CN114548140A - 二维码解码方法、数据关联方法、关联装置及使用方法 - Google Patents

二维码解码方法、数据关联方法、关联装置及使用方法 Download PDF

Info

Publication number
CN114548140A
CN114548140A CN202210440843.8A CN202210440843A CN114548140A CN 114548140 A CN114548140 A CN 114548140A CN 202210440843 A CN202210440843 A CN 202210440843A CN 114548140 A CN114548140 A CN 114548140A
Authority
CN
China
Prior art keywords
wine
dimensional code
image
sub
code
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210440843.8A
Other languages
English (en)
Other versions
CN114548140B (zh
Inventor
张世杰
邓洋
李征
谢崇武
李廷元
黄洪
廖洪浩
张倩倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Push Information & Automation Chengdu Co ltd
Original Assignee
Push Information & Automation Chengdu Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Push Information & Automation Chengdu Co ltd filed Critical Push Information & Automation Chengdu Co ltd
Priority to CN202210440843.8A priority Critical patent/CN114548140B/zh
Publication of CN114548140A publication Critical patent/CN114548140A/zh
Application granted granted Critical
Publication of CN114548140B publication Critical patent/CN114548140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/90—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种二维码解码方法、数据关联方法、关联装置及使用方法，二维码解码方法包括获取二维码所在区域的原始图像，以彩色图像的三分量的亮度建立图像像素的灰度值；获取三分量对应的图像直方图；统计每个灰度值的频率；获取原始图像的最佳二值化阈值；获取子图像的三分量对应的图像直方图；计算每个子图像的最佳二值化子阈值；对原始图像进行纵向遍历和横向遍历，并获得纵向遍历的黑白图像和横向遍历的黑白图像，并综合获得最优图像；一种基于解码方法的数据关联方法，一种关联装置；关联装置的使用方法；本发明通过设置二维码识别算法，解决复杂光照环境下的二维码识别问题；并将识别后的二维码进行信息绑定，实现产品与二维码关联。

