CN111274961A - 一种柔性ic基板字符识别和信息解析方法 - Google Patents

一种柔性ic基板字符识别和信息解析方法 Download PDF

Info

Publication number
CN111274961A
CN111274961A CN202010065601.6A CN202010065601A CN111274961A CN 111274961 A CN111274961 A CN 111274961A CN 202010065601 A CN202010065601 A CN 202010065601A CN 111274961 A CN111274961 A CN 111274961A
Authority
CN
China
Prior art keywords
character
image
flexible
character recognition
substrate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010065601.6A
Other languages
English (en)
Other versions
CN111274961B (zh
Inventor
胡跃明
郭怀勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Guangzhou Institute of Modern Industrial Technology
Original Assignee
South China University of Technology SCUT
Guangzhou Institute of Modern Industrial Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT, Guangzhou Institute of Modern Industrial Technology filed Critical South China University of Technology SCUT
Priority to CN202010065601.6A priority Critical patent/CN111274961B/zh
Publication of CN111274961A publication Critical patent/CN111274961A/zh
Application granted granted Critical
Publication of CN111274961B publication Critical patent/CN111274961B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开了一种柔性IC基板字符识别和信息解析方法，包含以下步骤：采集IC基板彩色图像，进行文字区域粗定位；从原图中裁剪文字区域图像，进行连通域分析；进行上下边界及左右边界精定位；使用卷积网络进行特征提取；分割图像成序列；输入循环神经网络获得字符预测结果；对结果序列解码获得最终识别结果；按设计规则对最终字符识别结果进行划分并与标准库比对；获得最终识别结果与元件关键信息解析结果。本发明解决了传统的字符识别算法容易受到环境因素的影响导致泛化性能差的问题，且适用于变长字符串的检测，大大提高了检测的准确性，并能够有效解析字符串所含电路元件关键信息。

