广西师范大学学报（自然科学版） ›› 2020, Vol. 38 ›› Issue (4): 32-41.doi: 10.16088/j.issn.1001-6600.2020.04.004

• • 上一篇    下一篇

一种基于PNN的点阵喷码字符识别方法

马玲, 罗晓曙*, 蒋品群   

  1. 广西师范大学电子工程学院, 广西桂林541004
  • 收稿日期:2019-12-19 发布日期:2020-07-13
  • 通讯作者: 罗晓曙(1961—), 男, 湖北应城人, 广西师范大学教授, 博士。E-mail: lxs@mailbox.gxnu.edu.cn
  • 基金资助:
    广西科技重大专项(AA18118004)

An Ink-jetted Code Character Recognition MethodBased on Probabilistic Neural Network

MA Ling, LUO Xiaoshu*, JIANG Pinqun   

  1. College of Electronic Engineering, Guangxi Normal University, Guilin Guangxi 541004, China
  • Received:2019-12-19 Published:2020-07-13

PDF (PC)

158

摘要： 在点阵喷码字符智能识别问题的研究中,由于点阵喷码字符是喷印在背景复杂且含有其他标准字符的产品外包装上,且点阵喷码字符的字体大小、喷墨量及光照影响的变化,使得准确定位和识别点阵喷码字符均有一定的难度。本文针对上述难点提出基于概率神经网络(PNN)的点阵喷码字符识别方法。首先,将原始图像转换成灰度图像并进行高斯滤波预处理。然后,利用改进的FAST角点检测算法快速定位喷码字符。在特征提取环节,本文提取待识别点阵喷码字符的HOG特征和网格特征,并将这2种特征进行联合。最后,将联合后的字符特征输入到PNN,建立分类模型,利用训练好的分类模型识别出点阵喷码字符。实验结果表明:本文提出的点阵喷码字符定位方法准确率高、速度快,且采用PNN建立的分类模型对受光照影响、字体不一的点阵喷码字符具有一定的适应性,识别准确率为97.1%,可满足工业中点阵喷码字符识别的应用场合。

关键词: FAST角点检测算法, 概率神经网络(PNN), 喷码字符识别, 字符定位, 特征提取

Abstract: In the study of the intelligent ink-jetted code character recognition, it is difficult to locate and recognize the ink-jetted code characters accurately since the ink-jetted code characters are printed on the package of the product with complicated background and other standard characters. During the printing process, the font size of the ink-jetted code characters, the amount of the ink ejection and the influence of illumination are different. In view of the above difficulties, an ink-jetted code character recognition method based on Probabilistic Neural Network (PNN) is proposed in this paper. Firstly, the original image is converted to a grayscale image, and the Gaussian filter is used to remove the noise. Secondly, the improved FAST corner detection algorithm is used to quickly locate the ink-jetted code character. The HOG features and the mesh features of the ink-jetted code characters are extracted, and the two features are merged. Finally, the features are sent to the PNN to establish a classification model, which are used to recognize ink-jetted code characters. The experimental results show that the proposed method is very fast and the accuracy of location is high. Compared with BP neural network, when the characters are subject to different light and have different fonts, the recognition accuracy of the model trained by PNN is improved.

Key words: FAST corner detection algorithm, probabilistic neural network (PNN), ink-jetted code character recognition, character location, feature extraction

中图分类号: 

