CN118711188B - 一种钢印字符识别方法和系统 - Google Patents

Abstract

本发明公开了一种钢印字符识别方法和系统，涉及图像识别技术领域，遮挡分析模块通过反射特性监测和反射对比度Fbdd计算，能够检测并识别透明胶带或其他遮挡物对钢印字符的覆盖影响，若发现反射对比度Fbdd超出预设阈值，系统将发出遮盖识别指令，这一功能有效识别并处理因遮挡导致的识别困难。综合识别分析模块在收到遮盖识别指令后，计算识别影响系数Syxs并结合三维点云数据进行详细分析，这不仅准确评估了钢印字符区域与遮挡区域的重叠程度，还帮助识别出可能的影响因素。反馈模块通过评估阈值与识别影响系数Syxs的比对，提供了对当前识别难易程度的客观判断，这一综合反馈机制可以指导进一步的调整和优化，提高系统的适应性和准确性。

Description

一种钢印字符识别方法和系统

技术领域

本发明涉及图像识别技术领域，具体为一种钢印字符识别方法和系统。

背景技术

在信息技术和自动化控制领域，图像识别系统是提高生产效率和质量控制的重要工具。特别是在印刷和包装行业中，图像识别技术被广泛应用于产品标识和质量检测。钢印字符识别作为一种专门的图像识别应用，致力于识别和验证印刷在物品表面的钢印字符。钢印字符通常用于确保产品的真实性和追踪信息，广泛应用于各类文档、证件和包装上。在医药行业中，钢印字符常见于药品外包装的一侧并常采用向内凹陷的印刷方式，通常包含内容有药品的生产日期、有效日期以及药品批号。

针对药品纸质外包装上钢印字符的识别，传统的视觉识别技术面临诸多挑战。由于药品包装表面常常存在凹凸不平的钢印字符，且药盒常采用透明胶带作为封口的工具，经常会出现胶带封在钢印码一部分的情况，使得在对钢印字符进行识别时存在覆盖的可能。上述这些因素增加了字符识别的复杂性。传统方法可能难以准确识别被遮挡的钢印字符，进而影响了识别的准确性和可靠性。

发明内容

针对现有技术的不足，本发明提供了一种钢印字符识别方法和系统，解决了上述背景技术中的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种钢印字符识别系统，包括图像捕捉模块、图像预处理模块、识别模块、遮挡分析模块、综合识别分析模块及反馈模块；

所述图像捕捉模块用于利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

所述图像预处理模块用于对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

所述识别模块用于基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

所述遮挡分析模块用于对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

所述综合识别分析模块用于在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

所述反馈模块用于预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。

优选的，所述图像捕捉模块包括捕捉单元和三维状态采集单元；

所述捕捉单元用于预先将药品放置于工作台，使药品外包装表面保持平整且进行位置固定，通过利用视觉监测仪器对药品外包装进行正投影拍摄，以捕捉正投影图像，其中，视觉监测仪器包括GigE工业相机及网络摄像头；

所述三维状态采集单元用于利用3D扫描技术对药品外包装表面的凹陷程度进行扫描作业，启动3D扫描仪，通过3D扫描仪发射的激光，以及接收反射回来的信号来获取药品外包装表面的三维点云数据，利用点云配准技术，并将多次扫描的三维点云数据进行拼接与整合，以构建相关三维点云数据集合。

优选的，所述图像预处理模块包括处理单元和增强单元；

所述处理单元用于利用小波去噪技术，将在小波域中去除噪声分量，并采用直方图均衡化来调整亮度，拉伸正投影图像范围以调整正投影图像的对比度；同时以PNG格式来压缩图像数据；

所述增强单元用于通过图像增强技术，并使用CDF重新映射图像中的每个像素的灰度值，以实现均匀的灰度级分布。

优选的，所述识别模块包括矩形框设立单元和钢印字符区域确定单元；

所述矩形框设立单元则以药品外包装所在平面建立平面坐标系，并基于3D扫描仪所获取的相关三维点云数据集合来识别深度区域，其中，所述相关三维点云数据集合指的是药品外包装表面的点的集合，具体包括药品外包装表面各点的位置坐标、点的密度、采集的时间戳以及每个点的唯一标识符；同时将3D扫描仪到平面坐标系的距离设定为标准值，若3D扫描仪到达药品外包装表面相应点的距离大于标准值，则初步判断该相应点处所对应的区域为异常区域，并对若干组差异区域设置相应的矩形框，以获取差异区域数量Nys；

