条码识别方法、装置、计算机设备及可读存储介质制造方法及图纸

本申请实施例提供了一种条码识别方法、装置、计算机设备及可读存储介质，该方法包括：获取待识别图像；使用目标神经网络提取该待识别图像的预测条码信息，该目标神经网络采用全局卷积运算，该预测条码信息包括条码码制信息；根据该预测条码信息，识别该待识别图像中的条码。该方法能够解决现有单一码制识别方法需要进行切换才能识别不同码制条码所带来的效率较低的问题，并且本方法采用全局卷积运算来替代常规神经网络运算中的序列化算子运算，在保证准确性的同时能够极大地提升神经网络的运算速率。算速率。算速率。

【技术实现步骤摘要】
条码识别方法、装置、计算机设备及可读存储介质


[0001]本申请涉及图像处理
，具体地，涉及一种条码识别方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]在工业应用中，条码的使用越来越广泛，对条码的使用需求越来越大。条码技术发展迅速。现有技术中，一个应用场景一般对应一套条码识别方案，因此在多场景条码识别时，需要来回切换不同的条码识别方案，导致现有的条码识别效率较低。此外，现有技术中的条码识别存在着识别准确率、速率较低的问题。

技术实现思路

[0003]本申请实施例提供一种条码识别方法、装置、计算机设备及可读存储介质，能够实现提升条码识别的效率和准确率。
[0004]第一方面，提供一种条码识别方法，包括：获取待识别图像；使用目标神经网络提取待识别图像的预测条码信息，目标神经网络采用全局卷积运算，预测条码信息包括条码码制信息；根据预测条码信息，识别待识别图像中的条码。
[0005]基于本技术方案，采用神经网络模型来对待识别图像进行识别，能够实现对不同码制的条码识别，从而能够解决现有单一码制识别方法需要进行切换才能识别不同码制条码所带来的效率较低的问题，并且本方案采用全局卷积运算来替代常规神经网络运算中的序列化算子运算，在保证准确性的同时能够极大地提升神经网络的运算速率。
[0006]结合第一方面，在第一方面可能的实现方式中，根据预测条码信息，识别待识别图像中的条码，包括：对预测条码信息进行解码，以得到解码序列，条码码制信息由解码序列中预设序列位置的元素指示。/>[0007]结合第一方面，在第一方面可能的实现方式中，根据预测条码信息，识别待识别图像中的条码，包括：对预测条码信息进行解码，以得到解码序列，条码码制信息由解码序列所在的位置区间指示。
[0008]结合第一方面，在第一方面可能的实现方式中，根据预测条码信息，识别待识别图像中的条码，包括：对预测条码信息进行解码，以得到解码序列；对解码序列进行整合，以得到整合序列；对整合序列进行搜索解析和校验，以得到预测序列。
[0009]结合第一方面，在第一方面可能的实现方式中，搜索解析包括分码制段解析或分
步迭代搜索解析。
[0010]结合第一方面，在第一方面可能的实现方式中，在使用目标神经网络提取待识别图像的预测条码信息之前，该方法还包括：将待识别图像调整至预设尺寸，得到调整后的待识别图像；其中，使用目标神经网络提取待识别图像的预测条码信息，包括：使用目标神经网络提取调整后的待识别图像的预测条码信息。
[0011]具体的，该预设尺寸可以根据目标神经网络模型训练时的样本条码图像的尺寸进行设定。本实施例中，输入目标神经网络的待识别图像的尺寸保持一致，在此基础上目标神经网络模型对待识别图像的预测识别，能够提高识别条码图像的速率和准确性。
[0012]结合第一方面，在第一方面可能的实现方式中，获取待识别图像之前，该方法还包括：将样本图像输入初始神经网络进行处理，输出样本图像对应的的预测结果；根据预测结果与样本图像的实际条码信息对初始神经网络进行训练，得到目标神经网络；其中，对初始神经网络模型进行训练是基于预测结果以及实际条码信息构建损失函数来完成的，该损失函数是基于时序分类CTC算法构建的。
[0013]本实施例通过构建损失函数，使得预测结果与实际的条码信息的差异不断减少，从而能够提升神经网络识别的准确度。
[0014]第二方面，提供了一种条码识别的装置，包括：获取模块，用于获取待识别图像；提取模块，用于使用目标神经网络提取待识别图像的预测条码信息，目标神经网络采用全局卷积运算，预测条码信息包括条码码制信息；识别模块，用于根据预测条码信息，识别待识别图像中的条码。
[0015]基于该技术方案，提取模块采用神经网络模型来对待识别图像进行识别，能够实现对不同码制的条码的识别，从而能够解决现有单一码制识别方法需要进行切换才能识别不同码制条码所带来的效率较低的问题，并且本方案中提取模块中采用全局卷积运算来替代常规神经网络运算中的序列化算子运算，在保证准确性的同时能够极大地提升神经网络的运算速率。