  • TP391
[1] 张靖娅,刘昶,刘丽萍.一种特征加权模板匹配的钢板喷印字符识别方法[J].沈阳理工大学学报,2015,34(6):72-76.DOI: 10.3969/j.issn.1003-1251.2015.06.016.
[2] 李潘.板材喷码字符识别技术的研究[D].北京:冶金自动化研究设计院,2013.
[3] 张传果,刘建群.柱面压印字符识别算法研究和实现[J].机床与液压,2018,46(13):37-41.DOI:10.3969/j.issn.1001-3881.2018.13.010.
[4] 丁伟.改进神经网络算法在车牌识别中的应用[J].计算机仿真,2011,28(8):359-362,366.DOI:10.3969/j.issn.1006-9348.2011.08.086.
[5] 郭佳寅,岳秀江,吴双,等.基于HALCON的乳制品箱体喷码字符识别方法研究[J].制造业自动化,2013,35(3):21-22,30. DOI:10.3969/j.issn.1009-0134.2013.02(s).06.
[6] VANDANA P G,KAUR B.A novel technique for LED dot-matrix text detection and recognition for non-uniform color system[C]//2016 International Conference on Advances in Computing, Communications and Informatics(ICACCI). Piscataway,NJ:IEEE Press,2016:2750-2754.DOI:10.1109/ICACCI.2016.7732478.
[7] ROSTEN E,PORTER R,DRUMMOND T.Faster and better:a machine learning approach to corner detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(1):105-119.DOI:10.1109/TPAMI.2008.275.
[8] GONZALEZ R C,WOODS R E,EDDINS S L.数字图像处理[M].2版.阮秋琦,译.北京:电子工业出版社,2007:402-435.
[9] 张善东.机加工件点阵字符识别研究[D].吉林:东北电力大学,2014.
[10]LI P Y,NGUYEN M,YAN W Q.Rotation correction for license plate recognition[C]//2018 4th International Conference on Control,Automation and Robotics(ICCAR).Piscataway,NJ:IEEE Press,2018:400-404.DOI:10.1109/iccar. 2018.8384708.
[11]张旭.基于机器学习的交通标志识别方法研究[D].西安:西安理工大学,2019.
[12]肖逸群,宋树祥,夏海英.基于多特征的快速行人检测方法及实现[J].广西师范大学学报(自然科学版),2019,37(4): 61-67.DOI:10.16088/j.issn.1001-6600.2019.04.007.
[13]王海燕,王红军,徐小力.基于支持向量机的纳西东巴象形文字符识别[J].云南大学学报(自然科学版),2016,38(5): 730-736.
[14]姜文,刘立康.基于联合两种特征的手写体维文字符识别[J].计算机工程与应用,2017,53(5):192-196.DOI:10.3778/ j.issn.1002-8331.1507-0207.
[15]BASCIL M S,OZTEKIN H.A study on hepatitis disease diagnosis using probabilistic neural network[J].Journal of Medical Systems,2012,36(3):1603-1606.DOI:10.1007/s10916-010-9621-x.
[16]王小川,史峰,郁磊,等. MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社,2013:201-206.
[17]张靖娅.钢板点阵喷印字符识别方法研究[D].沈阳:沈阳理工大学,2014.
[18]南阳,白瑞林,李新.卷积神经网络在喷码字符识别中的应用[J].光电工程,2015,42(4):38-43.DOI:10.3969/j.issn.1003-501X.2015.04.007.
[19]张坤艳,钟宜亚,苗松池,等.一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统[J].计算机工程与科学,2010,32(2):88-90,134.DOI:10.3969/j.issn.1007-130X.2010.02.024.
[20]肖海俊,葛广英,姚坤,等.基于HALCON的喷码字符识别技术的研究与实现[J].现代电子技术,2015,38(15):95-98. DOI: 10.16652/j.issn.1004-373x.2015.15.040.
[21]PATKI S N,JOSHI M,KULKARNI A N.Dot matrix text recognition for industrial carton classification[C]//2015 International Conference on Industrial Instrumentation and Control(ICIC).Piscataway,NJ:IEEE Press,2015:777-782.DOI: 10.1109/IIC.2015.7150847.
[1] 张灿龙, 李燕茹, 李志欣, 王智文. 基于核相关滤波与特征融合的分块跟踪算法[J]. 广西师范大学学报（自然科学版）, 2020, 38(5): 12-23.
[2] 王健, 郑七凡, 李超, 石晶. 基于ENCODER_ATT机制的远程监督关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 53-60.
[3] 肖逸群, 宋树祥, 夏海英. 基于多特征的快速行人检测方法及实现[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 61-67.
[4] 王勋, 李廷会, 潘骁, 田宇. 基于改进模糊C均值聚类与Otsu的图像分割方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 68-73.
[5] 陈凤,蒙祖强. 基于BTM和加权K-Means的微博话题发现[J]. 广西师范大学学报（自然科学版）, 2019, 37(3): 71-78.
[6] 张随远, 薛源海, 俞晓明, 刘悦, 程学旗. 多文档短摘要生成技术研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 60-74.
[7] 孙容海, 施林甫, 黄丽艳, 唐振军, 俞春强. 基于图像插值和参考矩阵的可逆信息隐藏算法[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 90-104.
[8] 朱勇建, 彭柯, 漆广文, 夏海英, 宋树祥. 基于机器视觉的太阳能网版缺陷检测[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 105-112.
[9] 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 80-88.
[10] 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 32-41.
[11] 岳天驰, 张绍武, 杨亮, 林鸿飞, 于凯. 基于两阶段注意力机制的立场检测方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 42-49.
[12] 余传明, 李浩男, 安璐. 基于多任务深度学习的文本情感原因分析[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 50-61.
[13] 林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(1): 62-70.
[14] 万福成,马宁,何向真. 融合事件特征及语义角色标注的藏文信息抽取技术[J]. 广西师范大学学报（自然科学版）, 2018, 36(2): 18-23.
[15] 夏海英,刘伟涛,朱勇建. 一种改进的快速SUSAN棋盘格角点检测算法[J]. 广西师范大学学报（自然科学版）, 2018, 36(1): 44-52.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 胡郁葱, 陈杰, 邹小健, 陈枝伟. 基于两阶段聚类的电动自行车出行者选择研究[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 22 -29 .
[2] 蔡超波, 凡东东, 宋树祥, 岑明灿. 一款带POR的可校正低功耗电压基准源[J]. 广西师范大学学报（自然科学版）, 2016, 34(1): 26 -31 .
[3] 许伦辉, 刘景柠, 朱群强, 王晴, 谢岩, 索圣超. 自动引导车路径偏差的控制研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 1 -6 .
[4] 邝先验, 吴赟, 曹韦华, 吴银凤. 城市混合非机动车流的元胞自动机仿真模型[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 7 -14 .
[5] 肖瑞杰, 刘野, 修晓明, 孔令江. 耦合腔光机械系统中两个机械振子的态交换[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 15 -19 .
[6] 黄慧琼, 覃运梅. 考虑驾驶员性格特性的超车模型研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 20 -26 .
[7] 袁乐平, 孙瑞山. 飞行冲突调配概率安全评估方法研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 27 -31 .
[8] 杨盼盼, 祝龙记, 操孟杰. 基于STM32的TSC型无功补偿控制系统的研究[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 32 -37 .
[9] 章美月. 关于电子束聚焦系统模型的一些新结果[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 38 -44 .
[10] 侯晓东, 蔡斌斌, 金炜东, 段旺旺. 基于证据距离和模糊熵的加权证据融合新方法[J]. 广西师范大学学报（自然科学版）, 2015, 33(1): 45 -51 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发