来源：期刊VIP网 时间：
作者：付国伟;刘纯;
单位：重庆工程学院软件学院;重庆城市管理职业学院大数据与信息产业学院;
摘要：加工件标识字符识别是物料追踪与过程质量管控的重要环节，针对标识字符类别多、背景复杂影响识别正确率的问题，提出一种结合图像处理和优化卷积循环神经网络（Convolutional Recurrent Neural Network,CRNN）的加工件标识字符识别方法。对标识字符图像进行裁剪、二值化等预处理，结合图像倾斜矫正和可微二值化实现字符图像校正和目标区域检测。在CRNN网络的CTC层引入中心损失函数，利用优化后的CRNN模型对预处理后的标识字符集进行训练、识别。实测结果显示所提方法能够达到98.97%的准确识别率，表明所提出的融合方法对加工件标识字符具有很好的识别性能，满足工业生产物料追踪实际要求。
关键词：物料追踪;;字符识别;;卷积循环神经网络;;倾斜矫正;;目标检测
基金资助：国家重点研发专项（2020YFB1710500）;; 重庆市教育委员会科学技术研究项目（KJQN202303314）
