一种二维码识别方法、装置、电子设备及存储介质制造方法及图纸

本申请公开一种二维码识别方法、装置、电子设备及存储介质，属于图像处理技术领域，该方法包括：获取内存条图像，将内存条图像输入预先训练的第一检测模型中，得到内存条图像中的至少一个芯片区域，对每一芯片区域对应的芯片图像进行二维码识别，若识别失败，则将芯片图像输入预先训练的第二检测模型中，得到芯片图像中的二维码区域，对二维码区域对应的二维码图像进行二维码识别。这样，借助于内存条图像可以识别出内存条上多个芯片的二维码，识别速度比较快，另外，按照从芯片图像到二维码图像的顺序进行二维码识别，还可兼顾二维码识别的速度和准确度，识别方式也比较合理。识别方式也比较合理。识别方式也比较合理。

【技术实现步骤摘要】
一种二维码识别方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种二维码识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着社会的发展，二维码因其有信息容量大、容错性强、成本低等优点，被广泛应用在电子商务、产品溯源等各个领域。
[0003]目前，在对内存条上多个芯片的二维码进行识别时，通常需要使用者手持扫码枪逐一对准内存条上的每个二维码区域进行二维码识别，识别过程比较慢、人力成本也比较高。
[0004]因此，如何快速识别出内存条上多个芯片的二维码是亟待解决的技术问题。

技术实现思路

[0005]本申请实施例提供一种二维码识别方法、装置、电子设备及存储介质，用以快速识别出内存条上多个芯片的二维码。
[0006]第一方面，本申请实施例提供一种二维码识别方法，包括：
[0007]获取内存条图像；
[0008]将所述内存条图像输入预先训练的第一检测模型中，得到所述内存条图像中的至少一个芯片区域；
[0009]对每一芯片区域对应的芯片图像进行二维码本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种二维码识别方法，其特征在于，包括：获取内存条图像；将所述内存条图像输入预先训练的第一检测模型中，得到所述内存条图像中的至少一个芯片区域；对每一芯片区域对应的芯片图像进行二维码识别；当识别失败时，将所述芯片图像输入预先训练的第二检测模型中，得到所述芯片图像中的二维码区域；对所述二维码区域对应的二维码图像进行二维码识别。2.根据权利要求1所述的方法，其特征在于，所述第一检测模型和所述第二检测模型为同一检测模型，或者，所述第一检测模型和所述第二检测模型为不同检测模型。3.根据权利要求2所述的方法，其特征在于，当所述第一检测模型和所述第二检测模型为同一检测模型时，根据以下步骤训练所述检测模型：获取多个第一图像样本，所述多个第一图像样本包括内存条图像样本和芯片图像样本；利用所述多个第一图像样本对构建的深度学习网络模型进行训练；当训练程度达到预设程度时，对当前的深度学习网络模型进行剪枝处理；利用所述多个第一图像样本对剪枝后的深度学习网络模型继续进行训练；每当满足剪枝条件时，对当前的深度学习网络模型进行剪枝处理，并利用所述多个第一图像样本对剪枝后的深度学习网络模型继续进行训练；直至确定当前的深度学习网络模型满足训练停止条件时，将当前的深度学习网络模型确定为所述检测模型。4.根据权利要求2所述的方法，其特征在于，当所述第一检测模型和所述第二检测模型为不同检测模型时，根据以下步骤训练所述第一检测模型：获取多个第二图像样本，所述多个第二图像样本包括内存条图像样本和芯片图像样本；利用所述多个第二图像样本对构建的深度学习网络模型进行训练；直至确定当前的深度学习网络模型满足训练停止条件时，将当前的深度学习网络模型确定为所述第一检测模型。5.根据权利要求4所述的方法，其特征在于，根据以下步骤训练所述第二检测模型：获取多个第三图像样本，所述多个第三图像样本包括芯片图像样本和二维码图像样本；利用所述多个第三图像样本对构建的深度学习网络模型进行训练；直至确定当前的深度学习网络模型满足训练停止条件时，将当前的深度学习网络模型确定为所述第二检测模型。6.根据权利要求1
‑
5中任一所述的方法，其特征在于，还包括：确定从所述内存条图像中检测到的芯片数量和成功识别到的二维码数量；基于所述芯片数量和所述二维码数量是否匹配，确定对所述内存条图像的二维码识别是否存在异常。7.根据权利要求1
‑
5中任一所述的方法，其特征在于，还包括：
在对所述芯片图像和所述二维码图像中的任一目标图像进行二维码识别之前，对所述目标图像进行校正处理。8.根据权利要求1所述的方法，其特征在于，将所述内存条图像输入预先训练的第一检测模型中，得...

【专利技术属性】
技术研发人员：李小伟，
申请(专利权)人：长鑫存储技术有限公司，
类型：发明
国别省市：