Tóm tắt Luận văn Kiểm tra lỗi in trên rearcase sử dụng mạng nơron nhân tạo
ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
------------------------------------
TRƯƠNG THANH TÙNG
KIỂM TRA LỖI IN TRÊN REARCASE
SỬ DỤNG MẠNG NƠRON NHÂN TẠO
Chuyên ngành: Kỹ thuật Điều khiển và Tự động hóa
Mã số: 60520216
TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN
VÀ TỰ ĐỘNG HÓA
Đà Nẵng – Năm 2017
Công trình được hoàn thành tại
TRƯỜNG ĐẠI HỌC BÁCH KHOA
Người hướng dẫn khoa học: TS. NGUYỄN VĂN MINH TRÍ
Phản biện 1: TS. Nguyễn Quốc Định
Phản biện 2: TS. Nguyễn Lê Hòa
Luận văn được bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc
sĩ Kỹ thuật Điều khiển và Tự động hóa, họp tại Trường Đại học Bách
khoa – Đại học Đà Nẵng vào ngày 25 tháng 03 năm 2017.
Có thể tìm hiểu luận văn tại:
Trung tâm Học liệu, Đại học Đà Nẵng tại trường Đại học
Bách khoa.
Thư viện Khoa Điện, Trường Đại học Bách khoa – Đại học
Đà Nẵng.
MỤC LỤC
MỞ ĐẦU..............................................................................................1
NỘI DUNG ..........................................................................................4
CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI KIỂM TRA LỖI IN TRÊN
REARCASE SỬ DỤNG MẠNG NORON NHÂN TẠO ................4
1.1
1.2
Giới thiệu đề tài nghiên cứu .............................................4
Mục tiêu và nhiệm vụ của đề tài:......................................5
CHƯƠNG 2: CƠ SỞ LÍ THUYẾT VỀ XỬ LÝ ẢNH.....................6
2.1Xử lí ảnh, các vấn đề cơ bản trong xử lí ảnh...........................6
2.2 Xử lí ảnh để nhận dạng kí tự ..................................................6
CHƯƠNG 3: NHẬN DẠNG KÝ TỰ DÙNG MẠNG NƠRON
NHÂN TẠO .....................................................................................7
3.1 Mô tả bài toán.........................................................................7
3.2 Quá trình thực hiện.................................................................7
CHƯƠNG 4: CHƯƠNG TRÌNH MÔ PHỎNG VÀ KẾT QUẢ....14
4.1 Môi trường thực nghiệm.......................................................14
4.2 Tạo cơ sở dữ liệu mẫu ..........................................................14
4.3 Chương trình chính...............................................................15
4.4 Hướng phát triển tiếp theo....................................................19
KẾT LUẬN ........................................................................................20
1
MỞ ĐẦU
LÍ DO CHỌN ĐỀ TÀI
Với sự vận động không ngừng của công nghệ thông tin toàn
cầu, mọi tổ chức kinh tế cũng như xã hội, đều mong muốn
tận dụng tối đa khả năng cho phép của công nghệ thông tin,
để hiện đại hoá quá trình quản lý, sản xuất kinh doanh của
mình nhằm đạt hiệu quả kinh tế cao nhất. Nhận dạng là bài
toán xuất hiện cách đây khá lâu và vẫn luôn thu hút được
nhiều sự quan tâm, nghiên cứu. Đặc biệt là trong vài thập
niên gần đây, do sự thúc đẩy của quá trình tin học hoá trong
mọi lĩnh vực, bài toán nhận dạng không còn dừng lại ở mức
độ nghiên cứu nữa mà nó trở thành một lĩnh vực để áp dụng
vào thực tế. Các bài toán nhận dạng đang được ứng dụng
trong thực tế hiện nay tập trung vào nhận dạng mẫu, nhận
dạng tiếng nói và nhận dạng chữ. Trong số này, nhận dạng
chữ là bài toán được quan tâm rất nhiều và cũng đã đạt được
nhiều thành tựu rực rỡ. Các ứng dụng có ý nghĩa thực tế lớn
có thể kể đến như: nhận dạng chữ in dùng trong quá trình
công nghiệp in khắc mã hàng hóa, kiểm tra lỗi tự động, sao
lưu sách báo trong thư viện, nhận dạng chữ viết tay dùng
trong việc phân loại thư ở bưu điện, thanh toán tiền trong nhà
băng và lập thư viện sách cho người mù (ứng dụng này có
nghĩa: scan sách bình thường, sau đó cho máy tính nhận dạng
và trả về dạng tài liệu mà người mù có thể đọc được). Xuất
phát từ yêu cầu của công ty, đang rất cần có những nghiên
cứu về vấn đề này. Chính vì vậy em đã chọn đề tài “Kiểm tra
2
lỗi in trên rearcase sử dụng mạng nơ ron nhân tạo” với mong
muốn phần nào áp dụng vào bài toán thực tế ở công ty.
