CN117688959A - 一种免持扫码器及其扫码方法 - Google Patents
一种免持扫码器及其扫码方法 Download PDFInfo
- Publication number
- CN117688959A CN117688959A CN202311819126.7A CN202311819126A CN117688959A CN 117688959 A CN117688959 A CN 117688959A CN 202311819126 A CN202311819126 A CN 202311819126A CN 117688959 A CN117688959 A CN 117688959A
- Authority
- CN
- China
- Prior art keywords
- code
- image
- scanning
- bar code
- scanner
- 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 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000005516 engineering process Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 238000003745 diagnosis Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 13
- 238000010191 image analysis Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012913 prioritisation Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Landscapes
- Image Input (AREA)
Abstract
本发明涉及扫码器技术领域，尤指一种免持扫码器及其扫码方法。方法包括以下步骤：通过多模态传感阵列智能识别条码，并自动从休眠状态唤醒至扫描模式；结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数；采用机器视觉技术实时调整焦距和扫描角度；利用深度学习算法对场景中的多个条码进行实时分割和优先级排序；将扫描结果传输至云端，利用云计算资源进行实时数据分析；内置在线诊断和维护功能，利用物联网技术对扫码器的远程监控和故障预测。本发明实现了高效的自动化扫码，同时通过云计算和物联网技术实现了实时数据处理和设备管理，提高了工作效率和准确性。
Description
技术领域
本发明涉及扫码器技术领域，尤指一种免持扫码器及其扫码方法。
背景技术
传统的扫码器通常需要用户手持并将其对准目标条形码或二维码，这种扫码方式存在几个限制和不便之处。首先，用户需要准确对准扫码器和码，这可能导致错误识别或延迟。其次，长时间持握扫码器可能导致使用者疲劳并限制了扫码的速度和效率。当前还存在以下问题：传统扫码器在不同光照条件下工作效果不佳，难以高效处理大小、形状各异或快速移动的条码，需要手动调整设备以适应环境变化，降低了扫描效率和准确性；在多条码的环境中，传统扫码器难以实现高效的条码识别和排序；现有技术缺乏将扫描结果与云端数据分析有效结合的能力。
发明内容
为解决上述问题，本发明提供一种免持扫码器及其扫码方法。
为实现上述目的，本发明采用的技术方案是：
一种免持扫码器的扫码方法，包括以下步骤：
通过集成的多模态传感阵列智能识别条码，并自动从休眠状态唤醒至扫描模式；
结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数；
采用机器视觉技术，结合实时图像分析，根据条码的大小、形状和移动速度自动调整焦距和扫描角度；
利用深度学习算法对场景中的多个条码进行实时分割和优先级排序；
将扫描结果传输至云端，利用云计算资源进行实时数据分析；
内置在线诊断和维护功能，利用物联网技术对扫码器的远程监控和故障预测。
进一步的，所述多模态传感阵列包括红外传感器、运动检测传感器、超声波传感器和光学传感器。
进一步的，所述结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数，包括以下步骤：
使用传感器检测周围环境的光照条件；
捕捉当前环境的实时图像，进行初步分析；
根据环境光线情况和初步图像分析的结果，扫描器的控制系统会自动调整光源强度和摄像头参数；
调整后，扫描器会再次捕捉图像，并利用图像处理算法优化图像质量。
更进一步的，所述采用机器视觉技术，结合实时图像分析，根据条码的大小、形状和移动速度自动调整焦距和扫描角度，包括以下步骤：
