后创建字体特征文件，之后开始对字符文件进行训练，并把生成的文件合并，即得到训练文件。

字符识别的正确率受前期图片处理的程度和字符库的影响，训练集中包含英文、中文和数字三种字符，为了验明三种字符的单独测试效果，从以下四个方向进行观察测试：

1 ）中文字符正确率 2 ）英文字符正确率 3 ）数字字符正确率 4 ）全部字符正确率实现效果图样例

生产日期字符识别：

我是海浪学长,创作不易,欢迎点赞、关注、收藏、留言。

毕设帮助，疑难解答，欢迎打扰！

最后

【本文地址】

公司简介

联系我们