运动目标的检测与识别一直是计算机视觉的热点研究方向。随着计算机技术的大力发展,机器能够与运动目标检测很好地结合,有望代替人们去完成那些枯燥乏味或者是危及生命安全的工作。在芯片制造流水线中,依靠人工识别并记录芯片国际移动...运动目标的检测与识别一直是计算机视觉的热点研究方向。随着计算机技术的大力发展,机器能够与运动目标检测很好地结合,有望代替人们去完成那些枯燥乏味或者是危及生命安全的工作。在芯片制造流水线中,依靠人工识别并记录芯片国际移动设备识别码(international mobile equipment identity,IMEI),效率低下且易出错。为实现芯片IMEI码的自动识别,该文使用OpenCV对视频进行预处理,通过灰度化提取芯片上的全部轮廓,通过膨胀、腐蚀操作处理轮廓,再通过面积和周长两个参量筛选得到芯片的IMEI码区域,进一步通过将该区域与原视频结合得到含有芯片IMEI码的视频,最后使用Tesseract-OCR识别芯片IMEI码。同时做了基于神经网络CRNN进行识别的对比实验,首先通过生成器函数构造了一个由字母、数字和冒号组成的数据集用于模拟芯片IMEI码输入CRNN网络进行预训练,在此基础上用15张IMEI码的图片进行迁移学习,最后基于学习到的新模型对视频中的三块芯片进行识别。通过对比发现,在小样本数据集的情况下,该方法识别芯片IMEI的准确率远远超过CRNN识别芯片IMEI码的准确率。展开更多
文摘运动目标的检测与识别一直是计算机视觉的热点研究方向。随着计算机技术的大力发展,机器能够与运动目标检测很好地结合,有望代替人们去完成那些枯燥乏味或者是危及生命安全的工作。在芯片制造流水线中,依靠人工识别并记录芯片国际移动设备识别码(international mobile equipment identity,IMEI),效率低下且易出错。为实现芯片IMEI码的自动识别,该文使用OpenCV对视频进行预处理,通过灰度化提取芯片上的全部轮廓,通过膨胀、腐蚀操作处理轮廓,再通过面积和周长两个参量筛选得到芯片的IMEI码区域,进一步通过将该区域与原视频结合得到含有芯片IMEI码的视频,最后使用Tesseract-OCR识别芯片IMEI码。同时做了基于神经网络CRNN进行识别的对比实验,首先通过生成器函数构造了一个由字母、数字和冒号组成的数据集用于模拟芯片IMEI码输入CRNN网络进行预训练,在此基础上用15张IMEI码的图片进行迁移学习,最后基于学习到的新模型对视频中的三块芯片进行识别。通过对比发现,在小样本数据集的情况下,该方法识别芯片IMEI的准确率远远超过CRNN识别芯片IMEI码的准确率。