【技术实现步骤摘要】
本专利技术涉及银库库位盘点领域，特别涉及一种基于ai算法的库位盘点系统和方法，用于对监测区域中的银锭条形码和文本进行分类识别，并将识别结果数据库对接。
技术介绍
1、传统的银库智能盘点方法需要大量人工长时间对每个银锭进行盘点，无法实现对所有库位的全面监测且效率低下，无法满足实际巡检需求。本专利技术旨在通过ai算法的应用，实现对所以库位的实时监测和盘点，包括银锭条形码和文本的分类识别，并将识别结果数据库对接。
技术实现思路
1、本专利技术涉及库位盘点领域，针对传统方法存在的库位盘点人力需求大、效率低、准确率低等问题，提出了一种基于ai算法的库位盘点方法及系统。该方法通过多算法路由，实现对盘点区域中的银锭条形码和文本的分类识别，同时具备与数据库协同的能力。
2、本专利技术的技术方案主要包括：ai算法路由：根据待识别区域的不同特征，将输入图像分别路由至条形码检测与译码算法、文本检测算法、文本识别算法和库位异动预警算法。条形码区域检测与译码算法：采用目标检测技术，结合特征金字塔网络、多尺度操作和自适应流形滤波器，实现对各种畸变条件下条形码的准确检测和译码。文本检测算法：通过傅里叶域建模和傅里叶轮廓嵌入方法，结合特征金字塔网络和非极大抑制算法，在不同光照条件下实现文本的可靠检测。文本识别算法：基于文本检测算法，通过编码器-解码器结构和模态转换模块，实现字符与数字等混合文本的识别。库位异动预警算法与增量学习：通过与wms系统对接，根据出入库信号的异动预警，通过过滤假性异动行为并支持
3、银库智能盘点方法中条形码识别与解码模型训练方法，包括以下步骤：
4、1)数据采集及增强：视觉检测系统采集库位中的银锭条形码图像，银锭条形码图像再通过平移、翻转、旋转，以及随机调整亮度、对比度对零件数据进行增强，获得零件图像数据集；
5、2)零件数据标注：采用labelimg标注软件对图像数据进行标注，框选出条形码与文字并标记，保存并输出标注文件，标注文件构成训练数据集，并将训练数据集划分为训练集和测试集，用于模型训练和测试验证；
6、3)构建条形码与文字识别网络：以darknet-53网络框架作为骨干网络，采用许多残差的跳层连接，darknet-53采用三种不同的特征尺度，对处于模型三个不同位置的目标，生成三种不同尺度的特征图，进行检测，采用滤波器对目标进行识别，空间金字塔池化作为网络颈部的附加模块，检测不同尺寸大小的目标，提取不同尺寸的空间特征信息；路径聚合网络作为网络颈部的特征融合模块，加速获取到细粒度的局部信息；
7、4)设置损失函数，将步骤2)训练集送入步骤3)条形码识别网络进行训练，零件识别网络输出图中条形码的位置信息；
8、5)训练后条形码与文字识别网络使用测试集进行效果验证。
9、进一步，所述损失函数包含三个部分：预测框的中心坐标和宽高计算的损失lbox、目标分类置信度造成的损失lobj、目标分类结果造成的损失lcls；所述lbox由预测框相对于标注框中心坐标的偏移以及与标注框的宽度和高度差异造成的；所述lobj无论预测框中是否存在物体均计算分类置信度的损失，包括检测框中有物体和没有物体两部分的损失，这两部分的权重通过设定的参数λ确定；所述lcls目标分类结果损失计算的是目标的分类类别与其真实类别之间的差异，该部分使用交叉熵函数计算损失。
10、银库智能盘点方法中条形码与文字识别模型中的多分支深度卷积网络，由大尺度卷积核、中等尺度卷积核和小尺度卷积核三个卷积网络分支组成，三个卷积网络分支分别对输入图像中不同尺寸规格零件进行特征提取，三个卷积分支提取的原始图像特征堆叠得到合并特征图，再经过回归得到条形码与文字的标注框位置。对于框选出的条形码借助最大稳定极值区域(msers)算法消除背景噪声并检测条码方向，并通过自适应流形(am)滤波器处理模糊条形码区域，嵌入条形码倾斜角度预测，提高倾斜矫正能力。最终将得到的条形码采用相似边距离测量方法进行译码。对于框选出的文字使用编码器-解码器结构提取方式，其中编码器使用自注意力机制来提取图像特征，解码器应用自注意力机制来识别基于编码器输出的文本。同时，通过一个模态转换模块，将二维输入图像有效地转换为一维序列，与编码器相结合，提取更多的鉴别特征，最终实现文本识别。
