基于边界学习的食用油桶日期检测

在文本不规则形状、高反光和模糊等工业生产环境中,现有文本检测方法存在边框定位不准确以及检测形状局限于矩形框的问题。基于边界学习提出一种统一的、从宽泛到精细的检测框架,主要包括一个特征提取骨干网络、边界建议模块和迭代优化边界变换器模块。特征提取骨干网络采用ResNet网络对图片进行特征提取,由多层扩张卷积组成的边界建议模块用于生成粗略的边界框,边界变换器模块采用编码器−解码器结构,在分类图、距离场和方向场的指导下通过迭代变形逐步完善粗略的边界框。基于自测数据集进行试验,该模型在数据集上的准确率、召回率和F-measure值分别为91.56%、87.38%和89.41%,验证了本算法在食用油桶日期检测的效率和优势。