所述钢印字符区域确定单元用于依据各组矩形框内三维点云数据，确定各组矩形框内大于标准值的点数，并以点数最多的矩形框作为存在钢印字符的矩形框。

优选的，所述遮挡分析模块包括数据测试单元、反射分析单元、预警单元及区分单元；

所述数据测试单元用于将识别出存在钢印字符的矩形框划分为若干组图像区域，并利用光谱反射仪对若干组图像区域进行反射特性监测，以获取每个图像区域内所有像素的反射率Fsl；

所述反射分析单元包括局部分析子单元和框内整体分析子单元；

所述局部分析子单元用于通过结合统计学求均值算法，获取各图像区域内的反射率均值所述各图像区域内的反射率均值通过以下公式获取：

其中，i＝1、2、3、...、n，n表示为图像区域内像素的总数，Fsl_i表示为图像区域内每个像素的反射率。

优选的，所述框内整体分析子单元用于依据各图像区域内的反射率均值计算不同区域之间的反射对比度Fbdd，具体按照以下方式获取：

本公式的意义在于，反映不同区域之间反射特性差异变化的区域，其中，和分别是两个不同图像区域的反射率均值；

所述预警单元用于预先设置阈值，通过将不同区域之间的反射对比度Fbdd分别与阈值进行比对分析，以判断存有钢印字符的矩形框内是否存在因障碍物遮挡而造成的反射差异，具体比对内容如下：

若反射对比度Fbdd超过阈值时，判断存有钢印字符的矩形框内存在因障碍物遮挡而造成的反射差异，此时将向外发出遮盖识别指令；

若反射对比度Fbdd未超过阈值时，判断存有钢印字符的矩形框内不存在因障碍物遮挡而造成的反射差异；

所述区分单元应用利用Otsu算法自动确定适配阈值，对若干组图像区域进行阈值化处理，将图像区域分为前景和背景两个部分，并将各像素的反射率Fsl＞阈值的区域作为前景，将各像素的反射率Fsl≤阈值的区域作为背景，结合前景的特征，将前景所在区域视为障碍物遮挡区域。

优选的，所述综合识别分析模块包括区域交叉分析单元及影响单元；

所述区域交叉分析单元用于在接收到遮盖识别指令之后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，具体按照以下公式获取：

式中，A表示为遮挡区域面积，B表示为钢印字符区域面积，∩表示进行逻辑“与”操作，∪表示为进行逻辑“或”操作。

优选的，所述影响单元用于依据矩形框设立单元，再结合区域交叉分析单元中获取的重叠程度因子Ccyz，并经过无量纲处理后，获取识别影响系数Syxs，具体按照以下公式获取：

式中，Nys表示为差异区域数量，Scc表示为深度差值，α及β均为权重值，C为修正常数。

优选的，所述反馈模块包括比对单元和估判单元；

所述比对单元用于将所述识别影响系数Syxs与所述评估阈值P进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度，具体比对内容如下：

若所述识别影响系数Syxs≥所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于异常程度，此时将连续向外发出三次红色标识灯；

若所述识别影响系数Syxs＜所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于正常程度，此时将向外发出一次绿色标识灯；

所述估判单元用于接收标识灯，并依据不同颜色的标识灯采取相应的分拣作业，当接收到连续向外发出三次红色标识灯时，此时将对相应的药品进行扣留，并分类至待质检区域；当接收到向外发出一次绿色标识灯时，此时将不对相应的药品采取扣留手段，继续执行下一检测工序。