11、银库智能盘点系统，包括运动控制模块、图像采集处理模块和机械控制模块，所述运动控制模块包括控制摄像头移动的微控制器；所述图像采集处理模块包括摄像机和计算机；所述机械控制模块为可前后滑动的滑架；摄像机固定在轨道上，随着轨道前后移动，摄像机拍摄不同分辨率的库位中的银锭图像，摄像机采集的不同分辨率的图像送计算机，计算机通过训练好的模型识别图片中条形码与文字并进行解码和文字识别。
12、本专利技术提供了一种基于条形码与文字识别的智能盘库技术方案，具有以下优点：能够实现快速、准确、实时的库位盘点，可以应用于不同领域不同类型的仓库库位盘点。
13、本专利技术的有益效果在于：通过多算法路由和技术组合，实现对条形码和文本的高准确度识别，消除了传统方法中的识别误差。文本检测和条形码识别算法适应不同光照条件，使得系统在各种环境下都能稳定工作。避免人为盘库的识别与计数造成的误差；同时不需要其他的成本投入，只需使用摄像头提取库位图像，通过软件算法对图片进行处理即可。
14、综上所述，本专利技术具有快速、精准、易用、应用范围广泛等优点。
本文档来自技高网...【技术保护点】
1.一种基于多算法融合的银库智能盘点方法，其特征在于，视觉检测系统采集传送带上库位银锭图像，银锭图像送入训练后银锭条形码和文字识别模型获得条形码、文字定位图像，定位图像输入由多分支深度卷积网络构成的文字识别和解码模型获得解码结果和文字结果。
2.根据权利要求1所述的基于多算法融合的银库智能盘点方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的基于多算法融合的银库智能盘点方法，其特征在于，所述损失函数包含三个部分：预测框的中心坐标和宽高计算的损失Lbox、目标分类置信度造成的损失Lobj、目标分类结果造成的损失Lcls；所述Lbox由预测框相对于标注框中心坐标的偏移以及与标注框的宽度和高度差异造成的；所述Lobj无论预测框中是否存在物体均计算分类置信度的损失，包括检测框中有物体和没有物体两部分的损失，这两部分的权重通过设定的参数λ确定；所述Lcls目标分类结果损失计算的是目标的分类类别与其真实类别之间的差异，该部分使用交叉熵函数计算损失。
4.一种用于所述基于多算法融合的银库智能盘点方法的多分支深度卷积网络，其特征在于，由大尺度卷积核、中
5.根据权利要求4所述的多分支深度卷积网络，其特征在于，多分支深度卷积网络进行零件计算训练时使用欧式距离来衡量预测结果密度图和标记值的差异，如下式所示：
6.一种基于多算法融合的银库智能盘点系统，其特征在于，包括运动控制模块、图像采集处理模块，所述运动控制模块包括移动摄像头的滑轨；所述图像采集处理模块包括摄像机和计算机。
...【技术特征摘要】
1.一种基于多算法融合的银库智能盘点方法，其特征在于，视觉检测系统采集传送带上库位银锭图像，银锭图像送入训练后银锭条形码和文字识别模型获得条形码、文字定位图像，定位图像输入由多分支深度卷积网络构成的文字识别和解码模型获得解码结果和文字结果。
2.根据权利要求1所述的基于多算法融合的银库智能盘点方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的基于多算法融合的银库智能盘点方法，其特征在于，所述损失函数包含三个部分：预测框的中心坐标和宽高计算的损失lbox、目标分类置信度造成的损失lobj、目标分类结果造成的损失lcls；所述lbox由预测框相对于标注框中心坐标的偏移以及与标注框的宽度和高度差异造成的；所述lobj无论预测框中是否存在物体均计算分类置信度的损失，包括检测框中有物体和没有物体两部分的损失，这两部分的权重通过设定的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。