[发明专利]基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法

权利要求书

1.一种基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，包括显微镜摄像机、叶片夹持固定设备和运行着深度学习算法模型的电子设备，具体包含如下的步骤：

S1：模型预训练

利用大量航空发动机叶片图片和针对图片进行的标注内容，对深度学习模型进行训练；

S2：获取航空发动机叶片图片

通过显微镜摄像机进行发动机叶片图片拍摄；

S3：文字整体位置定位

文字在叶片上占比非常小，用深度学习模型进行文字范围定位，并把有文字的部分看做一个整体切割出来；

S4：文字特征整体提取

利用深度学习网络在切割后的文字图片上进行特征提取；

S5:单字符切割

根据提取出来的特征，定位每个字符，并把字符从整体图片上切分出来；

S6:单字符识别

对于切割出来的图形，根据特征以及前期网络提供的长宽、字符间拟合出的直线斜率等信息进行字符识别；

S7:图像摆正重识别

如果深度学习网络判断的图片倾斜角度过大，将把图片进行摆正操作，并进行重新识别；

S8:定制化输出结果

获取识别结果，对结果处理之后输出到终端设备。

2.根据权利要求1所述的一种基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，利用显微镜摄像机对叶片字符进行拍照。

3.根据权利要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，使用训练好的深度学习目标检测模型检测航空发动机叶片上有字符位置的坐标。

4.根据权利要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，使用所述检测模型返回多种不同尺度的特征图数据。

5.根据权利要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，在使用所述检测模型中，确认字符坐标位置步骤中，基于卷积网络进行定位。

6.根据权利要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，在使用所述检测模型中，识别出单个字符的含义，包括中文，数值，英文俄文中的具体文字内容。

7.根据权利要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，在使用所述检测模型中，如果发现输入进来的图片文字倾斜角度过大，会修正文字到水平位置，然后重新检测。

8.根据权力要求1所述的基于深度学习的航空发动机叶片金属表面蚀刻字符识别方法，其特征在于，在使用所述检测模型中，会输入每个字符的位置和内容信息，并且按以文字从左到右、从上到下的默认阅读顺序，输出文本。