[发明专利]用于识别烟箱箱号的装置、方法、烟丝装箱设备和工控机

说明书

本公开提供了一种用于识别烟箱箱号的装置、方法、烟丝装箱设备和工控机。该装置包括：光电触发模块，用于在检测到运行到预定位置的烟箱的情况下发出触发信号；图像获取模块，用于在接收到触发信号后对烟箱进行拍照以采集烟箱的图像；以及工控机，用于从图像获取模块接收烟箱的图像，从图像中获取烟箱上的字符，将字符输入到预先训练的神经网络分类器中进行符号匹配以识别出烟箱的箱号。本公开可以提高烟箱箱号识别的准确率。

技术领域

本公开涉及烟草自动控制技术领域，特别涉及一种用于识别烟箱箱号的装置、方法、烟丝装箱设备和工控机。

背景技术

在烟草行业中，根据现有工艺流程及路径，加香后的烟丝需装入烟丝木箱中存储，以供后续工序使用。每个烟丝木箱的四个侧面均有数字编号。目前对于每个烟丝木箱的信息记录和核对流程是，将烟丝的信息由PLC(Programmable Logic Controller，可编程逻辑控制器)写入RFID(Radio Frequency Identification，射频识别)芯片中，并将烟丝信息传至上位机，在上位集控系统作统一显示。同时，由人工记录生产现场的实际烟丝木箱的箱号信息，并将记录的信息和上位机显示的信息对比，核对无误后方可确认烟丝木箱入库存储。

在当前的生产流程中，因木箱更换或PLC读写过程出现异常以及WCS(WarehouseControl System，仓储控制系统)信息修改等原因，导致箱号与RFID芯片中的信息出现不一致的情况，容易造成错混牌的风险，因而采用人工进行二次核对，但人工核对依然存在人为失误的风险。

依托于机器视觉技术的发展，目前有人尝试使用图像识别技术对烟箱箱号进行自动识别，以替代人工在现场记录的方式。该方法的烟箱箱号的识别准确率大概在95％左右，根据工艺质量管控和产品质量要求，箱号记录准确率应该大于99％，因此，该识别方法无法完全替代人工。

发明内容

本公开解决的一个技术问题是：提供一种用于识别烟箱箱号的装置，以提高烟箱箱号识别的准确率。

根据本公开的一个方面，提供了一种用于识别烟箱箱号的装置，包括：光电触发模块，用于在检测到运行到预定位置的烟箱的情况下发出触发信号；图像获取模块，用于在接收到所述触发信号后对所述烟箱进行拍照以采集所述烟箱的图像；以及工控机，用于从所述图像获取模块接收所述烟箱的图像，从所述图像中获取所述烟箱上的字符，将所述字符输入到预先训练的神经网络分类器中进行符号匹配以识别出所述烟箱的箱号。

在一些实施例中，所述工控机用于对所述烟箱的图像进行识别区域定位和图片裁剪处理，对经过图片裁剪处理后的图片进行文本倾斜校正和二值化处理，并对经过二值化处理后的图片进行字符分割处理以获取所述烟箱上的字符。

在一些实施例中，所述工控机用于在所述符号匹配的过程中，根据多个不同的通道进行多次符号匹配。

在一些实施例中，所述工控机用于从历史数据中筛选出识别异常的图片，对所述识别异常的图片进行分类并进行图像预处理，从经过图像预处理后的图片中提取特征向量，将所述特征向量输入到神经网络分类器中以对所述神经网络分类器进行训练，对经过训练的神经网络分类器进行验证以获得有效的神经网络分类器；其中，所述图像预处理包括字符分割处理和二值化处理。

在一些实施例中，所述特征向量包括基于灰度值的特征向量和基于符号区域的特征向量。

在一些实施例中，所述工控机用于在对经过训练的神经网络分类器验证完毕后，将训练完成的多个神经网络分类器样本存储在分类器文件中，并获得每个神经网络分类器样本的置信值，并根据每个神经网络分类器样本的置信值确定对应的神经网络分类器样本是否为有效的神经网络分类器；其中，在神经网络分类器样本的置信值大于阈值的情况下，确定对应的神经网络分类器样本为有效的神经网络分类器。

在一些实施例中，所述神经网络分类器为基于向量机的分类器或者基于多层神经元的分类器。