現(xiàn)如今食用油激光噴碼檢測(cè)方法 仍是傳統(tǒng)的人力資源燈檢法,存在成本上升,不穩(wěn)定,精度低,工作員激起等難點(diǎn),早就不能考慮到生產(chǎn)商和消費(fèi)者的要求,因而方案設(shè)計(jì)一種依據(jù)機(jī)器視覺技術(shù)技術(shù)性和自動(dòng)化控制自動(dòng)控制系統(tǒng)的食用油激光噴碼檢測(cè)分揀系統(tǒng)軟件軟件.借助Matlabscript節(jié)點(diǎn),采用LabVIEW和MATLAB軟件混和程序流程撰寫的方法 進(jìn)行噴碼標(biāo)志符檢測(cè),LabVIEW軟件進(jìn)行圖像搜集,工控觸摸屏制作和數(shù)據(jù)信息數(shù)據(jù)分析功效,MATLAB軟件進(jìn)行圖象處理和圖像識(shí)別技術(shù)功效,充分利用各軟件優(yōu)勢(shì),降低程序流程撰寫設(shè)計(jì)開發(fā)難易度.LabVIEW依據(jù)VISA串口通訊將噴碼質(zhì)量信息傳輸至PLC(ProgrammableLogicController,可編程邏輯控制器),控制自動(dòng)式分揀機(jī)構(gòu) 將噴碼不合格的食用油除去,從而保證和提高產(chǎn)品質(zhì)量.實(shí)驗(yàn)數(shù)據(jù)顯示,系統(tǒng)軟件軟件適當(dāng)檢測(cè)和分揀率可穩(wěn)定保證90%以上.

厚鋼板生產(chǎn)流水線點(diǎn)陣式條碼字符自動(dòng)識(shí)別方式 ,包含采用圖象和輪廊投射的方式 精準(zhǔn)定位字符地區(qū).對(duì)于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線掃描儀優(yōu)化算法分割字符,并根據(jù)聚類算法體制糾正分割結(jié)果.運(yùn)用bp神經(jīng)元網(wǎng)絡(luò)對(duì)分割字符開展識(shí)別.在能確保實(shí)時(shí)性的前提條件下考慮較高的識(shí)別準(zhǔn)確度,考慮即時(shí)在線監(jiān)測(cè)的要求.厚鋼板生產(chǎn)流水線點(diǎn)陣式條碼字符自動(dòng)識(shí)別方式 ,包含采用圖象和輪廊投射的方式 精準(zhǔn)定位字符地區(qū).對(duì)于繁雜工作狀況造成的字符形變,模糊不清的狀況,采用多方向線掃描儀優(yōu)化算法分割字符,并根據(jù)聚類算法體制糾正分割結(jié)果.運(yùn)用bp神經(jīng)元網(wǎng)絡(luò)對(duì)分割字符開展識(shí)別.在能確保實(shí)時(shí)性的前提條件下考慮較高的識(shí)別準(zhǔn)確度,考慮即時(shí)在線監(jiān)測(cè)的要求.

根據(jù)電子器件管理平臺(tái),可以對(duì)產(chǎn)品的生產(chǎn)制造、貨運(yùn)物流、市場(chǎng)銷售及其應(yīng)用等階段開展監(jiān)管。噴碼字符做為一種常見產(chǎn)品管控碼,其檢驗(yàn)、鑒別在賦碼管控系統(tǒng)軟件中擁有至關(guān)重要的影響力。對(duì)于字符的鑒別,普遍的方式 主要是根據(jù)軟件系統(tǒng)設(shè)計(jì)方案的,該方式 不利機(jī)器設(shè)備當(dāng)場(chǎng)智能化系統(tǒng)管理方法。因而,文中設(shè)計(jì)方案了一套根據(jù)FPGA和單脈沖藕合神經(jīng)元網(wǎng)絡(luò)(PCNN)的噴碼字符識(shí)別技術(shù)。文中關(guān)鍵研究方向及結(jié)果為:(1)對(duì)于基本方式 在圖像二值分割時(shí),實(shí)際效果不理想化的難題,文中選用PCNN算法融合交叉熵基礎(chǔ)理論來分割圖像。,根據(jù)MATLAB對(duì)PCNN算法的基礎(chǔ)實(shí)體模型剖析,對(duì)于不一樣灰度值像素?cái)?shù)火時(shí)刻不一樣的特點(diǎn),開展圖像的二值分割。隨后,運(yùn)用每一次分割后圖像與原圖像的交叉熵的基礎(chǔ)理論,明確PCNN在分割圖像時(shí),什么時(shí)候?yàn)槎捣指顖D像。該方式 完成了圖像的全自動(dòng)分割,且實(shí)際效果非常好。(2)對(duì)于傳統(tǒng)式投射分割方式 只有分割持續(xù)字符,沒法分割點(diǎn)陣噴碼字符的難題,文中明確提出改善的投射分割算法。該算法運(yùn)用噴碼字符中點(diǎn)陣裂縫與字符間隔的關(guān)聯(lián),根據(jù)操縱分割閥值的尺寸將一串串字符分割成單獨(dú)字符,便于于字符svm算法及鑒別。改善后的算法不但可以分割持續(xù)字符,并且非常好的解決了傳統(tǒng)式投射算法沒法分割點(diǎn)陣字符的難題。(3)對(duì)于噴碼字符的點(diǎn)陣特點(diǎn),文中明確提出改善的網(wǎng)格圖特點(diǎn)算法,并徹底改變字符鑒別標(biāo)準(zhǔn)。

解決低質(zhì)量圖像給識(shí)別任務(wù)帶來的困難,構(gòu)造了一個(gè)由圖像增強(qiáng)網(wǎng)絡(luò)(EnCNN)和手寫體數(shù)字識(shí)別網(wǎng)絡(luò)(LeNet-5)組成的低質(zhì)量圖片識(shí)別框架.將圖像增強(qiáng)網(wǎng)絡(luò)嫁接在識(shí)別網(wǎng)絡(luò)前,并使用提出的策略進(jìn)行模型學(xué)習(xí).使得低質(zhì)量圖像在被識(shí)別前圖像質(zhì)量得到較大的改善,終實(shí)現(xiàn)低質(zhì)量手寫體圖像識(shí)別率的提高.實(shí)驗(yàn)部分將提出的方法和在單純使用低質(zhì)量圖像或高清圖作為訓(xùn)練集進(jìn)行訓(xùn)練的方法進(jìn)行了對(duì)比,實(shí)驗(yàn)表明在低質(zhì)量圖像上,提出的方法有更高的數(shù)字識(shí)別率,且有更強(qiáng)的泛化能力.