CN114781413A - 一种用于生产线移动式二维码识别系统及识别方法 - Google Patents

Abstract

本发明公开了一种用于生产线移动式二维码识别系统，所述系统包括有图像采集部分和识别条形码部分，其中：图像采集部分：采用高速摄像机，高速摄像机进行高速摄像(每秒1000帧以上)以极短的曝光时间<0.3ms连续拍摄，拍摄的图片传输给识别条形码部分进行识别；所述识别条形码部分先通过图像对比模块使用图像比对技术将图像进行对比，分析其中含有二维码部分的图片，然后通过二维码截取模块将图片中包含二维码部分截取下来,进行识别。

Description

一种用于生产线移动式二维码识别系统及识别方法

技术领域

本发明涉及工业生产的技术领域，具体为一种用于生产线移动式二维码识别系统及识别方法。

背景技术

在工业生产线中，需要对产品或者零部件进行识别，以使其满足各个工序的要求，目前通常是采用拍摄的方法来获知流水线上的二维码，通过对二维码的识别来得知物品的身份。

现有的玻璃的二维码扫描仪无法在移动间扫描(因为目标物太小),其他对象的二微码扫描仪存在较高比例的漏扫率(使用红外线感应),使用高速摄影机加上OCR等解析技术达到移动间辨识&提高扫描率。

专利申请202010844888.2公开了一种基于二维码的用于喷涂生产线的工件识别系统及识别方法，包括挂具、二维码板、输送链、背光灯、扫码摄像头和支架，所述挂具安装在输送链上，所述二维码板安装在挂具的右侧，所述支架安装在输送链的导轨上，所述背光灯安装在支架的左侧，所述扫码摄像头安装在支架的的右侧。用钢板打孔生成的二维码板，通过打孔和背光灯的巧妙结构设计，将带孔的金属钢板转换成普通的二维码供扫码摄像头进行识别，采用专用的扫码摄像头，技术成熟，识别速度快，识别精度高。

然而，现有技术无法在移动间识别二维码,需要在特定地点停留1~2秒扫描识别,对于10~15秒生产一片的速度有重大影响,且常常因为漏扫描,导致产线需将产品暂停,需将产品取出重新过账,以往只能架设多把扫描枪重复扫描防止漏扫。

发明内容

基于此，为了解决上述问题，本发明的首要目的在于提供一种用于生产线移动式二维码识别系统及识别方法，该识别系统及识别方法高速摄像机配合算法,实现移动间扫描，能够准确地实现快速识别，减少漏扫率，减少因漏扫导致产线暂停发生的机率,提高产量。

本发明的又一个目的在于提供一种用于生产线移动式二维码识别系统及识别方法，该超声棒能够具有更大的位移振幅和体积形变，大大提高了声辐射效率。

为实现上述目的，本发明提供如下技术方案：

一种用于生产线移动式二维码识别系统，所述系统包括有图像采集部分和识别条形码部分，其中：

图像采集部分：采用高速摄像机，高速摄像机进行高速摄像(每秒1000帧以上)以极短的曝光时间<0.3ms连续拍摄，拍摄的图片传输给识别条形码部分进行识别；

所述高速摄像机设置可更换镜头，以针对不同目标物大小选定不同倍率镜头(例如:ROI 1mm^2 采用远心镜头, ROI 2cm*4cm采用16mm镜头, ROI 5CM*7CM采用8mm镜头)，同时光源采取同轴光或底面打光，以使照片清晰。

所述识别条形码部分：包括图像对比模块、二维码截取模块，先通过图像对比模块将图像进行对比，分析其中含有二维码部分的图片，然后通过二维码截取模块将图片中包含二维码部分截取下来,进行识别；

所述的图像对比，为在一幅大图像中寻找和目标小图像有相同大小、方向、图像元素的部分,在原图上依照目标图片像数从左到右,从上到下逐一比对,假设原图大小为A*B,目标图片大小为a*b,则需比对(A-a+1)*(B-b+1)次,举例:原图大小219*119,目标图片大小20*10,则需比对(219-20+1)*(119-20+1)=20000次,判断相似度的方式通常有平方差/相关系数等方式,本案中使用相关系数来当作相似度的判断规则。

所述相关系数，通过开源软件Open-CV计算相关系数，相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度,公式如下：

式中，T(x′,y′)代表模版相片中做标点(x′,y′)的数值,w,h代表相片的宽和长，I(x+x′,y+y′)代表比对源图上(x,y)和模板(x′,y′)比对的数值。

其中，对于一些不易比对的图片会使用特殊算法抓取，例如:先将图片使用特征卷积运算，再比对；或使用色阶直方图抓取含有二维码的部分,抓到含有二维码的图片后先对图片进行前处理,处理方式有高斯模糊/膨胀/腐蚀/图像放大/选转/图像变形/卷积/二质化及仿真图像生成法，针对一些特殊的二维码,会先寻找点的坐标,然后重新生成一张二质化的图形,上叙方法可单独使用或合并复合使用，前处理完后将图像利用译码库译码。

