芯片字符是芯片的唯一標識,字符實時識別系統(tǒng)是各種芯片設備不可或缺的組成部分,如芯片重排等設備。目前,工業(yè)現(xiàn)場仍采用傳統(tǒng)的方法,重點關注特征設計,精度、效率和魯棒性低。而基于深度學習的方法盡管能夠自動提取文字特征,但流程復雜,難以優(yōu)化且速度慢。本文研究一種基于深度學習的字符實時識別系統(tǒng),整張圖像直接輸入系統(tǒng)輸出識別結(jié)果,無需繁復的預處理和后處理操作,算法流程簡單,精度、效率和魯棒性高。研究小字符端到端識別算法。芯片字符尺寸小,嚴重影響字符識別性能。本文提出基于多尺度特征的小字符識別算法,加權(quán)融合高層和低層特征,設計合適參考框、特征金字塔和損失函數(shù)等。提出芯片字符圖像標準數(shù)據(jù)集,整理和制定字符識別算法評價系統(tǒng)。研究芯片圖像去模糊算法。芯片圖像存在運動模糊,嚴重影響字符識別精度。提出基于條件對抗網(wǎng)絡的盲圖像去模糊算法,學習模糊-清晰圖像間映射,設計合適的損失函數(shù)和網(wǎng)絡結(jié)構(gòu)等。提出隨機軌道生成法生成構(gòu)建標準數(shù)據(jù)集,并且整理和制定芯片圖像去模糊算法評價系統(tǒng)。研究芯片字符識別數(shù)據(jù)增強算法。芯片字符圖像數(shù)據(jù)集存在數(shù)據(jù)量不足、多樣性差的特點,不利于“少數(shù)字符”的學習。提出基于條件對抗網(wǎng)絡的數(shù)據(jù)增強算法,以字符類別標簽作為約束條件,實現(xiàn)字符識別數(shù)據(jù)集擴充。綜合整個芯片字符識別系統(tǒng),由數(shù)據(jù)增強器、去模糊器和字符識別器組成。實驗結(jié)果顯示本系統(tǒng)可實現(xiàn)誤識別率和漏識別率最低分別為0.33%和0.09%,可實現(xiàn)識別時間最低為19.9ms/幅,滿足工業(yè)現(xiàn)場要求。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TP18;TN405
【部分圖文】：

圖 1-1 文獻[19]R-CNN 端對端識別流程圖VPR2016 上，Gupta 等人[20]通過合成法生成大量含有文本信息的樣本回歸網(wǎng)絡（Fully Convolutional Regression Networks，F(xiàn)CRN）。該方法據(jù)難以標注的難題，盡管樣本中存在大量合成文本，但其 FCRN 文本良好。 年，Ma 等[21]在 Faster R-CNN 框架上實現(xiàn)任意方向旋轉(zhuǎn)的感興趣區(qū)域

前沿小

（a）C1 （b）C2圖 2-3 機器視覺采集的芯片字符圖像不同于文本文字圖像，芯片字符圖像主要具有以下幾個難點：（1）字符尺寸小。采集到的整張圖像尺寸為1280 960，芯片平均尺寸為156 155，字符平均尺寸為 21 27，字符長寬相對于整張圖像的比例僅僅為1.6% 2.8%，屬于小目標，加大字符識別的難度。（2）圖像存在運動模糊。高質(zhì)量圖像要求光照均勻、分辨率高、圖像清晰，識別區(qū)域和其他區(qū)域的對比度高。機械運動平臺移動 wafer 盤到下一個視場，步進電機停止，機器視覺系統(tǒng)抓取視場范圍內(nèi)的芯片圖像。電機驟停導致 wafer 盤和芯片產(chǎn)生振動，相機和芯片產(chǎn)生相對運動，采集的芯片字符圖像存在運動模糊，將會直接影響后續(xù)圖像處理的難易程度以及字符識別的準確性。（3）個別字符數(shù)目特別少，難以大規(guī)模采集。字符由數(shù)字（0-9）和字母（A-Z）