Description

一种柔性IC基板字符识别和信息解析方法
技术领域
本发明涉及计算机视觉领域，特别涉及一种柔性IC基板字符识别和信息解析方法。
背景技术
由于电子产品自身的精密性要求，所以在产品的生产过程中各道工序都环环相扣，那么就必须保证每道工序的质量。柔性IC基板上的字符标识了电容、电感、芯片等电路元件的类型、容量大小、封装类型等重要信息，因此对其进行检测是非常重要的一环，然而基于传统的字符识别算法容易受到各种因素的影响，泛化性能差。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种柔性IC基板字符识别和信息解析方法。
本发明的目的通过以下的技术方案实现：
一种柔性IC基板字符识别和信息解析方法，包含以下步骤：
S1、运动模组以匀速的方式带动图像采集***运动，同时工控机控制CCD相机采集放置于吸附平台上的柔性IC基板的彩色图像；
S2、把采集到的每一帧图像分别作为输入，利用训练出的光学字符定位模型进行文字区域粗定位，获得每张图像中文字区域的中心位置坐标和宽高的偏移量共4个预测值；所述4个预测值具体为：中心位置的行坐标x、列坐标y，行坐标偏移量dx，列坐标偏移量dy；
S3、根据粗定位得到的4个预测值，将文字区域从原彩色图像中裁剪出来，并在裁剪的时候将定位出来的区域按比例进行扩充，防止因为粗定位不准导致的文字区域裁剪不全；
S4、对每张从原彩色图像裁剪出来的文字区域图像进行二值化，然后进行连通域分析寻找满足字符长宽比的轮廓，并记录下轮廓的顶点；
S5、将检测出的所有顶点标定到对应的裁剪出的文字区域图像上，进行直线拟合，得到字符区域上下边界的精确定位；
S6、统计每张文字区域图像每列的像素值之和，并找到合适的峰值点，进行字符区域左右边界的精确定位；
S7、将精定位之后的图像输入卷积网络进行特征提取，输出特征图；
S8、将特征图分成一系列图像序列，输入基于长短期记忆单元的循环神经网络，得到字符预测结果序列；
S9、对字符预测结果序列进行解码获得最终的字符识别结果；
S10、将所有获得的最终字符识别结果分别与标准文件进行比对，判断出柔性IC基板上字符是否印制正确；
S11、将每个字符识别结果按照字符的设计规则划分成若干子字符串；
S12、把每个子字符串与模板库中的字符串进行比对，识别电子元件的信息；所述电子元件的信息包括类型、容量大小、封装类型；
S13、获得柔性IC基板字符的最终识别结果与元件关键信息解析结果。
步骤S1中，所述CCD相机是以如下方式采集放置于吸附平台上的柔性IC基板的彩色图像：事先设置好每一帧图像拍摄的范围大小以及拍摄的具***置并规划好拍摄路径，使得拍摄的每帧图像包含的电路元件相同。
步骤S2中，所述光学字符定位模型是通过提取图像的Harr特征，使用基于adaboost算法的级联分类器训练出来的。
步骤S4中，所述对每张从原彩色图像裁剪出来的文字区域图像进行二值化，具体为：基于大津法对图像进行连续的15次二值化。
步骤S5中，所述直线拟合，具体为：采用随机抽样一致算法对文字区域图像的上下两部分的顶点进行直线拟合。
步骤S6中，所述合适的峰值点，是指最靠近左右边界的两个峰值点。
步骤S7中，所述将精定位之后的图像输入卷积网络进行特征提取，是指使用基于vgg16网络进行微调后得到的网络对图像进行处理。
步骤S8中，所述图像序列，是指将得到的文字区域图像，按照纵向方向分割成宽度一样的图像切片，分割后得到的图像呈长条形。
步骤S9中，所述对字符预测结果序列进行解码，是指对基于长短期记忆单元的循环神经网络预测出来的字符串进行多余字符的识别和删除，最终得到预测结果。
步骤S10中，所述柔性IC基板上字符，其印制不正确的情形包括字符缺失、错印、多印。
步骤S12中，所述模板库存放了所有可能会被使用到的标准的电路元件名称字符串、封装类型字符串、间隔符信息。
本发明与现有技术相比，具有如下优点和有益效果：
本发明提出使用深度学习循环神经网络的方法进行检测，大大提高了检测的准确性和算法的泛化能力，并且还能有效的进行字符串解析给出元件的关键信息。
附图说明
图1是本发明所述一种柔性IC基板字符识别和信息解析方法的流程图。
图2是随机抽样一致性算法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1、2所示，一种柔性IC基板字符识别和信息解析方法，包含以下步骤：
S1、运动模组以匀速的方式带动图像采集***运动，同时工控机控制CCD相机采集放置于吸附平台上的柔性IC基板的彩色图像；
S2、把采集到的每一帧图像分别作为输入，利用训练出的光学字符定位模型进行文字区域粗定位，获得每张图像中文字区域的中心位置坐标和宽高的偏移量共4个预测值；
S3、根据粗定位得到的4个预测值，将文字区域从原彩色图像中裁剪出来，并在裁剪的时候将定位出来的区域按比例进行扩充，防止因为粗定位不准导致的文字区域裁剪不全；
S4、对每张从原彩色图像裁剪出来的文字区域图像进行二值化，然后进行连通域分析寻找满足字符长宽比的轮廓，并记录下轮廓的顶点；
S5、将检测出的所有顶点标定到对应的裁剪出的文字区域图像上，进行直线拟合，得到字符区域上下边界的精确定位；
S6、统计每张文字区域图像每列的像素值之和，并找到合适的峰值点，进行字符区域左右边界的精确定位；
S7、将精定位之后的图像输入卷积网络进行特征提取，输出特征图；
S8、将特征图分成一系列图像序列，输入基于长短期记忆单元的循环神经网络，得到字符预测结果序列；
S9、对字符预测结果序列进行解码获得最终的字符识别结果；
S10、将所有获得的最终字符识别结果分别与标准文件进行比对，判断出柔性IC基板上字符是否印制正确；
S11、将每个字符识别结果按照字符的设计规则划分成若干子字符串；
S12、把每个子字符串与模板库中的字符串进行比对，识别电子元件的信息；所述电子元件的信息包括类型、容量大小、封装类型；
S13、获得柔性IC基板字符的最终识别结果与元件关键信息解析结果。
步骤S1中，所述CCD相机是以如下方式采集放置于吸附平台上的柔性IC基板的彩色图像：事先设置好每一帧图像拍摄的范围大小以及拍摄的具***置并规划好拍摄路径，使得拍摄的每帧图像包含的电路元件相同。
