云计算、大数据、移动互联网、物联网、人工智能等新兴信息技术与制造业深度融合,正在引发对制造业研发设计、生产制造、产业形态、商业模式、业务运营、决策方式、组织形态、企业文化等方面的深刻变革。随着机器视觉技术成熟,机器视觉技术已经逐步发展成为工业自动化生产过程中不可或缺的关键组成子系统,工业场景光学字符识别应用越来越成熟。
工件出入库应用现状:在复杂的工业制造环境中,为了更好的追踪工件的入库以及出库情况,工厂会选择在工件表面印有工件编号,工人通过肉眼识别工件编号数字,手动录入数据库信息完成对工件的管理。这种方法不仅效率低下,且混乱的工业环境极易导致错误的产生。在工件数据管理方面,迫切需要智能化工具来管理数据,将信息录入实现自动化。
示例:工业字符编号
工件出入库需求分析:
工件入库前对工件情况进行统计,包括激光压印上每个工件的工件种类、入库日期等信息;在出库时将每个工件对运输情况匹配,需要明确当前的工件编号,防止丢失工件信息,保证满足工厂的追踪要求。
工件编号字符自动识别解决方案:
基于机器视觉技术压刻工件信息识别:
1、工件编号定位
工业环境下背景混乱,常有工人手写标记干扰,造成编号的误定位,编号区域的准确定位是识别正确的前提。工件编号定位是在输入图像中检测出工件编号所在的位置,工件编号字符是由字母与数字组成,由于背景复杂,字迹污染等问题,通过建立工件编号定位模型,选取轻量化网络MobileNetV2作为工件编号特征提取网络,经采样特征增强后,引入ASPP模块以更好的适用小目标工件编号的区域定位。
示例:检测效果图
2、工件编号识别
针对工件编号粘连程度过高、难以分割、断裂以及长度不固定的问题,采用了一种非分割式的识别算法模型,通过改进特征提取网络,增加字符细节特征表达提高了模型准确率。对编号区域字符进行数据集的制作,并通过数据增强的方法解决数据集样本不平衡的问题,提高识别模型的抗干扰性能。
示例:数据增强效果
3、工件出入库系统
工件出入库系统面向需要对工件进行操作的员工,核心是完成工件信息的录入。信息录入模块的主要操作流程是通过获取工件编号后手动选择工件状态,并对工件类型进行选择后提交。其中编号获取方式可以通过从设备获取。
工业生产的自动化已经成为未来制造业的发展趋势,基于视觉识别的工件出入库系统,实现对工业场景下的编号字符拍照识别,提升工业生产过程中的自动化水平,为企业带来的人力的减少和工作效率的提高,以及对于人工的依赖也会随之降低。