且，所述系统采用多核心运算,核心分配为一个主线程负责接收像机图片,线程2/3/4三个线程负责图像采集,两个线程5/6负责解码,一个线程7负责处理多余的图片。

因为利用高速摄像机拍照和译码速度快,对系统资源要求较大,本案采用多核心运算,核心分配为1主线程负责接收像机图片,线程2/3/4负责图像采集,线程5/6负责解码,线程7负责处理多于的图片,此配置可依照计算机配置和速度需求灵活调整。图像采集和条形码识别的线程数控制在2:1~1:1,效果较好。

进一步，为确保有更高更准确的条形码识别率,控制条形码经过期间拍摄3~8张照片进行解析；

进一步，为预防解析失败造成产线损失和确保解析速度,设置防范措施,如果解码时间过久或解码失败,计算机会将图片上传到服务器,由运算资源更强大的服务器进行解码。

与现有技术相比，本发明的有益效果是：

1.本发明以高速摄像机配合图像对比模块、二维码截取模块，先通过图像对比模块将图像进行对比，分析其中含有二维码部分的图片，然后通过二维码截取模块将图片中包含二维码部分截取下来,进行识别,实现移动间扫描二维码,克服了以往只能定点扫描的缺陷。

2.以高速摄像机可在极短时间内拍摄多张照片解析,可以配合多种算法,相较以往扫描的漏少率更少。

附图说明

图1为本发明所实现金币的计算机自动比对图。

图2为本发明所实现卷积运算示意图。

图3为本发明所实现色阶直方图进行图像处理图。

图4为本发明所实现高速摄像机拍的二维码图。

图5为图4所示二维码x方向和y方向图。

图6为二维码原图。

图7为图6二维码高斯模糊操作处理后的图

图8为图6二维码增亮处理后的图。

图9为图6二维码腐蚀操作处理后的图。

图10为图6二维码膨胀操作处理的图。

图11为图6二维码对x方向微分示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所实现的生产线移动式二维码辨识系统,主要可分为两部分,图像采集部分和识别条形码部分

图像采集部分：本案采用高速摄像(每秒1000帧以上)以极短的曝光时间<0.3ms连续拍摄,针对不同目标物大小选定不同倍率镜头，例如1mm^2 :ROI 采用远心镜头2cm*4cm, ROI采用16mm镜头5CM*7CM , ROI采用8mm镜头；光源采取同轴光或底面打光。

识别条形码部分：包括图像对比模块、二维码截取模块，先通过图像对比模块使用图像比对技术将图像进行对比，分析其中含有二维码部分的图片，然后通过二维码截取模块将图片中包含二维码部分截取下来,进行识别。

图像对比，为在一幅大图像中寻找和目标小图像有相同大小、方向、图像元素的部分,在原图上依照目标图片像数从左到右,从上到下逐一比对,假设原图大小为A*B,目标图片大小为a*b,则需比对(A-a+1)*(B-b+1)次,举例:原图大小219*119,目标图片大小20*10,则需比对(219-20+1)*(119-20+1)=20000次,判断相似度的方式通常有平方差/相关系数等方式,本案中使用相关系数来当作相似度的判断规则。

图像比对试图像处理的一种方法,简而言之是可以让计算机在一张图片中寻找和目标相似的部分,算法通常有计算相关系数/计算平方差/计算相关性。

这项目使用开源软件Open-CV计算相关系数，相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度,公式如下：

式中，T(x′,y′)代表模版相片中做标点(x′,y′)的数值,w,h代表相片的宽和长，I(x+x′,y+y′)代表比对源图上(x,y)和模板(x′,y′)比对的数值。

下面举例说明,目标物为一枚金币图片计算机自动比对图片,寻找相同大小图片下是否有相似度高的部分并加红框显示.结果如图1所示。

具体地说，先使用图像比对技术,将图片中包含二维码部分截取下来，然后图像比对二维码，若图片中没有出现二维码则抛弃该图片，如果有出现则截取二维码部分进行对比识别（也称为译码）。

对于一些不易比对的图片会使用特殊算法抓取。例如:先将图片使用特征卷积运算。如图2所示，卷积运算为一数学的运算操作,其操作方式为矩正对应位置相成后相加,举例卷集核定为3*3的[(1,1,1),(0,0,0),(-1,-1,-1)],和一个二维矩正运算,红色范围卷积结果为(3*1+0*0+1*(-1)+1*1+5*0+8*(-1)+2*1+7*0+2*(-1))=-5。

能将特征更容易显示出来的卷积称为特征卷积运算，例如模糊处理能后特征更明显，可称模糊的卷积核为特征卷积核，同理若微分后特征更明显，则微分卷积核可称为特征卷积核，使用特征卷积核运算称为特征卷积运算，特征为数学上使用说法，可以理解为使目标物和其他分隔最为明显的事项/项目/地方。

再比对,或使用色阶直方图抓取含有二维码的部分, 色阶直方图为图像处理的一技巧,方法为将一张图中所有的pixel点的灰皆值以0~255出现次数统计然后绘制出直方图，如图3所示。