MỤC TIÊU NGHIÊN CỨU
Đề tài tập trung nghiên cứu lí thuyết về công nghệ xử lý ảnh,
nhận dạng ký tự sử dụng mạng notron nhân tạo. Sau đó xây
dựng ứng dụng xử lý ảnh bằng C#, nhận dữ liệu từ camera,
xử lý ảnh, nhận diện kí tự và so sánh với ảnh mẫu để kiểm
tra, phát hiện lỗi của khâu sản xuất. Sau đó lưu kết quả vào
cơ sở dữ liệu.
PHƯƠNG PHÁP NGHIÊN CỨU
Đề tài được nghiên cứu theo phương pháp kết hợp giữa lý
thuyết và nhu cầu thực tế. Cụ thể như sau: - Nghiên cứu các
tài liệu liên về công nghệ xử lý ảnh, các vấn đề cơ bản trong
xử lý ảnh - Nghiên cứu xử lý ảnh để nhận dạng kí tự -
Nghiên cứu nhận dạng kí tự sử dụng mạng nơtron nhân tạo -
Xây dựng ứng dụng bằng C# để đưa vào kiểm thử so với yêu
cầu thực tế.
Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI
Ý nghĩa khoa học: Triển khai việc ứng dụng công nghệ xử lý
ảnh để nhận dạng các ký tự, vật thể tự động, từ đó phân tích
các ký tự, vật thể đó theo mục đích của người sử dụng. Ý
nghĩa thực tiễn: Tạo ra phần mềm để công việc sản xuất tự
3
động đạt hiệu quả và có năng suất cao.
CẤU TRÚC LUẬN VĂN
Mở đầu
Chương 1: Tổng quan đề tài nghiên cứu
Giới thiệu về xử lí ảnh, nhận dạng ký tự. Mục tiêu và
nhiệm vụ hoàn thành nhận dạng ký tự in trên rearcase.
Chương 2: Cơ sở lý thuyết
Xử lý ảnh và các vấn đề cơ bản trong xử lý ảnh. Xử lý
ảnh để nhận dạng ký tự
Chương 3: Nhận dạng ký tự dùng mạng Nơron nhân tạo
Mô tả bài toán và quá trình thực hiện
Chương 4: Chương trình mô phỏng và kết quả
Xây dựng chương trình với môi trường thực nghiệm, tạo
cơ sở dữ liệu mẫu, chương trình chính. Hướng phát triễn
tiếp theo.
Kết luận
4
NỘI DUNG
CHƯƠNG 1:
TỔNG QUAN ĐỀ TÀI KIỂM TRA LỖI IN TRÊN
REARCASE SỬ DỤNG MẠNG NORON NHÂN TẠO
1.1 Giới thiệu đề tài nghiên cứu
Đối với mỗi con người chúng ta, việc học và phân biệt được
sự khác nhau giữa từng ký tự thật dễ dàng nhưng để máy tính làm
được điều tương tự thì không dễ dàng chút nào, việc này cần đến
những người có kiến thức tốt về xử lý ảnh mới có thể giúp máy tính
học và phân biệt được ký tự nhưng đôi khi, kết quả vẫn không như
mong muốn.
