基于改进的CNN喷码式不规则字符识别与提取方法

乳制品纸包装上的生产批号在喷码过程中由于各种原因部分字符出现粘连或缺失,影响字符的自动化识别.针对这一问题,提出了一种基于改进的CNN喷码式不规则字符识别与提取方法.首先,利用yolov3算法对生产 日期区域进行提取;其次,对图像进行预处理;再次,通过一种基于字宽的分割算法结合投影法,利用相邻字符间的像素差异实现对粘连字符的分割;最后,对分割后的单个字符利用改进的CNN进行多标签分类训练得到模型.实验结果表明,改进后的模型对粘连字符和半或残缺字符的识别准确率分别为97.89％和96.71％,相较于模板匹配法、传统的LeNet-5模型、fast R-CNN+NMS模型和yolov3+K-means算法都有所提高.基于该方法设计的字符识别系统,提高了生产日期的在线识别准确率.