CN117152754A - 信息码识别方法、装置、设备及存储介质 - Google Patents
信息码识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117152754A CN117152754A CN202310883690.9A CN202310883690A CN117152754A CN 117152754 A CN117152754 A CN 117152754A CN 202310883690 A CN202310883690 A CN 202310883690A CN 117152754 A CN117152754 A CN 117152754A
- Authority
- CN
- China
- Prior art keywords
- information code
- light source
- acquired image
- dimensional points
- target product
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000005520 cutting process Methods 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000001678 irradiating effect Effects 0.000 claims description 9
- 230000000295 complement effect Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 abstract description 13
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 6
- 235000019504 cigarettes Nutrition 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本发明涉及信息码识别技术领域,公开了信息码识别方法、装置、设备及存储介质。该信息码识别方法包括:对目标产品进行图像采集,得到原始采集图像,计算得到原始采集图像的纹理信息;基于纹理信息计算得到优化光源亮度值;采用优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像;识别采集图像中的字符,基于字符的密度确定目标产品的目标信息码的位置。通过实施本发明,使得不同产品的外表面都能被充分照亮,避免因为光线暗或环境反射较强导致成像质量不佳的问题,解决了由于信息码在产品表面的位置不固定、大量的信息码因背景图案复杂、字符不清晰等原因而难以快速准确识别的问题。
Description
技术领域
本发明涉及信息码识别技术领域,具体涉及信息码识别方法、装置、设备及存储介质。
背景技术
信息码识别技术是一种利用图像识别等技术对产品上的信息码进行识别处理,并解析出其中包含的产品数字信息的技术。信息码识别技术对于常见形态的信息码,如字符串、条形码、二维码等,以及多种尺寸规格的信息码,均能够较好地准确解读,可避免人工操作带来的结果错误、效率低下等问题。信息码识别技术现已广泛应用于产品管理、物流配送、销售统计等领域,能够在短时间内完成大量数据的采集和转换。
然而,信息码识别技术也存在一些缺陷,识别信息码时通常需要使用扫描器以一定的角度扫描信息码所在区域,获取包含信息码的图像信息,如果扫描角度不正确则无法捕捉到信息码的位置,尤其是部分产品的信息码在产品包装表面的位置是不固定的,可能导致无法识别。信息码识别对环境光照的要求通常较高,如果光线过暗或反射较强,信息码图像成像质量不佳,将导致识别不准确甚至无法完成识别。因不同品牌产品的包装图案设计各异,也可能造成大量信息码因背景图案复杂、字符不清晰等原因难以快速准确识别。
发明内容
有鉴于此,本发明提供了一种信息码识别方法、装置、设备及存储介质,以解决由于信息码在产品表面的位置不固定、大量的信息码因背景图案复杂、字符不清晰等原因而难以快速准确识别的问题。
第一方面,本发明提供了一种信息码识别方法,所述方法包括:对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息;基于所述纹理信息计算得到优化光源亮度值;采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像;识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
本实施例提供的信息码识别方法,首先,通过基于原始采集图像计算得到优化光源亮度值,使得不同产品的外表面都能被充分照亮,避免因为光线暗或环境反射较强导致成像质量不佳的问题;其次,通过利用所述优化光源亮度值的光源对目标产品进行照射并进行图像采集,提高采集图像的清晰度和目标信息码的位置精确度;然后,通过字符的密度确定所述目标产品的目标信息码的位置,避免由于信息码在产品表面的位置不固定、信息码因产品背景图案复杂、字符不清晰等原因而难以快速准确识别的问题,提高了信息码识别的效率和准确度。
在一种可选的实施方式中,所述基于所述纹理信息计算得到优化光源亮度值,包括:判断所述原始采集图像的平均灰度值是否大于预设灰度值;若所述平均灰度值大于所述预设灰度值,则计算得到所述优化光源亮度值为第一亮度范围;若所述平均灰度值小于或等于所述预设灰度值,则计算得到所述优化光源亮度值为第二亮度范围。
本实施例提供的信息码识别方法,通过设置预设灰度值,对不同范围的原始采集图像的纹理信息设定不同的转换关系,提高优化光源亮度值的具体取值的适应性,更好地避免成像质量不佳。
在一种可选的实施方式中,所述方法还包括:基于所述位置进行识别,得到所述目标信息码的识别结果;对所述识别结果进行切割处理,得到切割结果;对所述切割结果进行补全处理,得到目标信息码内容。
本实施例提供的信息码识别方法,首先通过对二维点进行切割,为补全处理奠定基础,进而提高了信息码识别的效率和准确度,其次,通过基于所述编码规则对所述缺失二维点进行分析得到分析结果,对所述缺失二维点进行补全,降低了人力成本,提高了信息码识别的效率。
在一种可选的实施方式中,所述对所述识别结果进行切割处理,得到切割结果,包括:将所述目标信息码识别结果中的各个字符进行处理,得到多个二维点;基于所述多个二维点,利用随机抽样一致性算法生成拟合直线;利用所述拟合直线对所述多个二维点进行切割处理,得到至少两个二维点序列。
本实施例提供的信息码识别方法,利用随机抽样一致性算法生成拟合直线,提高了切割处理的准确性,为补全处理奠定基础,进而提高了信息码识别的效率和准确度。
在一种可选的实施方式中,所述对所述切割结果进行补全处理,得到所述目标信息码内容,还包括:计算各个二维点序列中相邻二维点之间的距离;基于所述距离,确定各个二维点序列中是否存在缺失二维点;若存在缺失二维点,对所述缺失二维点进行补全;将补全后的各个二维点序列对应的字符序列作为所述目标信息码内容。
本实施例提供的信息码识别方法,通过计算各个二维点序列中相邻二维点之间的距离判断各个二维点序列中是否存在缺失二维点,从而精确识别缺失二维点,避免由于商品的信息码不完整,从而无法被扫描器识别的问题。
在一种可选的实施方式中,所述对所述缺失二维点进行补全,包括:获取所述目标信息码的编码规则;基于所述编码规则对所述缺失二维点进行分析,得到分析结果;基于所述分析结果对所述缺失二维点进行补全。
本实施例提供的信息码识别方法,通过基于所述编码规则对所述缺失二维点进行分析得到分析结果,对所述缺失二维点进行补全,降低了人力成本,提高了信息码识别的效率。
在一种可选的实施方式中,所述对所述切割结果进行补全处理,得到所述目标信息码内容,还包括:若不存在缺失二维点,将各个二维点序列对应的字符序列作为所述目标信息码内容。
第二方面,本发明提供了一种信息码识别装置,所述装置包括:第一计算模块,用于对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息;第二计算模块,用于基于所述纹理信息计算得到优化光源亮度值;采集模块,用于采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像;识别模块,用于识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
第三方面,本发明提供了一种信息码识别设备,包括:包括光源模块、图像采集模块和工控机模块,其中:光源模块用于采用所述优化光源亮度值的光源对目标产品进行照射,所述优化光源亮度值是基于所述目标产品的原始采集图像计算得到的;图像采集模块用于采集所述目标产品的采集图像;工控机模块包括存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行上述第一方面或其对应的任一实施方式的信息码识别方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的信息码识别方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的信息码识别方法的流程示意图;
图2是根据本发明实施例的另一信息码识别方法的流程示意图;
图3是根据本发明实施例的又一信息码识别方法的流程示意图;
图4是根据本发明实施例的切割处理流程示意图;
图5是根据本发明实施例的缺失判断流程示意图;
图6是根据本发明实施例的补全流程示意图;
图7是根据本发明实施例的卷烟的32位激光码的编码规则示意图;
图8是根据本发明实施例的信息码识别装置的结构框图;
图9是本发明可选实施例提供的一种信息码识别设备的结构示意图;
图10为本发明可选实施例提供的一种工控机模块的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
产品的信息码识别和扫描技术是一种利用激光束扫描产品上的条形码或二维码,将其转化为数字信息的技术,信息码识别和扫描技术现已广泛应用于产品管理、物流配送、销售统计等领域。商品包装上的信息码是将商品包装袋上的信息以喷码的方式进行标识和打印得到的,通常使用喷墨打印机或激光打码机进行实现。信息码识别和扫描技术也存在一些缺陷,信息码扫描器通常需要以一定的角度扫描条形码或二维码,如果扫描角度不正确,就无法捕捉到信息码的位置,可能会导致扫描失败。信息码识别和扫描技术对环境光度的要求很高,如果光线暗或环境反射较强,成像质量不佳,导致扫描不准确或无法完成扫描。并且,由于信息码在产品表面的位置是随机的,加之不同品牌产品的图案设计各异,造成大量的信息码因背景图案复杂、字符不清晰等原因而难以准确识别。
本发明实施例提供了一种信息码识别方法,首先,通过基于原始采集图像计算得到优化光源亮度值,使得不同产品的外表面都能被充分照亮,避免因为光线暗或环境反射较强导致成像质量不佳的问题;其次,通过利用所述优化光源亮度值的光源对目标产品进行照射并进行图像采集,提高采集图像的清晰度和目标信息码的位置精确度;然后,通过字符的密度确定所述目标产品的目标信息码的位置,避免由于信息码在产品表面的位置不固定、信息码因产品背景图案复杂、字符不清晰等原因而难以快速准确识别的问题,提高了信息码识别的效率和准确度。
根据本发明实施例,提供了一种信息码识别方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种信息码识别方法,图1是根据本发明实施例的信息码识别方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息。
具体地,所述原始采集图像包括目标产品的多个外表面的原始采集图像,是采用原始光源亮度值的光源对目标产品进行照射并进行图像采集得到的。所述计算得到所述原始采集图像的纹理信息包括:对目标产品的多个外表面的原始采集图像进行灰度处理,得到对应的灰度原始采集图像,计算灰度原始采集图像的纹理信息,即所述原始采集图像的纹理信息。
步骤S102,基于所述纹理信息计算得到优化光源亮度值。
具体地,所述纹理信息可为平均灰度值,在实际操作中,不同种类的产品包装的材质和颜色不同,对光照的反射程度不同,用同样亮度的光源对不同的产品打光,有的产品包装会过曝,有的产品包装会过暗,且产品包装上背景图案复杂、字符不清晰,干扰识别效果。基于此,不同种类产品需要不同的光源亮度,所述优化光源亮度值为使各个种类的目标产品的外表面被充分照亮的亮度值。基于所述原始采集图像的纹理信息,计算得到优化光源亮度值。优化光源亮度值的具体取值与所述原始采集图像的纹理信息之间的对应关系,可根据使用者需求和具体环境进行设定。
步骤S103,采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像。
具体地,产品包装上印刷的包装背景、商标图案等,因颜色图案造成成像效果和信息码部分不同,和信息码对同样亮度的光源的反射程度不同,采用所述优化光源亮度值的光源对目标产品进行照射,可以有效防止产品包装上的包装图案对信息码的辨认产生干扰。本发明实施例采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像,所述采集图像包括目标产品的多个外表面的采集图像。
步骤S104,识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
具体地,字符识别技术(Optical Character Recognition,OCR)是指将印刷体或手写体的文字图像转化为可被计算机处理的文本信息的技术。OCR技术可以将印刷体文档、纸质文件、扫描件等非结构化的文本数据转换为可编辑、可搜索和可存储的文本格式。OCR技术主要包括以下几个主要步骤:图像获取:通过扫描仪、数码相机等设备获取待识别的文字图像。图像预处理:对获取的图像进行一系列的处理,例如图像增强、去噪、灰度化、二值化等,以减少识别过程中的干扰。特征提取:提取图像中每个字符的特征信息,如形状、边缘、纹理等。字符分割:将图像中的字符切割成单个字符,以便后续的识别处理。字符识别:对切割后的字符进行识别,常用的方法包括模板匹配、统计学方法、神经网络等。后处理:对识别结果进行校正、校验和整理,以提高识别的准确性和完整性。OCR技术在许多领域有着广泛的应用,包括文档数字化、图书馆信息管理、自动化存档、车牌识别、身份证识别、票据识别、手写数字识别等。分别对目标产品的多个外表面的采集图像进行灰度处理,得到灰度采集图像,本发明实施例使用字符识别技术(OCR)分别对目标产品的多个外表面的灰度采集图像进行检测,比较多个外表面的灰度采集图像上检测到的字符分布密度,字符分布密度最高的位置为激光码所在的位置。
本实施例提供的信息码识别方法,首先,通过基于原始采集图像计算得到优化光源亮度值,使得不同产品的外表面都能被充分照亮,避免因为光线暗或环境反射较强导致成像质量不佳的问题;其次,通过利用所述优化光源亮度值的光源对目标产品进行照射并进行图像采集,提高采集图像的清晰度和目标信息码的位置精确度;然后,通过字符的密度确定所述目标产品的目标信息码的位置,避免由于信息码在产品表面的位置是随机的,加之不同品牌产品的图案设计各异,造成大量的信息码因背景图案复杂、字符不清晰等原因而难以准确识别的问题,提高了信息码识别的效率和准确度。
在本实施例中提供了一种信息码识别方法,可用于上述的移动终端,如手机、平板电脑等,图2是根据本发明实施例的另一信息码识别方法的流程示意图,如图2所示,该流程包括如下步骤:
步骤S201,对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S202,基于所述纹理信息计算得到优化光源亮度值。
具体地,上述步骤S202包括:
步骤S2021,判断所述原始采集图像的平均灰度值是否大于预设灰度值。
具体地,纹理信息指的是灰度处理后图像的平均灰度值。计算平均灰度值的方法为:将灰度处理后的图像视作一个矩阵,遍历图像矩阵中的每个像素的灰度值,计算所有像素灰度值的算数平均数,即得到平均灰度值。判断所述原始采集图像的平均灰度值是否大于预设灰度值,所述原始采集图像的平均灰度值为0-255之间的整数,0为全黑图像的灰度值,255为全白图像的灰度值。预设灰度值为0-255之间的整数。
步骤S2022,若所述平均灰度值大于所述预设灰度值,则计算得到所述优化光源亮度值为第一亮度范围。
步骤S2023,若所述平均灰度值小于或等于所述预设灰度值,则计算得到所述优化光源亮度值为第二亮度范围。
具体地,如步骤S2022和步骤S2023所述,当所述原始采集图像的平均灰度值大于预设灰度值时,优化光源亮度值取值范围为第一亮度范围。当所述原始采集图像的平均灰度值小于预设灰度值时,优化光源亮度值取值范围为第二亮度范围。以设置预设灰度值为100作为优选实施例,当所述原始采集图像的平均灰度值大于100时,优化光源亮度值取值范围为50-120。当所述原始采集图像的平均灰度值小于100时,优化光源亮度值取值范围为10-50。优化光源亮度值的具体取值与所述原始采集图像的纹理信息之间的转换关系,可根据使用者需求和具体环境进行设定。以设置预设灰度值为100作为优选实施例,B为优化光源亮度值,M为所述原始采集图像的纹理信息。
步骤S203,识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。详细请参见图1所示实施例的步骤S103,在此不再赘述。
步骤S204,识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。详细请参见图1所示实施例的步骤S104,在此不再赘述。
本实施例提供的信息码识别方法,通过设置预设灰度值,对不同范围的原始采集图像的纹理信息设定不同的转换关系,提高优化光源亮度值的具体取值的适应性,更好地避免成像质量不佳。
此外,商品信息码的完整程度也对扫描结果有着较大影响。如果商品的信息码因为长时间使用、摩擦或其他外力造成磨损、刮痕或撕裂等破损情况,会导致扫描器无法正常读取码的信息。如果商品的信息码上附着有灰尘、污渍或其他杂质,这些物质会影响信息码成像质量,导致扫描器无法成功读取码的内容。信息码使用的材料质量和耐用性可能存在问题,随着时间推移,码上的信息可能会逐渐衰退,,从而无法被扫描器识别。
在本实施例中提供了一种信息码识别方法,图3是根据本发明实施例的又一信息码识别方法的流程示意图,如图3所示,该流程包括如下步骤:
步骤S301,对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S302,基于所述纹理信息计算得到优化光源亮度值。详细请参见图2所示实施例的步骤S202,在此不再赘述。
步骤S303,采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S304,识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。详细请参见图1所示实施例的步骤S104在此不再赘述。
步骤S305,基于所述位置进行识别,得到所述目标信息码的识别结果。
具体地,所述识别结果包括目标信息码包含的字符和字符的位置关系。
步骤S306,对所述识别结果进行切割处理,得到切割结果。
具体地,图4是根据本发明实施例的切割处理流程示意图,上述步骤S306包括:
步骤S3061,将所述目标信息码识别结果中的各个字符进行处理,得到多个二维点。
具体地,将字符处理成二维点有多种方式,其中一种方法是将字符转换为ASCII码,然后进行相应的操作。作为示例,首先,使用编程语言中的内置函数或者手动实现,转换得到的ASCII码,基于转换得到的ASCII码,可以执行不同的操作以生成多个二维点。所述操作包括:数值化:将ASCII码作为x坐标,可以为每个字符设置固定的y坐标,生成一系列的二维点;图像化:如果有一个字符集合作为背景,可以把字符看作是像素点,将ASCII码作为索引,从字符集中取出相应的字符作为二维点的表示;随机变换:使用ASCII码作为随机种子,生成随机数,用于生成随机的二维点;存储和处理二维点:将生成的二维点存储在适当的数据结构中,如数组、列表或矩阵,以便后续加以处理和分析。
步骤S3062,基于所述多个二维点,利用随机抽样一致性算法生成拟合直线。
具体地,上述步骤S402包括
a1:假定二维点共有K个,通过直线进行字符分割,则随机抽取Nums个样本点,2≤Nums<K,以Nums个样本点计算出一条拟合直线;
a2:设定容差范围为sigma,从K个二维点中找出距离拟合曲线的距离小于sigma的点,并统计点的个数;
a3:循环迭代a1-a2,每次重新随机选取Nums个点计算新的拟合直线,直到循环次数达到预设值后结束迭代;
a4:在每一次迭代的拟合直线中,找出容差范围内数据点个数最多的情况,所对应的拟合直线就是最终的拟合结果。
本实施例提供的信息码识别方法,利用随机抽样一致性算法生成拟合直线,提高了切割处理的准确性,为补全处理奠定基础,进而提高了信息码识别的效率和准确度。
步骤S3063,利用所述拟合直线对所述多个二维点进行切割处理,得到至少两个二维点序列。
具体地,所述二维点序列为切割后,一行二维点组成的有序二维点序列。
步骤S307,对所述切割结果进行补全处理,得到目标信息码内容。
具体地,图5是根据本发明实施例的缺失判断流程示意图,上述步骤S307包括:
步骤S3071,计算各个二维点序列中相邻二维点之间的距离。
具体地,计算一行二维点内相邻二维点之间的距离。
步骤S3072,基于所述距离,确定各个二维点序列中是否存在缺失二维点。
具体地,当某两个相邻二维点的距离显著大于其他相邻点的距离时,则认为这两个相邻点之间存在未能识别的缺失字符。这里当某两个相邻二维点的距离为其他相邻点的距离的两倍以上时,可以认为是显著大于。
步骤S3073,若存在缺失二维点,对所述缺失二维点进行补全。
本实施例提供的信息码识别方法,通过计算各个二维点序列中相邻二维点之间的距离判断各个二维点序列中是否存在缺失二维点,从而精确识别缺失二维点,避免由于商品的信息码不完整,从而无法被扫描器识别的问题。
具体地,图6是根据本发明实施例的补全流程示意图,上述步骤S3073包括:
b1,获取所述目标信息码的编码规则。
具体地,不同产品的信息码有对应的编码规则,在本实施例中,以卷烟这类产品作为示例进行说明,卷烟的32位激光码的编码规则如图7所示。
b2,基于所述编码规则对所述缺失二维点进行分析,得到分析结果。
具体地,以卷烟作为示例,卷烟的激光码的前5位为分拣日期,其中第2、3位代表月份,则第2位只可能是0或1,识别时不应该将字符“1”误判为形状接近的“7”,激光码第17-20位为自定义信息,多由当地卷烟草公司规定了具体字符,例如南京地区采用“NJYC”(“南京烟草”四字的拼音首字母)。
b3,基于所述分析结果对所述缺失二维点进行补全。
具体地,当编码对应位置的字符出现模糊、残缺等难以识别的情形,可由编码规则加以推理后补全。在一些实施例的可选方式中,若通过编码规则不能推理,则系统给予提示,此时可以由人工识别方式辨认和填补缺失的字符。
本实施例提供的信息码识别方法,通过基于所述编码规则对所述缺失二维点进行分析得到分析结果,对所述缺失二维点进行补全,降低了人力成本,提高了信息码识别的效率。
步骤S3074,将补全后的各个二维点序列对应的字符序列作为所述目标信息码内容。
在一些实施例的可选方式中,所述对所述切割结果进行补全处理,得到所述目标信息码内容,还包括:若不存在缺失二维点,将各个二维点序列对应的字符序列作为所述目标信息码内容。
本实施例提供的信息码识别方法,首先通过对二维点进行切割,为补全处理奠定基础,进而提高了信息码识别的效率和准确度,其次,通过基于所述编码规则对所述缺失二维点进行分析得到分析结果,对所述缺失二维点进行补全,降低了人力成本,提高了信息码识别的效率。
在本实施例中还提供了一种信息码识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种信息码识别装置,如图8所示,包括:
第一计算模块801,用于对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息。
第二计算模块802,用于基于所述纹理信息计算得到优化光源亮度值。
采集模块803,用于采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像。
识别模块804,用于识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
本实施例提供的信息码识别装置,首先,通过基于原始采集图像计算得到优化光源亮度值,使得不同产品的外表面都能被充分照亮,避免因为光线暗或环境反射较强导致成像质量不佳的问题;其次,通过利用所述优化光源亮度值的光源对目标产品进行照射并进行图像采集,提高采集图像的清晰度和目标信息码的位置精确度;然后,通过字符的密度确定所述目标产品的目标信息码的位置,避免由于信息码在产品表面的位置是随机的,加之不同品牌产品的图案设计各异,造成大量的信息码因背景图案复杂、字符不清晰等原因而难以准确识别的问题,提高了信息码识别的效率和准确度。
在一些可选的实施方式中,第二计算模块802包括:
判断单元,用于判断所述原始采集图像的平均灰度值是否大于预设灰度值。
第一亮度范围计算单元,用于若所述平均灰度值大于所述预设灰度值,则计算得到所述优化光源亮度值为第一亮度范围。
第二亮度范围计算单元,用于若所述平均灰度值小于或等于所述预设灰度值,则计算得到所述优化光源亮度值为第二亮度范围。
本实施例提供的信息码识别装置,通过设置预设灰度值,对不同范围的原始采集图像的纹理信息设定不同的转换关系,提高优化光源亮度值的具体取值的适应性,更好地避免成像质量不佳。
在一些可选的实施方式中,信息码识别装置还包括:
位置识别模块,用于基于所述位置进行识别,得到所述目标信息码的识别结果。
切割处理模块,用于对所述识别结果进行切割处理,得到切割结果。
补全处理模块,用于对所述切割结果进行补全处理,得到目标信息码内容。
本实施例提供的信息码识别装置,首先通过对二维点进行切割,为补全处理奠定基础,进而提高了信息码识别的效率和准确度,其次,通过基于所述编码规则对所述缺失二维点进行分析得到分析结果,对所述缺失二维点进行补全,降低了人力成本,提高了信息码识别的效率。
在一些可选的实施方式中,切割处理模块包括:
字符处理单元,用于将所述目标信息码识别结果中的各个字符进行处理,得到多个二维点。
拟合直线生成单元,用于基于所述多个二维点,利用随机抽样一致性算法生成拟合直线。
二维点序列单元,用于利用所述拟合直线对所述多个二维点进行切割处理,得到至少两个二维点序列。
本实施例提供的信息码识别装置,利用随机抽样一致性算法生成拟合直线,提高了切割处理的准确性,为补全处理奠定基础,进而提高了信息码识别的效率和准确度。
在一些可选的实施方式中,补全处理模块包括:
距离计算单元,用于计算各个二维点序列中相邻二维点之间的距离。
缺失二维点确定单元,用于基于所述距离,确定各个二维点序列中是否存在缺失二维点。
缺失二维点补全单元,用于若存在缺失二维点,对所述缺失二维点进行补全。
第一目标信息码内容单元,用于将补全后的各个二维点序列对应的字符序列作为所述目标信息码内容。
本实施例提供的信息码识别装置,通过计算各个二维点序列中相邻二维点之间的距离判断各个二维点序列中是否存在缺失二维点,从而精确识别缺失二维点,避免由于商品的信息码不完整,从而无法被扫描器识别的问题。
在一些可选的实施方式中,缺失二维点补全单元包括:
编码规则获取子单元,用于获取所述目标信息码的编码规则。
分析子单元,用于基于所述编码规则对所述缺失二维点进行分析,得到分析结果。
分析后补全子单元,用于基于所述分析结果对所述缺失二维点进行补全。
在一些可选的实施方式中,缺失二维点补全单元还包括:
第二目标信息码内容单元,用于若不存在缺失二维点,将各个二维点序列对应的字符序列作为所述目标信息码内容。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的信息码识别装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种信息码识别设备,具有上述图8所示的信息码识别装置。
请参阅图9,图9是本发明可选实施例提供的一种信息码识别设备的结构示意图,如图9所示,该设备包括:包括光源模块1、图像采集模块2和工控机模块3,其中:光源模块1用于采用所述优化光源亮度值的光源对目标产品进行照射,所述优化光源亮度值是基于所述目标产品的原始采集图像计算得到的。图像采集模块2用于采集所述目标产品的采集图像;工控机模块3包括存储器10和处理器20,所述存储器10和所述处理器20之间互相通信连接,所述存储器10中存储有计算机指令,所述处理器20通过执行所述计算机指令,从而执行上述的信息码识别方法。