步骤S2中，所述光学字符定位模型是通过提取图像的Harr特征，使用基于adaboost算法的级联分类器训练出来的。
步骤S4中，所述对每张从原彩色图像裁剪出来的文字区域图像进行二值化，具体为：基于大津法对图像进行连续的15次二值化。
步骤S5中，所述直线拟合，具体为：采用随机抽样一致算法对文字区域图像的上下两部分的顶点进行直线拟合。
步骤S6中，所述合适的峰值点，是指最靠近左右边界的两个峰值点。
步骤S7中，所述将精定位之后的图像输入卷积网络进行特征提取，是指使用基于vgg16网络进行微调后得到的网络对图像进行处理。
步骤S8中，所述图像序列，是指将得到的文字区域图像，按照纵向方向分割成宽度一样的图像切片，分割后得到的图像呈长条形。
步骤S9中，所述对字符预测结果序列进行解码，是指对基于长短期记忆单元的循环神经网络预测出来的字符串进行多余字符的识别和删除，最终得到预测结果。
步骤S10中，所述柔性IC基板上字符，其印制不正确的情形包括字符缺失、错印、多印。
步骤S12中，所述模板库存放了所有可能会被使用到的标准的电路元件名称字符串、封装类型字符串、间隔符信息。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种柔性IC基板字符识别和信息解析方法，其特征在于，包含以下步骤：
S1、运动模组以匀速的方式带动图像采集***运动，同时工控机控制CCD相机采集放置于吸附平台上的柔性IC基板的彩色图像；
S2、把采集到的每一帧图像分别作为输入，利用训练出的光学字符定位模型进行文字区域粗定位，获得每张图像中文字区域的中心位置坐标和宽高的偏移量共4个预测值；
S3、根据粗定位得到的4个预测值，将文字区域从原彩色图像中裁剪出来，并在裁剪的时候将定位出来的区域按比例进行扩充，防止因为粗定位不准导致的文字区域裁剪不全；
S4、对每张从原彩色图像裁剪出来的文字区域图像进行二值化，然后进行连通域分析寻找满足字符长宽比的轮廓，并记录下轮廓的顶点；
S5、将检测出的所有顶点标定到对应的裁剪出的文字区域图像上，进行直线拟合，得到字符区域上下边界的精确定位；
S6、统计每张文字区域图像每列的像素值之和，并找到合适的峰值点，进行字符区域左右边界的精确定位；
S7、将精定位之后的图像输入卷积网络进行特征提取，输出特征图；
S8、将特征图分成一系列图像序列，输入基于长短期记忆单元的循环神经网络，得到字符预测结果序列；
S9、对字符预测结果序列进行解码获得最终的字符识别结果；
S10、将所有获得的最终字符识别结果分别与标准文件进行比对，判断出柔性IC基板上字符是否印制正确；
S11、将每个字符识别结果按照字符的设计规则划分成若干子字符串；
S12、把每个子字符串与模板库中的字符串进行比对，识别电子元件的信息；所述电子元件的信息包括类型、容量大小、封装类型；
S13、获得柔性IC基板字符的最终识别结果与元件关键信息解析结果。
2.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S1中，所述CCD相机是以如下方式采集放置于吸附平台上的柔性IC基板的彩色图像：事先设置好每一帧图像拍摄的范围大小以及拍摄的具***置并规划好拍摄路径，使得拍摄的每帧图像包含的电路元件相同。
3.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S2中，所述光学字符定位模型是通过提取图像的Harr特征，使用基于adaboost算法的级联分类器训练出来的。
4.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S4中，所述对每张从原彩色图像裁剪出来的文字区域图像进行二值化，具体为：基于大津法对图像进行连续的15次二值化。
5.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S5中，所述直线拟合，具体为：采用随机抽样一致算法对文字区域图像的上下两部分的顶点进行直线拟合。
6.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S6中，所述合适的峰值点，是指最靠近左右边界的两个峰值点。
7.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S7中，所述将精定位之后的图像输入卷积网络进行特征提取，是指使用基于vgg16网络进行微调后得到的网络对图像进行处理。
8.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S8中，所述图像序列，是指将得到的文字区域图像，按照纵向方向分割成宽度一样的图像切片，分割后得到的图像呈长条形。
9.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S9中，所述对字符预测结果序列进行解码，是指对基于长短期记忆单元的循环神经网络预测出来的字符串进行多余字符的识别和删除，最终得到预测结果。
10.根据权利要求1所述柔性IC基板字符识别和信息解析方法，其特征在于，步骤S12中，所述模板库存放了所有可能会被使用到的标准的电路元件名称字符串、封装类型字符串、间隔符信息。
CN202010065601.6A 2020-01-20 2020-01-20 一种柔性ic基板字符识别和信息解析方法 Expired - Fee Related CN111274961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010065601.6A CN111274961B (zh) 2020-01-20 2020-01-20 一种柔性ic基板字符识别和信息解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010065601.6A CN111274961B (zh) 2020-01-20 2020-01-20 一种柔性ic基板字符识别和信息解析方法

