1、線纜生產(chǎn)過(guò)程中，線纜的生產(chǎn)日期、生產(chǎn)批次、產(chǎn)品型號(hào)等重要信息往往以點(diǎn)陣字符的形式被噴印在線纜表面。線纜表觀字符檢測(cè)是線纜質(zhì)量控制中的重要內(nèi)容。傳統(tǒng)線纜表觀字符識(shí)別使用人工方法，效率低，工作強(qiáng)度大。在線纜生產(chǎn)速度越來(lái)越高的情況下，人工識(shí)別的方法已經(jīng)不能滿足線纜制造業(yè)的要求。
　　本文以Zynq SoC為算法實(shí)現(xiàn)平臺(tái)，結(jié)合ARM的靈活性與FPGA卓越的計(jì)算性能，使用AXI4總線進(jìn)行系統(tǒng)互聯(lián)，實(shí)現(xiàn)了完整的點(diǎn)陣字符識(shí)別系統(tǒng)。經(jīng)測(cè)試識(shí)別率可

2、達(dá)91％，識(shí)別單幅1600×1200像素線纜圖像所需時(shí)間僅需22 ms。據(jù)我們查閱國(guó)內(nèi)外重要數(shù)據(jù)庫(kù)的結(jié)果，單芯片上實(shí)現(xiàn)的點(diǎn)陣字符光學(xué)識(shí)別系統(tǒng)在國(guó)內(nèi)尚未見(jiàn)報(bào)道。點(diǎn)陣字符識(shí)別算法方面，本文采用差分法去除線纜背景區(qū)域；然后利用灰度投影曲線與擬合曲線的誤差平方值提取了4幅線纜環(huán)視圖像中包含完整字符區(qū)域的圖像；隨后針對(duì)線纜表面圖像光照不均的情況，提出了一種大窗口中值差分二值化算法，并對(duì)其進(jìn)行了算法優(yōu)化；為有效分割點(diǎn)陣字符，采用了基于多次投影的二次

3、分割算法對(duì)點(diǎn)陣字符進(jìn)行有效分割，并對(duì)字符進(jìn)行了歸一化；最后提出了一種改進(jìn)的分塊重心向量特征提取方法，結(jié)合字符尺寸信息與直接模板匹配方法，設(shè)計(jì)了多層分類器對(duì)字符進(jìn)行分類識(shí)別。為了滿足系統(tǒng)幀率要求，本文利用高層次綜合技術(shù)對(duì)算法進(jìn)行了硬件實(shí)現(xiàn)與優(yōu)化。對(duì)大窗口快速中值查找算法進(jìn)行了硬件并行化、存儲(chǔ)結(jié)構(gòu)優(yōu)化、循環(huán)體優(yōu)化等多種硬件優(yōu)化措施；對(duì)最大類間方差法的計(jì)算過(guò)程進(jìn)行了資源優(yōu)化和流水線操作；對(duì)分塊重心特征向量計(jì)算模塊進(jìn)行了全并行優(yōu)化。最后采用軟硬