一种钢印字符识别方法，包括以下步骤，

步骤一、利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

步骤二、对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

步骤三、基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

步骤四、对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

步骤五、在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

步骤六、预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。

本发明提供了一种钢印字符识别方法和系统，具备以下有益效果：

(1)通过图像捕捉模块结合视觉监测仪器和3D扫描仪，系统能够获取药品外包装的正投影图像和三维点云数据，这种多维数据整合提高了对复杂表面结构的全面捕捉能力，尤其是对凹凸不平的钢印字符表面的细节捕捉，增强了识别的基础数据。识别模块基于三维点云数据集合精确地识别差异区域，并对这些区域进行矩形框划分，从而准确定位存在钢印字符的区域，这种方法提高了钢印字符的识别效率，减少了误识别和遗漏的可能性。遮挡分析模块通过反射特性监测和反射对比度Fbdd计算，能够检测并识别透明胶带或其他遮挡物对钢印字符的覆盖影响，若发现反射对比度Fbdd超出预设阈值，系统将发出遮盖识别指令，这一功能有效识别并处理因遮挡导致的识别困难。综合识别分析模块在收到遮盖识别指令后，计算识别影响系数Syxs并结合三维点云数据进行详细分析，这不仅准确评估了钢印字符区域与遮挡区域的重叠程度，还帮助识别出可能的影响因素。反馈模块通过评估阈值与识别影响系数Syxs的比对，提供了对当前识别难易程度的客观判断，这一综合反馈机制可以指导进一步的调整和优化，提高系统的适应性和准确性。总的来说，该系统通过综合运用多维数据捕捉、精确预处理、精准识别、遮挡分析和综合反馈等技术手段，有效提高了钢印字符在药品外包装上的识别准确性和效率，为药品包装质量控制和验证提供了强有力的技术支持。

(2)通过设定3D扫描仪到平面坐标系的距离为标准值，系统能够准确判断距离大于标准值的异常区域，这种方法有助于区分药品外包装上的正常区域与异常区域，从而更精确地定位钢印字符的区域。钢印字符区域确定单元根据各组矩形框内的三维点云数据，计算各矩形框内大于标准值的点数，系统将点数最多的矩形框识别为存在钢印字符的区域，这一方法确保了识别出的区域与实际钢印字符的位置高度一致，进一步提升了钢印字符识别的准确性和可靠性。

(3)反射分析单元通过局部分析子单元采用统计学均值算法，计算各图像区域内的反射率均值，使得系统能够获取图像区域的整体反射特性，便于进一步分析是否存在覆盖物；预警单元利用分析结果检测到的反射特性差异，如果发现反射率与预设标准不符，系统能够自动发出遮盖识别指令，这有助于及时发现和处理遮挡问题，从而提高钢印字符的识别率。

附图说明

图1为本发明一种钢印字符识别系统框图；

图2为本发明一种钢印字符识别方法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，本发明提供一种钢印字符识别系统，包括图像捕捉模块、图像预处理模块、识别模块、遮挡分析模块、综合识别分析模块及反馈模块；

所述图像捕捉模块用于利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

所述图像预处理模块用于对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

所述识别模块用于基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

所述遮挡分析模块用于对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

所述综合识别分析模块用于在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

所述反馈模块用于预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。

本系统运行中，系统利用视觉监测仪器获取高质量的正投影图像，并结合3D扫描仪监测药品外包装表面，构建详尽的三维点云数据集合，这种数据融合技术能够捕捉到钢印字符的细节信息和表面特征，为后续的字符识别和分析奠定了坚实的基础。图像预处理模块通过去除噪声、平滑图像、几何校正和图像增强，显著提高了图像质量。优化后的图像能够更清晰地展现钢印字符，有助于准确地提取字符特征，减少后续识别过程中的误差，识别模块基于三维点云数据集合识别差异区域，并设置相应的矩形框来定位钢印字符，这一过程能够准确识别出存在钢印字符的区域，提高了字符识别的准确性和可靠性。遮挡分析模块通过监测图像区域的反射特性，获取每个区域的反射率，并计算不同区域之间的反射对比度Fbdd。如果反射对比度Fbdd超过设定阈值，系统能够及时发出遮盖识别指令，这一功能有助于识别被透明胶带或其他物体遮挡的区域，从而减少遮挡对字符识别的影响。综合识别分析模块在接收到遮盖识别指令后，分析钢印字符矩形框与遮挡区域的重叠程度因子，并结合三维点云数据，构建识别影响系数，这一分析能够准确评估遮挡对字符识别的影响，并提供详细的识别难易程度评估。反馈模块通过设定的评估阈值与识别影响系数进行比对分析，从而估判当前药品外包装内钢印字符识别的难易程度，这一机制提供了动态调整和优化的依据，使系统能够适应不同的识别条件和环境变化。