Publications (2)

Publication Number Publication Date
CN111274961A true CN111274961A (zh) 2020-06-12
CN111274961B CN111274961B (zh) 2021-12-07

Family

ID=71003398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010065601.6A Expired - Fee Related CN111274961B (zh) 2020-01-20 2020-01-20 一种柔性ic基板字符识别和信息解析方法

Country Status (1)

Country Link
CN (1) CN111274961B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149668A (zh) * 2020-09-23 2020-12-29 北京智通云联科技有限公司 带有边痕的喷码识别方法及***
CN112417996A (zh) * 2020-11-03 2021-02-26 珠海格力电器股份有限公司 工业图纸的信息处理方法、装置、电子设备和存储介质
CN114529715A (zh) * 2022-04-22 2022-05-24 中科南京智能技术研究院 一种基于边缘提取的图像识别方法及***
WO2022148396A1 (zh) * 2021-01-08 2022-07-14 长鑫存储技术有限公司 芯片采集方法和芯片定位方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520851A (zh) * 2008-02-29 2009-09-02 富士通株式会社 字符信息识别装置和方法
CN104463209A (zh) * 2014-12-08 2015-03-25 厦门理工学院 一种基于bp神经网络的pcb板上数字代码识别方法
CN108615034A (zh) * 2017-12-14 2018-10-02 燕山大学 一种模板匹配与神经网络算法结合的车牌识别方法
CN108710854A (zh) * 2018-05-22 2018-10-26 长治学院 一种电子元器件的识别方法和装置
CN108982508A (zh) * 2018-05-23 2018-12-11 江苏农林职业技术学院 一种基于特征模板匹配和深度学习的塑封体ic芯片缺陷检测方法
US20180373947A1 (en) * 2017-06-22 2018-12-27 StradVision, Inc. Method for learning text recognition, method for recognizing text using the same, and apparatus for learning text recognition, apparatus for recognizing text using the same
CN109389091A (zh) * 2018-10-22 2019-02-26 重庆邮电大学 基于神经网络和注意力机制结合的文字识别***及方法
CN109871843A (zh) * 2017-12-01 2019-06-11 北京搜狗科技发展有限公司 字符识别方法和装置、用于字符识别的装置
CN110070536A (zh) * 2019-04-24 2019-07-30 南京邮电大学 一种基于深度学习的pcb板元器件检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520851A (zh) * 2008-02-29 2009-09-02 富士通株式会社 字符信息识别装置和方法
CN104463209A (zh) * 2014-12-08 2015-03-25 厦门理工学院 一种基于bp神经网络的pcb板上数字代码识别方法
US20180373947A1 (en) * 2017-06-22 2018-12-27 StradVision, Inc. Method for learning text recognition, method for recognizing text using the same, and apparatus for learning text recognition, apparatus for recognizing text using the same
CN109871843A (zh) * 2017-12-01 2019-06-11 北京搜狗科技发展有限公司 字符识别方法和装置、用于字符识别的装置
CN108615034A (zh) * 2017-12-14 2018-10-02 燕山大学 一种模板匹配与神经网络算法结合的车牌识别方法
CN108710854A (zh) * 2018-05-22 2018-10-26 长治学院 一种电子元器件的识别方法和装置
CN108982508A (zh) * 2018-05-23 2018-12-11 江苏农林职业技术学院 一种基于特征模板匹配和深度学习的塑封体ic芯片缺陷检测方法
CN109389091A (zh) * 2018-10-22 2019-02-26 重庆邮电大学 基于神经网络和注意力机制结合的文字识别***及方法
CN110070536A (zh) * 2019-04-24 2019-07-30 南京邮电大学 一种基于深度学习的pcb板元器件检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XING-WANG ZHANG ET AL: "A Vehicle License Plate Recognition Method Based on Neural Network", 《2010 IEEE INTERNATIONAL CONFERENCE ON GRANULAR COMPUTING》 *
何周浩等: "基于图像特征的SMT电阻型号快速检测", 《电子质量》 *
唐铭豆等: "基于神经网络的芯片表面字符检测识别***", 《现代计算机(专业版)》 *
李珊珊等: "基于神经网络的分阶车牌字符识别算法研究", 《工业仪表与自动化装置》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149668A (zh) * 2020-09-23 2020-12-29 北京智通云联科技有限公司 带有边痕的喷码识别方法及***
CN112417996A (zh) * 2020-11-03 2021-02-26 珠海格力电器股份有限公司 工业图纸的信息处理方法、装置、电子设备和存储介质
WO2022148396A1 (zh) * 2021-01-08 2022-07-14 长鑫存储技术有限公司 芯片采集方法和芯片定位方法
US11861451B2 (en) 2021-01-08 2024-01-02 Changxin Memory Technologies, Inc. Method for chip collection and method for chip positioning
CN114529715A (zh) * 2022-04-22 2022-05-24 中科南京智能技术研究院 一种基于边缘提取的图像识别方法及***

