[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

摘要

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。

主权项

1.一种基于多任务深度学习的物流复合码识别方法，其特征在于：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；其主要流程如下：流水线上待分拣的货物移动到流水线的某一工位时，系统自动触发多个相机从各个方位拍摄货物图像；接着，基于Faster R‑CNN货品复合码标签检测定位得到货物图像上的复合码标签图像；然后，对复合标签的图像最小面积矩形进行仿射变换；进一步，对仿射变换后的复合标签的图像进行分割处理，分割出喷码字符的标签图像以及一维条码图像或者二维条码图像；然后，对得到的喷码字符的标签图像用基于Faster R‑CNN进行字符识别，得到喷码字符的标签图像中的字符序列；另一方面，对得到的一维条码图像或者二维条码图像进行识别，得到一维条码图像或者二维条码图像所表达的字符序列；最后，组合喷码字符的标签图像中识别出来的字符序列以及一维条码图像或者二维条码图像所识别出来的字符序列，并用该复合码所表达的信息进行货品的物流及供应链管理。