获取捕捉到的场景图像；
利用机器视觉技术，在捕获的图像中识别出条码；
分析条码的长度、宽度以及形状特征；
基于条码与相机镜头的相对大小和清晰度，计算出条码与扫码器之间的距离；
根据从图像分析得到的条码大小和距离信息，计算出最佳焦距；
采用多角度扫描技术从不同的角度对同一个条码进行扫描；
基于条码的位置调整扫描角度，维持条码在最佳扫描区域；
捕获到清晰的条码图像后，扫码器对其进行解码处理，转换为数字或文字信息。
进一步的，所述利用深度学习算法对场景中的多个条码进行实时分割和优先级排序，包括以下步骤：
使用摄像头捕捉场景图像，并对场景图像进行降噪和光照校正的预处理操作；
使卷积神经网络算法对预处理后的图像进行分析，实时识别并定位图像中的所有条码；
对每个识别出的条码，运用图像分割算法划分条码区域；
结合关键因素，利用深度学习模型对每个条码进行优先级评分；
根据评分结果，建立优先级队列，并实时监测环境变化，根据实时数据调整优先级队列。
更进一步的，所述关键因素包括条码的可见度、清晰度、大小、位置环境条件和运动速度。
进一步的，所述将扫描结果传输至云端，利用云计算资源进行实时数据分析，包括以下步骤：
将扫描得到的数据通过加密通信协议发送至云端服务器；
在云端应用大数据分析技术，对收集的条码数据进行深入分析；
使用数据挖掘技术和机器学习算法对收集的扫码数据进行模式识别，预测用户行为和市场趋势；
提供统一的数据视图，实现跨平台和多设备的数据同步和访问。
进一步的，所述在线诊断和维护功能具体为对扫码器硬件和软件的自动检测，通过物联网技术及时向用户反馈设备运行状态和性能数据。
更进一步的，所述故障预测具体通过对扫码器历史性能数据的分析，结合机器学习算法预测设备故障，并通过云端提供维修建议和定期维护提醒。
一种免持扫码器，包含：扫描模块、数据处理模块、通信接口、电池装置、外壳装置和用户界面模块；所述扫描模块、用户界面模块和数据处理模块通信连接；
所述扫描模块用于捕捉和解析条码或二维码，所述扫描模块包括光学镜头、传感器和图像处理器；
所述数据处理模块用于接收、处理和解码扫描到的图像信息，将其转换成可识别的数据格式，所述数据处理模块包括微处理器；
所述通信接口用于通过蓝牙、Wi-Fi、USB或其他通信接口的方式将解码后的数据传输到其他设备；
所述用户界面模块用于通过显示屏向用户反馈扫描状态和结果。
本发明的有益效果在于：
本发明通过多模态传感阵列智能识别条码，自动从休眠状态唤醒至扫描模式，节约能源消耗，提高设备的使用效率。结合环境光线感应和图像处理算法，扫码器能够自动调整光源强度和相机参数，确保在不同光照条件下都能够准确扫描条码，提高扫描的稳定性和可靠性。采用机器视觉技术，扫码器可以实时分析图像，根据条码的大小、形状和移动速度自动调整焦距和扫描角度，从而提高对不同类型和尺寸的条码的适应性和识别准确性。利用深度学习算法对场景中的多个条码进行实时分割和优先级排序，有助于提高多条码同时存在时的扫描效率，确保先处理重要或优先级较高的条码，提高系统的整体性能。将扫描结果传输至云端，利用云计算资源进行实时数据分析，实现更高效的数据管理和处理。这有助于及时获取、分析和利用扫描数据，为用户提供更加精准和实时的信息。利用物联网技术对扫码器进行远程监控和故障预测，实现及时的故障诊断和维护，降低系统故障对业务的影响，提高设备的可靠性和稳定性。
附图说明
图1是本发明中一种免持扫码器的扫码方法的流程示意图。
图2是本发明中一种免持扫码器的模块示意图。
图3是本发明中一种免持扫码器的结构示意图。
具体实施方式
请参阅图1-3所示，本发明关于一种免持扫码器及其扫码方法。
实施例1
一种免持扫码器的扫码方法，包括以下步骤：
S1：通过集成的多模态传感阵列智能识别条码，并自动从休眠状态唤醒至扫描模式；所述多模态传感阵列包括红外传感器、运动检测传感器、超声波传感器和光学传感器。
S2：结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数；
其中，步骤S2具体包括以下步骤：
S21：使用传感器检测周围环境的光照条件；
S22：捕捉当前环境的实时图像，进行初步分析；
具体地，选择光敏电阻或光敏二极管作为主要传感器，这些传感器能够精确测量不同光照条件下的光强度，包括室内灯光、自然日光或昏暗环境。通过适当的硬件连接，将传感器嵌入扫描器的外壳中；传感器将定期读取光照数据，其数值表示当前光照条件的强度；扫描器的摄像头捕捉当前环境的实时图像，这涵盖了不同光照条件下的多种场景，如明亮、阴暗或反光强烈的环境；对捕捉到的图像进行初步分析，包括亮度、对比度等方面的评估。
S23：根据环境光线情况和初步图像分析的结果，扫描器的控制系统会自动调整光源强度和摄像头参数；
S24：调整后，扫描器会再次捕捉图像，并利用图像处理算法优化图像质量。
