用于检测和读取标记在玻璃基材上的矩阵码的方法技术

本发明专利技术涉及用于检测和读取标记在玻璃基材上的条形码的计算机实施的方法。该方法能够有效地检测栅格图像中可能的条形码，并提取图像的有价值的特征，以提供条形码的抽象表示，其仅包含通过解码或转换算法对其进行处理所需的信息。更准确地说，根据本发明专利技术的方法依赖于通过链式卷积人工神经网络对条形码的栅格图像进行图像处理，以便提供一种通用的、高适应性的、存储高效的且可靠的概率方法来检测和读取条形码。借助于概率方法，它可以从跟踪码可能存在于其上的玻璃基材表面部分的任何栅格图像在各种种类的玻璃基材上检测和读取各种格式的跟踪码，即条形码，所述各种格式即尺寸、亮度、对比度和/或纵横比有所变化，包括剪切、倾斜或梯形失真、局部缺陷和/或不均匀特征。该方法能够超越图像失真而识别图像中的跟踪码特征，从而适应各种图像记录条件。从而适应各种图像记录条件。从而适应各种图像记录条件。

【技术实现步骤摘要】
【国外来华专利技术】用于检测和读取标记在玻璃基材上的矩阵码的方法


[0001]本专利技术涉及用于检测和读取标记在玻璃基材上的条形码的计算机实施的方法。更准确地说，根据本专利技术的方法依赖于通过链式卷积人工神经网络对条形码的栅格图像进行图像处理，以便提供一种通用的、高适应性的、存储高效的且可靠的概率方法来在各种记录条件下检测和读取各种种类的玻璃基材的图像中的各种条形码。

技术介绍

[0002]在玻璃行业中，通常的做法是用跟踪码标记制造的玻璃基材，例如玻璃板，以跟踪玻璃板在其寿命期间的加工和处理阶段，例如切割阶段、涂层沉积、热处理。跟踪码通常是一维或二维码，称为条形码或矩阵条形码，其中编码了相关数据，如与这些加工和处理阶段相关的标识号、时间戳和/或位置标记。跟踪码也可以是数据库的条目钥匙(entry key)，从而允许检索关于玻璃基材的加工历史、特征、物理化学性质和/或质量(例如缺陷)的一些记录，例如WO 2014/128424 A1。
[0003]在本领域中有各种用跟踪码标记玻璃基材的方法。例如，跟踪码可以作为印刷的粘性贴纸施加在玻璃基材的表面上，或者更常见本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测和读取带标记的玻璃基材(1000)的图像中的条形码(1004)的计算机实施的方法(3000)，所述方法将带标记的玻璃基材(1000)的至少一部分的栅格图像(I3001)作为输入，并且提供所述条形码(1004)的抽象图像作为输出(D3003)，并且所述方法包括以下步骤：(a)用第一训练的卷积人工神经网络计算(S3001)栅格图像中所述条形码(1004)的概率出现θ；(b)根据在步骤(a)计算的概率出现θ的给定阈值σ，计算(S3002)栅格图像(I3001)中代表条形码(1004)的边界的点的坐标(D3001)；(c)根据在步骤(b)计算的所述坐标(D3001)，将栅格图像(I3001)剪裁(S3003)至条形码的边界；(d)用第二训练的卷积人工神经网络计算(S3004)剪裁的栅格图像(D3002)的每个像素的概率张量(D3003)，所述张量(D3003)是条形码(1004)的抽象图像。2.根据权利要求1所述的方法，其中，第一训练的卷积人工神经网络是基于特征金字塔网络架构。3.根据权利要求1至2中的任一项所述的方法，其中，第一训练的卷积人工神经网络可包括残差神经网络作为主干。4.根据权利要求1至3中的任一项所述的方法，其中，第一训练的卷积人工神经网络是具有至少10层、特别是至少20层、更优选地至少50层的网络。5.根据权利要求1至4中的任一项所述的方法，其中，第二训练的卷积人工神经网络被设计为两阶段架构，第一阶段产生特征图，并且第二阶段从特征图执行分类。6.根据权利要求1至5中的任一项所述的方法，其中，栅格图像(I...

【专利技术属性】
技术研发人员：JB，
申请(专利权)人：法国圣戈班玻璃厂，
类型：发明
国别省市：