Nhận dạng là bài toán xuất hiện cách đây khá lâu và vẫn
luôn thu hút được nhiều sự quan tâm, nghiên cứu. Đặc biệt là trong
vài thập niên gần đây, do sự thúc đẩy của quá trình tin học hoá trong
mọi lĩnh vực, bài toán nhận dạng không còn dừng lại ở mức độ
nghiên cứu nữa mà nó trở thành một lĩnh vực để áp dụng vào thực tế.
Các bài toán nhận dạng đang được ứng dụng trong thực tế hiện nay
tập trung vào nhận dạng mẫu, nhận dạng tiếng nói và nhận dạng
chữ. Trong số này, nhận dạng chữ là bài toán được quan tâm rất
nhiều và cũng đã đạt được nhiều thành tựu rực rỡ. Các ứng dụng có ý
nghĩa thực tế lớn có thể kể đến như: nhận dạng chữ in dùng trong
quá trình công nghiệp in khắc mã hàng hóa, kiểm tra lỗi tự động, sao
lưu sách báo trong thư viện, nhận dạng chữ viết tay dùng trong việc
phân loại thư ở bưu điện, thanh toán tiền trong nhà băng và lập thư
viện sách cho người mù (ứng dụng này có nghĩa: scan sách bình
5
thường, sau đó cho máy tính nhận dạng và trả về dạng tài liệu mà
người mù có thể đọc được).
Xuất phát từ yêu cầu thực tế, đang rất cần có những nghiên
cứu về vấn đề này. Chính vì vậy em đã chọn đề tài “kiểm tra lỗi in
trên rearcase sử dụng mạng nơ ron nhân tạo” với mong muốn phần
nào áp dụng vào bài toán thực tế sản xuất.
1.2 Mục tiêu và nhiệm vụ của đề tài:
Nhận thấy tầm quan trọng của công nghệ xử lí ảnh đối với đời
sống và sản xuất hiện nay, em đã làm đề tài này với mục tiêu xây
dựng ứng dụng xử lí ảnh bằng C#, nhận dữ liệu từ camera, xử lí ảnh,
nhận diện kí tự và so sánh với ảnh mẫu để kiểm tra, phát hiện lỗi so
với dạng yêu cầu. Sau đó lưu kết quả vào cơ sở dữ liệu.
Nhiệm vụ của chương trình là nhận dạng và so sánh mẫu in
với mẫu được yêu cầu là giống nhau. Tương tác với người dùng và tự
động báo kết quả.
6
CHƯƠNG 2:
CƠ SỞ LÍ THUYẾT VỀ XỬ LÝ ẢNH
2.1Xử lí ảnh, các vấn đề cơ bản trong xử lí ảnh
2.1.1 Xử lí ảnh là gì
2.1.2 Các vấn đề cơ bản trong xử lí ảnh
2.2 Xử lí ảnh để nhận dạng kí tự
2.2.1 Tổng quan
2.2.2 Các phương pháp nhận dạng ký tự
7
CHƯƠNG 3:
NHẬN DẠNG KÝ TỰ DÙNG MẠNG NƠRON NHÂN TẠO
3.1 Mô tả bài toán
Đầu vào : Các dữ liệu đầu vào đã qua xử lý và đạt chuẩn yêu
cầu trước khi đưa vào nhận dạng.Các dữ liệu đầu vào là các file ảnh
dạng văn bản có định dạng *.bmp, đây là dạng file ảnh chuẩn, có kiểu
màu pixel đen và trắng, để việc tiến hành nhận dạng được chính
xác.Các file ảnh này đã qua giai đoạn tiền xử lý : xử lý ảnh nhiễu, ảnh
đa sắc , lọc ảnh...
Đầu ra mong muốn : là một file text chứa các ký tự Unicode
tương ứng mà chương trình mong muốn huấn luyện mạng học
thuộc.Số ký tự đầu ra mong muốn phải tương ứng với số kí tự ảnh đầu
vào cần huấn luyện.
3.2 Quá trình thực hiện
3.2.1 Xử lí dữ liệu
Lọc nhiễu và làm mịn ảnh. Thường là ảnh thu nhận có nhiễu
cần phải loại bỏ nhiễu hay ảnh không sắc nét bị mờ hoặc cần làm tõ
các chi tiết như đường biên ảnh. Các toán tử không gian dùng trong kỹ
thuật tăng cường ảnh được phân nhóm theo công dụng: làm trơn
nhiễu, nổi biên.
