1. 研究目的与意义（文献综述）
目前，随着电子、信息技术的发展，各类电子设备在追求高算力的同时也有对设备便携性的需求。电子设备往往由高性能芯片驱动，芯片的高集成度又决定了其体积小的特点。在芯片的实际生产过程中，厂商在每一个芯片表面打印芯片标识，标识由英文字母与数字组成，且一般具有统一的印刷字体。在工业应用环境下，芯片标识有利于后续对芯片的质量检测、分流、跟踪等工序，因此，利用机器视觉技术，高效、准确的自动识别芯片表面标识成为一个重要的环节。
光学字符识别（optical character recognition, ocr）是目前主流的字符自动识别技术，其概念起源于十九世纪三十年代，并在十九世纪五十年代，计算机技术诞生后开始逐步发展[1]。早期的ocr技术主要应用于文本检测与识别，可以实现对文档中文字区域的定位以及单个文字的识别；发展至今，ocr技术已被广泛应用于自然场景文本检测，例如：车牌识别，票据识别，信件自动分发等。
芯片表面字符识别属于工业场景下的光学字符识别应用，基于芯片表面的特性，此课题面临着一些方面的挑战：①芯片表面字符面积小，精确识别字符的前提是准确定位字符区域同时实现字符区域的放大；②芯片表面的图像采集并不处于理想情况，可能存在视角畸变（例如：发生投影变换、仿射变换等）的问题，需要进行视角纠正，来保证后续文字识别的准确度；③芯片表面具有对比度不高的特点，在拍摄过程中甚至出现非均匀光照现象，而传统的ocr技术应用场景单一，图像具有明显的色彩区分与对比度[2]，因此进行合适的图像处理步骤消除此类影响十分必要。
2. 研究的基本内容与方案
本课题研究以芯片表面的微小字符为研究对象，设计一种微小字符识别算法，算法目标在于克服字符面积小、芯片表面对比度弱、图像视角多变的难题，提高工业生产场景下，芯片表面字符的识别速度以及识别准确度。
算法分为字符检测与字符识别两个部分。字符检测部分包括图像预处理操作，相关的研究内容包括：图像增强、图像滤波、字符区域定位与放大、倾斜字符校正；字符识别部分采用基于深度学习的方法，以卷积神经网络为基础，搭建字符识别系统，研究内容包括：图像自适应二值化、字符分割、数据集的构建、字符识别模型的设计搭建以及算法性能的评估。在技术方案的设计上，整个系统可分成图像预处理，字符定位，字符识别三部分。
图像预处理主要针对芯片图像的对比度不高、存在噪声等特点进行处理，以方便后续的字符定位与字符检测。在图像增强方面，king[23]以模糊理论为基础，提出了基于模糊灰度变换的图像增强算法，算法定义了隶属度函数，将图像从灰度域转换至模糊域实现非线性拉伸，再从模糊域恢复至灰度域从而增强对比度，算法实现较为简单，但具有一定的计算量。黄江中[24]提出的水下图像增强算法首先通过直方图均衡化确定渡越点，再以渡越点为界实现图像灰度的非线性拉伸，相比传统方法降低了计算量。在实践中发现，两算法运算速度差异不大，但传统算法增强效果更好，因此初步计划使用king[23]的算法实现图像增强。在图像滤波方面，姒绍辉[25]提出的改进高斯滤波算法算法基于局部灰度相似性，设置自适应的高斯掩模窗口，在滤除噪声的同时保留了图像的纹理细节与边缘信息。黄文笔[26]依次对当前像素以及滤波窗口中值进行检测，克服了标准自适应中值滤波算法可能造成的边缘细节模糊问题。以上述算法为代表的图像滤波算法可被应用于此课题，在具体使用中，需要根据调试的结果对算法进行改进。
3. 研究计划与安排
（1）3月25日前，完善论文的调研工作，完成英文文献翻译工作。
实现技术方案中图像预处理环节的算法，包括图像增强、图像滤波去噪； （2）4月15日前，实现技术方案中字符定位环节的算法，包括字符候选区域的确认与初步筛选、畸变字符纠正、基于cnn的字符定位网络设计。
同时，应当完成该环节大部分的论文撰写。
4. 参考文献（12篇以上）
[1]mori s , suen c y , yamamoto k . historical review of ocr research anddevelopment[j]. proceedings of the ieee, 1992, 80(7):0-1058.
[2] 张瑞.基于cnn的工业环境字符识别方法研究[d]. 哈尔滨工业大学, 2017.
[3] yingyingzhu, cong yao,xiang bai. scene text detection and recognition: recent advances and future trends[j].frontiers of computer science, 2016, 10(1):19-36.