具体地，根据环境光线情况，自动调节内置光源(如LED灯)的亮度。例如，在光线较暗的环境中增加光源强度，而在明亮环境中减少以避免过曝。摄像头的参数如ISO(感光度)、快门速度、光圈大小根据环境光线和初步图像分析结果进行调整。通过增加ISO提高低光环境下的感光能力，或者调整光圈和快门速度来处理过曝问题。调整光源和摄像头参数后，扫描器再次捕捉图像，以验证调整的效果。利用图像处理算法优化图像质量，进一步包括应用人工智能增强算法，具体包括：使用深度学习模型自动识别图像中的噪声和失真，进行实时修正；应用超分辨率技术提升条码图像的清晰度和辨识度；根据扫描环境的变化，动态调整图像增强参数，以适应不同光照和背景条件；在保证条码信息准确性的同时，优化图像的对比度和色彩平衡，提高扫描的准确率和速度，以提高图像的清晰度和总体质量。
S3：采用机器视觉技术，结合实时图像分析，根据条码的大小、形状和移动速度自动调整焦距和扫描角度；
其中，步骤S3具体包括以下步骤：
S31：获取捕捉到的场景图像；
S32：利用机器视觉技术，在捕获的图像中识别出条码；
具体地，所述采用多角度扫描技术，包括：部署多个摄像头在不同角度，以捕获条码的多个视角图像；利用机器视觉算法综合分析不同角度的图像，提高条码识别的准确性和鲁棒性；在识别到条码位置或方向变化时，实时调整摄像头的对焦和角度，确保始终保持最佳扫描效果；结合3D重建技术，对曲面或不规则形状的物体上的条码进行高效扫描。
S33：分析条码的长度、宽度以及形状特征；
S34：基于条码与相机镜头的相对大小和清晰度，计算出条码与扫码器之间的距离；
具体地，扫描器内部的图像处理算法分析捕获的条码图像，以测量条码的物理尺寸(长度和宽度)。这不仅包括直线尺寸，还可能涉及对条码形状的识别，比如是否是曲线或角度扭曲的条码。算法进一步提取条码的几何特征，例如条纹间距、厚度和条码的整体布局。这些信息有助于确定条码类型和最佳扫描方法。利用条码在图像中的相对大小和清晰度，结合摄像头的已知参数(如焦距、传感器尺寸)和图像处理算法，估算条码与摄像头之间的距离。这种估算涉及复杂的数学计算，要考虑到光学畸变和视角差异。根据距离估算结果，自动对焦系统会调整焦点，以确保条码图像的最佳清晰度，调整镜头内部的移动部件，以改变焦距。
S35：根据从图像分析得到的条码大小和距离信息，计算出最佳焦距；
S36：采用多角度扫描技术从不同的角度对同一个条码进行扫描；
具体地，根据条码的大小和与摄像头的距离，扫描器内的算法计算最佳焦距，并调整镜头的物理位置或改变其光学特性，以确保条码位于焦点上，从而达到最佳清晰度。扫描器可动态调整焦点，以适应不同大小和不同距离的条码。这个过程是实时的，确保在条码移动时仍能保持最佳焦距。扫描器配备能够从多个角度捕捉条码的机制。例如，使用可旋转的摄像头或多个固定角度的摄像头，以从不同方向捕捉条码图像。根据条码的位置和方向，扫描器自动调整扫描角度。这可以通过物理移动扫描头或调整摄像头的指向来实现，确保无论条码的方位如何，都能从最佳角度捕捉到清晰的条码图像。
S37：基于条码的位置调整扫描角度，维持条码在最佳扫描区域；
S38：捕获到清晰的条码图像后，扫码器对其进行解码处理，转换为数字或文字信息。
具体地，扫描器通过内置的算法识别条码的具体位置和方向。基于这些数据，扫描器自动调整扫描角度，确保条码尽可能处于最佳扫描位置。在扫描过程中，扫描器持续监测条码图像的质量。如果图像质量下降或条码移动到非理想位置，扫描器会重新调整扫描角度，以重新捕捉最佳图像。一旦扫描器捕捉到清晰的条码图像，内置的解码算法立即开始工作。这些算法被设计来快速准确地从图像中解析出条码所代表的数据，不论是数字、文字还是其他信息。扫描器的解码系统兼容多种条码格式，包括传统的一维条码、二维QR码、DataMatrix码等。对于每种类型的条码，系统应用特定的解码逻辑，确保高效率和高准确性的解码。
S4：利用深度学习算法对场景中的多个条码进行实时分割和优先级排序；
其中，步骤S4具体包括以下步骤：
S41：使用摄像头捕捉场景图像，并对场景图像进行降噪和光照校正的预处理操作；
S42：使卷积神经网络算法对预处理后的图像进行分析，实时识别并定位图像中的所有条码；
具体地，使用高分辨率的摄像头捕捉场景图像，以确保在各种光照条件下都能获取到清晰的图像，包括低光环境或强光反射的情况。实施降噪算法，如高斯模糊或中值滤波，以减少图像中的随机噪声。同时，进行光照校正，如直方图均衡化，以改善图像的整体对比度和亮度，使条码更加突出。
使用专门为条码识别设计的卷积神经网络。通过大量的训练图像，学习识别不同类型和格式的条码，包括在复杂背景下的条码。网络设计考虑了条码的多样性，如不同大小、方向、曲率和遮挡程度。卷积神经网络通过其多层结构有效地提取图像中的关键特征，例如条码的边缘、对比度和特定的条纹模式。一旦条码被识别，网络还能确定其在图像中的确切位置，包括条码的方向和大小。