Description

二维码解码方法、数据关联方法、关联装置及使用方法
技术领域
本发明涉及生产领域，具体涉及一种二维码解码方法、数据关联方法、关联装置及使用方法。
背景技术
二维码已广泛应用于各类产品中，酒类产品的瓶盖、盒盖、酒箱二维码已在各酒类品牌厂商中应用，在酒品生产中，需要进行二维码识别，在进行二维码识别操作中，由于光照的关系，可能存在部分二维码的显示效果不佳，且因为一般的酒瓶、酒盒均需要进行包装设计，其存在一定的彩色图案，二维码在进行采集时，会同时采集到背景图案以及二维码，可能会造成二维码解码困难，从而影响生产线的正常工作。
同时现阶段在进行生产的过程中，将酒瓶、酒盒和酒箱分别与产品信息进行关联，即通过产品信息来实现酒瓶、酒盒和酒箱之间的关联，因此可能因为装盒、装箱的失误而导致酒盒与酒瓶、酒盒与酒箱的二维码不匹配的情况。
发明内容
本发明所要解决的技术问题是酒瓶、酒盒和酒箱的二维码可能出现不匹配的情况，目的在于提供一种二维码解码方法、数据关联方法、关联装置及使用方法，解决了因包装失误而导致的关联错误问题。
本发明通过下述技术方案实现：
一种酒品生产中的二维码解码方法，包括以下步骤：
获取二维码所在区域的原始图像，并以彩色图像的三分量的亮度建立图像像素的灰度值；
确定图像的尺寸
Figure 131573DEST_PATH_IMAGE001
，并获取三分量对应的图像直方图，根据图像直方图统计每 个灰度值的频率；
获取原始图像的三分量对应的三个最佳二值化阈值
Figure 111030DEST_PATH_IMAGE002
、
Figure 199422DEST_PATH_IMAGE003
、
Figure 922528DEST_PATH_IMAGE004
；
对原始图像进行分块处理，将原始图像分成n个子图像，并以彩色图像的三分量的亮度建立图像像素的灰度值；
确定每一个子图像的尺寸
Figure 284370DEST_PATH_IMAGE005
，并获取子图像的三分量对应的图像直方图，获得 子图像的直方图的每个灰度值的频率；
计算每个子图像的三分量对应的最佳二值化子阈值
Figure 169149DEST_PATH_IMAGE006
、
Figure 13346DEST_PATH_IMAGE007
、
Figure 274563DEST_PATH_IMAGE008
；
判断
Figure 756491DEST_PATH_IMAGE009
、
Figure 812172DEST_PATH_IMAGE010
、
Figure 615436DEST_PATH_IMAGE011
，若均为是，则对子图像进行二值化，若至少一个为否， 则将子图像设定为白色；
获取二值化后的黑白图像；
对原始图像进行纵向遍历和横向遍历，并获得纵向遍历的黑白图像和横向遍历的黑白图像，并综合获得最优图像。
具体地，根据图像直方图统计每个灰度值的频率的方法为：
Figure 414765DEST_PATH_IMAGE012
Figure 734888DEST_PATH_IMAGE013
Figure 243361DEST_PATH_IMAGE014
其中
Figure 796571DEST_PATH_IMAGE015
、
Figure 134011DEST_PATH_IMAGE016
、
Figure 590532DEST_PATH_IMAGE017
为在
Figure 988015DEST_PATH_IMAGE018
处的对应分量的灰度值；
Figure 25591DEST_PATH_IMAGE019
、
Figure 166723DEST_PATH_IMAGE020
、
Figure 477749DEST_PATH_IMAGE021
为 对应分量的k灰度值时的出现频率；
Figure 577292DEST_PATH_IMAGE018
位于
Figure 105094DEST_PATH_IMAGE001
内；
获得子图像的直方图的每个灰度值的频率的方法为：
Figure 784338DEST_PATH_IMAGE022
其中，
Figure 949871DEST_PATH_IMAGE023
、
Figure 423577DEST_PATH_IMAGE024
、
Figure 658250DEST_PATH_IMAGE025
为在
Figure 127802DEST_PATH_IMAGE026
处的对应分量的灰度值；、
Figure 397109DEST_PATH_IMAGE027
、
Figure 307296DEST_PATH_IMAGE028
为 对应分量的k灰度值时的出现频率；
Figure 779997DEST_PATH_IMAGE026
位于
Figure 801043DEST_PATH_IMAGE005
内。
具体地，最佳二值化阈值
Figure 908545DEST_PATH_IMAGE002
的获取方法为：
设基础阈值为
Figure 724054DEST_PATH_IMAGE029
，则目标图像为
Figure 933318DEST_PATH_IMAGE030
，非目标图像为
Figure 508787DEST_PATH_IMAGE031
；
目标图像所占比例为：
Figure 221528DEST_PATH_IMAGE032
；
目标图像的灰度均值为：
Figure 942360DEST_PATH_IMAGE033
；
非目标图像所占比例为：
Figure 638920DEST_PATH_IMAGE034
；
非目标图像的灰度均值为：
Figure 271544DEST_PATH_IMAGE035
；
图像总灰度均值为：
Figure 104371DEST_PATH_IMAGE036
；
根据局部阈值法，获得最佳二值化阈值：
Figure 996103DEST_PATH_IMAGE037
；
最佳二值化阈值
Figure 930692DEST_PATH_IMAGE003
的获取方法为：
设基础阈值为
Figure 362811DEST_PATH_IMAGE038
，则目标图像为
Figure 784565DEST_PATH_IMAGE039
，非目标图像为
Figure 627625DEST_PATH_IMAGE040
；
目标图像所占比例为：
Figure 767619DEST_PATH_IMAGE041
；
目标图像的灰度均值为：
Figure 737849DEST_PATH_IMAGE042
；
非目标图像所占比例为：
Figure 296001DEST_PATH_IMAGE043
；
非目标图像的灰度均值为：
Figure 795115DEST_PATH_IMAGE044
；
图像总灰度均值为：
Figure 687985DEST_PATH_IMAGE045
；
根据局部阈值法，获得最佳二值化阈值：
Figure 182945DEST_PATH_IMAGE046
；
最佳二值化阈值
Figure 844870DEST_PATH_IMAGE004
的获取方法为：
设基础阈值为
Figure 514886DEST_PATH_IMAGE047
，则目标图像为
Figure 645784DEST_PATH_IMAGE048
，非目标图像为
Figure 426658DEST_PATH_IMAGE049
；
目标图像所占比例为：
Figure 208669DEST_PATH_IMAGE050
；
目标图像的灰度均值为：
Figure 298854DEST_PATH_IMAGE051
；
非目标图像所占比例为：
Figure 166316DEST_PATH_IMAGE052
；+
非目标图像的灰度均值为：
Figure 750881DEST_PATH_IMAGE053
；
图像总灰度均值为：
Figure 138131DEST_PATH_IMAGE054
；
根据局部阈值法，获得最佳二值化阈值：
Figure 149949DEST_PATH_IMAGE055
。
具体地，最佳二值化子阈值
Figure 973549DEST_PATH_IMAGE006
的获取方法为：
设基础子阈值为
Figure 627384DEST_PATH_IMAGE056
，则子目标图像为
Figure 364746DEST_PATH_IMAGE057
，非子目标图像为
Figure 813045DEST_PATH_IMAGE058
；
子目标图像所占比例为：
Figure 405832DEST_PATH_IMAGE059
；
子目标图像的灰度均值为：
Figure 597779DEST_PATH_IMAGE060
；
非子目标图像所占比例为：
Figure 677730DEST_PATH_IMAGE061
；
非子目标图像的灰度均值为：
Figure 811777DEST_PATH_IMAGE062
；
子图像总灰度均值为：
Figure 609969DEST_PATH_IMAGE063