Nhị phân ảnh: Quá trình phân tích ảnh thực chất là phân tích
chuỗi văn bản ảnh thành từng ký tự một. Việc phân tích này dựa trên
8
việc nhận dạng các pixel màu của ký tự ảnh với dữ liệu đầu vào đã
được xử lý và chuyển thành định dạng *.bmp chỉ có 2 pixel điểm đen
RGB(0,0,0) và điểm trắng RGB(255, 255, 255).
3.2.2 Tách ký tự
Tách dòng kí tự
Tách từng kí tự
Xác định giới hạn chính xác cho từng ký tự
3.2.3 Ánh xạ ký tự ảnh vào ma trận giá trị
Sau khi tách, ký tự ảnh sẽ được ánh xạ vào ma trận 2 chiều, có
kích thước 15 x 10. Vì các ký tự ảnh dù đã chuẩn hóa, chọn lọc nhưng
sau khi tách đều có kích thước khá lớn so với ma trận ( khoảng 58x
74), nên các ký tự ảnh này đều phải qua 1 bước chuyển đổi tỉ lệ trước
khi chuyển giá trị vào ma trận nhị phân 15 x10.
Việc chuyển đổi tỉ lệ này là một trong những nguyên nhân gây
ra sai số dẫn đến nhận dạng ký tự bị sai.
3.2.4 Tìm biên, đường bao
Chương trình sử dụng phương pháp Canny để tìm biên Làm
trơn ảnh bằng bộ lọc Gauss nhằm giảm thiểu ảnh hưởng của nhiễu và
các chi tiết không mong nuôn trong cấu trúc ảnh.
9
3.2.5 Huấn luyện mạng
a) Xác định cấu trúc mạng
Mạng noron được xây dựng theo phương pháp học có giám
sát. Bài toán lựa chọn mạng Feed-forward 3 lớp với cấu trúc như sau :
Số noron lớp đầu vào : 150 noron.
Qua kiểm nghiệm, và dựa trên nhiều tài liệu, nhận thấy giá trị
150 noron đầu vào là khá phù hợp để nhận dạng với kiểu kí tự ảnh có
font chữ trung bình, và phổ biến.Các kí tự ảnh này có chiều cao trung
bình là 70 pixel và chiều rộng khoảng 54 pixel. Số noron lớp ẩn : 500
noron.Việc lựa chọn giá trị này dựa trên thực nghiệm của các tài liệu
chuyên về nhận dạng kí tự quang học.Số noron này được quyết định
từ những kết quả tối ưu và giá trị lỗi cơ sở trong quá trình huấn luyện.
Số noron đầu ra : 16 noron tương ứng với 16 bit nhị phân của
mã Unicode.Từ 16 noron này ta tổng hợp và chuyển thành 16 bit nhị
phân, sau cùng chuyển thành 1 kí tự Unicode.
b) Thuật toán huấn luyện mạng.
Mạng feed- forward sử dụng giải thuật lan truyền ngược sai số
Back Propagation. Giải thuật gồm 2 bước :
-
Bước 1: Lan truyền xuôi đầu vào qua mạng.
