[发明专利]一种基于深度学习字符识别技术的托盘编号识别方法

说明书

本发明公开了一种基于深度学习字符识别技术的托盘编号识别方法，步骤一：AGV接收料盘，得到当前接收料盘的序号，通过摄像头拍摄料盘区域，获得料盘区域的完整图像与图像ID；步骤二：将图像进行变换，得到料盘正视图；步骤三：对料盘图像进行图像增强；步骤四：传入深度学习服务器或通过本地处理，通过深度学习方法将图像进行OCR识别，得到识别数字结果；步骤五：将数字结果进行后处理，得到料盘ID；步骤六：将料盘序号、料盘ID与图像ID传输至生产控制系统，正确则放行，错误则检出；步骤七：检测结果的前端展示，本发明一种基于深度学习字符识别技术的托盘编号识别方法，通过视觉方法规避传统RFID方法的缺陷，提升识别的准确率与速度。

技术领域

本发明涉及一种基于深度学习字符识别技术的托盘编号识别方法，属于智能制造与人工智能领域。

背景技术

工业生产与加工流程即将不同零件、组件加按照指定加工、装配工艺组合在一起的过程，其中必然涉及到将不同的零组件运输到同一工作空间这一过程，此过程中经常涉及物料的转移、输送。

物料的输送过程常通过移动AGV承载的方式运输。需要运载的零组件往往在料盘、料箱中堆码成特定的布局，将多个料盘堆叠在一起放在AGV上，由AGV从起始点运送到目标工作空间之中。

而在此过程中，如果出料错误，而AGV不能及时完成物料校验，则会将错误的物料运送到工作空间，发生生产事故，轻则导致生产效率降低，重则导致将错误的物料加工、装配在产品中，导致产品损坏或隐性产品问题，进而导致产品使用时更严重的间接危险。

传统方法中，在AGV进行料盘接收时会通过粘贴在料盘底部RFID的方式对料盘进行校验，这种方法有如下不足：

1. 料盘底部的RFID芯片必须与检测装置的距离小于2mm，此距离要求相对严格，一方面对料盘与输送机构的设计要求更严格，另一方面也提高了不能正确识别的风险；

2. RFID与检测装置的相对移动速度不能太高，否则也将无法识别。

3、RFID属于接触性读取的卡片，它的ID信息不能由人直观读取，出现问题无法快速判断物料类型。

这两点不足导致料盘移动速度受到影响经常，影响运输效率，另外也会在接料过程中导致误报、漏报。

发明内容

本发明的目的在于提供一种基于深度学习字符识别技术的托盘编号识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习字符识别技术的托盘编号识别方法，所述基于深度学习字符识别技术的托盘编号识别方法按照以下步骤进行：

步骤一：AGV接收料盘，得到当前接收料盘的序号，通过摄像头拍摄料盘区域，获得料盘区域的完整图像与图像ID；

步骤二：将图像进行变换，得到料盘正视图；

步骤三：对料盘图像进行图像增强，以突显料盘编码区域；

步骤四：传入深度学习服务器或通过本地处理，通过深度学习方法将图像进行OCR识别，得到识别数字结果；

步骤五：将数字结果进行后处理，得到料盘ID；

步骤六：将料盘序号、料盘ID与图像ID传输至生产控制系统，正确则放行，错误则检出；

步骤七：检测结果的前端展示。

作为本发明的一种优选技术方案，所述步骤一中，采用固定机位的摄像头或者采用机械臂作为摄像头的安装方式。

作为本发明的一种优选技术方案，所述步骤二、步骤三与步骤四中，配有高并发的处理能力的高性能计算机，在AGV本身的系统中处理，或者在服务器端处理，或者将所有步骤都在AGV本身的系统中处理。