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 605607DEST_PATH_IMAGE064
；
最佳二值化子阈值
Figure 556376DEST_PATH_IMAGE007
的获取方法为：
设基础子阈值为
Figure 346478DEST_PATH_IMAGE065
，则子目标图像为
Figure 631965DEST_PATH_IMAGE066
，非子目标图像为
Figure 165715DEST_PATH_IMAGE067
；
子目标图像所占比例为：
Figure 738035DEST_PATH_IMAGE068
；
子目标图像的灰度均值为：
Figure 699038DEST_PATH_IMAGE069
；
非子目标图像所占比例为：
Figure 488133DEST_PATH_IMAGE070
；
非子目标图像的灰度均值为：
Figure 356732DEST_PATH_IMAGE071
；
子图像总灰度均值为：
Figure 108525DEST_PATH_IMAGE072
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 787900DEST_PATH_IMAGE073
；
最佳二值化子阈值
Figure 579138DEST_PATH_IMAGE074
的获取方法为：
设基础子阈值为
Figure 763345DEST_PATH_IMAGE075
，则子目标图像为
Figure 808793DEST_PATH_IMAGE076
，非子目标图像为
Figure 111598DEST_PATH_IMAGE077
；
子目标图像所占比例为：
Figure 858974DEST_PATH_IMAGE078
；
子目标图像的灰度均值为：
Figure 787485DEST_PATH_IMAGE079
；
非子目标图像所占比例为：
Figure 671127DEST_PATH_IMAGE080
；
非子目标图像的灰度均值为：
Figure 144834DEST_PATH_IMAGE081
；
子图像总灰度均值为：
Figure 395818DEST_PATH_IMAGE082
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 613172DEST_PATH_IMAGE083
。
一种酒品生产中的数据关联方法，基于上述的一种酒品生产中的二维码解码方法，包括以下步骤：
S1、在控制系统中确定酒品的产品信息；
S2、采集酒瓶上的第一二维码，并对第一二维码进行解码，获得第一解码结果；
S3、将第一解码结果传输至控制系统，控制系统将第一二维码与产品信息关联；
S4、同时采集酒瓶上的第一二维码和酒盒上的第二二维码，并对第二二维码进行解码，获得第二解码结果；对第一二维码解码，获得第一解码结果；
S5、将第一解码结果和第二解码结果传输至控制系统，获得与第一解码结果关联的产品信息，将第二二维码与产品信息关联；
S6、同时采集酒盒上的第二二维码和酒箱上的第三二维码，并对第三二维码进行解码，获得第三解码结果；对第二二维码解码，获得第二解码结果；
S7、将第二解码结果和第三解码结果传输至控制系统，获得与第二解码结果关联的产品信息，将第三二维码与产品信息关联；
S8、将关联的第一二维码、第二二维码、第三二维码和产品信息传输至数据中心，并储存。
具体地，步骤S3与步骤S4之间设置有转运步骤，步骤S5与步骤S6之间设置有转运步骤。
进一步，在步骤S3之后，还包括：
根据关联的第一解码结果和产品信息生成酒瓶激光码；
雕刻酒瓶激光码至酒瓶的瓶身；
判断瓶身上的酒瓶激光码是否可识别，若可识别，则将酒瓶激光码与第一二维码关联后进行步骤S4；以及
若不可识别，则将该酒瓶判定为NG产品，并将其剔除，同时将酒瓶NG信息与第一二维码关联。
具体地，在步骤S5之后，还包括
根据关联的第一解码结果、第二解码结果和产品信息生成酒盒激光码；
雕刻酒盒激光码至酒盒的盒体；
判断盒体上的酒盒激光码是否可识别，若可识别，则将酒盒激光码与第二二维码关联后进行步骤S6；以及
若不可识别，则将该酒盒判断为NG产品，并将其剔除，同时将酒盒NG信息与第二二维码关联。
一种酒品生产中的数据关联装置，用于实施上述的一种酒品生产中的数据关联方法，所述装置包括：
酒瓶运输线，其水平设置，且所述酒瓶运输线上竖直放置有多个酒瓶，所述酒瓶运输线上设置有用于识别所述酒瓶的瓶盖上的第一二维码的酒瓶扫码装置；
酒盒运输线，其水平设置，且所述酒盒运输线上竖直放置有多个酒盒，所述酒盒运输线上设置有用于识别所述酒盒的盒身上的第二二维码的酒盒扫码装置；
酒箱运输线，其水平设置，且所述酒盒运输线上放置有多个酒箱，所述酒盒运输线上设置有用于识别所述酒箱的箱体上的第三二维码的酒箱扫码装置。
一种酒品生产中的数据关联装置的使用方法，基于上述的一种酒品生产中的数据关联装置，包括以下步骤：
第一二维码设置在酒瓶的瓶盖上，将酒瓶置于酒瓶运输线上，通过酒瓶扫码装置对第一二维码进行识别；
将第一二维码与产品信息关联；
第二二维码设置在酒盒的盒盖上，将酒瓶置入酒盒内，并将酒盒置于酒盒运输线，通过酒瓶扫码装置对第一二维码进行识别，通过酒盒扫码装置对第二二维码进行识别；
将第二二维码与第一二维码和产品信息关联；
第三二维码设置在酒箱上，将酒盒置入酒箱内，并将酒箱置于酒箱运输线，通过酒盒扫码装置对第二二维码进行识别，通过酒箱扫码装置对第三二维码进行识别；
将第三二维码与第一二维码、第二二维码和产品信息关联。
一种酒品生产中的数据关联终端，包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
本发明与现有技术相比，具有如下的优点和有益效果：
在进行二维码的识别过程中，可能因为酒瓶、酒盒或酒箱的光照角度、二维码位置以及二维码倾斜度等问题造成二维码不易识别，本发明通过设置二维码识别算法，解决复杂光照环境下的二维码识别问题。
本发明通过在酒品生产的包装过程中，将酒瓶的第一二维码与产品信息关联，然后将酒瓶装入酒盒后，同时对第一二维码和第二二维码进行识别，然后将第二二维码与第一二维码对应的产品信息关联，再然后将酒盒装入酒箱后，同时对第二二维码和第三二维码进行识别，然后将第三二维码与第二二维码对应的产品信息关联，从而实现了第一二维码、第二二维码、第三二维码和产品信息的准确绑定；
并通过设置激光打印装置和剔除装置，可以激光码打印在瓶身和盒身上，如果激光码无法识别，则将其剔除，并且将与之对应的二维码和产品信息进行取消关联。
附图说明
附图示出了本发明的示例性实施方式，并与其说明一起用于解释本发明的原理，其中包括了这些附图以提供对本发明的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分，并不构成对本发明实施例的限定。
图1是根据本发明所述的一种酒品生产中的数据关联方法的流程图。
图2是根据本发明所述的一种酒品生产中的数据关联方法的实施例二的流程图。
图3是根据本发明所述的二维码解码方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分。
在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
本发明中的控制系统可以是一个工控机、一台服务器，或者由若干台服务器组成的服务器集群，或是一个云计算服务中心。控制系统用于与酒品的生产装备交互提供数据输入与输出功能。
实施例一
本实施例解决的问题是，酒瓶、酒盒和酒箱的二维码可能出现不匹配的问题。
在实际生产中，酒瓶A、酒盒A和酒箱A本来为一个关联的组合，在进行生产中，将酒瓶A与产品信息A、酒盒A与产品信息A、酒箱A与产品信息A进行绑定，实际上酒瓶A、酒盒A和酒箱A在生产中是相互独立的。
因此可能出现，在包装的过程中，误将已经与产品信息B绑定的酒瓶B，装入酒盒A中，则在内部系统中，A和B的包装并未出现错误，但是在实际出厂后，A和B存在错误。
因此，本实施例提供解决上述问题的一种酒品生产中的数据关联方法，如图1所示，包括以下步骤：
S1、在控制系统中确定酒品的产品信息；产品信息包括但不限于：酒品名称、厂家、生产地、生产日期、度数、原料供应商、保值日期、出厂日期、指导价格、酒瓶外观、酒盒外观、配料表等应该或可以向消费者公开并供消费者查询的信息。
S2、采集酒瓶上的第一二维码，并对第一二维码进行解码，获得第一解码结果，采集方式可以为人工扫描，也可以为自动化扫描，获得第一二维码后，对其进行解码。
S3、将第一解码结果传输至控制系统，控制系统将第一二维码与产品信息关联，将第一二维码与产品信息关联后，可以通过扫描第一二维码，直接获得相关的产品信息。
S4、同时采集酒瓶上的第一二维码和酒盒上的第二二维码，并对第二二维码进行解码，获得第二解码结果；对第一二维码解码，获得第一解码结果，同步骤S2，采集到第一二维码和第二二维码后，并分别进行解码。
