[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

说明书

本发明公开了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，在获取图片后，通过深度学习模型，进行字符整体位置定位、字符特征整体提取、单字符切割、单字符识别，图像摆正重识别并定制化输出结果。本发明改变了传统的依靠人工进行识别并手动进行记录的方法，能够大幅度提高航空叶片字符识别的准确率和效率，同时能够将是识别照片进行集中保存，便于后期对其进行查证。

技术领域

本发明属于计算机视觉领域，具体地设计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。

背景技术

航空发动机叶片的识别记录过程是航空飞机组装过程中必不可少的一部分，航空制造领域对安全，可靠性有极高要求。航空发动机叶片是航空发动机的关键性部件，必须做好记录工作。现有的记录过程中，一般采用工人读取的方式进行记录，传统的识别过程有如下几个方面弊端：

(1)、依靠工人读取的方式进行记录，容易产生视觉疲劳，存在错误录入的隐患，无法保证记录信息的可靠性。

(2)、人工记录只有航空发动机叶片上的字符信息，不能保存原始的图片数据，在后期对于一些有疑惑的数据无法进行校准。

(3)、传统的识别过程效率较低。

发明内容

本发明的目的是为了解决以上现有技术的不足，提出了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，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。

进一步地，利用显微镜摄像机对叶片字符进行拍照。

更进一步地，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。

更进一步地，使用所述检测模型返回多种不同尺度的特征图数据。

更进一步地，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。

更进一步地，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。

更进一步地，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。