一种基于深度学习的条码定位检测方法技术

本申请公开了一种基于深度学习的条码定位检测方法，涉及工业物流技术领域，该方法使用

【技术实现步骤摘要】
一种基于深度学习的条码定位检测方法


[0001]本申请涉及工业物流
，尤其是一种基于深度学习的条码定位检测方法
。

技术介绍

[0002]条码是将多个宽度不等的黑条和白条按照一定的编码规则排列，用以表达信息的图形识别单元
。
条码可以标出物品的名称
、
生产日期
、
保质期
、
生产厂商
、
邮件发送的起止地点
、
日期
、
图书分类号等信息，因此条码在多种领域有着广泛的应用，比如零售业
、
金融业
、
出版社
、
物流业
。
[0003]条码技术飞速发展的同时，对条码检测提出了更高的要求
。
在工业物流领域，拍摄的图像往往具有很高的分辨率，条码面单贴于包裹表面，面单在图像中的占比很小，并且不同图像中的条码面单位置随机，背景区域复杂多变，通过整图搜索定位条码耗时较长，且容易遗漏或误判
。
且工业物流领域拍摄到的图像光源变化...

【技术保护点】

【技术特征摘要】
1.
一种基于深度学习的条码定位检测方法，其特征在于，所述条码定位检测方法包括：对获取到的原始图像进行图像缩放得到待检测图像，所述待检测图像的图像分辨率小于所述原始图像；利用粗定位模型从所述待检测图像中提取条码面单区域图像，所述条码面单区域图像是条码面单所在区域的图像，条码面单上印刷有条码及其对应的勾选框，条码的边缘与条码面单的边缘平行，每个条码对应的勾选框位于所述条码的预定相对位置处；所述粗定位模型基于
yolo
‑
fastest
模型训练得到；利用目标检测模型对所述条码面单区域图像进行目标检测，提取得到所述条码面单区域图像中各个条码的条码检测框
、
各个关联对象组的关联检测框
、
各个勾选框的勾选框检测框，一个关联对象组包括一个条码及其对应的勾选框；所述目标检测模型基于
yolo
‑
fastest
模型训练得到；根据各个条码检测框
、
关联检测框和勾选框检测框确定所述条码面单区域图像中的目标条码区域；根据所述条码面单区域图像中的目标条码区域从所述原始图像中提取目标条码
。2.
根据权利要求1所述的条码定位检测方法，其特征在于，所述根据各个条码检测框
、
关联检测框和勾选框检测框确定所述条码面单区域图像中的目标条码区域包括：当从所述条码面单区域图像中检测到至少一个关联检测框以及多个条码检测框时，根据各个条码检测框
、
关联检测框和勾选框检测框确定与每个关联检测框匹配的条码检测框，并将各个关联检测框匹配的条码检测框所在区域作为所述目标条码区域
。3.
根据权利要求2所述的条码定位检测方法，其特征在于，所述根据各个条码检测框
、
关联检测框和勾选框检测框确定与每个关联检测框匹配的条码检测框包括对于每个关联检测框：分别计算每个条码检测框与所述关联检测框的距离，并确定其中与所述关联检测框的距离最小的条码检测框作为第一候选检测框
、
与所述关联检测框的距离次小的条码检测框作为第二候选检测框；当两个候选检测框与所述关联检测框的距离的差值达到距离差阈值时，直接将所述第一候选检测框所在区域作为目标条码区域；当两个候选检测框与所述关联检测框的距离的差值未达到所述距离差阈值时，根据两个候选检测框与所述关联检测框以及各个勾选框检测框的相对位置确定将其中一个候选检测框所在区域作为目标条码区域
。4.
根据权利要求3所述的条码定位检测方法，其特征在于，所述根据两个候选检测框与所述关联检测框以及各个勾选框检测框的相对位置确定将其中一个候选检测框所在区域作为目标条码区域包括：一个条码对应的勾选框位于所述条码沿着平面上水平方向的一侧，所述第一候选检测框位于所述关联检测框的沿着平面上水平方向的第一侧，所述第二候选检测框位于所述关联检测框的沿着平面上水平方向的第二侧；当所述第一候选检测框的沿着平面上水平方向的第一侧存在勾选框检测框时，将所述第二候选检测框所在区域作为目标条码区域，否则将所述第一候选检测框所在区域作为目标条码区域；或者，一个条码对应的勾选框位...

【专利技术属性】
技术研发人员：张士缘，唐金亚，杜萍，
申请(专利权)人：中科微至科技股份有限公司，
类型：发明
国别省市：