论文部分内容阅读
当前,赋码监管是商品管理的一种趋势。政府通过电子监管平台,能够对商品的生产、物流、销售以及使用等环节进行监督。喷码字符作为一种常用商品监管码,其检测、识别在赋码监管系统中有着举足轻重的地位。针对字符的识别,常见的方法主要是基于软件平台设计的,该方法不利于设备现场智能化管理。因此,本文设计了一套基于FPGA和脉冲耦合神经网络(PCNN)的喷码字符识别系统。本文主要研究内容及结果为:(1)针对常规方法在图像二值分割时,效果不理想的问题,本文采用PCNN算法结合最小交叉熵理论来分割图像。首先,通过MATLAB对PCNN算法的基本模型分析,针对不同灰度像素点火时刻不同的特性,进行图像的二值分割。然后,利用每次分割后图像与原图像的交叉熵最小的理论,确定PCNN在分割图像时,何时为最佳二值分割图像。该方法实现了图像的自动分割,且效果不错。(2)针对传统投影分割方法只能分割连续字符,无法分割点阵喷码字符的问题,本文提出改进的投影分割算法。该算法利用喷码字符中点阵空洞与字符间距的关系,通过控制分割阈值的大小将成串字符分割成单个字符,以便于字符特征提取及识别。改进后的算法不仅能够分割连续字符,而且很好的解决了传统投影算法无法分割点阵字符的问题。(3)针对喷码字符的点阵特性,本文提出改进的网格特征算法,并重新定义字符识别规则。该算法首先将单个字符划分成九宫网格,分别提取每格的特征值,结合识别规则,判定字符。通过分析字符的点阵特性,本文算法不仅能解决了几何特征算法无法提取点阵字符特征的问题,而且该算法无需对字符进行形态学处理就可直接提取字符特征。此外,该算法相对神经网络算法又较易硬件实现且识别准确率可达94%。将PCNN算法、最交叉熵算法、字符分割算法以及网格特征识别算法用FPGA实现,最后并通过Modelsim软件对关键模块进行分析。最终结果说明,各个模块结果显示正确,验证了该识别系统的可行性。