实施例2

请参照图1，具体的：所述图像捕捉模块包括捕捉单元和三维状态采集单元；

所述捕捉单元用于预先将药品放置于工作台，使药品外包装表面保持平整且进行位置固定，通过利用视觉监测仪器对药品外包装进行正投影拍摄，以捕捉正投影图像，其中，视觉监测仪器包括GigE工业相机及网络摄像头；

所述三维状态采集单元用于利用3D扫描技术对药品外包装表面的凹陷程度进行扫描作业，启动3D扫描仪，通过3D扫描仪发射的激光，以及接收反射回来的信号来获取药品外包装表面的三维点云数据，利用点云配准技术，并将多次扫描的三维点云数据进行拼接与整合，以构建相关三维点云数据集合。

所述图像预处理模块包括处理单元和增强单元；

所述处理单元用于利用小波去噪技术，将在小波域中去除噪声分量，并采用直方图均衡化来调整亮度，拉伸正投影图像范围以调整正投影图像的对比度；同时以PNG格式来压缩图像数据以PNG格式有利于在对图像数据进行压缩的同时而不丢失任何信息；

所述增强单元用于通过图像增强技术，并使用CDF重新映射图像中的每个像素的灰度值，以实现均匀的灰度级分布。累计分布函数(Cumulative Distribution Function，CDF)是一个用来描述随机变量取值分布的函数。在图像处理中，CDF用于描述图像中像素灰度值的分布情况。具体来说，CDF表示的是图像中小于或等于某个特定灰度值的像素所占的比例。

本实施例中，通过将药品放置于工作台，使其外包装表面平整且位置固定，利用视觉监测仪器，如GigE工业相机和网络摄像头进行正投影拍摄，这种方法确保了图像的稳定性和一致性，有助于捕捉到药品外包装的高质量正投影图像。采用先进的3D扫描技术，利用激光扫描和点云配准技术，对药品外包装表面的凹陷程度进行精确扫描，通过整合多次扫描的三维点云数据，能够准确构建药品外包装的三维点云数据集合，为后续的字符识别提供了丰富的深度信息。应用小波去噪技术有效地去除图像噪声，提高了图像质量，同时，采用直方图均衡化调整图像亮度和对比度，拉伸图像的灰度范围，使钢印字符更加显著。此外，使用PNG格式压缩图像数据，能够在不丢失信息的情况下减少文件大小，保留了图像的完整细节。通过图像增强技术和CDF重新映射图像中每个像素的灰度值，实现了均匀的灰度级分布，这种处理使得图像中的钢印字符在视觉上更加清晰和突出，进一步提高了字符识别的准确性。综上所述，该系统在图像捕捉和预处理阶段采用了先进的技术和方法，进一步提升了图像的质量和信息的完整性。精准的图像捕捉确保了药品外包装的详细正投影和三维特征的全面获取，而高效的图像预处理则为后续的钢印字符识别提供了清晰、无噪声的图像基础，这些优化措施有效地提高了钢印字符识别系统的整体性能和准确性。

实施例3

请参照图1，具体的：所述识别模块包括矩形框设立单元和钢印字符区域确定单元；

所述矩形框设立单元则以药品外包装所在平面建立平面坐标系，并基于3D扫描仪所获取的相关三维点云数据集合来识别深度区域，其中，所述相关三维点云数据集合指的是药品外包装表面的点的集合，具体包括药品外包装表面各点的位置坐标、点的密度、采集的时间戳以及每个点的唯一标识符，点的密度是指在单位体积或单位面积内点的数量，它描述了点云数据的稠密程度；同时将3D扫描仪到平面坐标系的距离设定为标准值，若3D扫描仪到达药品外包装表面相应点的距离大于标准值，则初步判断该相应点处所对应的区域为异常区域，并对若干组差异区域设置相应的矩形框，以获取差异区域数量Nys；

