基于KNN算法的OCR系統(tǒng)的設(shè)計

楊廣　韓震宇　王云萍　沈臻

摘 要：針對半導(dǎo)體芯片加工生產(chǎn)線，設(shè)計出一種基于KNN算法的OCR識別系統(tǒng)，滿足了企業(yè)自動處理芯片加工批號信息的需求。本文主要介紹了系統(tǒng)通過相機外觸發(fā)的方式獲取原始圖像，并進行圖像中字符的識別，硬件部分由典型的機器視覺系統(tǒng)構(gòu)成，主要包括工業(yè)相機、鏡頭、光源、傳感器等。軟件部分主要闡述了圖像預(yù)處理模塊與字符識別模塊的實現(xiàn)，在進行字符識別前，圖像預(yù)處理模塊可以為字符識別提供良好的圖像數(shù)據(jù)來源。經(jīng)過現(xiàn)場實驗表明，系統(tǒng)具有較高的可靠性與穩(wěn)定性。

關(guān)鍵詞：OCR系統(tǒng)；圖像預(yù)處理；KNN算法

DOI：10.16640/j.cnki.37-1222/t.2019.15.146

1 前言

1.1 背景

OCR是指采用光學的方式，將紙質(zhì)或圖片文檔中的文字轉(zhuǎn)換成為黑白點陣的圖像文件，并通過識別軟件將圖像中的文字轉(zhuǎn)換成文本格式，供文字處理軟件進一步編輯加工的技術(shù)[1]，也就是將圖像上的文字轉(zhuǎn)化為計算機可編輯的文字內(nèi)容。評價一個OCR系統(tǒng)的性能優(yōu)劣的指標主要包括，識別準確率，識別速度，用戶界面的友好性，識別的穩(wěn)定性，易用性等，其中，識別的準確率是OCR系統(tǒng)最重要的指標。到20世紀90年代以后，隨著我國信息自動化和辦公自動化的普及，大大推動了OCR技術(shù)的進一步發(fā)展，隨著對OCR技術(shù)的研究更為深入，OCR的識別率，識別速度等都已經(jīng)逐漸可以滿足廣大用戶的需求。

1.2 設(shè)計需求

針對某實際半導(dǎo)體的生產(chǎn)線，設(shè)計一套識別芯片料盒的OCR系統(tǒng)。整個生產(chǎn)線分為上料和下料兩個工位，芯片料盒上標注著此次需要加工的芯片批號的索碼號，在上料工位上，原有的方式是通過人工記錄芯片料盒上的編號，并通過這個編號來找到芯片的批號，將批號上傳至控制中心，告知當前正在加工的芯片批號。在下料工位人工再次上傳芯片的批號，告知當前批號芯片加工完成。這種人工記錄的方式無法滿足企業(yè)的自動化要求，并且在人工記錄，查詢芯片批號，以及上傳產(chǎn)品批號的過程中均容易出現(xiàn)錯誤，這樣給企業(yè)的管理帶來了一定的不便，嚴重影響生產(chǎn)的效率。

根據(jù)企業(yè)的需求，將人工記錄改為計算機自動化處理，在上料工位通過OCR系統(tǒng)對索碼號的自動識別，獲取到索碼號信息，并傳遞給企業(yè)內(nèi)部數(shù)據(jù)庫，通過企業(yè)提供的接口，自動獲取到芯片批號，并通知終端控制室此芯片批號正在加工。在下料工位上，再次對芯片料盒進行一次識別，再次獲取到索碼號信息后，傳遞到數(shù)據(jù)庫中，此時會將索碼號與芯片批號解除綁定，表示這批芯片加工完成。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)的硬件設(shè)計

本系統(tǒng)的硬件部分包括工業(yè)相機，鏡頭，光源，光電傳感器。通過相機對芯片料盒的字符拍照，經(jīng)過字符識別算法處理，最終獲得芯片的索碼號。系統(tǒng)采用GigE接口的工業(yè)相機，LED的光源。芯片料盒用機械手放在生產(chǎn)線上，在機械手放置料盒的固定位置加裝一個光電傳感器，以此來觸發(fā)相機進行拍照獲取到圖像，并最終通過軟件識別出索碼號信息。

2.2 系統(tǒng)軟件的整體設(shè)計

整個軟件系統(tǒng)運行在芯片加工的生產(chǎn)線上，需要與企業(yè)內(nèi)部以及現(xiàn)場硬件（主要包括相機，傳感器）進行交互，最終通過字符識別后，完成系統(tǒng)的功能，實現(xiàn)系統(tǒng)整體的協(xié)調(diào)運行。