Also Published As

Publication number Publication date
CN111274961B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN111274961B (zh) 一种柔性ic基板字符识别和信息解析方法
CN110766014B (zh) 票据信息定位方法、***及计算机可读存储介质
CN108764229B (zh) 一种基于计算机视觉技术的水尺图像自动识别方法
CN110909732B (zh) 一种图中数据的自动提取方法
CN113077453B (zh) 一种基于深度学习的电路板元器件缺陷检测方法
JP3842006B2 (ja) 帳票類判別装置、帳票類判別方法、およびこれらの方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体
CN113591967B (zh) 一种图像处理方法、装置、设备及计算机存储介质
CN106778737B (zh) 一种车牌矫正方法、装置和一种视频采集装置
CN109712162B (zh) 一种基于投影直方图差异的线缆字符缺陷检测方法和装置
Shivakumara et al. An efficient edge based technique for text detection in video frames
US9324001B2 (en) Character recognition device and character segmentation method
CN110458158B (zh) 一种针对盲人辅助阅读的文本检测与识别方法
CN101122952A (zh) 一种图片文字检测的方法
CN112419260A (zh) 一种pcb文字区域缺陷检测方法
WO2018072333A1 (zh) 一种元件错件检测方法和装置
US11580758B2 (en) Method for processing image, electronic device, and storage medium
CN111091124A (zh) 一种书脊文字识别方法
CN109190625A (zh) 一种大角度透视变形的集装箱箱号识别方法
WO2022148396A1 (zh) 芯片采集方法和芯片定位方法
CN117037185B (zh) 一种基于光学字符识别技术的导线线号识别方法及装置
CN116704490B (zh) 车牌识别方法、装置和计算机设备
CN113393447A (zh) 基于深度学习的针尖正位度检测方法及***
JP5045211B2 (ja) 文字認識装置、外観検査装置及び文字認識方法
CN111382703B (zh) 一种基于二次筛选与分数融合的指静脉识别方法
JP4194020B2 (ja) 文字認識方法、該方法の実行に用いるプログラム及び文字認識装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Nansha District Avenue South Ring of 511458 cities in Guangdong province Guangzhou City, No. 25 Hua Da Guangzhou production and Research Institute

Applicant after: SOUTH CHINA University OF TECHNOLOGY

Applicant after: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY

Address before: 510640 Tianhe District, Guangdong, No. five road, No. 381,

Applicant before: SOUTH CHINA University OF TECHNOLOGY

Applicant before: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211207

CF01 Termination of patent right due to non-payment of annual fee