S5、将第一解码结果和第二解码结果传输至控制系统，获得与第一解码结果关联的产品信息，将第二二维码与产品信息关联，通过第一二维码获得相关的产品信息，然后在将第一二维码、第二二维码和产品信息关联，从而使第一二维码和第二二维码处于直接关联状态，第二二维码与产品信息直接关联。可以通过扫描第一二维码或者第二二维码获得产品信息。
S6、同时采集酒盒上的第二二维码和酒箱上的第三二维码，并对第三二维码进行解码，获得第三解码结果；对第二二维码解码，获得第二解码结果；同步骤S2，采集到第三二维码和第二二维码后，并分别进行解码。
S7、将第二解码结果和第三解码结果传输至控制系统，获得与第二解码结果关联的产品信息，将第三二维码与产品信息关联；通过第二二维码获得相关的产品信息，然后在将第三二维码、第二二维码和产品信息关联，从而使第二二维码和第三二维码处于直接关联状态，因此此时酒瓶已经放置在酒盒内，并已封装，因此不必要强关联第一二维码和第二二维码，最终使得第三二维码与产品信息直接关联。可以通过扫描第二二维码或者第三二维码获得产品信息。
S8、将关联的第一二维码、第二二维码、第三二维码和产品信息传输至数据中心，并储存。储存后，二维码成为访问途径，用户可以通过扫码第一二维码、第二二维码或第三二维码直接访问数据中心，通过数据中心调取相关的产品信息，实现三码合一。
在进行上述步骤时，具体地，步骤S3与步骤S4之间设置有转运步骤（即将酒瓶装入酒盒内，此时酒盒未封闭，可以同时扫码到第一二维码和第二二维码），步骤S5与步骤S6之间设置有转运步骤（即将酒盒装入酒箱内，此时酒盒已封闭，酒瓶和酒盒已经绑定不会出现错误，可以同时扫码到第二二维码和第三二维码）。
实施例二
上述实施例一中进行了酒瓶、酒盒和酒箱的三码合一操作，但是在进行出场生产中，需要在酒瓶、酒盒上打上激光码，用以标识必须要标注的信息，包括产品批号、生产日期、有效期等。
因此，如图2所示，在步骤S3之后，进行酒瓶瓶身打码操作。
根据关联的第一解码结果和产品信息生成酒瓶激光码；
雕刻酒瓶激光码至酒瓶的瓶身，通过激光打码器进行打码操作。
判断瓶身上的酒瓶激光码是否可识别，若可识别，则将酒瓶激光码与第一二维码关联后进行步骤S4；以及
若不可识别，则将该酒瓶判定为NG产品，并将其剔除，同时将酒瓶NG信息与第一二维码关联。
即在激光打码器的后侧设置一个激光码的识别装置，并通过激光码识别装置对酒瓶激光码进行识别，如果能够识别，则证明打码正常，可以进行S4的步骤。
如果无法识别激光码，则证明打码可能异常，将酒瓶从流水线中剔除（即通过机械手或者推杆等结构，将该酒瓶从流水线上取下，并存放在缓存区）
此时将打码异常的信息与第一二维码关联，可以通过扫描第一二维码获得相关的产品信息以及打码异常的信息。
同理，在步骤S5之后，进行酒盒盒身打码操作。
根据关联的第一解码结果、第二解码结果和产品信息生成酒盒激光码；
雕刻酒盒激光码至酒盒的盒体；
判断盒体上的酒盒激光码是否可识别，若可识别，则将酒盒激光码与第二二维码关联后进行步骤S6；以及
若不可识别，则将该酒盒判断为NG产品，并将其剔除，同时将酒盒NG信息与第二二维码关联。
此步骤与上述步骤相似，均是通过激光打码器、激光码识别装置以及剔除装置实现酒盒打码。
实施例三
本实施例是针对实施例一中的二维码识别操作，在进行二维码识别操作中，由于光照的关系，可能存在部分二维码的显示效果不佳，且因为一般的酒瓶、酒盒均需要进行包装设计，其存在一定的彩色图案，二维码在进行采集时，会同时采集到背景图案以及二维码，在识别时，需要对二维码和背景图像进行区分。
例如在步骤S4中，为了能同时识别第一二维码和第二二维码，一般是将第一二维码设置在瓶盖的正上方，在酒瓶装入酒盒后，将酒盒的盒盖打开对第一二维码进行识别。
在步骤S6中，为了能同时识别第二二维码和第三二维码，一般是将第二二维码设置在盒盖的正上方（盒盖为翻盖式结构），在酒盒装入酒箱后，将酒箱的箱盖打开进行第二二维码识别。
综合上述要求，可以看出，需要将第二二维码设置在盒盖的正上方，因此在进行步骤S4时，盒盖的打开角度不统一，可能存在二维码被阴影遮挡的情况。
因此本实施例提供针对特殊环境下的二维码识别，如图3所示，提供一种二维码解码方法。
在执行步骤S2、步骤S4和步骤S6时，对第一二维码、第二二维码和第三二维码的识别方法包括：
获取二维码所在区域的原始图像，并以彩色图像的三分量的亮度建立图像像素的 灰度值：
Figure 882480DEST_PATH_IMAGE015
、
Figure 513706DEST_PATH_IMAGE016
、
Figure 235674DEST_PATH_IMAGE017
为在
Figure 991140DEST_PATH_IMAGE018
处的对应分量的灰度值；确定每个像素点处， 三个原色分别对应开亮度，并将其设定为灰度值。
确定图像的尺寸
Figure 865687DEST_PATH_IMAGE001
，
Figure 681196DEST_PATH_IMAGE018
位于
Figure 890460DEST_PATH_IMAGE001
内，并获取三分量对应的图像直方图；
根据图像直方图统计每个灰度值的频率：
Figure 184038DEST_PATH_IMAGE012
Figure 411626DEST_PATH_IMAGE013
Figure 398037DEST_PATH_IMAGE014
其中，
Figure 94597DEST_PATH_IMAGE019
、
Figure 942599DEST_PATH_IMAGE020
、
Figure 775426DEST_PATH_IMAGE021
为对应分量的k灰度值时的出现频率，设定k属于0~255中的任意 值，计算某一个灰度值出现的频率。
获取原始图像的三分量对应的三个最佳二值化阈值
Figure 932737DEST_PATH_IMAGE084
、
Figure 362932DEST_PATH_IMAGE003
、
Figure 529471DEST_PATH_IMAGE004
；
对原始图像进行分块处理，将原始图像分成n个子图像，并以彩色图像的三分量的 亮度建立图像像素的灰度值：
Figure 216804DEST_PATH_IMAGE023
、
Figure 561329DEST_PATH_IMAGE024
、
Figure 701324DEST_PATH_IMAGE025
，其为在
Figure 671554DEST_PATH_IMAGE026
处的对应分量 的灰度值；
确定每一个子图像的尺寸
Figure 462661DEST_PATH_IMAGE005
，
Figure 961775DEST_PATH_IMAGE026
位于
Figure 854645DEST_PATH_IMAGE005
内，并获取子图像的三分量对 应的图像直方图；
获得子图像的直方图的每个灰度值的频率：
Figure 582561DEST_PATH_IMAGE022
其中，
Figure 510065DEST_PATH_IMAGE085
、
Figure 180081DEST_PATH_IMAGE027
、
Figure 812444DEST_PATH_IMAGE028
为对应分量的k灰度值时的出现频率；
计算每个子图像的三分量对应的最佳二值化子阈值
Figure 593318DEST_PATH_IMAGE006
、
Figure 375330DEST_PATH_IMAGE007
、
Figure 216247DEST_PATH_IMAGE008
；
判断
Figure 834441DEST_PATH_IMAGE009
、
Figure 419006DEST_PATH_IMAGE010
、
Figure 55524DEST_PATH_IMAGE011
，若均为是，则对子图像进行二值化（其使用Otsu算 法对子图像进行二值化），若至少一个为否，则认定为不明显，将子图像设定为白色；
获取二值化后的黑白图像，
对原始图像进行纵向遍历和横向遍历，并获得纵向遍历的黑白图像和横向遍历的黑白图像，并综合获得最优图像。
实施例四
本实施例对最佳二值化阈值的获取方法进行说明。
Figure 316610DEST_PATH_IMAGE084
的获取方法为：
设基础阈值为
Figure 140209DEST_PATH_IMAGE029
，其值可以根据经验进行设定，也可以通过计算机的遍历算法对 值进行轮换确定，因为阈值在0~255内，所以可以根据有限次的试验获得，则目标图像为
Figure 794044DEST_PATH_IMAGE030
，非目标图像为
Figure 770222DEST_PATH_IMAGE031
；
目标图像所占比例为：
Figure 952942DEST_PATH_IMAGE032
；
目标图像的灰度均值为：
