李少辉，周 军，刘 波，钱俞好，吴闽仪

(河海大学 机电工程学院,江苏 常州 213000)

0 引 言

近年来，为了进一步提升生产车间流水线的自动化水平，提高生产效率，大部分流水线开始采用机器视觉产品代替人眼来识别产品上的文本信息，如生产日期、产品批号、条形码等[1]。传统的文字识别分类器有模板匹配、支持向量机等，早在20世纪80年代，OCR技术就已进入商用阶段，但是对文字背景的要求很高，需要很好的成像质量；近年来，随着人工神经网络技术在很多问题上有着突破性进展，该技术也被引入文本识别领域中。2014年ICPR会议上，微软亚洲研究院团队训练的一个浅层BP神经网络在自然场景文字检测的标准数据集上取得了92.1%的检测精度，让自然场景图像中的文字检测实现了突破[2]；谷歌公司2015年发布的tensorflow深度学习框架中，深度卷积神经网络对手写数字图片集MNIST的识别准确率达到了99%以上[3]。

由于大部分产品的文本信息是印刷体字符，包含较多的噪声和缺陷，且文本背景比较复杂，本文采用传统的图像处理方法和一种改进BP神经网络对流水线产品上的文本信息进行识别。

1 图片的预处理

图片预处理过程包括彩色图像灰度化、二值化、倾斜矫正等[4]。由于产品的文本图片由于放置问题可能出现倾斜现象，对后续的字符分割和识别产生影响，本文提出了基于仿射变换的倾斜校正方法。

1.1 彩色图像灰度化和二值化

大部分彩色图片采用RGB系统，所包含的信息量巨大。……