所述钢印字符区域确定单元用于依据各组矩形框内三维点云数据，确定各组矩形框内大于标准值的点数，并以点数最多的矩形框作为存在钢印字符的矩形框。

本实施例中，矩形框设立单元在药品外包装所在平面上建立了平面坐标系，并基于3D扫描仪获取的三维点云数据集合识别深度区域，通过将3D扫描仪到平面坐标系的距离设定为标准值，系统能够进一步有效识别药品外包装表面的深度变化。若某些点的距离大于标准值，系统自动将这些点所在的区域标记为异常区域，并对这些差异区域进行矩形框设置，这种方法确保了深度异常区域的精准识别，为后续的钢印字符分析奠定了基础。钢印字符区域确定单元依据矩形框内的三维点云数据，统计每个矩形框内大于标准值的点数，系统通过比较各组矩形框内的点数，确定点数最多的矩形框作为钢印字符区域，这一过程有效地筛选出存在钢印字符的区域，减少了误识别的可能性，并提高了识别的准确度。系统通过设置多个矩形框来获取差异区域数量，并在这些区域中进行详细的分析，这种方法不仅提高了对不同区域的区分能力，还增强了系统对药品外包装表面各类细节的识别能力，使得钢印字符的检测更为全面和精准。综上所述，该系统的识别模块通过精准的矩形框设立和钢印字符区域确定，进一步提高了钢印字符的识别准确性和效率。

实施例4

请参照图1，具体的：所述遮挡分析模块包括数据测试单元、反射分析单元、预警单元及区分单元；

所述数据测试单元用于将识别出存在钢印字符的矩形框划分为若干组图像区域，并利用光谱反射仪对若干组图像区域进行反射特性监测，以获取每个图像区域内所有像素的反射率Fsl；

所述反射分析单元包括局部分析子单元和框内整体分析子单元；

所述局部分析子单元用于通过结合统计学求均值算法，获取各图像区域内的反射率均值所述各图像区域内的反射率均值通过以下公式获取：

其中，i＝1、2、3、...、n，n表示为图像区域内像素的总数，Fsl_i表示为图像区域内每个像素的反射率。

本实施例中，数据测试单元通过将识别出的钢印字符矩形框划分为若干组图像区域，并利用光谱反射仪对这些区域进行反射特性监测，能够详细获取每个图像区域内所有像素的反射率Fsl，这种细致的反射特性监测提供了丰富的数据支持，使得系统能够准确分析不同区域的反射情况。反射分析单元下设的局部分析子单元和框内整体分析子单元通过结合统计学求均值算法，计算各图像区域内的反射率均值通过均值计算，系统能够清晰地反映出图像区域的整体反射特征，帮助区分不同区域，如钢印字符区域与透明胶带覆盖区域的反射差异，通过对图像区域的反射特性进行全面分析，系统能够进一步准确识别并区分钢印字符区域和可能的遮挡区域，这种反射特征分析有助于判断是否存在遮挡，进一步减少对部分钢印字符的遗漏，从而提高了系统对钢印字符的识别率。综上所述，通过有效的反射特性监测和反射率均值分析，该系统能够对可能的遮挡进行预警，确保了系统在实际应用中的高效性和准确性。

实施例5

请参照图1，具体的：所述框内整体分析子单元用于依据各图像区域内的反射率均值计算不同区域之间的反射对比度Fbdd，具体按照以下方式获取：

本公式的意义在于，反映不同区域之间反射特性差异变化的区域，其中，和分别是两个不同图像区域的反射率均值；

所述预警单元用于预先设置阈值，通过将不同区域之间的反射对比度Fbdd分别与阈值进行比对分析，以判断存有钢印字符的矩形框内是否存在因障碍物遮挡而造成的反射差异，具体比对内容如下：

若反射对比度Fbdd超过阈值时，判断存有钢印字符的矩形框内存在因障碍物遮挡而造成的反射差异，此时将向外发出遮盖识别指令；

若反射对比度Fbdd未超过阈值时，判断存有钢印字符的矩形框内不存在因障碍物遮挡而造成的反射差异；

所述区分单元应用利用Otsu算法自动确定适配阈值，对若干组图像区域进行阈值化处理，将图像区域分为前景和背景两个部分，并将各像素的反射率Fsl＞阈值的区域作为前景，将各像素的反射率Fsl≤阈值的区域作为背景，结合前景的特征，将前景所在区域视为障碍物遮挡区域，对于背景所在区域视为存有钢印字符区域，因为不论是前景区域还是背景区域都是在识别出存在钢印字符的矩形框内的。其中，对于图像处理中的前景来说，其特征通常指的是图像中目标对象的区域，而相对于背景，这些区域是当前处理的重点而已。