Figure 794996DEST_PATH_IMAGE033
；
非目标图像所占比例为：
Figure 721363DEST_PATH_IMAGE034
；
非目标图像的灰度均值为：
Figure 336669DEST_PATH_IMAGE035
；
图像总灰度均值为：
Figure 955870DEST_PATH_IMAGE036
；
根据局部阈值法，获得最佳二值化阈值：
Figure 19641DEST_PATH_IMAGE037
。
对
Figure 234852DEST_PATH_IMAGE029
值进行遍历，从而获得最佳二值化阈值。
最佳二值化阈值
Figure 700469DEST_PATH_IMAGE003
的获取方法为：
设基础阈值为
Figure 490570DEST_PATH_IMAGE038
，则目标图像为
Figure 759746DEST_PATH_IMAGE039
，非目标图像为
Figure 559075DEST_PATH_IMAGE040
；
目标图像所占比例为：
Figure 613619DEST_PATH_IMAGE041
；
目标图像的灰度均值为：
Figure 325354DEST_PATH_IMAGE042
；
非目标图像所占比例为：
Figure 363717DEST_PATH_IMAGE043
；
非目标图像的灰度均值为：
Figure 435578DEST_PATH_IMAGE044
；
图像总灰度均值为：
Figure 344629DEST_PATH_IMAGE045
；
根据局部阈值法，获得最佳二值化阈值：
Figure 994309DEST_PATH_IMAGE086
。
最佳二值化阈值
Figure 988810DEST_PATH_IMAGE004
的获取方法为：
设基础阈值为
Figure 129941DEST_PATH_IMAGE047
，则目标图像为
Figure 909810DEST_PATH_IMAGE048
，非目标图像为
Figure 212615DEST_PATH_IMAGE049
；
目标图像所占比例为：
Figure 959991DEST_PATH_IMAGE050
；
目标图像的灰度均值为：
Figure 888502DEST_PATH_IMAGE051
；
非目标图像所占比例为：
Figure 772144DEST_PATH_IMAGE052
；
非目标图像的灰度均值为：
Figure 245851DEST_PATH_IMAGE053
；
图像总灰度均值为：
Figure 965676DEST_PATH_IMAGE054
；
根据局部阈值法，获得最佳二值化阈值：
Figure 183031DEST_PATH_IMAGE055
。
同理，可对其余两种分量进行的最佳二值化阈值进行计算。
另外的，将整个图像分为n个子图像，并对n个子图像按照整个图像的方法进行最佳二值化子阈值进行计算。
最佳二值化子阈值
Figure 186759DEST_PATH_IMAGE006
的获取方法为：
设基础子阈值为
Figure 831367DEST_PATH_IMAGE056
，则子目标图像为
Figure 534094DEST_PATH_IMAGE057
，非子目标图像为
Figure 555140DEST_PATH_IMAGE058
；
子目标图像所占比例为：
Figure 413374DEST_PATH_IMAGE059
；
子目标图像的灰度均值为：
Figure 245195DEST_PATH_IMAGE060
；
非子目标图像所占比例为：
Figure 923301DEST_PATH_IMAGE061
；
非子目标图像的灰度均值为：
Figure 748038DEST_PATH_IMAGE062
；
子图像总灰度均值为：
Figure 710046DEST_PATH_IMAGE063
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 696457DEST_PATH_IMAGE064
。
最佳二值化子阈值
Figure 393017DEST_PATH_IMAGE007
的获取方法为：
设基础子阈值为
Figure 490286DEST_PATH_IMAGE065
，则子目标图像为
Figure 73846DEST_PATH_IMAGE066
，非子目标图像为
Figure 231157DEST_PATH_IMAGE067
；
子目标图像所占比例为：
Figure 149435DEST_PATH_IMAGE068
；
子目标图像的灰度均值为：
Figure 302592DEST_PATH_IMAGE069
；
非子目标图像所占比例为：
Figure 255505DEST_PATH_IMAGE070
；
非子目标图像的灰度均值为：
Figure 583718DEST_PATH_IMAGE071
；
子图像总灰度均值为：
Figure 474444DEST_PATH_IMAGE072
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 179095DEST_PATH_IMAGE073
。
最佳二值化子阈值
Figure 720935DEST_PATH_IMAGE074
的获取方法为：
设基础子阈值为
Figure 734896DEST_PATH_IMAGE075
，则子目标图像为
Figure 362187DEST_PATH_IMAGE076
，非子目标图像为
Figure 870528DEST_PATH_IMAGE077
；
子目标图像所占比例为：
Figure 532454DEST_PATH_IMAGE078
；
子目标图像的灰度均值为：
Figure 218781DEST_PATH_IMAGE079
；
非子目标图像所占比例为：
Figure 67789DEST_PATH_IMAGE080
；
非子目标图像的灰度均值为：
Figure 379821DEST_PATH_IMAGE081
；
子图像总灰度均值为：
Figure 408170DEST_PATH_IMAGE082
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 780246DEST_PATH_IMAGE083
。
实施例五
本实施例提供用于实施上述的一种酒品生产中的数据关联方法，的一种酒品生产中的数据关联装置，包括酒瓶运输线、酒盒运输线、酒箱运输箱。
酒瓶运输线，其水平设置，且酒瓶运输线上竖直放置有多个酒瓶，酒瓶运输线上设置有用于识别酒瓶的瓶盖上的第一二维码的酒瓶扫码装置；
酒盒运输线，其水平设置，且酒盒运输线上竖直放置有多个酒盒，酒盒运输线上设置有用于识别酒盒的盒身上的第二二维码的酒盒扫码装置；
酒箱运输线，其水平设置，且酒盒运输线上放置有多个酒箱，酒盒运输线上设置有用于识别酒箱的箱体上的第三二维码的酒箱扫码装置。
并且在酒瓶运输线与酒盒运输线之间设置能够将酒瓶装入酒盒的装置，在酒盒运输线与酒箱运输箱之间设置能够将酒盒装入酒箱的装置。
其可以为机械臂也可以人工装载。
实施例六
本实施例提供的是基于实施例五的的一种酒品生产中的数据关联装置的一种酒品生产中的数据关联装置的使用方法，包括以下步骤：
第一二维码设置在酒瓶的瓶盖上，将酒瓶置于酒瓶运输线上，通过酒瓶扫码装置对第一二维码进行识别，即实施例一中的步骤S2。
将第一二维码与产品信息关联，即实施例一中的步骤S3。
第二二维码设置在酒盒的盒盖上，将酒瓶置入酒盒内，并将酒盒置于酒盒运输线，通过酒瓶扫码装置对第一二维码进行识别，通过酒盒扫码装置对第二二维码进行识别，即实施例一中的步骤S4。
将第二二维码与第一二维码和产品信息关联，即实施例一中的步骤S5。
第三二维码设置在酒箱上，将酒盒置入酒箱内，并将酒箱置于酒箱运输线，通过酒盒扫码装置对第二二维码进行识别，通过酒箱扫码装置对第三二维码进行识别，即实施例一中的步骤S6。
将第三二维码与第一二维码、第二二维码和产品信息关联，即实施例一中的步骤S7。
实施例七
一种酒品生产中的数据关联终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种酒品生产中的数据关联方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种酒品生产中的数据关联方法的步骤。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器和大容量存储设备可以统称为存储器。
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本发明，而并非是对本发明的范围进行限定。对于所属领域的技术人员而言，在上述发明的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本发明的范围内。

