基于深度学习的柔性包装袋字符检测与识别方法

摘要

随着自动化技术的持续进步，柔性包装袋上的关键字符检测与识别在工业生产线中的作用日益凸显。针对这一需求，本文提出一种基于深度学习的包装袋关键字符检测与识别方法，并搭建了一套由可编程逻辑控制器、工控机及工业相机组成的自动化检测与识别平台。该平台能够实时采集包装袋图像，并完成后续的智能处理流程。在字符定位环节，采用改进型YOLOv8网络，通过引入多尺度特征融合结构与注意力机制，显著提升了模型对目标字符的检测精度。对于字符识别环节，则基于改进的ResNet网络进行设计，增强了对复杂形态、低对比度或局部遮挡字符的识别能力。实验结果表明，所提出的改进YOLOv8与ResNet模型在实际工厂生产流水线上经过充分验证，整体识别准确率可达98.8%。该平台在工厂实际运行中稳定可靠，完全满足工业现场实时检测与识别的需求，同时训练得到的模型展现出良好的鲁棒性，能够适应不同光照、角度及包装材质变化带来的干扰。

关键词

字符检测 / 深度学习 / 包装袋 / YOLOv8 / ResNet / 鲁棒性

基金资助

国家自然科学基金(52072266)