信息与电脑杂志

摘要：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。

关键词： 深度学习;Halcon;Deep OCR;图像处理;快速检测;

基金资助： 天津市智能制造专项(项目编号：T202102＿02010010)； 教育部产学合作协同育人项目(项目编号：241100516110907)；

专辑： 信息科技;工程科技Ⅰ辑

专题： 轻工业手工业;计算机软件及计算机应用;自动化技术

分类号： TP391.41;TP18;TS206