系統(tǒng)的主要功能就是通過相機對芯片料盒進行拍照，通過軟件處理之后，獲得芯片生產(chǎn)批號的索碼號，并傳遞給企業(yè)內(nèi)部的數(shù)據(jù)庫。整個系統(tǒng)主要的開發(fā)平臺為vs2010+openCV庫，系統(tǒng)的流程圖如圖1所示：

2.3 系統(tǒng)中重要模塊的實現(xiàn)

系統(tǒng)的重要模塊包括圖像預(yù)處理模塊和字符識別模塊。

在軟件部分的處理中，原始輸入數(shù)據(jù)為通過工業(yè)相機拍到的圖片，由于系統(tǒng)的運行環(huán)境是在生產(chǎn)現(xiàn)場，所以對于獲得的圖片會有各種各樣的噪聲影響，所以在進行正式地識別之前，必須要進行圖像的預(yù)處理，以消除在識別前的噪聲干擾，提高識別的準確率以及系統(tǒng)的穩(wěn)定性。系統(tǒng)的最核心部分就是字符識別的算法，這是成功獲得芯片批號的前提，所以對于料盒索碼號的準確識別是關(guān)鍵。接下來將對這兩個模塊分別進行介紹。

2.3.1 圖像預(yù)處理模塊設(shè)計

在圖像處理中，圖像的質(zhì)量直接影響后續(xù)圖像的分析，它的主要目的就是消除圖像中無關(guān)的信息，恢復(fù)其有用的真實信息，增強有關(guān)信息的可檢測性，在最大程度上簡化數(shù)據(jù)，從而提高特征提取，匹配以及識別的可靠性。工業(yè)現(xiàn)場的光線變化、噪聲等干擾會給字符識別造成較大的影響。為了有效地保證字符的識別率、識別系統(tǒng)的可靠性和穩(wěn)定性，字符識別的預(yù)處理部分就顯得至關(guān)重要[2]。

系統(tǒng)的原輸入圖像見圖2。

在圖像預(yù)處理中，首先需要在相機拍到的圖片中提取出字符所在的區(qū)域，即是進行圖像處理的ROI區(qū)域的選取，同時我們?yōu)榱藴p少圖像處理的數(shù)據(jù)量，對ROI區(qū)域圖像進行灰度化。得到灰度圖像之后，為了方便對字符特征的提取，需要將區(qū)域內(nèi)的字符圖像統(tǒng)一到相等的大小，即進行圖像的歸一化操作。此時得到的圖像如圖3所示：

平滑處理是一種簡單且使用頻率很高的圖像處理方法，消除圖像中的噪聲成分叫作圖像的平滑化或濾波操作。均值濾波，是最簡單的一種濾波操作，輸出圖像的每一個像素是核窗口內(nèi)輸入圖像對應(yīng)像素的平均值[3]。圖像經(jīng)過均值濾波后的圖像如圖4所示：

圖像的閾值操作是最簡單的圖像分割，對圖像進行二值化后，可以進一步降低數(shù)據(jù)的計算量，增加識別的效率。通過調(diào)用openCV里閾值操作函數(shù)對其進行二值化，由于圖像受到光照強度，陰影等因素的影響，其中二值化的閾值參數(shù)的確定需要通過現(xiàn)場試驗獲得，二值化后的圖像如圖5所示：

通過均值濾波之后的二值圖像，還存在著一定的離散的干擾點，為了準確地識別出字符，需要先去除這些孤立干擾點的影響。

在形態(tài)學操作中，腐蝕可以將圖像中面積較小的區(qū)域消除，而膨脹可以連接間距較小的區(qū)域，在膨脹和腐蝕后，目標區(qū)域的面積變化比較大。為了讓目標區(qū)域的面積變化較小，定義了開運算和閉運算。開運算是用形態(tài)學運算的內(nèi)核對圖像進行腐蝕后，再用相同的內(nèi)核對圖像進行膨脹。閉運算是用形態(tài)學運算的內(nèi)核對圖像進行膨脹后，再用相同的內(nèi)核對圖像進行腐蝕。開運算的作用與腐蝕的作用類似，閉運算的作用與膨脹類似。