其中，Otsu算法基于类间方差(Between-class variance)的最大化原则来选择最佳的阈值。该算法通过对图像灰度级进行划分，使得前景和背景之间的类间方差达到最大，从而获得最佳的分割效果；Otsu算法是一种自动阈值化方法，广泛用于图像处理中的图像分割，其主要目的是根据图像的灰度直方图自动选择相对适配的阈值，将图像分为前景和背景。

本实施例中，框内整体分析子单元依据各图像区域内的反射率均值，计算不同区域之间的反射对比度Fbdd，以便进一步反映出不同区域之间的反射特性差异，帮助识别出由于遮挡物如透明胶带造成的反射变化。预警单元通过将计算出的反射对比度与预设阈值进行比对，判断是否存在因障碍物遮挡而导致的反射差异。若反射对比度Fbdd超过阈值，则系统发出遮盖识别指令，提示可能存在遮挡现象。若未超过阈值，则表示没有显著遮挡，这种智能预警机制可以有效地提醒用户检查可能影响钢印字符识别的遮挡问题，从而提高识别的准确性。区分单元利用Otsu算法自动确定适配阈值，对图像区域进行阈值化处理，将图像分为前景和背景两部分。具体地，将反射率大于阈值的区域视为前景可能为遮挡区域，而反射率小于或等于阈值的区域视为背景可能为钢印字符区域，这种处理方法保证了前景即潜在遮挡区域和背景即钢印字符区域的有效分离，进一步增强了对遮挡的准确识别。综上所述，该系统通过细致的反射对比度计算、智能预警机制以及自动化阈值化处理，不仅提高了对钢印字符识别的准确性，还有效地识别和处理了潜在的遮挡问题，此系统能够提供更加可靠的药品包装检查，确保识别结果的准确性和有效性。

实施例6

请参照图1，具体的：所述综合识别分析模块包括区域交叉分析单元及影响单元；

所述区域交叉分析单元用于在接收到遮盖识别指令之后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，具体按照以下公式获取：

式中，A表示为遮挡区域面积，B表示为钢印字符区域面积，∩表示进行逻辑“与”操作，∪表示为进行逻辑“或”操作。

所述影响单元用于依据矩形框设立单元，再结合区域交叉分析单元中获取的重叠程度因子Ccyz，并经过无量纲处理后，获取识别影响系数Syxs，具体按照以下公式获取：

式中，Nys表示为差异区域数量，Scc表示为深度差值，α及β均为权重值，0＜α≤1，0＜β≤1，且α+β＝1，C为修正常数。

其中，深度差值Scc指的是在识别出存在钢印字符的矩形框内，并在3D扫描仪到达药品外包装表面相应点的距离大于标准值的条件下，从中提取出3D扫描仪到达药品外包装表面相应点的最大距离与最小距离，并将最大距离与最小距离进行减法运算，来获取深度差值Scc；

所述反馈模块包括比对单元和估判单元；

所述比对单元用于将所述识别影响系数Syxs与所述评估阈值P进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度，具体比对内容如下：

若所述识别影响系数Syxs≥所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于异常程度，此时将连续向外发出三次红色标识灯；

若所述识别影响系数Syxs＜所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于正常程度，此时将向外发出一次绿色标识灯；

所述估判单元用于接收标识灯，并依据不同颜色的标识灯采取相应的分拣作业，当接收到连续向外发出三次红色标识灯时，此时将对相应的药品进行扣留，并分类至待质检区域；当接收到向外发出一次绿色标识灯时，此时将不对相应的药品采取扣留手段，继续执行下一检测工序。

