针对高速生产环境中易拉罐罐底喷码实时检测效率低、识别精度差等问题,文章提出了一种基于Halcon深度学习的深度光学字符识别(Deep Optical Character Recognition,Deep OCR)算法。该算法结合图像处理技术,通过大角度几何变换增强特征...针对高速生产环境中易拉罐罐底喷码实时检测效率低、识别精度差等问题,文章提出了一种基于Halcon深度学习的深度光学字符识别(Deep Optical Character Recognition,Deep OCR)算法。该算法结合图像处理技术,通过大角度几何变换增强特征空间的视角不变性,结合动态光度调整提升光照适应能力,利用基于训练损失的参数自适应机制实现增强强度的智能调控,并在此基础上训练神经网络模型,设计了对比实验。结果表明,所提网络模型对喷码字符的检测精确率达91.43%,识别准确率达99.95%,算法耗时109 ms,验证了其在高速生产环境中的高效性与准确性。展开更多