Claims (9)

1.一种酒品生产中的二维码解码方法，其特征在于，包括以下步骤：
获取二维码所在区域的原始图像，并以彩色图像的三分量的亮度建立图像像素的灰度值；
确定图像的尺寸
Figure 147732DEST_PATH_IMAGE001
，并获取三分量对应的图像直方图，根据图像直方图统计每个灰 度值的频率；
获取原始图像的三分量对应的三个最佳二值化阈值
Figure 2555DEST_PATH_IMAGE002
、
Figure 782293DEST_PATH_IMAGE003
、
Figure 177502DEST_PATH_IMAGE004
；
对原始图像进行分块处理，将原始图像分成n个子图像，并以彩色图像的三分量的亮度建立图像像素的灰度值；
确定每一个子图像的尺寸
Figure 929557DEST_PATH_IMAGE005
，并获取子图像的三分量对应的图像直方图，获得子图 像的直方图的每个灰度值的频率；
计算每个子图像的三分量对应的最佳二值化子阈值
Figure 752020DEST_PATH_IMAGE006
、
Figure 19053DEST_PATH_IMAGE007
、
Figure 217953DEST_PATH_IMAGE008
；
判断
Figure 886832DEST_PATH_IMAGE009
、
Figure 817879DEST_PATH_IMAGE010
、
Figure 572208DEST_PATH_IMAGE011
，若均为是，则对子图像进行二值化，若至少一个为否，则 将子图像设定为白色；
获取二值化后的黑白图像；
对原始图像进行纵向遍历和横向遍历，并获得纵向遍历的黑白图像和横向遍历的黑白图像，并综合获得最优图像。
2.根据权利要求1所述的一种酒品生产中的二维码解码方法，其特征在于，根据图像直方图统计每个灰度值的频率的方法为：
Figure 309220DEST_PATH_IMAGE012
Figure 790796DEST_PATH_IMAGE013
Figure 220641DEST_PATH_IMAGE014
其中
Figure 462266DEST_PATH_IMAGE015
、
Figure 737390DEST_PATH_IMAGE016
、
Figure 318544DEST_PATH_IMAGE017
为在
Figure 653710DEST_PATH_IMAGE018
处的对应分量的灰度值；
Figure 382632DEST_PATH_IMAGE019
、
Figure 461446DEST_PATH_IMAGE020
、
Figure 959423DEST_PATH_IMAGE021
为对应 分量的k灰度值时的出现频率；
Figure 668754DEST_PATH_IMAGE018
位于
Figure 619392DEST_PATH_IMAGE001
内；
获得子图像的直方图的每个灰度值的频率的方法为：
Figure 501897DEST_PATH_IMAGE022
其中，
Figure 792064DEST_PATH_IMAGE023
、
Figure 734613DEST_PATH_IMAGE024
、
Figure 172547DEST_PATH_IMAGE025
为在
Figure 593164DEST_PATH_IMAGE026
处的对应分量的灰度值；
Figure 3417DEST_PATH_IMAGE027
、
Figure 116866DEST_PATH_IMAGE028
、
Figure 42097DEST_PATH_IMAGE029
为 对应分量的k灰度值时的出现频率；
Figure 266405DEST_PATH_IMAGE026
位于
Figure 265585DEST_PATH_IMAGE005
内。
3.根据权利要求2所述的一种酒品生产中的二维码解码方法，其特征在于，最佳二值化 阈值
Figure 549936DEST_PATH_IMAGE030
的获取方法为：
设基础阈值为
Figure 962463DEST_PATH_IMAGE031
，则目标图像为
Figure 990462DEST_PATH_IMAGE032
，非目标图像为
Figure 109727DEST_PATH_IMAGE033
；
目标图像所占比例为：
Figure 299400DEST_PATH_IMAGE034
；
目标图像的灰度均值为：
Figure 199223DEST_PATH_IMAGE035
；
非目标图像所占比例为：
Figure 765334DEST_PATH_IMAGE036
；
非目标图像的灰度均值为：
Figure 67002DEST_PATH_IMAGE037
；
图像总灰度均值为：
Figure 365259DEST_PATH_IMAGE038
；
根据局部阈值法，获得最佳二值化阈值：
Figure 752378DEST_PATH_IMAGE039
；
最佳二值化阈值
Figure 122180DEST_PATH_IMAGE003
的获取方法为：
设基础阈值为
Figure 12775DEST_PATH_IMAGE040
，则目标图像为
Figure 744583DEST_PATH_IMAGE041
，非目标图像为
Figure 353419DEST_PATH_IMAGE042
；
目标图像所占比例为：
Figure 526912DEST_PATH_IMAGE043
；
目标图像的灰度均值为：
Figure 537593DEST_PATH_IMAGE044
；
非目标图像所占比例为：
Figure 443232DEST_PATH_IMAGE045
；
非目标图像的灰度均值为：
Figure 539364DEST_PATH_IMAGE046
；
图像总灰度均值为：
Figure 250968DEST_PATH_IMAGE047
；
根据局部阈值法，获得最佳二值化阈值：
Figure 116156DEST_PATH_IMAGE048
；
最佳二值化阈值
Figure 192696DEST_PATH_IMAGE004
的获取方法为：
设基础阈值为
Figure 776125DEST_PATH_IMAGE049
，则目标图像为
Figure 25840DEST_PATH_IMAGE050
，非目标图像为
Figure 11114DEST_PATH_IMAGE051
；
目标图像所占比例为：
Figure 258556DEST_PATH_IMAGE052
；
目标图像的灰度均值为：
Figure 329280DEST_PATH_IMAGE053
；
非目标图像所占比例为：
Figure 382686DEST_PATH_IMAGE054
；
非目标图像的灰度均值为：
Figure 222466DEST_PATH_IMAGE055
；
图像总灰度均值为：
Figure 640809DEST_PATH_IMAGE056
；
根据局部阈值法，获得最佳二值化阈值：
Figure 933250DEST_PATH_IMAGE057
。
4.根据权利要求3所述的一种酒品生产中的二维码解码方法，其特征在于，最佳二值化 子阈值
Figure 790348DEST_PATH_IMAGE006
的获取方法为：
设基础子阈值为
Figure 484635DEST_PATH_IMAGE058