[0016]第三方面，提供一种计算机设备，该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现如第一方面或第一方面任一可能的实施方式中的条码识别方法。
[0017]第四方面，提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如第一方面或第一方面中任一可能的实施方式中的条码识别方法。
[0018]第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现如第一方面或第一方面任一可能的实施方式中的条码识别方法。
附图说明
[0019]图1是本申请一实施例提供的系统架构的结构示意图。
[0020]图2是本申请一实施例提供的条码识别方法的示意性流程图。
[0021]图3是本申请一实施例提供的条码识别装置的示意性结构框图。
[0022]图4是本申请一实施例提供的计算机设备的示意性结构框图。
[0023]图5是本申请一实施例提供的计算机可读存储介质的示意性结构框图。
具体实施方式
[0024]下面将结合附图，对本申请实施例中的技术方案进行描述。应理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本申请实施例，而非限制本申请实施例的范围。
[0025]还应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0026]除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的
的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
[0027]条码技术最早出现在20世纪40年代。当时美国两位工程师研究用条码表示信息，并于1949年获得世界上第一个条码专利。这种最早的条码由几个黑色和白色的同心圆组成，被形象地叫做牛眼式条码。这个条码与我们广泛应用的一维条码在原理上一致，它们都是用深色的条和浅色的空来表示二进制数的“1”和“0”。现在的条码是将线条与空白按照一定的编码规则组合起来的符号，用以代表一定的字母、数字等资料及符号组成的信息，主要包括一维条码和二维条码。
[0028]在进行辨识的时候，通常是用条码阅读机（即条码扫描器又叫条码扫描枪或条码阅读器）扫描，得到一组反射光信号，此信号经光电转换后变为一组与线条、空白相对应的电子讯号，经解码后还原为相应的文数字，再传入电脑。条码技术具有输入速度快、可靠性高、采集信息量大、灵活实用性强等优点。
[0029]条码技术与计算机技术结合使用有很多优点，所以条码技术不但在商品流通领域得到广泛应用，在其他领域如邮电、银行、图书馆、物流管理、甚至当今最热门的电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种条码识别方法，其特征在于，包括：获取待识别图像；使用目标神经网络提取所述待识别图像的预测条码信息，所述目标神经网络采用全局卷积运算，所述预测条码信息包括条码码制信息；根据所述预测条码信息，识别所述待识别图像中的条码。2.根据权利要求1所述的方法，其特征在于，所述根据所述预测条码信息，识别所述待识别图像中的条码，包括：对所述预测条码信息进行解码，以得到解码序列，所述条码码制信息由所述解码序列中预设序列位置的元素指示。3.根据权利要求1所述的方法，其特征在于，所述根据所述预测条码信息，识别所述待识别图像中的条码，包括：对所述预测条码信息进行解码，以得到解码序列，所述条码码制信息由所述解码序列所在的位置区间指示。4.根据权利要求1所述的方法，其特征在于，所述根据所述预测条码信息，识别所述待识别图像中的条码，包括：对所述预测条码信息进行解码，以得到解码序列；对所述解码序列进行整合，以得到整合序列；对所述整合序列进行搜索解析和校验，以得到预测序列。5.根据权利要求4所述的方法，其特征在于，所述搜索解析包括分码制段解析或分步迭代搜索解析。6.根据权利要求1至5中任一项所述的方法，其特征在于，在所述使用目标神经网络提取所述待识别图像的预测条码信息之前，所述方法还包括：将所述待识别图像调整至预设尺寸，得到调整后的待识别图像；其中...

【专利技术属性】
技术研发人员：苏步升，姚恒志，刘枢，吕江波，沈小勇，
申请(专利权)人：深圳思谋信息科技有限公司，
类型：发明
国别省市：