[发明专利]一种基于多任务深度学习的物流复合码识别方法

说明书

一种基于多任务深度学习的物流复合码识别方法，包括用于全方位获取物流复合码图像的方法、便于视觉检测定位喷码字符的标签设计方案、适用于喷码字符的标签的字符定位和切分的字符大小、字形以及字符之间的间隔设计方案、适用于视觉识别的复合码设计方案、用于对复合码进行检测定位的Faster R‑CNN网络、用于复合码图像纠偏及字符的正倒检测的算法模块、用于深度学习和训练识别的多任务深度卷积神经网络、基于深度学习的喷码字符的标签上的字符识别的卷积神经网络、用于识别复合码中一维条码的算法模块、用于识别复合码中二维条码的算法模块、用于根据识别的复合码信息控制分拣动作的分拣控制模块。本发明有效的解决了大量的随意放置、不规则外形、柔性包装的货物不能快速自动分拣问题。

技术领域

本发明涉及人工智能、数字图像处理、卷积神经网络和计算机视觉在物流复合码标签的识别和分拣方面的应用，属于智慧物流领域。

背景技术

当前的物流系统中，系统的读码设备主要是针对喷码字符、一维码、二维码、RFID中的任意一种信息识别。产品与物流载体信息获取方式是分别获取，然后由人工在计算机或者PAD上进行产品信息组盘并与物流载体的信息进行绑定，从而保证在输送、存储过程中对货物进行有效管理。

由于成本都十分低廉，喷码字符、一维条码和二维条码在物流领域中得到了广泛使用。

1999年初EAN与UCC联合推出了一种全新的适于各个行业应用的物流条码标准，即复合码，简称CS。

一种复合码的形式是将一维条码与二维条码有机地叠加在一起，以实现在读取商品的单品识别信息的同时，还能够获取更多描述商品物流特征的信息。主要用于物流及仓储管理。

复合码中的一维条码可以是任何形式的RSS，也可以是普通的EAN/UCC条码。其作用在于，一是单品标识，二是作为二维条码的定位符，用于成像仪识别时的定位。

复合码中的二维条码部分由PDF417条码构成，用于表示附加的应用标识符的数据串，诸如产品的批号、保质期等商品的描述性信息。□

复合码在商业及物流管理中的应用主要解决了如下几个问题：

1)首先解决了微小物品的条码标识问题；

2)有效地增大了单位面积条码的信息容量；

3)使供应链的各个环节都可以随时采集所需信息而无需在线式数据库；

4)解决了物流管理中条码信息容量不足的问题，极大地提高了物流及供应链管理系统的效率和质量。

复合码的另一种形态是喷码字符与一维条码或者二维条码有机地叠加，这种复合码的方式在采用视觉识别复合码的有着重要的意义。这是由于一维条码或者二维条码在识别时候对距离方向十分敏感，要求具有比较高的定位精度；此外，对于诸如塑料袋、纸袋等廉价的软包装，条码标签或者二维条码标签发生的形变和污染，导致识别率大大降低。

在大宗物流领域中，由于包装外形大小不一、形态多样、一维条码或者二维条码的粘帖位置不定，在物流分拣过程中往往需要人工对准一维条码或者二维条码进行扫描。这种分拣过程中的扫描识别方式，极大限制了物流的自动化处理能力，成为了物流领域中的一个痛点和技术瓶颈。

近年来，“人工智能+物流”进入高速发展期。物流行业是高数据密度的行业，每个环节都在产生大数据，为人工智能技术提供用武之地。人工智能的技术在物流行业的运用主要集中在：智能搜索、推理规划、模式识别、计算机视觉以及智能机器人等领域。在仓储和库存管理环节，人工智能有助于优化选址与库存优化；在分拣环节，可通过计算机视觉技术以及智能机器人进行自动识别、分拣和搬运；在配送环节，人工智能将通过数据分析优化配送体系，调配无人配送设备。