，则子目标图像为
Figure 136196DEST_PATH_IMAGE059
，非子目标图像为
Figure 119195DEST_PATH_IMAGE060
；
子目标图像所占比例为：
Figure 514405DEST_PATH_IMAGE061
；
子目标图像的灰度均值为：
Figure 63198DEST_PATH_IMAGE062
；
非子目标图像所占比例为：
Figure 151239DEST_PATH_IMAGE063
；
非子目标图像的灰度均值为：
Figure 355956DEST_PATH_IMAGE064
；
子图像总灰度均值为：
Figure 554856DEST_PATH_IMAGE065
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 958155DEST_PATH_IMAGE066
；
最佳二值化子阈值
Figure 217098DEST_PATH_IMAGE007
的获取方法为：
设基础子阈值为
Figure 909111DEST_PATH_IMAGE067
，则子目标图像为
Figure 646123DEST_PATH_IMAGE068
，非子目标图像为
Figure 169508DEST_PATH_IMAGE069
；
子目标图像所占比例为：
Figure 599352DEST_PATH_IMAGE070
；
子目标图像的灰度均值为：
Figure 510152DEST_PATH_IMAGE071
；
非子目标图像所占比例为：
Figure 50855DEST_PATH_IMAGE072
；
非子目标图像的灰度均值为：
Figure 694326DEST_PATH_IMAGE073
；
子图像总灰度均值为：
Figure 29492DEST_PATH_IMAGE074
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 696097DEST_PATH_IMAGE075
；
最佳二值化子阈值
Figure 774911DEST_PATH_IMAGE076
的获取方法为：
设基础子阈值为
Figure 272889DEST_PATH_IMAGE077
，则子目标图像为
Figure 778956DEST_PATH_IMAGE078
，非子目标图像为
Figure 995174DEST_PATH_IMAGE079
；
子目标图像所占比例为：
Figure 815362DEST_PATH_IMAGE080
；
子目标图像的灰度均值为：
Figure 167846DEST_PATH_IMAGE081
；
非子目标图像所占比例为：
Figure 110395DEST_PATH_IMAGE082
；
非子目标图像的灰度均值为：
Figure 486012DEST_PATH_IMAGE083
；
子图像总灰度均值为：
Figure 906629DEST_PATH_IMAGE084
；
根据局部阈值法，获得最佳二值化子阈值：
Figure 379199DEST_PATH_IMAGE085
。
5.一种酒品生产中的数据关联方法，其特征在于，基于如权利要求1-4中任一项所述的一种酒品生产中的二维码解码方法，包括以下步骤：
S1、在控制系统中确定酒品的产品信息；
S2、采集酒瓶上的第一二维码，并对第一二维码进行解码，获得第一解码结果；
S3、将第一解码结果传输至控制系统，控制系统将第一二维码与产品信息关联；
S4、同时采集酒瓶上的第一二维码和酒盒上的第二二维码，并对第二二维码进行解码，获得第二解码结果；对第一二维码解码，获得第一解码结果；
S5、将第一解码结果和第二解码结果传输至控制系统，获得与第一解码结果关联的产品信息，将第二二维码与产品信息关联；
S6、同时采集酒盒上的第二二维码和酒箱上的第三二维码，并对第三二维码进行解码，获得第三解码结果；对第二二维码解码，获得第二解码结果；
S7、将第二解码结果和第三解码结果传输至控制系统，获得与第二解码结果关联的产品信息，将第三二维码与产品信息关联；
S8、将关联的第一二维码、第二二维码、第三二维码和产品信息传输至数据中心，并储存；
其中，在步骤S3与步骤S4之间设置有转运步骤，步骤S5与步骤S6之间设置有转运步骤。
6.根据权利要求5所述的一种酒品生产中的数据关联方法，其特征在于，在步骤S3之后，还包括：
根据关联的第一解码结果和产品信息生成酒瓶激光码；
雕刻酒瓶激光码至酒瓶的瓶身；
判断瓶身上的酒瓶激光码是否可识别，若可识别，则将酒瓶激光码与第一二维码关联后进行步骤S4；以及
若不可识别，则将该酒瓶判定为NG产品，并将其剔除，同时将酒瓶NG信息与第一二维码关联。
7.根据权利要求6所述的一种酒品生产中的数据关联方法，其特征在于，在步骤S5之后，还包括
根据关联的第一解码结果、第二解码结果和产品信息生成酒盒激光码；
雕刻酒盒激光码至酒盒的盒体；
判断盒体上的酒盒激光码是否可识别，若可识别，则将酒盒激光码与第二二维码关联后进行步骤S6；以及
若不可识别，则将该酒盒判断为NG产品，并将其剔除，同时将酒盒NG信息与第二二维码关联。
8.一种酒品生产中的数据关联装置，其特征在于，用于实施如权利要求5-7中任一项所述的一种酒品生产中的数据关联方法，所述装置包括：
酒瓶运输线，其水平设置，且所述酒瓶运输线上竖直放置有多个酒瓶，所述酒瓶运输线上设置有用于识别所述酒瓶的瓶盖上的第一二维码的酒瓶扫码装置；
酒盒运输线，其水平设置，且所述酒盒运输线上竖直放置有多个酒盒，所述酒盒运输线上设置有用于识别所述酒盒的盒身上的第二二维码的酒盒扫码装置；
酒箱运输线，其水平设置，且所述酒盒运输线上放置有多个酒箱，所述酒盒运输线上设置有用于识别所述酒箱的箱体上的第三二维码的酒箱扫码装置。
9.一种酒品生产中的数据关联装置的使用方法，其特征在于，基于如权利要求8所述的一种酒品生产中的数据关联装置，包括以下步骤：
第一二维码设置在酒瓶的瓶盖上，将酒瓶置于酒瓶运输线上，通过酒瓶扫码装置对第一二维码进行识别；
将第一二维码与产品信息关联；
第二二维码设置在酒盒的盒盖上，将酒瓶置入酒盒内，并将酒盒置于酒盒运输线，通过酒瓶扫码装置对第一二维码进行识别，通过酒盒扫码装置对第二二维码进行识别；
将第二二维码与第一二维码和产品信息关联；
第三二维码设置在酒箱上，将酒盒置入酒箱内，并将酒箱置于酒箱运输线，通过酒盒扫码装置对第二二维码进行识别，通过酒箱扫码装置对第三二维码进行识别；
将第三二维码与第一二维码、第二二维码和产品信息关联。
CN202210440843.8A 2022-04-26 2022-04-26 二维码解码方法、数据关联方法、关联装置及使用方法 Active CN114548140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210440843.8A CN114548140B (zh) 2022-04-26 2022-04-26 二维码解码方法、数据关联方法、关联装置及使用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210440843.8A CN114548140B (zh) 2022-04-26 2022-04-26 二维码解码方法、数据关联方法、关联装置及使用方法

