申请/专利权人:中科微至科技股份有限公司
申请日:2023-09-20
公开(公告)日:2024-04-30
公开(公告)号:CN117195928B
主分类号:G06K7/14
分类号:G06K7/14;G06V10/22;G06V10/44;G06V10/82
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2023.12.26#实质审查的生效;2023.12.08#公开
摘要: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yolo‑fastest模型对降低图像分辨率后的待检测图中的条码面单区域图像进行粗定位提取,然后使用yolo‑fastest模型对条码面单区域图像中的勾选框、条码和关联对象分别进行目标检测,然后综合各个类型的目标检测及之间的关系得到最终的目标条码区域,即可实现对目标条码的定位提取以及后续的读码,该方法降低原始图像分辨率,使用深度学习模型进行条码检测,然后从高分辨率的原始图像中进行全幅读码,保证实时性的同时提高了条码检测与读码的准确率。
主权项: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印刷于所述条码的短边的一侧;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。
全文数据:
权利要求:
百度查询: 中科微至科技股份有限公司 一种基于深度学习的条码定位检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。