基于集成式深度学习的轮胎压印字符识别通用算法

    公开(公告)号:CN115457561A

    公开(公告)日:2022-12-09

    申请号:CN202211046142.2

    申请日:2022-08-30

    Applicant: 东南大学

    Abstract: 本发明公开了基于集成式深度学习的轮胎压印字符识别通用算法,包括步骤为:利用高帧率相机捕捉来往车辆图像;利用YOLO‑V5网络识别图像中的轮胎并定位,通过相机自动对焦与放大重新拍摄被定位轮胎的完整清晰图像;PSENet网络能实现多形态、弯曲以及倒置字符的识别定位;字符正位旋转;采用CRNN网络和BLSTM网络相结合的方法,对矩形字符中的每个标识符均进行识别。本系统能对车辆移动字符方向旋转和夜间行驶光线昏暗的条件下的短时间内定位出轮胎侧壁压印字符的位置,并进行文本识别,可用于收费站与单车道两侧对轮胎型号的快速拍照识别,从而进行进一步处理,如变形检测、超重检测等;其成本小、精度高、速度快、自动化程度高。

    基于集成式深度学习的轮胎压印字符识别通用方法

    公开(公告)号:CN115457561B

    公开(公告)日:2023-09-22

    申请号:CN202211046142.2

    申请日:2022-08-30

    Applicant: 东南大学

    Abstract: 本发明公开了基于集成式深度学习的轮胎压印字符识别通用算法,包括步骤为:利用高帧率相机捕捉来往车辆图像;利用YOLO‑V5网络识别图像中的轮胎并定位,通过相机自动对焦与放大重新拍摄被定位轮胎的完整清晰图像;PSENet网络能实现多形态、弯曲以及倒置字符的识别定位;字符正位旋转;采用CRNN网络和BLSTM网络相结合的方法,对矩形字符中的每个标识符均进行识别。本系统能对车辆移动字符方向旋转和夜间行驶光线昏暗的条件下的短时间内定位出轮胎侧壁压印字符的位置,并进行文本识别,可用于收费站与单车道两侧对轮胎型号的快速拍照识别,从而进行进一步处理,如变形检测、超重检测等;其成本小、精度高、速度快、自动化程度高。

    基于协同网络的轮胎压印字符动态识别方法

    公开(公告)号:CN116403217A

    公开(公告)日:2023-07-07

    申请号:CN202310379418.7

    申请日:2023-04-11

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于协同网络的轮胎压印字符动态识别方法,首先使用YOLO‑V5s网络识别捕捉到的图像中的轮胎,并按照检测框的轮廓裁剪图片;对裁剪得到的轮胎图像进行四分区,在分区内使用ENet定位字符区域,滤去面积过小的噪声区域;基于区域生长算法,提取完整的字符区域;对不规则的掩膜区域做外接矩形,并将四个分割图像进行拼接;计算拼接后的字符区域面积并排序,过滤非目标的字符区域;再次作外接矩形后通过图像旋转和投影展开使字符处于正位并将字符拉直;使用YOLO‑V5s网络对图像块内字符进行识别。本发明稳定性高,成本低,适用场景广泛,可动态实现对指定字符部分的识别,过滤多余信息。

Patent Agency Ranking