Publications (2)

Publication Number Publication Date
CN114548140A true CN114548140A (zh) 2022-05-27
CN114548140B CN114548140B (zh) 2022-08-12

Family

ID=81666729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210440843.8A Active CN114548140B (zh) 2022-04-26 2022-04-26 二维码解码方法、数据关联方法、关联装置及使用方法

Country Status (1)

Country Link
CN (1) CN114548140B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776909A (zh) * 2023-08-28 2023-09-19 四川星点网络技术有限公司 一种瓶盖二维码溯源系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130222820A1 (en) * 2012-02-27 2013-08-29 Fuji Xerox Co., Ltd. Image determination device and image forming apparatus
CN103530590A (zh) * 2013-10-19 2014-01-22 高韬 Dpm二维码识别系统
CN104715222A (zh) * 2015-04-02 2015-06-17 矽照光电（厦门）有限公司 一种灰色二维码的识别方法与识别装置
CN104933386A (zh) * 2015-06-12 2015-09-23 矽照光电（厦门）有限公司 多灰阶隐形二维码的识别方法
CN105338360A (zh) * 2014-06-25 2016-02-17 优视科技有限公司 图像解码方法及装置
CN105975892A (zh) * 2016-05-04 2016-09-28 上海皇和信息科技有限公司 彩色图片二维码解码方法
CN107248135A (zh) * 2017-04-26 2017-10-13 阿里巴巴集团控股有限公司 防伪图像的生成、识别方法及装置、计算机存储介质
US20190065799A1 (en) * 2017-08-25 2019-02-28 Datalogic Ip Tech S.R.L. Coded image capture and decoding system
CN109543692A (zh) * 2018-11-27 2019-03-29 合肥工业大学 一种专用于含qr码图像的二值化方法
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN109902530A (zh) * 2019-03-04 2019-06-18 厦门商集网络科技有限责任公司 一种二维码解码方法及终端
CN110457972A (zh) * 2019-08-05 2019-11-15 网易（杭州）网络有限公司 二维码识别方法与装置、存储介质、电子设备
US20200252633A1 (en) * 2019-01-31 2020-08-06 Fujitsu Limited Image processing apparatus, image processing method, and recording medium
CN112801922A (zh) * 2021-04-01 2021-05-14 暨南大学 一种彩色图-灰度图-彩色图转换方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130222820A1 (en) * 2012-02-27 2013-08-29 Fuji Xerox Co., Ltd. Image determination device and image forming apparatus
CN103530590A (zh) * 2013-10-19 2014-01-22 高韬 Dpm二维码识别系统
CN105338360A (zh) * 2014-06-25 2016-02-17 优视科技有限公司 图像解码方法及装置
CN104715222A (zh) * 2015-04-02 2015-06-17 矽照光电（厦门）有限公司 一种灰色二维码的识别方法与识别装置
CN104933386A (zh) * 2015-06-12 2015-09-23 矽照光电（厦门）有限公司 多灰阶隐形二维码的识别方法
CN105975892A (zh) * 2016-05-04 2016-09-28 上海皇和信息科技有限公司 彩色图片二维码解码方法
CN107248135A (zh) * 2017-04-26 2017-10-13 阿里巴巴集团控股有限公司 防伪图像的生成、识别方法及装置、计算机存储介质
US20190065799A1 (en) * 2017-08-25 2019-02-28 Datalogic Ip Tech S.R.L. Coded image capture and decoding system
CN109543692A (zh) * 2018-11-27 2019-03-29 合肥工业大学 一种专用于含qr码图像的二值化方法
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
US20200252633A1 (en) * 2019-01-31 2020-08-06 Fujitsu Limited Image processing apparatus, image processing method, and recording medium
CN109902530A (zh) * 2019-03-04 2019-06-18 厦门商集网络科技有限责任公司 一种二维码解码方法及终端
CN110457972A (zh) * 2019-08-05 2019-11-15 网易（杭州）网络有限公司 二维码识别方法与装置、存储介质、电子设备
CN112801922A (zh) * 2021-04-01 2021-05-14 暨南大学 一种彩色图-灰度图-彩色图转换方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴强等: "基于LLE的红外成像彩色化处理算法研究", 《应用光学》 *
王员云等: "基于图像处理的手机二维码识别的研究", 《乐山师范学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116776909A (zh) * 2023-08-28 2023-09-19 四川星点网络技术有限公司 一种瓶盖二维码溯源系统
CN116776909B (zh) * 2023-08-28 2023-11-03 四川星点网络技术有限公司 一种瓶盖二维码溯源系统

Also Published As

Publication number Publication date
CN114548140B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN108171297B (zh) 一种答题卡识别方法
TWI474267B (zh) 控制物品之生產的方法及系統
EP3008666B1 (en) Image based object classification
CN102770879B (zh) 自动化包装系统中自动跟踪包装的方法和系统
CN102360419B (zh) 计算机扫描阅读管理方法及系统
CN114548140B (zh) 二维码解码方法、数据关联方法、关联装置及使用方法
WO1998009427A1 (en) Method and arrangement for ensuring quality during scanning/copying of images/documents
CN110533704B (zh) 油墨标签的识别验伪方法、装置、设备及介质
CN110322198B (zh) 适应于自动化的条烟有序的摆放堆垛系统及运行方法
CN113516147B (zh) 印刷误差检测方法、设备、系统及存储介质
CN114049556A (zh) 一种svm与目标检测算法融合的垃圾分类方法
CN111079575B (zh) 一种基于包装图像特征的物料识别方法及系统
US6658166B1 (en) Correction of distortions in form processing
CN111652541B (zh) 工业生产监测方法、系统以及计算机可读存储介质
CN110781703A (zh) 用于生成发货信息的方法、移动设备和分析处理计算机
CN115619320A (zh) 产品外包装信息化防差错系统
US20220159144A1 (en) Document processing device, system, document processing method, and computer program
US20220261975A1 (en) Inspection method and apparatus
JP7442474B2 (ja) 判定装置、判定方法、および判定プログラム
US11900583B2 (en) Method for identifying a state of a food package by using a camera, and a device thereof
JP7219246B2 (ja) 個別の商品の開封履歴を記録する方法、プログラム及びシステム
CN109597593B (zh) 包装盒防伪印刷平台
JP2021172434A (ja) 処理方法およびプログラム
CN117798082A (zh) 一种件烟共线分拣方法及系统
WO2018163639A1 (ja) 検査システム、検査方法および検査プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant