SCI论文（www.lunwensci.com）:
摘要：目前热轧生产出来的板坯均是手动喷涂的板坯号,在后续的板坯定位、入库、质检等操作中,需要人工去识别板坯喷号,工作效率较低、易出错。基于百度AI开放平台的板坯喷号识别的结果准确而高效。本文简单的阐述了文本识别的研究现状、板坯喷号识别的基本原理、理论方法。本文设计实现了基于百度AI平台的板坯喷号识别程序,并且使用现场实际的图片进行测试,结果显示使用百度AI平台能够有效的完成板坯喷号的识别任务。
关键词：板坯喷号：图像识别：百度AI：文字识别
Slab Spray Number Recognition Based on Baidu AI Open Platform
LIU Chao,SONG Haiyang,LIU Xueying
(Shougang Jingtang Iron and Steel United Co.,Ltd.,Tangshan Hebei 063200)
【Abstract】：At present,the slabs produced by hot rolling are all manually sprayed slab numbers.In the subsequent slab positioning,warehousing,quality inspection and other operations,it is necessary to manually identify the slab spraying number,which has low efficiency and is easy to make mistakes.The result of slab spray number recognition based on Baidu AI open platform is accurate and efficient.This paper briefly expounds the research status of text recognition,the basic principle and theoretical method of slab spray number recognition.This paper designs and implements the slab spray number recognition program based on Baidu AI platform,and tests it with the actual pictures on site.The results show that using Baidu AI platform can effectively complete the slab spray number recognition task.
【Key words】：slab spray number;image recognition;Baidu AI;character recognition
0引言
目前钢铁生产流程中,作为后续工序的原材料板坯需要一个统一的标识,会喷在板坯上,即板坯号,板坯作为热轧原料,板坯号表示这一些生产信息,包括工序号、生产日期、炉号等。板坯经过冷却后,人工通过识别板坯号,将板坯信息录入数据库,为后续的库存管理、质检管理提供数据基础。但是这种方式存在以下弊端：(1)生产过程中,需要有人不间断的值守,去识别板坯号,增加了劳动强度；(2)板坯号由人工录入系统,可能受到人为因素、环境因素等原因使数据的准确性、及时性得不到保障,产品质量易出现问题,发生质量异议,且影响整体的生产节奏；(3)人工识别出错率较高。基于以上的弊端,传统的人工识别已不在适用现在的快节奏生产,采用图像文字识别技术,将板坯号自动识别,通过加工处理及时传入生产管理系统,提高了工作效率的同时,也提高了数据的准确性、完整性、及时性。
板坯号自动识别主要是利用图像处理和模式识别相关技术,目前技术发展比较成熟,国内外在应用方面也比较广泛,且应用效果也比较好[1,2]。车牌号自动识别系统是比较典型的应用,因识别的目标字体规范,背景色比较单一,所以在识别准确率上比较高,一般达95%以上；另一个应用比较广泛的是手写票据的识别,由于是手写,形式各异,且书写潦草,识别准确率会降低一些,目前只能在90%左右[3]。板坯号自动识别技术,由于现场环境特殊、喷涂不工整、字迹模糊,且存在板坯倒放,板坯号颠倒的情况,这些因素大大增加了图像处理和识别的难度。本文使用百度AI开放平台,利用成熟的识别模型算法,很好地解决这些问题,并得到了较好的应用效果。
1文本识别的现状研究
文字图像的识别主要包含文本检测和文本识别两个阶段,其中文本检测包括以下：(1)正确地分割文字图像区域；(2)正确地分离单个文字。文本识别包括以下：(1)正确识别单个文字；(2)正确地连接单个文字。其中文本检测是文本识别的基础和前提,结果很大程度上直接影响后续识别的精度。
传统的文本检测方法一般采用手工特征提取的方式进行检测文本,比如SWT、MSER等方法,然后采用模板匹配或模型训练的方法对检测到的文本进行识别。主要过程为：版面处理、图像切分、特征提取、匹配及模型训练、识别后处理[4]。
2012年之后,随着深度学习在计算机视觉领域应用的不断扩大,工业场景下的图像文本识别更为复杂,它会出现在许多不同的情景下。文字识别逐渐抛弃了原有方法,过渡到深度学习算法方案。如图1所示列举了近几年来文本检测方法的发展历程。目前,根据检测文本对象的不同可以将基于深度学习的方法划分为自顶向下的文本检测方法和自底向上的文本检测方法两大类。
2文字识别平台选择
如表1所示对目前几个比较成熟的智能平台的文字识别能力进行介绍[5]。
由表1可知,各主要平台的文字识别准确率均可达到99%,因为本文主要研究的是基于文字识别技术的板坯号的识别,对于板坯图片,由于环境等原因,图片会有模糊、倾斜、翻转等情况,基于此,我们看到百度AI能更好适应这种图片的处理,所以我们选用百度AI平台用于板坯号的识别。
3百度AI平台
百度AI开放生态是从底端智能云,中间百度大脑,到顶层的DuerOS,打造的整体人工智能开放生态。百度大脑覆盖了从数据、算法、计算到感知层、认知层、平台层、生态层、应用层的不同能力层面的技术布局,其中平台层对外开放,生态层对接合作伙伴、开发者,最后在应用层落地企业、行业应用。
百度AI平台是百度开发的人工智能技术平台,百度大脑是百度AI技术多年积累和业务实践的集大成者。百度大脑由基础层、感知层、认知层和平台层以及AI安全组成。基础层为大数据、算法以及算力的支撑；感知层包括语音、视觉以及AR、VR等能力；认知层主要包括自然语言处理和知识图谱；平台层包括飞桨、百度大脑开放平台等,助力AI应用创新；此外还有AI安全技术进行保驾护航[6]。
4基于百度AI开放平台的板坯喷号识别实现
4.1安装环境配置
这项基于百度AI平台的板坯喷号识别的用到环境分别由Windows系统、.Net Framework 4.5、百度C#SDK,首先在官方网站下载C#SDK压缩工具包,解压后,将AipSdk.dll和Newtonsoft.Json.dll中添加为引用。
4.2项目实践
首先,注册百度AI平台账号,成为百度AI开放平台的开发者；点击登录文字识别控制台,找到「领取免费资源」按钮,开通开通文字识别服务；进入文字识别控制台,点击「创建应用」,创建板坯号文字识别应用,应用创建完毕后,您可以点击左侧导航中的「应用列表」,进行应用查看,就能看到创建完的应用API KEY以及Secret KEY了,最后通过编写代码调用文字识别服务API。
板坯号识别程序实现步骤如下：
(1)导入AipSdk.dll和Newtonsoft.Json.dll；
(2)设置Baidu AI的APPID和KEY；
(3)在Visual Studio 2013中创建程序解决方案,并开发前后台,在后台编写百度文字识别接口调用程序,如图2所示。
(4)读取图片；
(5)调用Baidu AI中的高清图像识别函数识别图片文字；
(6)将识别结果进行分析、提取内容；
(7)将提取的矩形框结果进行绘制；
(8)输出识别出的最终结果。
运行之后得到的结果如图3-图5所示。
从测试结果可以看到,图片中的板坯喷号已经被识别出来了,识别结果非常准确。例如图3是正放的板坯,板坯号比较模糊,但是结果是正确的。在比如图4中,板坯是倒放,清晰度比图1较好,也能够准备的识别。还有图5中,5块板坯同时罗列在一起,结果也是很正确的,并且是从上到下的顺序进行了识别。该程序有效地完成了板坯喷号的识别,准备率还是比较高的。
5总结
综上所述,本文介绍的主要工作是实现了对板坯上喷涂号的识别,基于百度AI开放平台实现了功能的初步探索。利用百度AI开放平台和C#实现板坯号的识别系统,其识别率还是很高的,有效地解决了人工识别的弊端,下一步将程序进行优化,与现有系统进行对接,实现板坯号的数据共享,最终实现自动识别板坯号,完成后续业务的信息化需要。
参考文献
[1]KENNEDYJ,EBERHART R C.Particle Swarm Optimization[C]//Proc IEEE Int Conf Neural Networks.Perth:IEEE Press,1995:1942-1948.
[2]PAPPALA V S,ERLICH I,ROHRIG K,et al.A Stochastic Modal for the Optimal Operation of a Wind-thermal Power System[J].IEEE Trans Power Syst,2009,24(2):940-950.
[3]杨辽,胡晓东,骆剑承,等.板坯号自动识别系统的研究与实现[J].计算机工程与设计,2011(2):696-699.
[4]王建新,王子亚,田萱.基于深度学习的自然场景文本检测与识别综述[J].软件学报,2020,31(5):1465-1496.
[5]马乐志,赵诗卉,吕呈龙,等.基于文字识别技术的仪表数据采集系统[J].区域供热,2022(1):137-142.
[6]互联网腾讯科技.陆奇:百度大脑是百度AI平台核心智能云有机会颠覆云市场[J].信息与电脑(理论版),2017(14):1-2.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/50532.html