S43：对每个识别出的条码，运用图像分割算法划分条码区域；
S44：结合关键因素，利用深度学习模型对每个条码进行优先级评分；所述关键因素包括条码的可见度、清晰度、大小、位置环境条件和运动速度；
具体地，使用图像分割技术，如边缘检测或区域增长算法，来精确分割出每个识别的条码。这一步骤涉及识别条码的确切边界，将其从背景和其他干扰元素中分离出来。一旦条码被分割出来，它将作为一个独立的图像区域被处理。这种方法允许扫描器更加集中地分析和处理每个条码，而不受周围环境的干扰。利用深度学习模型，综合评估每个条码的可见度、清晰度、大小、位置、环境条件和运动速度等因素。这种评分模型能够理解复杂的环境特征，为每个条码分配一个优先级评分。考虑到环境的动态变化，如新出现的条码或条码的移动，优先级评分是实时进行的。这意味着扫描器能够根据场景的实时变化调整对条码的处理顺序。
S45：根据评分结果，建立优先级队列，并实时监测环境变化，根据实时数据调整优先级队列。
具体地，基于每个条码的优先级评分，扫描器内部的算法建立一个优先级队列；扫描器持续监测场景的变化，如新条码的出现、已存在条码的移动或环境光照的变化。基于这些实时数据，扫描器动态调整优先级队列；扫描器不仅依据当前队列处理条码，还根据处理结果和环境反馈实时更新队列。所述实时更新条码的优先级，进一步包括：分析用户操作模式和扫描历史，智能预测用户的扫描需求；结合实时销售数据和库存信息，自动调整扫描优先级以优化库存管理；在多用户环境中，根据每个用户的特定需求和权限，自定义扫描优先级策略；适应复杂的物流和零售场景，动态调整扫描流程，提高效率和准确性。
S5：将扫描结果传输至云端，利用云计算资源进行实时数据分析；
其中，步骤S5具体包括以下步骤：
S51：将扫描得到的数据通过加密通信协议发送至云端服务器；
S52：在云端应用大数据分析技术，对收集的条码数据进行深入分析；
具体地，通过加密技术保护数据传输过程中的机密性和完整性，防止数据在传输过程中被窃取或篡改。在数据传输前，进行设备认证和授权，确保只有授权的扫码器能够发送数据到云端服务器。这可以通过数字证书或OAuth等认证机制实现。为了提高传输效率，扫描数据在发送前进行打包和压缩。这样可以减少所需的带宽，同时加快数据传输速度。
在云服务器上，使用大数据技术进行数据存储和处理。例如，利用Apache Hadoop或Apache Spark等框架来处理和分析大量的数据。对收集的数据进行清洗和预处理，以提高分析的准确性，包括去除重复数据、修正错误或不完整的条码信息，以及标准化数据格式。应用数据分析方法，如统计分析、趋势分析和异常检测，从收集的数据中提取有价值的信息和洞察。
S53：使用数据挖掘技术和机器学习算法对收集的扫码数据进行模式识别，预测用户行为和市场趋势；
具体地，利用数据挖掘技术如聚类分析或关联规则学习，从扫码数据中识别用户购买模式或偏好。例如，通过分析用户购买历史和频率，识别常购商品或常联合购买的商品组合。应用机器学习算法，如时间序列分析或回归模型，预测市场趋势和消费需求的变化。
S54：提供统一的数据视图，实现跨平台和多设备的数据同步和访问。
S6：内置在线诊断和维护功能，利用物联网技术对扫码器的远程监控和故障预测；
其中，所述在线诊断和维护功能具体为对扫码器硬件和软件的自动检测，通过物联网技术及时向用户反馈设备运行状态和性能数据；所述故障预测具体通过对扫码器历史性能数据的分析，结合机器学习算法预测设备故障，并通过云端提供维修建议和定期维护提醒；
具体地，扫码器定期执行自检程序，检测扫码器的硬件和软件状态。通过物联网技术，将自检结果传输至云端服务器。云端服务器使用专门的算法分析这些数据，如果发现异常，系统将立即向用户发送警报。同时，系统还记录历史性能数据，用于后续的故障预测。并采用机器学习算法，对扫描器历史性能数据进行训练。该算法可以识别潜在的故障模式，例如特定传感器的漂移或光源衰减。当算法检测到可能的故障迹象时，它会生成维修建议，例如更换特定部件或进行定期维护。这些建议会通过云端传输给用户，并可以在用户界面上查看，以便及时采取行动。
在本实施例中，通过集成多种传感器和图像处理算法，该扫码器能够自动调整光源强度和相机参数，以适应不同光照条件和环境，提高扫描的准确性和速度。利用机器视觉技术和深度学习算法，实现对条码的自动识别、定位和调整焦距、扫描角度，确保最佳扫描效果，即便是在不规则物体上的条码。通过深度学习算法对场景中的多个条码进行实时分割和优先级排序，使扫描器能够快速准确地识别条码，并根据重要性进行智能排序和处理。将扫描结果传输至云端进行实时数据分析，应用大数据和机器学习技术对条码数据进行深入分析，预测用户行为、市场趋势，为商家提供重要的商业洞察。通过物联网技术实现对扫码器的远程监控和故障预测，能够及时反馈设备运行状态，预测故障并提供维修建议，提高设备的稳定性和可靠性。
