基于區(qū)域梯度統(tǒng)計(jì)分析與卷積神經(jīng)網(wǎng)絡(luò)的條碼定位算法研究.pdf

1、條碼技術(shù)經(jīng)過(guò)多年發(fā)展，因?yàn)槠浣?jīng)濟(jì)、便利、可行等特點(diǎn)，已經(jīng)在物流、零售、供應(yīng)鏈管理等領(lǐng)域得到廣泛應(yīng)用。近年來(lái)隨著智能手機(jī)和移動(dòng)互聯(lián)網(wǎng)的普及，條碼技術(shù)也從過(guò)去單純的貨物標(biāo)簽用途，轉(zhuǎn)向了更為廣闊的應(yīng)用場(chǎng)景。在工業(yè)應(yīng)用中，對(duì)基于圖像的高速、精準(zhǔn)且具備一定魯棒性的條碼定位算法有獨(dú)特的需求。為了提高在工業(yè)場(chǎng)景中條碼識(shí)讀的自動(dòng)化水平，圖像處理技術(shù)在條碼定位問(wèn)題中得到了眾多應(yīng)用。傳統(tǒng)基于圖像的定位算法主要應(yīng)用現(xiàn)有的理論成果，利用圖像處理方法，從圖像中得

2、到條碼的大致位置進(jìn)行識(shí)讀。此類方法對(duì)于一般條件下的條碼有不錯(cuò)效果，但是自適應(yīng)程度較差，難以處理諸如尺度、模糊等變換問(wèn)題。同時(shí)定位精度較粗糙，無(wú)法得到較為準(zhǔn)確的條碼頂點(diǎn)信息。區(qū)別于人工的特征選取技術(shù)，深度學(xué)習(xí)技術(shù)被證明能夠?qū)W習(xí)樣本內(nèi)部的統(tǒng)計(jì)規(guī)律和特征，得到超越人工特征的識(shí)別效果。
　　本研究主要內(nèi)容包括：⑴研究了國(guó)內(nèi)外發(fā)表的主要條碼識(shí)別和定位工作。深入研究和比較了現(xiàn)有條碼識(shí)讀裝置的特點(diǎn)的基礎(chǔ)上，明確了利用數(shù)字圖像處理?xiàng)l碼定位問(wèn)題的優(yōu)

3、勢(shì)。在廣泛閱讀相關(guān)文獻(xiàn)后，對(duì)現(xiàn)有定位方法進(jìn)行分類和整理，為后續(xù)工作奠定了基礎(chǔ)。⑵針對(duì)作為研究對(duì)象的線性碼、PDF417碼、線性堆疊碼與線性PDF堆疊碼四種條碼類型，設(shè)計(jì)了使用圖像處理方法的條碼頂點(diǎn)定位方案。結(jié)合信息熵的計(jì)算概念，提出基于區(qū)域塊的梯度統(tǒng)計(jì)檢測(cè)。利用粗定位和有針對(duì)性設(shè)計(jì)的精確定位的兩步定位方法，在模糊、光照明暗、尺度、旋轉(zhuǎn)、位移、傾斜等八種圖像變換下實(shí)現(xiàn)平均80％的定位準(zhǔn)確度。⑶將深度學(xué)習(xí)結(jié)構(gòu)引入條碼定位問(wèn)題。區(qū)別于圖像方式