現(xiàn)如今食用油激光噴碼檢測方法 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,早就不能考慮到生產(chǎn)商和消費者的要求,因而方案設(shè)計一種依據(jù)機器視覺技術(shù)技術(shù)性和自動化控制自動控制系統(tǒng)的食用油激光噴碼檢測分揀系統(tǒng)軟件軟件.借助Matlabscript節(jié)點,采用LabVIEW和MATLAB軟件混和程序流程撰寫的方法 進行噴碼標志符檢測,LabVIEW軟件進行圖像搜集,工控觸摸屏制作和數(shù)據(jù)信息數(shù)據(jù)分析功效,MATLAB軟件進行圖象處理和圖像識別技術(shù)功效,充分利用各軟件優(yōu)勢,降低程序流程撰寫設(shè)計開發(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),控制自動式分揀機構(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.實驗數(shù)據(jù)顯示,系統(tǒng)軟件軟件適當檢測和分揀率可穩(wěn)定保證90%以上.

厚鋼板生產(chǎn)流水線點陣式條碼字符自動識別方式 ,包含采用圖象和輪廊投射的方式 精準定位字符地區(qū).對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.運用bp神經(jīng)元網(wǎng)絡(luò)對分割字符開展識別.在能確保實時性的前提條件下考慮較高的識別準確度,考慮即時在線監(jiān)測的要求.厚鋼板生產(chǎn)流水線點陣式條碼字符自動識別方式 ,包含采用圖象和輪廊投射的方式 精準定位字符地區(qū).對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.運用bp神經(jīng)元網(wǎng)絡(luò)對分割字符開展識別.在能確保實時性的前提條件下考慮較高的識別準確度,考慮即時在線監(jiān)測的要求.

根據(jù)電子器件管理平臺,可以對產(chǎn)品的生產(chǎn)制造、貨運物流、市場銷售及其應(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、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)計方案的,該方式 不利機器設(shè)備當場智能化系統(tǒng)管理方法。因而,文中設(shè)計方案了一套根據(jù)FPGA和單脈沖藕合神經(jīng)元網(wǎng)絡(luò)(PCNN)的噴碼字符識別技術(shù)。文中關(guān)鍵研究方向及結(jié)果為:(1)對于基本方式 在圖像二值分割時,實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PCNN算法的基礎(chǔ)實體模型剖析,對于不一樣灰度值像素數(shù)火時刻不一樣的特點,開展圖像的二值分割。隨后,運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,什么時候為二值分割圖像。該方式 完成了圖像的全自動分割,且實際效果非常好。(2)對于傳統(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。該算法運用噴碼字符中點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陣字符的難題。(3)對于噴碼字符的點陣特點,文中明確提出改善的網(wǎng)格圖特點算法,并徹底改變字符鑒別標準。

解決低質(zhì)量圖像給識別任務(wù)帶來的困難,構(gòu)造了一個由圖像增強網(wǎng)絡(luò)(EnCNN)和手寫體數(shù)字識別網(wǎng)絡(luò)(LeNet-5)組成的低質(zhì)量圖片識別框架.將圖像增強網(wǎng)絡(luò)嫁接在識別網(wǎng)絡(luò)前,并使用提出的策略進行模型學習.使得低質(zhì)量圖像在被識別前圖像質(zhì)量得到較大的改善,終實現(xiàn)低質(zhì)量手寫體圖像識別率的提高.實驗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練集進行訓練的方法進行了對比,實驗表明在低質(zhì)量圖像上,提出的方法有更高的數(shù)字識別率,且有更強的泛化能力.