实施例2
根据实施例1所述的一种免持扫码器的扫码方法，其中，一种免持扫码器，包含：扫描模块、数据处理模块、通信接口、电池装置、外壳装置和用户界面模块；所述扫描模块、用户界面模块和数据处理模块通信连接；
所述扫描模块用于捕捉和解析条码或二维码，所述扫描模块包括光学镜头、传感器和图像处理器；
所述数据处理模块用于接收、处理和解码扫描到的图像信息，将其转换成可识别的数据格式，所述数据处理模块包括微处理器；
具体地，内置高性能微处理器，用于接收图像数据并执行解码算法。这包括将捕捉的图像转换为数字信号，然后通过解码算法将其转换成可识别的数据格式。
所述通信接口用于通过蓝牙、Wi-Fi、USB或其他通信接口的方式将解码后的数据传输到其他设备；
所述用户界面模块用于通过显示屏向用户反馈扫描状态和结果。
在本实施例中，通过内置高性能微处理器能够快速接收图像数据并执行复杂的解码算法。这意味着从捕捉条码或二维码到转换为可识别数据格式的过程非常迅速，提高了整体效率。通过支持蓝牙、Wi-Fi、USB等多种通信方式，这款扫码器能够灵活地与各种设备进行连接和数据传输。这种多样性在不同的应用场景下显得尤为重要，增强了设备的适用性。用户界面的设计简洁直观，可以有效地向用户反馈扫描状态和结果，这增强了用户体验。整个设备包括扫描模块、数据处理模块等核心部件都被集成在一个耐用的外壳内，配有电池装置，增加了移动性和使用场合的灵活性。结合光学镜头、传感器和图像处理器，扫描模块能够高效地捕捉并解析条形码或二维码。这保证了扫描的精准性和可靠性，减少了错误读取的可能性。
以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
Claims (10)
1.一种免持扫码器的扫码方法，其特征在于，包括以下步骤：
通过集成的多模态传感阵列智能识别条码，并自动从休眠状态唤醒至扫描模式；
结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数；
采用机器视觉技术，结合实时图像分析，根据条码的大小、形状和移动速度自动调整焦距和扫描角度；
利用深度学习算法对场景中的多个条码进行实时分割和优先级排序；
将扫描结果传输至云端，利用云计算资源进行实时数据分析；
内置在线诊断和维护功能，利用物联网技术对扫码器的远程监控和故障预测。
2.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述多模态传感阵列包括红外传感器、运动检测传感器、超声波传感器和光学传感器。
3.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述结合环境光线感应和图像处理算法，自动调整扫描器的光源强度和相机参数，包括以下步骤：
使用传感器检测周围环境的光照条件；
捕捉当前环境的实时图像，进行初步分析；
根据环境光线情况和初步图像分析的结果，扫描器的控制系统会自动调整光源强度和摄像头参数；
调整后，扫描器会再次捕捉图像，并利用图像处理算法优化图像质量。
4.根据权利要求2所述的一种免持扫码器的扫码方法，其特征在于，所述采用机器视觉技术，结合实时图像分析，根据条码的大小、形状和移动速度自动调整焦距和扫描角度，包括以下步骤：
获取捕捉到的场景图像；
利用机器视觉技术，在捕获的图像中识别出条码；
分析条码的长度、宽度以及形状特征；
基于条码与相机镜头的相对大小和清晰度，计算出条码与扫码器之间的距离；
根据从图像分析得到的条码大小和距离信息，计算出最佳焦距；
采用多角度扫描技术从不同的角度对同一个条码进行扫描；
基于条码的位置调整扫描角度，维持条码在最佳扫描区域；
捕获到清晰的条码图像后，扫码器对其进行解码处理，转换为数字或文字信息。
5.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述利用深度学习算法对场景中的多个条码进行实时分割和优先级排序，包括以下步骤：
使用摄像头捕捉场景图像，并对场景图像进行降噪和光照校正的预处理操作；
使卷积神经网络算法对预处理后的图像进行分析，实时识别并定位图像中的所有条码；
对每个识别出的条码，运用图像分割算法划分条码区域；
结合关键因素，利用深度学习模型对每个条码进行优先级评分；
根据评分结果，建立优先级队列，并实时监测环境变化，根据实时数据调整优先级队列。
6.根据权利要求5所述的一种免持扫码器的扫码方法，其特征在于，所述关键因素包括条码的可见度、清晰度、大小、位置环境条件和运动速度。
7.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述将扫描结果传输至云端，利用云计算资源进行实时数据分析，包括以下步骤：
将扫描得到的数据通过加密通信协议发送至云端服务器；
在云端应用大数据分析技术，对收集的条码数据进行深入分析；
使用数据挖掘技术和机器学习算法对收集的扫码数据进行模式识别，预测用户行为和市场趋势；
提供统一的数据视图，实现跨平台和多设备的数据同步和访问。
8.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述在线诊断和维护功能具体为对扫码器硬件和软件的自动检测，通过物联网技术及时向用户反馈设备运行状态和性能数据。
9.根据权利要求1所述的一种免持扫码器的扫码方法，其特征在于，所述故障预测具体通过对扫码器历史性能数据的分析，结合机器学习算法预测设备故障，并通过云端提供维修建议和定期维护提醒。
10.一种免持扫码器，其特征在于，所述免持扫码器应用于如权利要求1-9任一项所述的一种免持扫码器的扫码方法，包含：扫描模块、数据处理模块、通信接口、电池装置、外壳装置和用户界面模块；所述扫描模块、用户界面模块和数据处理模块通信连接；
所述扫描模块用于捕捉和解析条码或二维码，所述扫描模块包括光学镜头、传感器和图像处理器；
所述数据处理模块用于接收、处理和解码扫描到的图像信息，将其转换成可识别的数据格式，所述数据处理模块包括微处理器；
所述通信接口用于通过蓝牙、Wi-Fi、USB或其他通信接口的方式将解码后的数据传输到其他设备；
所述用户界面模块用于通过显示屏向用户反馈扫描状态和结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311819126.7A CN117688959A (zh) | 2023-12-27 | 2023-12-27 | 一种免持扫码器及其扫码方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311819126.7A CN117688959A (zh) | 2023-12-27 | 2023-12-27 | 一种免持扫码器及其扫码方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117688959A true CN117688959A (zh) | 2024-03-12 |
Family
ID=90135277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311819126.7A Pending CN117688959A (zh) | 2023-12-27 | 2023-12-27 | 一种免持扫码器及其扫码方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117688959A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521558A (zh) * | 2011-11-18 | 2012-06-27 | 深圳市宝捷信科技有限公司 | 一种条码识别方法及装置 |
| US20180121695A1 (en) * | 2016-10-31 | 2018-05-03 | Ncr Corporation | Variable depth of field scanning and lighting devices and methods |
| CN112199971A (zh) * | 2020-09-17 | 2021-01-08 | 中国建设银行股份有限公司 | 一种扫码方法、装置、计算机设备及存储介质 |
| CN113919382A (zh) * | 2021-04-29 | 2022-01-11 | 荣耀终端有限公司 | 一种扫码的方法及装置 |
| CN116311297A (zh) * | 2023-04-12 | 2023-06-23 | 国网河北省电力有限公司 | 基于计算机视觉的电子凭据图像识别解析方法 |
-
2023
- 2023-12-27 CN CN202311819126.7A patent/CN117688959A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521558A (zh) * | 2011-11-18 | 2012-06-27 | 深圳市宝捷信科技有限公司 | 一种条码识别方法及装置 |
| US20180121695A1 (en) * | 2016-10-31 | 2018-05-03 | Ncr Corporation | Variable depth of field scanning and lighting devices and methods |
| CN112199971A (zh) * | 2020-09-17 | 2021-01-08 | 中国建设银行股份有限公司 | 一种扫码方法、装置、计算机设备及存储介质 |
| CN113919382A (zh) * | 2021-04-29 | 2022-01-11 | 荣耀终端有限公司 | 一种扫码的方法及装置 |
| CN116311297A (zh) * | 2023-04-12 | 2023-06-23 | 国网河北省电力有限公司 | 基于计算机视觉的电子凭据图像识别解析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈琦;: "基于STM32的无线扫码器", 科技创新导报, no. 18, 21 June 2020 (2020-06-21) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10579906B1 (en) | Automatic large-scale imaging device diagnostics | |
| US9443123B2 (en) | System and method for indicia verification | |
| US20200265239A1 (en) | Method and apparatus for processing video stream | |
| US20210227126A1 (en) | Deep learning inference systems and methods for imaging systems | |
| US9349068B2 (en) | Detecting camera conditions to initiate camera maintenance | |
| US9396531B2 (en) | Systems and methods for image and video signal measurement | |
| US20160140390A1 (en) | Liveness detection using progressive eyelid tracking | |
| KR101443031B1 (ko) | 얼굴 인식 서비스 제공 방법 | |
| CN109167997B (zh) | 一种视频质量诊断系统及方法 | |
| US20080226175A1 (en) | Apparatus, method, and program for face feature point detection | |
| US10026004B2 (en) | Shadow detection and removal in license plate images | |
| CN110070521A (zh) | 一种基于视觉神经学习的3d打印模型瑕疵预判系统及方法 | |
| CN106845312B (zh) | 一种二维码图像质量的预判断方法 | |
| KR102335356B1 (ko) | 체결공구 시스템 및 그 제어 방법 | |
| WO2021112849A1 (en) | Improved face liveness detection using background/foreground motion analysis | |
| US20170112381A1 (en) | Heart rate sensing using camera-based handheld device | |
| EP3751245A1 (en) | Smart sensor measurement system | |
| CN117688959A (zh) | 一种免持扫码器及其扫码方法 | |
| JP7136234B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| CN110611793B (zh) | 基于工业视觉的供应链信息采集与数据分析方法及装置 | |
| CN115601712B (zh) | 适用于现场安全措施的图像数据处理方法及系统 | |
| CN116426383A (zh) | 一种用于微重力装置的状态监测系统 | |
| CN116580432A (zh) | 一种在线考试监控方法、系统、计算设备及存储介质 | |
| CN113108919B (zh) | 人体温度检测方法、装置和存储介质 | |
| EP4024266A1 (en) | Dual illuminator as field of view identification and aiming |
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 |