本实施例中，区域交叉分析单元在接收到遮盖识别指令后，能够准确分析钢印字符区域与遮挡区域之间的重叠程度因子Ccyz，该分析能够明确识别遮挡对钢印字符的影响程度，从而帮助判断是否因遮挡物影响导致识别结果失真。影响单元结合区域交叉分析单元中获取的重叠程度因子Ccyz及矩形框设立单元的信息，经过无量纲处理后计算识别影响系数Syxs，这一系数能够进一步的综合考虑区域差异和深度信息，对钢印字符识别的难易程度进行全面评估。比对单元将识别影响系数Syxs与预设的评估阈值P进行比对，以确定当前钢印字符识别的状态。具体处理如下：若识别影响系数Syxs≥评估阈值P，则系统判断为识别存在异常，连续发出三次红色标识灯，提醒操作人员可能存在问题。若识别影响系数Syxs＜评估阈值P，则系统判断为识别正常，发出一次绿色标识灯，表示药品状态正常。估判单元根据标识灯的颜色采取相应的分拣措施：连续三次红色标识灯表示需要对药品进行扣留并分类至待质检区域，以确保质量控制；一次绿色标识灯表示药品正常，无需扣留，继续执行下一检测工序。综上所述，该系统通过精准的遮挡影响分析、综合的影响系数计算以及智能化的反馈与处理机制，实现了对药品外包装钢印字符识别的高效管理，这不仅提高了识别的准确性，也优化了异常药品的处理流程，确保了药品质量的可靠性和检测效率。

实施例7

请参照图1和图2，具体的：一种钢印字符识别方法，包括以下步骤，

步骤一、利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

步骤二、对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

步骤三、基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

步骤四、对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

步骤五、在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

步骤六、预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种钢印字符识别系统，其特征在于：包括图像捕捉模块、图像预处理模块、识别模块、遮挡分析模块、综合识别分析模块及反馈模块；

所述图像捕捉模块用于利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

所述图像预处理模块用于对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

所述识别模块用于基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

所述识别模块包括矩形框设立单元和钢印字符区域确定单元；

所述矩形框设立单元则以药品外包装所在平面建立平面坐标系，并基于3D扫描仪所获取的相关三维点云数据集合来识别深度区域，其中，所述相关三维点云数据集合包括药品外包装表面各点的位置坐标、点的密度、采集的时间戳以及每个点的唯一标识符；同时将3D扫描仪到平面坐标系的距离设定为标准值，若3D扫描仪到达药品外包装表面相应点的距离大于标准值，则初步判断该相应点处所对应的区域为异常区域，并对若干组差异区域设置相应的矩形框，以获取差异区域数量Nys；

所述钢印字符区域确定单元用于依据各组矩形框内三维点云数据，确定各组矩形框内大于标准值的点数，并以点数最多的矩形框作为存在钢印字符的矩形框；

所述遮挡分析模块用于对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

所述综合识别分析模块用于在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

所述综合识别分析模块包括区域交叉分析单元及影响单元；

所述区域交叉分析单元用于在接收到遮盖识别指令之后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，具体按照以下公式获取：

式中，A表示为遮挡区域面积，B表示为钢印字符区域面积，∩表示进行逻辑“与”操作，∪表示为进行逻辑“或”操作；

所述影响单元用于依据矩形框设立单元，再结合区域交叉分析单元中获取的重叠程度因子Ccyz，并经过无量纲处理后，获取识别影响系数Syxs，具体按照以下公式获取：

式中，Nys表示为差异区域数量，Scc表示为深度差值，α及β均为权重值，C为修正常数；

所述反馈模块用于预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。

2.根据权利要求1所述的一种钢印字符识别系统，其特征在于：所述图像捕捉模块包括捕捉单元和三维状态采集单元；

所述捕捉单元用于通过利用视觉监测仪器对药品外包装进行正投影拍摄，其中，视觉监测仪器包括GigE工业相机及网络摄像头；

所述三维状态采集单元用于利用3D扫描技术对药品外包装表面的凹陷程度进行扫描作业，通过3D扫描仪发射的激光，以及接收反射回来的信号来获取药品外包装表面的三维点云数据，利用点云配准技术将多次扫描的三维点云数据进行拼接与整合，以构建相关三维点云数据集合。

3.根据权利要求1所述的一种钢印字符识别系统，其特征在于：所述图像预处理模块包括处理单元和增强单元；

所述处理单元用于利用小波去噪技术，将在小波域中去除噪声分量，并采用直方图均衡化来调整亮度，同时以PNG格式来压缩图像数据；

所述增强单元用于通过图像增强技术，并使用CDF重新映射图像中的每个像素的灰度值。

4.根据权利要求1所述的一种钢印字符识别系统，其特征在于：所述遮挡分析模块包括数据测试单元、反射分析单元、预警单元及区分单元；

所述数据测试单元用于将识别出存在钢印字符的矩形框划分为若干组图像区域，并利用光谱反射仪对若干组图像区域进行反射特性监测，以获取每个图像区域内所有像素的反射率Fsl；

