(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210718514.5 (22)申请日 2022.06.23 (71)申请人 征图新视 （江苏） 科技股份有限公司 地址 213161 江苏省常州市经开区西太湖 锦华路258- 6号 (72)发明人 都卫东　和江镇　张中信　龙仕玉　 (74)专利代理 机构 常州品益专利代理事务所 (普通合伙) 32401 专利代理师 王涵江 (51)Int.Cl. G06V 30/18(2022.01) G06V 30/19(2022.01) G06V 30/166(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 工业OCR喷墨字符识别方法 (57)摘要 本发明涉及一种工业OCR喷墨字符识别方 法， 包括步骤S1、 收集并制作OCR识别数据集； S2、 采用字符打乱方式对数据集进行扩充； S3、 对输 入的图片数据进行归一化； S4、 搭建带有空间注 意力机制的CRNN模型； S5、 设置模型的超参数进 行模型的训练； S6、 分析实验的结果， 如果准确率 没有达到 预期， 则重新调整超参数， 并重新训练； 如果准确率已经达到预期， 则结束训练。 本发明 采用字符打乱的方式快速扩充喷墨字符数据集 的数量， 减少了人工收集数据和标注数据的工作 量， 平衡了字符样本的数量； 采用空间注意力机 制使得卷积神经网络更加关注字符区域的特征， 减少背景区域的干扰， 对模糊的字符也能具有较 高的识别准确率。 权利要求书2页 说明书6页 附图3页 CN 115205867 A 2022.10.18 CN 115205867 A 1.一种工业OCR喷墨字符识别方法， 其特 征在于： 包括以下步骤， S1、 收集并制作OCR识别数据集， 每一张字符样本图片中仅包含一行的文字， 每一张字 符样本图片的标签是图片中出现的这行字符； S2、 对数据集进行扩充， 采用字符打乱的方式扩充数据集中样本的数量并均衡数据集 中的不同字符； 将扩充后的数据集按照比例划分成训练集和验证集， 以供模型 的训练和验 证； S3、 对输入的图片数据进行归一 化； S4、 搭建带有空间注意力机制的CRNN模型； 模型包括8个卷积层， 4个最大池化层， 2个BN 层， 1个激活函数层和2个LSTM层； S5、 设置模型的超参数， 进行模型的训练； S6、 分析实验的结果， 如果准确率没有达到预期， 则重新调整超参数， 并重新训练； 如果 准确率已经达 到预期， 则结束训练。 2.如权利要求1所述的工业OCR喷墨字符识别方法， 其特征在于： 所述的步骤S1中， OCR 识别数据集的制作方式是将图片的路径与其对应的标签写入txt文件中， 构建一个 OCR识别 数据集。 3.如权利 要求1所述的工业OCR喷墨字符识别方法， 其特征在于： 所述的步骤S2中， 对数 据集进行扩充包括以下步骤， 1)计算每一个字符样本图片的标签的长度； 2)根据每一个字符样本图片的标签长度， 将字符样本图片在水平方向上等分成若干 份， 每一份称为子 字符； 3)将每一个子 字符的位置进行随机的打乱； 4)将打乱后的子 字符拼接成一个新的字符样本图片； 5)修改新的字符样本图片的标签， 标签即为 新的字符样本图片出现的字符串。 4.如权利 要求1所述的工业OCR喷墨字符识别方法， 其特征在于： 所述的步骤S3中， 归一 化按照如下的公式进行： 其中， Xi是输入特征， X'i是输出特征， Xmax是输入特征的最大值， Xmin是输入特征的最小 值。 5.如权利 要求1所述的工业OCR喷墨字符识别方法， 其特征在于： 所述的步骤S4中， 输入 图片送入模 型后， 经过2个CM模块， 一个C2M模块， 2个CB模块， 一个最大池化层， 一个卷积层， 一个序列层， 2个LSTM层， 1个转译层后输出； 所述的CM模块由一个3 ×3卷积层和一个最大池 化层组成； 所述的C2M模块由2个3 ×3卷积层、 一个空间注 意力层和一个最大池化层组成； 所 述的CB模块由一个3 ×3的卷积层和BN层组成。 6.如权利要求5所述的工业OCR喷墨字符识别方法， 其特征在于： 所述的空间注意力层 用来重点关注字 符特征信息， 具体做法是： 输入 特征是C×H×W， C代表特征的通道数， H代表 特征的高， W代表特征的宽； 在维度C上使用平均池化， 得到1 ×H×W的特征； 使用1 ×1的卷积 对这个1×H×W的特征进行卷积， 得到的特征维度是1 ×H×W； 使用sigmoid激活函数将1 ×H ×W的特征每一个位置的值映射到[ 0,1]， 得到一个1 ×H×W的特征， 此时每一个位置的值代权　利　要　求　书 1/2 页 2 CN 115205867 A 2表每一个位置的重要程度； 将sigmoid函数的输出结果与 原始的输入 特征点乘， 得到输出特 征， 维度是C ×H×W； Sigmoid激活函数的公式如下： 其中， x代 表函数的输入， S(x)代 表函数的输出。权　利　要　求　书 2/2 页 3 CN 115205867 A 3