工控机模块3包括一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10为本发明可选实施例提供的一种工控机模块的结构示意图,图9中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以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、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该设备还包括通信接口30,用于该设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种信息码识别方法,其特征在于,所述方法包括:
对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息;
基于所述纹理信息计算得到优化光源亮度值;
采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像;
识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
2.根据权利要求1所述的方法,其特征在于,所述纹理信息为平均灰度值,所述基于所述纹理信息计算得到优化光源亮度值,包括:
判断所述原始采集图像的平均灰度值是否大于预设灰度值;
若所述平均灰度值大于所述预设灰度值,则计算得到所述优化光源亮度值为第一亮度范围;
若所述平均灰度值小于或等于所述预设灰度值,则计算得到所述优化光源亮度值为第二亮度范围。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述位置进行识别,得到所述目标信息码的识别结果;
对所述识别结果进行切割处理,得到切割结果;
对所述切割结果进行补全处理,得到目标信息码内容。
4.根据权利要求3所述的方法,其特征在于,所述对所述识别结果进行切割处理,得到切割结果,包括:
将所述目标信息码识别结果中的各个字符进行处理,得到多个二维点;
基于所述多个二维点,利用随机抽样一致性算法生成拟合直线;
利用所述拟合直线对所述多个二维点进行切割处理,得到至少两个二维点序列。
5.根据权利要求4所述的方法,其特征在于,所述对所述切割结果进行补全处理,得到所述目标信息码内容,还包括:
计算各个二维点序列中相邻二维点之间的距离;
基于所述距离,确定各个二维点序列中是否存在缺失二维点;
若存在缺失二维点,对所述缺失二维点进行补全;
将补全后的各个二维点序列对应的字符序列作为所述目标信息码内容。
6.根据权利要求5所述的方法,其特征在于,所述对所述缺失二维点进行补全,包括:
获取所述目标信息码的编码规则;
基于所述编码规则对所述缺失二维点进行分析,得到分析结果;
基于所述分析结果对所述缺失二维点进行补全。
7.根据权利要求5所述的方法,其特征在于,所述对所述切割结果进行补全处理,得到所述目标信息码内容,还包括:
若不存在缺失二维点,将各个二维点序列对应的字符序列作为所述目标信息码内容。
8.一种信息码识别装置,其特征在于,所述装置包括:
第一计算模块,用于对目标产品进行图像采集,得到原始采集图像,计算得到所述原始采集图像的纹理信息;
第二计算模块,用于基于所述纹理信息计算得到优化光源亮度值;
采集模块,用于采用所述优化光源亮度值的光源对目标产品进行照射,并进行图像采集,得到采集图像;
识别模块,用于识别所述采集图像中的字符,基于所述字符的密度确定所述目标产品的目标信息码的位置。
9.一种信息码识别设备,其特征在于,包括光源模块、图像采集模块和工控机模块,其中:
光源模块用于采用所述优化光源亮度值的光源对目标产品进行照射,所述优化光源亮度值是基于所述目标产品的原始采集图像计算得到的;
图像采集模块用于采集所述目标产品的采集图像;
工控机模块包括存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7所述的信息码识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的信息码识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310883690.9A CN117152754A (zh) | 2023-07-18 | 2023-07-18 | 信息码识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310883690.9A CN117152754A (zh) | 2023-07-18 | 2023-07-18 | 信息码识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117152754A true CN117152754A (zh) | 2023-12-01 |
Family