利用此技巧将二维码如图4所示依照x方向和y方向取平均会置如图5所示，说明样品图片越白的部分数值越高,越黑的部分数值越低。图5可看出圈的部分为二维码对应的两条边,可利用此方法抓到确切的二维码位置。

抓到含有二维码的图片后先对图片进行前处理，图像前处理目的是帮助计算机视觉运算能解析更快速准确。

下面为一般的前处理操作展示。图6为原图6，图7为高斯模糊操作处理图，图8为增亮处理后的图，图 9为腐蚀操作处理后的图，图10为膨胀操作处理的图，图11为对x方向微分示意图。

处理方式有高斯模糊/膨胀/腐蚀/图像放大/选转/图像变形/卷积/二质化及仿真图像生成法(针对一些特殊的QR code,会先寻找点的坐标,然后重新生成一张二质化的图形),上叙方法可单独使用或合并复合使用.前处理完后将图像利用译码库译码。二维码译码库使用网上开源链接库libdmtx,此译码库可解析Bar code/ QR code/ Date-Matrixcode 等,但单独使用效果不佳,需先对图片进行前处理,方能有效提高解析成功率。

因为利用高速摄像机拍照和译码速度快,对系统资源要求较大,本案采用多核心运算,核心分配为1主线程负责接收像机图片,线程2/3/4负责图像采集,线程5/6负责解碼,线程7负责处理多于的图片,此配置可依照计算机配置和速度需求灵活调整。多核运算核心数需依照计算机配置修改(例如计算机有8核其运算不可超过8核),建议将CPU总效能控制在90%以下。

另外如果检测目标越小,需要越快的处理速度,提高运算的核心数量有助于提高指令周期，建议图像采集和条形码识别的线程数控制在2:1~1:1,效果较好。

为确保有更高更准确的条形码识别率,我们控制条形码经过期间拍摄3~8张照片进行解析.另外为预防解析失败造成产线损失和确保解析速度,我们设置如果防范措施,如果译码时间过久或译码失败,计算机会将图片上传到服务器,由运算资源更强大的服务器进行译码,并直接后台过账。

总之，本发明以高速摄像机配合算法,实现移动间扫描二维码,克服了以往只能定点扫描的缺陷。 且，以高速摄像机可在极短时间内拍摄多张照片解析,配合多种算法,如卷积运算、色阶直方图等，相较以往扫描的漏少率更少。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种用于生产线移动式二维码识别系统，所述系统包括有图像采集部分和识别条形码部分，其中：

图像采集部分：采用高速摄像机，高速摄像机进行高速摄像以曝光时间<0.3ms连续拍摄，拍摄的图片传输给识别条形码部分进行识别；

所述识别条形码部分：包括图像对比模块、二维码截取模块，先通过图像对比模块使用图像比对技术将图像进行对比，分析其中含有二维码部分的图片，然后通过二维码截取模块将图片中包含二维码部分截取下来,进行识别；

且，所述系统采用多核心运算,核心分配为一个主线程负责接收像机图片,线程2/3/4三个线程负责图像采集,两个线程5/6负责解码,一个线程7负责处理多余的图片。

2.如权利要求1所述的用于生产线移动式二维码识别系统，其特征在于所述高速摄像机设置可更换镜头，以针对不同目标物大小选定不同倍率镜头，同时光源采取同轴光或底面打光。

3.如权利要求1所述的用于生产线移动式二维码识别系统，其特征在于先将图片使用特征卷积运算，再比对；或使用色阶直方图抓取含有二维码的部分,抓到含有二维码的图片后先对图片进行前处理,处理方式有高斯模糊/膨胀/腐蚀/图像放大/选转/图像变形/卷积/二质化及仿真图像生成法，针对一些特殊的二维码,会先寻找点的坐标,然后重新生成一张二质化的图形,上叙方法可单独使用或合并复合使用，前处理完后将图像利用译码库译码。

4.如权利要求2所述的用于生产线移动式二维码识别系统，其特征在于控制条形码经过期间拍摄3~8张照片进行解析。

5.如权利要求1所述的用于生产线移动式二维码识别系统，其特征在于为预防解析失败造成产线损失和确保解析速度,设置防范措施,如果解码时间过久或解码失败,计算机会将图片上传到服务器,由服务器进行解码。

6.如权利要求1所述的用于生产线移动式二维码识别系统，其特征在于图像对比，为在一幅大图像中寻找和目标小图像有相同大小、方向、图像元素的部分,在原图上依照目标图片像数从左到右,从上到下逐一比对。

7.如权利要求6所述的用于生产线移动式二维码识别系统，其特征在于让计算机在一张图片中寻找和目标相似的部分,算法通常有计算相关系数/计算平方差/计算相关性；

且使用开源软件Open-CV计算相关系数，相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度,公式如下：

式中，T(x′,y′)代表模版相片中做标点(x′,y′)的数值,w,h代表相片的宽和长，I(x+x′,y+y′)代表比对源图上(x,y)和模板(x′,y′)比对的数值。

Images