Sử dụng các công thức :
Công thức chung tính đầu ra của một noron thứ i tại lớp thứ k:
n
i
y f
w x b
i
ij
j
j0
10
Với f là hàm chuyển sigmoid lưỡng cực được tính theo công
thức:
2
f
1
1et
α: hệ số góc của hàm chuyển
t: biến net-input
bi: hệ số ngưỡng hay độ lệch
Áp dụng đối với mô hình mạng của chương trình :Công thức
cho đầu ra của một noron thứ i (1250) tại lớp ẩn :
n
i
a f
w x b
i
ij
j
j1
w
Với ij : trọng số tại noron thứ i của lớp ẩn kết nối với đầu
vào thứ j của lớp vào
x
j : giá trị đầu vào của noron thứ j tại lớp vào
bi : giá trị ngưỡng hay độ lệch của noron thứ i của đầu vào
Công thức cho đầu ra của một noron thứ k (k =116)tại lớp
output:
n
n
n
j
y f
w a b f
w f
w x
ij
kj
k
k
kj
j
j1
j1
j1
11
-
Bước 2 : Lan truyền ngược
Tính toán sai lệch giữa đầu ra thực và đầu ra mong muốn của
noron thứ k tại đầu ra .ei= ti- yi
Tổng bình phương sai số của mạng ứng với mẫu học (Xs, Ts):
p
1
2
E
t y
i
2
i
k1
P: số phần tử đầu ra. Nếu E< ε và l+1<epochs thì :Thông tin
sai số sẽ được lan truyền ngược qua mạng để điều chỉnh lại trọng số
tại vòng lặp l.Công thức điều chỉnh trọng số với liên kết giữa noron
thứ j trong lớp ẩn và noron thứ i trong lớp ra tại lần lặp l+1: (l+1<số
lần dạy( epochs) )
w 11 w 1 .e 1 .y .f ' y 1
ij
ij
i
j
i
f’: đạo hàm của hàm chuyển lưỡng cực ,công thức :
1 x2
f '
2
Công thức điều chỉnh trọng số với liên kết giữa noron vào thứ
j và noron ẩn thứ i , tại lần lặp thứ l+1 (l+1 <epochs)
m
w 11 w 1 .x .f ' y . w (l 1).e (l).f '(y (l))
ij
ij
j
i
ki
k
k
k1
12
Các tham số sử dụng trong chương trình
Tốc độ học η = 150.
Hệ số góc α Sigmoid= 0.014.
Giá trị ngưỡng hay độ lệch : 30
Số lần dạy 300-600 tùy độ phức tạp của từng loại font.
Ngưỡng của lỗi = 0.0002.
Khảo sát sự hội tụ của các trọng số
Hình 3.9 Đồ thị sự biến thiên của Wij
13
Hình 3.10 Đồ thị sự biến thiên của Wjk
14
CHƯƠNG 4:
CHƯƠNG TRÌNH MÔ PHỎNG VÀ KẾT QUẢ
4.1 Môi trường thực nghiệm
Chương trình được cài đặt trên ngôn ngữ Visual C# và được
thử nghiệm trên hệ điều hành Windows XP SP2, máy tính PC tốc độ
1,6 GHz, bộ nhớ 256MB RAM.
4.2 Tạo cơ sở dữ liệu mẫu
Trước tiên trương trình cần học qua bộ dữ liệu mẫu. Trong
quá trình sử dụng, nếu người dùng cần định nghĩa một ký tự mới thì
chương trình có thêm chức năng cho người dùng tự định nghĩa.
Hình 4. 1: Giao diện chương trình tạo cơ sở dữ liệu phục vụ cho
việc nhận dạng
15
4.3 Chương trình chính
4.3.1 Đăng nhập
Để sử dụng các chức năng có trong chương trình thì đầu tiên
ta phải đăng nhập ( ở đây mặc định là user và password như hình vẽ).
Hình 4.2: giao diện chương trình đăng nhập
16
4.3.2 Chọn camera
Tiếp theo sau khi đăng nhập ta sẽ tiến hành kết nối với camera
Hình 4.3 chọn camera kết nối
4.3.3 Khoanh vùng
Hình 4.4 khoanh vùng kí tự
17
4.3.4 Chạy chương trình
Ấn bắt đầu để chạy chương trình. Cứ sau 5s sẽ xử lí một lần
và hiện kết quả xem con hành có được in đúng hay không ở ô “ Kết
quả kiểm tra”.
4.3.5 Kết quả chương trình
Hình 4. 5: Kết quả với mã hàng WH-108
Tải về để xem bản đầy đủ
23 trang
21760
Free
Bạn đang xem 20 trang mẫu của tài liệu "Tóm tắt Luận văn Kiểm tra lỗi in trên rearcase sử dụng mạng nơron nhân tạo", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- tom_tat_luan_van_kiem_tra_loi_in_tren_rearcase_su_dung_mang.pdf
