铁水罐号自动识别系统的研究

论文摘要

铁水罐是钢铁冶金重要的物流运输工具,对铁水罐号进行自动识别是企业生产自动化和管理信息化的基础,开发合理的识别技术将有助于提高我国钢铁生产自动化和管理信息化的水平。本文介绍了铁水罐号自动识别系统的研究应用现状,着重讨论了铁水罐定位、罐号字符区定位、罐号字符切分以及罐号字符识别等关键技术。对铁水罐定位,本文首先利用改进后的差影法检测出铁水罐的轮廓然后利用垂直和水平投影定出罐的具体位置。实验结果表明该算法对光照不均匀和复杂背景并不敏感,能够比较快速、准确、鲁棒地分割出铁水罐部分的图像。罐号字符区定位是铁水罐号自动识别最关键的一步。基于罐号区域的特点,本文采用了行扫描法。该算法分为图像预处理、罐号区域搜索、罐号区域验证三步。利用该算法,本文给出了罐号区域定位部分试验结果。字符切分是指把罐号字符区域分成单个字符图像,以便进行单个字符识别。本文在使用基于投影的字符切分法之前还对字符区域进行了连通区域合并、筛选和倾斜校正等预处理。字符识别是一个典型的模式识别课题。罐号通常由字母和数字组成,本文采用了字母和数字分开识别。对于字母,使用简单的统计特征和结构特征区分;对于数字,使用多重BP 神经网络进行识别。为进一步提高识别率,本文还对识别结果做了统计分析。该系统已经实现,并在国内某大型钢铁企业炼钢厂试用,效果良好。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 铁水罐号自动识别系统的应用研究现状
• 1.2 铁水罐号自动识别系统简介
• 1.2.1 系统的硬件设计方案
• 1.2.2 系统的软件设计方案
• 1.3 铁水罐号自动识别系统的研究意义
• 1.4 论文内容安排
• 第二章 铁水罐号自动识别相关技术的发展
• 2.1 目标物定位技术
• 2.1.1 图像预处理
• 2.1.2 图像分割
• 2.2 字符切分技术
• 2.3 字符识别技术
• 2.3.1 统计决策识别
• 2.3.2 句法结构识别
• 2.3.3 人工神经网络
• 第三章 铁水罐的定位
• 3.1 图像预处理
• 3.1.1 图像代数运算与差影法
• 3.1.2 改进的差影法与铁水罐轮廓的提取
• 3.1.3 最小误差阈值法
• 3.1.4 基于数学形态学的去干扰技术
• 3.1.4.1 数学形态学的定义
• 3.1.4.2 数学形态学中基本符号和术语
• 3.1.4.3 数学形态学的基本运算
• 3.1.4.4 形态学去干扰
• 3.2 基于投影信息的铁水罐位置搜索
• 3.2.1 铁水罐水平位置的搜索
• 3.2.2 铁水罐垂直位置的搜索
• 3.3 铁水罐定位算法流程
• 3.4 铁水罐定位的试验结果与结论
• 第四章 罐号字符区域的定位
• 4.1 字符区定位的综述
• 4.2 基于罐号区域特征信息的行扫描法
• 4.2.1 图像预处理
• 4.2.1.1 中值滤波
• 4.2.1.2 改进的灰度直方图阈值法
• 4.2.2 罐号区域搜索
• 4.2.3 罐号区域验证
• 4.3 罐号字符区域定位算法流程图
• 4.4 罐号字符区域定位的试验结果与结论
• 第五章 罐号字符的切分
• 5.1 罐号区域二值化
• 5.2 区域标记、合并和筛选
• 5.3 倾斜校正
• 5.3.1 倾斜的类型及其原因
• 5.3.2 水平倾角的获取
• 5.3.3 水平倾斜的校正
• 5.3.3 垂直倾角的获取
• 5.3.4 垂直倾斜的校正
• 5.4 字符的切分
• 5.4.1 垂直切分
• 5.4.2 水平切分
• 5.5 罐号字符切分的试验结果
• 第六章 罐号字符的识别
• 6.1 预处理
• 6.1.1 区域筛选
• 6.1.2 大小归一化
• 6.2 字母识别
• 6.2.1 特征的选择和提取
• 6.2.2 识别
• 6.3 数字识别
• 6.3.1 人工神经网络
• 6.3.1.1 人工神经网络的基本概念
• 6.3.1.2 神经网络的学习
• 6.3.1.3 神经网络的特点
• 6.3.1.4 BP 神经网络模型
• 6.3.2 特征的选择和提取
• 6.3.3 网络设计
• 6.3.4 网络训练
• 6.3.5 网络识别
• 6.4 数字识别的试验结果
• 6.5 系统整体识别的试验结果
• 第七章 总结与展望
• 7.1 本文总结
• 7.2 未来研究与展望
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果及发表论文