赵 庆,魏鸿磊,杨祎宁,黄 萌

(大连工业大学机械工程与自动化学院,大连 116034)

0 引言

汽车轮胎是汽车安全性的重要组成部分,其设计、制造和使用都需要严格的标准和规范[1]。轮胎的生产过程中会涉及到大量的字符标识,如规格、型号、批次等信息,这些信息对于轮胎的质量控制和追溯具有重要意义。传统的人工识别轮胎字符方法费时费力、效率低下且错误率较高,而采用机器视觉的轮胎字符识别比传统识别方式进一步提高,但对识别环境要求较高,条件也较为苛刻。因此,研究一种自动化的轮胎标识的方法具有非常重要的现实意义。

目前,基于机器视觉系统的字符识别已取得了很多成果。王浩楠等[2]提出一种基于机器视觉的轮胎胶料表面字符识别,通过字符定位、字符分割、形态学处理、模板匹配等方法实现字符识别。彭祺等[3]提出一种钢板板坯喷标字符识别系统,由图像传感器实时采集图像,百度飞浆Paddle-OCR字符识别算法,实现字符自动识别。陈甦欣等[4]提出一种离合器飞轮多行字符识别方法,首先,对离合器飞轮图像进行预处理,并提取边缘坐标;其次,用DBSCAN聚类算法定位圆环区域后,采用像素投影法进行字符分割;最后,利用LBP和支持向量机进行识别。采用传统机器视觉的方法,对图像的要求更高,通用性较差,当环境发生变化时识别效果也会发生变化。

随着深度学习技术的发展使得目标检测和识别技术得到了极大的提升,其中YOLO(you only look once)系列算法是一种快速、准确的目标检测算法[5]。……