[发明专利]基于深度学习的快递单信息识别方法和系统在审
| 申请号： | 201710570336.5 | 申请日： | 2017-07-13 |
| 公开（公告）号： | CN107341523A | 公开（公告）日： | 2017-11-10 |
| 发明（设计）人： | 尚凌辉;王弘玥;张兆生;鲍迪钧;施展 | 申请（专利权）人： | 浙江捷尚视觉科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/32;G06K7/14;G06N3/04 |
| 代理公司： | 杭州知通专利代理事务所(普通合伙)33221 | 代理人： | 姚宇吉 |
| 地址： | 311100 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的快递单信息识别方法和系统，其中，方法包括构建卷积神经网络，根据市场上所有类型的样本快递单图像对卷积神经网络进行训练，获得图像分类模型；获取待发送快递的图像信息，对图像信息进行图像处理，获得目标快递单信息，目标快递单信息至少包括区域信息和轮廓信息；根据轮廓信息和预设边长信息进行对比计算，根据对比计算结果对区域信息进行缩放，得到缩图图像；将缩图图像输入到图像分类模型中，识别得到缩图图像中的条形码信息和目的地信息。本发明不仅提高了图像的识别的效率，而且大大增加了图像的识别的准确性，特别是对快递单中目的地识别的准确性。 | ||
| 搜索关键词： | 基于 深度 学习 快递 信息 识别 方法 系统 | ||
【主权项】：
一种基于深度学习的快递单信息识别方法，其特征在于，包括以下步骤：构建卷积神经网络，根据市场上所有类型的样本快递单图像对所述卷积神经网络进行训练，获得图像分类模型；获取待发送快递的图像信息，对所述图像信息进行图像处理，获得目标快递单信息，所述目标快递单信息至少包括区域信息和轮廓信息；根据所述轮廓信息和预设边长信息进行对比计算，根据对比计算结果对所述区域信息进行缩放，得到缩图图像；将所述缩图图像输入到所述图像分类模型中，识别得到所述缩图图像中的条形码信息和目的地信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江捷尚视觉科技股份有限公司，未经浙江捷尚视觉科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710570336.5/，转载请声明来源钻瓜专利网。