【相似文獻】

相關期刊論文 前10條

1 朱麟;;字符分割技術的研究與應用[J];科技展望;2016年34期

2 梁永貴;林江莉;陳科;;車牌圖像中字符分割方法[J];微計算機信息;2009年34期

3 張玉林;張永華;;基于自組織映射神經(jīng)網(wǎng)絡的粘連字符分割[J];山東科技大學學報(自然科學版);2006年02期

4 顧弘;趙光宙;齊冬蓮;孫峗;張建良;;車牌識別中先驗知識的嵌入及字符分割方法[J];中國圖象圖形學報;2010年05期

5 馬瑞;楊靜宇;;一種利用灰度信息和二值信息的手寫字符分割[J];計算機工程;2007年15期

6 趙海燕,白青海,裴志利;車牌字符分割前的顏色預處理[J];內(nèi)蒙古民族大學學報(自然科學版);2004年02期

7 楊玉東;李莉;高云富;曲曉威;林琳;楊茜;白鵬輝;王瑜;;兩種文本類型驗證碼字符分割提取方法[J];北華大學學報(自然科學版);2019年01期

8 周鳳香;;一種新的表格字符分割算法的研究與實現(xiàn)[J];數(shù)字技術與應用;2016年03期

9 李文舉;姜周恩;朱正強;崔曉松;;利用反饋的車牌字符分割算法[J];計算機應用與軟件;2011年04期

10 王枚;王國宏;;基于伴生與互補顏色特征的車牌字符分割新方法[J];山東大學學報(工學版);2007年01期

相關會議論文 前3條

1 李冬梅;牛長流;;運動車輛的牌照識別[A];2009通信理論與技術新發(fā)展——第十四屆全國青年通信學術會議論文集[C];2009年

2 胡偉平;王日鳳;;基于閾值分割與區(qū)域生長的車牌識別方法[A];廣西計算機學會2015年學術年會論文集[C];2015年

3 楊焯硯;徐益君;張俊如;;車牌識別算法的研究和實現(xiàn)[A];2009年中國高校通信類院系學術研討會論文集[C];2009年

相關博士學位論文 前5條

1 馬瑞;非限制手寫字符分割中相關技術與算法的研究[D];南京理工大學;2007年

2 李學勇;金屬標牌壓印凹凸字符的特征提取和識別方法研究[D];山東大學;2008年

3 陳為;基于變化方向光源的壓印立體字符分割方法的研究[D];山東大學;2013年

4 陳振學;基于特征顯著性的目標識別方法及其應用研究[D];華中科技大學;2007年

5 李波;基于圖像分析的車輛識別與跟蹤若干關鍵技術研究[D];華中科技大學;2011年

相關碩士學位論文 前10條

1 翁祖輝;單指針與數(shù)字式儀表遠程讀數(shù)識別定位研究[D];電子科技大學;2019年

2 林惠;基于深度學習的芯片字符實時識別方法研究[D];華中科技大學;2019年

3 史昊林;基于機器學習的電路板印刷字符檢測識別方法研究[D];電子科技大學;2019年

4 黃良俊;復雜環(huán)境下的車牌識別算法研究[D];合肥工業(yè)大學;2019年

5 駱俊;復雜條件下車牌識別方法的研究與實現(xiàn)[D];西南石油大學;2018年

6 阿薩（Asad Khan）;基于彩色圖像檢測的車牌自動分割與識別[D];北京郵電大學;2019年

7 劉潔;實時車牌識別系統(tǒng)的設計與實現(xiàn)[D];山東大學;2019年

8 侯海霞;基于深度學習的運動員號碼牌識別[D];江西師范大學;2018年

9 孫庭強;復雜環(huán)境下車牌檢測與識別方法研究[D];南京郵電大學;2018年

10 唐夢云;深度學習在驗證碼破解和設計中的應用研究[D];西安電子科技大學;2018年

本文編號：2812996