所述反射分析单元包括局部分析子单元和框内整体分析子单元；

所述局部分析子单元用于通过结合统计学求均值算法，获取各图像区域内的反射率均值所述各图像区域内的反射率均值通过以下公式获取：

其中，i＝1、2、3、...、n，n表示为图像区域内像素的总数，Fsl_i表示为图像区域内每个像素的反射率。

5.根据权利要求4所述的一种钢印字符识别系统，其特征在于：所述框内整体分析子单元用于依据各图像区域内的反射率均值计算不同区域之间的反射对比度Fbdd，具体按照以下方式获取：

本公式的意义在于，反映不同区域之间反射特性差异变化的区域，其中，和分别是两个不同图像区域的反射率均值；

所述预警单元用于预先设置阈值，通过将不同区域之间的反射对比度Fbdd分别与阈值进行比对分析，以判断存有钢印字符的矩形框内是否存在因障碍物遮挡而造成的反射差异，具体比对内容如下：

若反射对比度Fbdd超过阈值时，判断存有钢印字符的矩形框内存在因障碍物遮挡而造成的反射差异，此时将向外发出遮盖识别指令；

若反射对比度Fbdd未超过阈值时，判断存有钢印字符的矩形框内不存在因障碍物遮挡而造成的反射差异；

所述区分单元用于利用Otsu算法自动确定适配阈值，对若干组图像区域进行阈值化处理，将图像区域分为前景和背景两个部分，并将各像素的反射率Fsl＞阈值的区域作为前景，将各像素的反射率Fsl≤阈值的区域作为背景，结合前景的特征，将前景所在区域视为障碍物遮挡区域。

6.根据权利要求1所述的一种钢印字符识别系统，其特征在于：所述反馈模块包括比对单元和估判单元；

所述比对单元用于将所述识别影响系数Syxs与所述评估阈值P进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度，具体比对内容如下：

若所述识别影响系数Syxs≥所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于异常程度，此时将连续向外发出三次红色标识灯；

若所述识别影响系数Syxs＜所述评估阈值P时，表示为当前药品外包装内钢印字符识别处于正常程度，此时将向外发出一次绿色标识灯；

所述估判单元用于接收标识灯，并依据不同颜色的标识灯采取相应的分拣作业，当接收到连续向外发出三次红色标识灯时，此时将对相应的药品进行扣留，并分类至待质检区域；当接收到向外发出一次绿色标识灯时，此时将不对相应的药品采取扣留手段，继续执行下一检测工序。

7.一种钢印字符识别方法，应用于权利要求1～6任一项所述的一种钢印字符识别系统，其特征在于：包括以下步骤，

步骤一、利用视觉监测仪器对药品外包装进行图像捕捉，以获取正投影图像，并结合3D扫描仪监测药品外包装表面，以构建相关三维点云数据集合；

步骤二、对正投影图像进行预处理，去除噪声、平滑图像以及进行几何校正，并依据图像增强技术调整图像的质量；

步骤三、基于相关三维点云数据集合识别差异区域，并对若干组差异区域设置相应的矩形框，依据各组矩形框内三维点云数据，识别出存在钢印字符的矩形框；

步骤四、对识别出存在钢印字符的矩形框划分为若干组图像区域，并进行反射特性监测，以获取每个图像区域内反射率Fsl，依据每个图像区域内反射率Fsl，构建不同图像区域之间的反射对比度Fbdd，若反射对比度Fbdd超过阈值，则向外发出遮盖识别指令；

步骤五、在接收到遮盖识别指令后，分析识别模块中识别出存在钢印字符的矩形框内面积与遮盖区域之间的重叠程度因子Ccyz，并结合相关三维点云数据集合，构建识别影响系数Syxs；

步骤六、预先设置评估阈值P，并将评估阈值P与识别影响系数Syxs进行比对分析，以估判出当前药品外包装内钢印字符识别的难易程度。