时间码缺陷检测依然以人力主导.目前的用以检验时间码缺陷的算法受制于算法复杂度和准确度,没法在工业领域得到很大范畴的运用.对于那样的状况,明确提出了一种新的根据迭代更新配准的t-rotateiterativeclosestpoint(PRICP)算法.该算法把时间码抽象性为点特点,根据对模版和特点点开展配准来快速检测时间码的缺陷,引进深度学习进一步提高了该算法的性,鲁棒性及缺陷归类能力.该算法早已取得成功运用于青岛啤酒厂生产流水线条码时间的缺陷检测中,当场运作数据显示该算法在鲁棒性和层面显著好于别的方式 ,适用好几个连通域信息内容码的迅速缺陷检测,另外不会受到标准及情况管束,抗噪音能力强,可立即运用于别的的视觉效果行业.

根据模板匹配的畸变字符识别算法.该算法能够全自动校正因为面层投射所造成的畸变字符图象,明显提升面层字符识别的准确率.随后对校正后的图象开展字符***,终根据模板匹配算法对字符作出.实验结果显示,畸变字符校正算法合理地提升了算法针对圆上上字符的鉴别工作能力,在检测中获得了优良的实际效果.根据模板匹配的畸变字符识别算法.该算法能够全自动校正因为面层投射所造成的畸变字符图象,明显提升面层字符识别的准确率.随后对校正后的图象开展字符***,终根据模板匹配算法对字符作出.实验结果显示,畸变字符校正算法合理地提升了算法针对圆上上字符的鉴别工作能力,在检测中获得了优良的实际效果.

解决低质量图像给识别任务带来的困难,构造了一个由图像增强网络(EnCNN)和手写体数字识别网络(LeNet-5)组成的低质量图片识别框架.将图像增强网络嫁接在识别网络前,并使用提出的策略进行模型学习.使得低质量图像在被识别前图像质量得到较大的改善,终实现低质量手写体图像识别率的提高.实验部分将提出的方法和在单纯使用低质量图像或高清图作为训练集进行训练的方法进行了对比,实验表明在低质量图像上,提出的方法有更高的数字识别率,且有更强的泛化能力.