時(shí)間碼缺陷檢測(cè)依然以人力主導(dǎo).目前的用以檢驗(yàn)時(shí)間碼缺陷的算法受制于算法復(fù)雜度和準(zhǔn)確度,沒法在工業(yè)領(lǐng)域得到很大范疇的運(yùn)用.對(duì)于那樣的狀況,明確提出了一種新的根據(jù)迭代更新配準(zhǔn)的t-rotateiterativeclosestpoint(PRICP)算法.該算法把時(shí)間碼抽象性為點(diǎn)特點(diǎn),根據(jù)對(duì)模版和特點(diǎn)點(diǎn)開展配準(zhǔn)來快速檢測(cè)時(shí)間碼的缺陷,引進(jìn)深度學(xué)習(xí)進(jìn)一步提高了該算法的性,魯棒性及缺陷歸類能力.該算法早已取得成功運(yùn)用于青島啤酒廠生產(chǎn)流水線條碼時(shí)間的缺陷檢測(cè)中,當(dāng)場(chǎng)運(yùn)作數(shù)據(jù)顯示該算法在魯棒性和層面顯著好于別的方式 ,適用好幾個(gè)連通域信息內(nèi)容碼的迅速缺陷檢測(cè),另外不會(huì)受到標(biāo)準(zhǔn)及情況管束,抗噪音能力強(qiáng),可立即運(yùn)用于別的的視覺效果行業(yè).

可塑性數(shù)據(jù)信息條形碼圖象缺陷檢測(cè),制作與搜集條形碼圖象模版,對(duì)其進(jìn)行準(zhǔn)備解決,幾何校正和條形碼分割,后采用依據(jù)垂直投影的缺陷檢測(cè)算法進(jìn)行處理.運(yùn)用算法先打橫掃描條形碼,記錄條和空的部位并計(jì)算其總寬,再豎向掃描條形碼,辨別條和空中的缺陷.實(shí)驗(yàn)確認(rèn),本科研明確指出的算法能非常好的檢測(cè)出條形碼的外觀缺陷如脫墨,劃痕,污垢,墨杠,準(zhǔn)確度保證98%以上.

根據(jù)電子器件管理平臺(tái),可以對(duì)產(chǎn)品的生產(chǎn)制造、貨運(yùn)物流、市場(chǎng)銷售及其應(yīng)用等階段開展監(jiān)管。噴碼字符做為一種常見產(chǎn)品管控碼,其檢驗(yàn)、鑒別在賦碼管控系統(tǒng)軟件中擁有至關(guān)重要的影響力。對(duì)于字符的鑒別,普遍的方式 主要是根據(jù)軟件系統(tǒng)設(shè)計(jì)方案的,該方式 不利機(jī)器設(shè)備當(dāng)場(chǎng)智能化系統(tǒng)管理方法。因而,文中設(shè)計(jì)方案了一套根據(jù)FPGA和單脈沖藕合神經(jīng)元網(wǎng)絡(luò)(PCNN)的噴碼字符識(shí)別技術(shù)。文中關(guān)鍵研究方向及結(jié)果為:(1)對(duì)于基本方式 在圖像二值分割時(shí),實(shí)際效果不理想化的難題,文中選用PCNN算法融合交叉熵基礎(chǔ)理論來分割圖像。,根據(jù)MATLAB對(duì)PCNN算法的基礎(chǔ)實(shí)體模型剖析,對(duì)于不一樣灰度值像素?cái)?shù)火時(shí)刻不一樣的特點(diǎn),開展圖像的二值分割。隨后,運(yùn)用每一次分割后圖像與原圖像的交叉熵的基礎(chǔ)理論,明確PCNN在分割圖像時(shí),什么時(shí)候?yàn)槎捣指顖D像。該方式 完成了圖像的全自動(dòng)分割,且實(shí)際效果非常好。(2)對(duì)于傳統(tǒng)式投射分割方式 只有分割持續(xù)字符,沒法分割點(diǎn)陣噴碼字符的難題,文中明確提出改善的投射分割算法。該算法運(yùn)用噴碼字符中點(diǎn)陣裂縫與字符間隔的關(guān)聯(lián),根據(jù)操縱分割閥值的尺寸將一串串字符分割成單獨(dú)字符,便于于字符svm算法及鑒別。改善后的算法不但可以分割持續(xù)字符,并且非常好的解決了傳統(tǒng)式投射算法沒法分割點(diǎn)陣字符的難題。(3)對(duì)于噴碼字符的點(diǎn)陣特點(diǎn),文中明確提出改善的網(wǎng)格圖特點(diǎn)算法,并改變字符鑒別標(biāo)準(zhǔn)。