[发明专利]用于读取光码的光电代码阅读器和方法

说明书

本申请涉及用于读取光码的光电代码阅读器和方法。提出了光电代码阅读器(10)，特别是条形码阅读器，其具有用于从接收光生成图像数据的至少一个光接收元件(24)和评估单元(26)，在该评估单元中实现将代码信息分配给图像数据的代码区域(20)的分类器(30)，其中分类器(30)被构造用于机器学习，并通过受监控的学习根据所读取的传统解码器(28)的代码进行训练，该传统解码器通过没有机器学习的方法工作。

本发明涉及用于读取光码的光电代码阅读器和方法。

代码阅读器由于超市收银台而被知道用于自动包裹识别、邮件分类、机场行李处理和其它物流应用。在代码扫描仪中，通过旋转镜或多棱镜轮引导读取光束横向穿过代码。基于相机的代码阅读器通过图像传感器捕获其上有代码的对象的图像，并且图像分析软件从这些图像中提取代码信息。基于相机的代码阅读器也可以轻松应对除一维条形码以外的其它代码类型，这些其他代码类型与矩阵代码一样也被构造成二维的并提供更多信息。

在重要的应用组中，携带代码的对象经过代码阅读器来输送。在这种情况下，代码扫描仪检测被分别依次引导到其读取区域中的代码。可替代地，在基于相机的代码阅读器中，行扫描相机(Zeilenkamara)通过相对移动连续且逐行地读入具有代码信息的对象图像。通过二维图像传感器有规律地捕获图像数据，这些图像数据根据捕获频率和输送速度或多或少重叠。为了使对象可以在任何方向布置在传送带上，通常在读取通道上设置多个代码阅读器，以便从多个侧面或所有侧面捕获对象。

对于代码阅读器或读取通道来说，高的读取速率是最重要的质量标准之一。读取错误迫使进行繁琐的错误排除，如重新手动扫描或重新分类。用于条形码的传统解码器在所谓的边缘位置阵列(Kantenpositionsfeld)上工作，该边缘位置阵列通过二值化技术从灰度值分布(Grauwertprofile)中生成。边缘位置的确定和二值化方法密切相关，因为边缘确定对应于二元分类，而无论边缘是否存在。然后，基于相应条形码类型的规格基本上以1位向量基于与边缘位置顺序对应的条与间隙的比例来进行实际的解码。

这是图像处理链中的关键点，因为从初始检测的灰度值信号中获取黑白图像或二值化与显著的信息丢失(例如，每像素八位灰度值到只还有一位)相关联。因为边缘位置的生成始终是有错误的。一些示例性的错误源是与像素分辨率有关的较小的条宽、非常嘈杂或模糊的信号、缺少对比度和打印错误。由此，某些边缘未被找到或未被准确定位，结果是根据这类错误的程度无法再读取代码(NoRead)。虽然该示例涉及条形码，但二维代码会出现类似的问题。

EP 1 096 416 B1公开了一种方法，通过该方法可以从多次连续的扫描重建条形码。为此，将仅覆盖部分代码的灰度值分布合并成整体分布，然后对其进行解码。因此，这涉及预处理步骤，因为接着会如此前那样出现对整体分布进行解码的问题。

从EP 3 009 984 A1已知一种用于光码的检测系统，其中在具有代码的对象的输送移动过程期间捕获了一系列图像。然后，确定两个连续的图像之间的位移向量，以便可以跟踪跨越多次捕获的图像区域。解码本身不会由此而改变。

已经提出了使用神经网络来读取条形码。例如，US 8 905 314 B2涉及通过分类器进行条形码识别，该分类器可以被设计成学习神经网络。但是，该分类器使用包含边缘位置的特征向量工作。因此，分类器的输入数据早已遭受了先前所述的由于二值化或边缘检测的信息丢失。分类器根据模拟的特征向量进一步进行训练。为此，缺少与真实数据的联系。此外，即使没有机器学习，传统解码器也实现了高性能。因此，US 8 905 314 B2中的这些已知方法没有充分利用通过机器学习来真正提高读取速率的潜力。

因此，本发明的任务在于，通过机器学习来改进代码读取。

该任务通过用于读取光码的光电代码阅读器和方法来实现。该代码阅读器具有光接收元件并从而检测图像数据，优选是具有灰度值的图像数据。被构造用于机器学习的分类器将代码信息分配给图像数据的代码区域以便进行评估。优选地，代码区域通过预处理来找到，该预处理例如根据对比度对图像数据进行分段。