基于labview的农产品身份证数字识别系统

基于labview的农产品身份证数字识别系统

0农产品“身份证”识别应用于农产品安全管理的“身份”，可以通过在超市内放置多个媒体信息查询机并扫描成功，让消费者先找到，然后购买并安全消费，并了解购买农产品的权利。农产品只要贴上了“身份证”,消费者就可以在多媒体查询机上或者在农产品信息网上详细地了解该产品的生产日期、产地、生产公司的名称、品牌、认证信息、加工地情况、农药残留情况、检疫情况、检测情况等农产品安全信息。农产品“身份证”由大写的英文字母和阿拉伯数字组成,其中大写字母代表的是产地,而数字代表的是生产日期和编号。农产品“身份证”如图1所示。应用美国国家仪器公司(NI)的虚拟仪器技术,对农产品“身份证”编号进行识别,设计了农产品“身份证”识别系统。虚拟仪器技术的核心是利用计算机软件的模拟来实现传统仪器的功能,具有成本低、使用方便及容易推广等特点,为设计模块化、开放性和低成本的测试仪器提供了有力的工具。1数字识别系统的建立本系统主要由CCD摄像机、可调式光源、图像采集卡、工控计算机、存储设备、显示器和打印设备等组成。通过CCD摄像机,可以获取模拟的视频信号;图像采集处理模块将模拟信号转化成数字图像信号,并将其传送给工控机;工控计算机则完成图像的背景与字符的分离与识别,并将识别结果与数据库中的数据进行比较,最后得到可查讯信息。系统组成如图2所示。在系统组成中,可调式光源是比较重要的一个部件。在进行图像处理或分析时,照明是最重要的外部条件。对于机器而言,可靠并恒定的光源是提高检测可靠性并突出监测目标的重要手段之一,因此如何确定系统的光源极为重要。在数字识别系统中,选用进口FOSTEC可调试光源20750.2,直接照射需要采集的号码,该光源稳定可靠,对采集图像相当有利。对于图像采集卡,选用的是美国NI公司生产的PCI-1411彩色图像采集卡,具有有RS-170/NTSC和CCIR/PAL两种输入模式,可输出单色或RGB和HSL彩色图像,支持单场、单帧、连续场和连续帧的采集方式。图像的最大分辨率为768×576×32bit。CCD摄像机采用PanasonicWV-CP240/G彩色摄像机,具有比较高的性价比。2系统安装农产品“身份证”数字识别系统主要包括图像预处理模块、图像二值化、图像分割、形态学滤波、特征提取和数字识别。2.1加强图像的转换为了能快速、正确地识别号码,在对图像进行识别前要进行必要的预处理工作,使图像转换成灰度图像,去除图像中的噪声,使有用信息增强。图像经过几个步骤的预处理之后,会排除很多噪声的干扰,特征将变得更明显。因为速度是本系统考虑的重要因素之一,所以选择处理效果好且速度快的预处理算法也至关重要。2.1.1去彩色信息由CCD摄像机获取的图像通过图像采集卡采集到工控机后是16位的BMP图像。为了处理方便,要进行灰度化,去掉彩色信息。经过实验发现,对采集到的图像抽取绿色元素,图像信息将得到最大限度的保存。因此,用Vision的IMAQExtractSingleColorPlane工具抽取图像的绿色元素,把采集到的彩色图像变为了具有256级灰度的黑白图像。2.1.2图像平滑、去噪一般来说,图像的能量主要集中在低频部分,而字符的信息能量主要在高频部分。为了去掉高频干扰,可进行图像平滑,采用低通滤波器的方法来去除噪声。由于光照度可能不均匀,因此图像上对应于照度暗的部分,其细节就很难辨别。使用高斯低通滤波既可以消除不均匀照度的影响,又不损失图像的细节,并且处理时间较短。通常可以在LabVIEW中找到相应的模块进行处理滤波试验,其结果如表1所示。2.2图像的模糊分割处理为了得到理想的二值图像,一般采用阈值分割技术,它对物体与背景有较强的图像对比分割作用。图像二值化的关键是要找到合适的阈值T来区分对象和背景。2.3结构元编码窗口形态学滤波是利用不同结构元形态学的开闭运算来除去图像中相应结构的外部(内部)随机噪声。它基于信号的几何特征,利用预先定义的结构元(相当于滤波窗口)对信号进行匹配,以提取信息、保持细节特征和抑制噪声。为了弥补图像在采集过程中产生的狭窄间断和细长的鸿沟,对图像采取先膨胀后腐蚀的闭运算,以便消除小的孔洞,并填补轮廓线中的断裂。2.4小样本图像分割基于形态学滤波后的二值图像,需要将它进行图像分割,使其成为含有单个数字的小幅图像。图像分割采用Sobel算子,该算子是一种梯度幅值分割后的结果如图3所示。2.5资源提取和数字识别2.5.1标准字符库的实现简单模板匹配方法利用两个函数(重合度和差别函数)来度量号码字符和标准模板之间的相似程度。为了反映字符特征,系统主要提取字符的两类特征,即网格特征和交叉点特征。网格特征就是把图像平均分为25个5×5的网格,然后计算这25个网格内的黑色像素个数,形成了一个25维的特征向量;交叉点特征就是分别做图像的两条垂直和水平直线,计算其与数字边缘的相交次数,获得一个四维向量。为了提高字符的识别效率,本系统采用两次分类:首先,利用交叉点特征对字符进行粗分类,把标准字符库中与待识别字符具有相同交叉点特征的标准字符分离出来;其次,再利用网格特征对已分离出来的标准字符进行模板匹配,这样就达到了提高识别效率的目的。2.5.2基于标准特征的样本标准样本库的建立是通过美国NI公司OCR软件包中的OCRTraining来实现的。通过此工具中的图像输入与训练就可以建立起一个内含丰富字符信息的标准特征样本库,并且还可以完成样本文件的建立、删除、修改及合并等操作。样本建立的数量要适中,否则会影响识别的准确程度。另一个影响识别效果的因素是OCRTraining中的Acceptancelevel设置,如果该值设得过高,说明匹配的程度将会很严格,要识别的编号就很难和样本库中的样本相匹配;如果该值设得过低,匹配的精度就会降低,也会影响识别效果。3农产品“身份证”数字识别系统的优点1)通过对采集到的1000个印刷体字符进行识别,识别率平均为96.5%;对大量图片进行实验,字符分割无误。2)充分利用了图形化语言LABVIEW,可以减少开发周期,提高操作人员的工作效率。3)农产品“身份证”数字识别系统抗干扰能力