運用開運算對干擾點區(qū)域進行處理的效果圖如圖6所示，從圖中可以看出，運用開運算可以較好地去除孤立的干擾點。

綜上，圖像預(yù)處理步驟如下：（1）提取ROI區(qū)域；（2）灰度化，歸一化；（3）均值濾波；（4）二值化；（5）開運算。

2.3.2 KNN算法

KNN算法，即KNN近鄰分類法，是一種基本的分類和回歸方法。這個算法通過先存儲訓練樣本，然后通過分析新輸入的樣本周圍K最近鄰從而給出該樣本所屬的類別，所以這種算法就是基于樣本的學習算法。核心思路就是，輸入一個樣本，從訓練樣本中找出K個與其最相近的樣本，然后計算這些樣本中相應(yīng)類別的數(shù)量，數(shù)量最多的類別就定為該樣本的類別。

K近鄰分類法的具體實現(xiàn)過程如下：（1）計算已知類別數(shù)據(jù)集中每個樣本與當前輸入樣本的距離。（2）統(tǒng)計與當前輸入樣本距離最近的K個點。（3）統(tǒng)計這K個點中每個樣本出現(xiàn)的頻率。（4）選取出現(xiàn)頻率最高的樣本類別返回作為當前輸入樣本的類別。

2.3.3 字符識別關(guān)鍵模塊設(shè)計

在字符的識別過程中，先輸入在圖像預(yù)處理階段已經(jīng)生成的圖像，然后利用openCV中提供的findContours函數(shù)尋找出整張圖的輪廓數(shù)據(jù)，由于還可能存在圖像非識別區(qū)域輪廓的干擾，所以應(yīng)該對其孤立干擾區(qū)域輪廓進行去除，經(jīng)過分析可以得到，要識別的字符所具有的輪廓相對于孤立干擾區(qū)域的輪廓面積大很多，所以可以設(shè)置出一個輪廓面積臨界值來濾除掉干擾區(qū)域。

由于在實際地識別中，并不是對單個字符的識別，而是一行字符的識別，所以在識別之前，要先對一行字符進行相應(yīng)的分割，變成一個一個字符，然后再對一個一個字符進行識別。對字符的單個分割可以采用對輪廓的外接矩形來實現(xiàn)。用輪廓的外接矩形來將字符分割開，并對其進行分別識別。

對于KNN算法的實現(xiàn)主要借助openCV提供的Knearest類，先輸入訓練樣本進行學習，分別生成相應(yīng)的訓練樣本數(shù)據(jù)文件與標簽數(shù)據(jù)文件，通過train函數(shù)將訓練樣本數(shù)據(jù)與標簽數(shù)據(jù)建立對應(yīng)關(guān)系，再通過find_nearest函數(shù)輸入需要識別的樣本，通過尋找K近鄰的方法確定當前輸入樣本的類別，即為輸出結(jié)果。識別結(jié)果如圖7所示，其中上料盒信息即為芯片的索碼號。

3 實驗結(jié)果及分析

系統(tǒng)設(shè)計完成后，通過在生產(chǎn)現(xiàn)場搭建好硬件環(huán)境，調(diào)試運行本系統(tǒng)。調(diào)試時，需要先對其需要識別的字符進行樣本的學習，生成相應(yīng)的KNN算法需要的訓練文件，其格式為XML。同時，由于環(huán)境的影響，需要預(yù)先將圖像處理中二值化的閾值作為系統(tǒng)參數(shù)傳入，直接運行系統(tǒng)，識別可靠性與穩(wěn)定性很好，對于識別有誤差的字符，需要再次擴大樣本學習的容量，實驗證明，可以準確識別。

4 結(jié)束語

系統(tǒng)基于KNN算法，設(shè)計出了針對工業(yè)現(xiàn)場的OCR系統(tǒng)，經(jīng)過現(xiàn)場實驗，系統(tǒng)的識別結(jié)果準確，運行穩(wěn)定，為生產(chǎn)過程中的管理控制，以及自動化提供了可靠的解決方案。

參考文獻：

[1]肖堅.基于學習的OCR字符識別[J].計算機時代，2018，13（07）：48-49.

[2]李杜，白瑞林，高保平，溫振市.工業(yè)字符識別中實用的預(yù)處理技術(shù)[J].江南大學學報（自然科學版），2011，10（01）：16-17.

[3]毛星云，冷雪飛等.openCV3編程入門[M].北京：電子工業(yè)出版社，2015：154-157.

作者簡介：楊廣（1995-），男，四川達州人，碩士研究生在讀，主要從事測量與控制方向的研究。