ID=88899532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310883690.9A Pending CN117152754A (zh) | 2023-07-18 | 2023-07-18 | 信息码识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152754A (zh) |
-
2023
- 2023-07-18 CN CN202310883690.9A patent/CN117152754A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358232B (zh) | 基于插件的发票识别方法 | |
US8306325B2 (en) | Text character identification system and method thereof | |
US20170287252A1 (en) | Counterfeit Document Detection System and Method | |
RU2695054C1 (ru) | Детектирование баркодов на изображениях | |
CN111274957A (zh) | 网页页面验证码识别方法、装置、终端和计算机存储介质 | |
US11694459B2 (en) | On-device partial recognition systems and methods | |
US20190138853A1 (en) | Systems and methods for robust industrial optical character recognition | |
CN112395996A (zh) | 财务票据ocr识别及影像处理方法、系统及可读存储介质 | |
Jain et al. | Passive classification of source printer using text-line-level geometric distortion signatures from scanned images of printed documents | |
Caldeira et al. | Industrial optical character recognition system in printing quality control of hot-rolled coils identification | |
US20240221004A1 (en) | Fraud detection via automated handwriting clustering | |
US9396389B2 (en) | Techniques for detecting user-entered check marks | |
CN113177899A (zh) | 医药影印件文本倾斜矫正方法、电子设备和可读储存介质 | |
CN113643274B (zh) | 一种二维码候选区筛选的方法及装置 | |
CN113312937A (zh) | 条形码识别方法及装置、存储介质、计算机设备 | |
CA2109002C (en) | Method and apparatus for verifying a container code | |
Manlises et al. | Expiry Date Character Recognition on Canned Goods Using Convolutional Neural Network VGG16 Architecture | |
CN112200789A (zh) | 一种图像识别的方法及装置、电子设备和存储介质 | |
CN116469090A (zh) | 喷码图案的检测方法、装置、电子设备和存储介质 | |
CN117152754A (zh) | 信息码识别方法、装置、设备及存储介质 | |
Govindaraju et al. | Assessment of image quality to predict readability of documents | |
CN112861843A (zh) | 基于特征图像识别的选择框解析方法及装置 | |
CN112967166A (zh) | 一种基于openCV的图片水印自动识别处理方法及系统 | |
Aula | Improvement of Optical Character Recognition on Scanned Historical Documents Using Image Processing | |
CN113255657B (zh) | 票据表面刮痕检测方法、装置、电子设备、机器可读介质 |
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 |