[發明專利]深度學習與Hough變換結合的二維條碼精確定位方法

在審

• 申請號: 202110283304.3
• 申請日: 2021-03-16
• 公開（公告）號: CN112949338A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 李建偉;呂娜;郭宏;劉成波;伊亞聰;胡孔耀;徐延
• 申請（專利權）人: 太原科技大學
• 主分類號: G06K7/14
• 分類號: G06K7/14;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種深度學習與Hough變換結合的二維條碼精確定位方法；所述方法包括：在復雜光源環境下采集大量Datamatrix碼樣本圖像，然后對其進行樣本標注，構造用于邊緣提取的訓練數據集；利用完全卷積神經網絡FCC和深度監督網的深度學習模型HED網絡來對待測Datamatrix碼樣本圖像進行邊緣提取處理，得到二維碼邊緣候選區域，實現DM碼初定位；通過利用Hough變換對前面獲得的二維碼候選區域實現精確定位；最后通過解碼算法，完成二維碼信息的提取。本發明通過提供的二維碼的精確定位方法，魯棒性強，穩定性高，同時準確率高，對于機械加工復雜環境適應良好。

技術領域

本發明屬于機器視覺檢測技術領域，具體涉及一種深度學習與Hough變換結合的二維碼定位方法。

背景技術

在工業領域中，直接零件標識(DPM)技術是一種通過激光蝕刻等手段對產品零部件表面進行直接標記的自動標識技術。利用二維碼對工業產品及零部件進行標識，對實現刀具零部件的生成追蹤、信息管理、全生命周期管理具有重要意義。由于DataMatrix(DM)條碼具有編碼容量大、密度高、信息安全性高以及糾錯能力強等優點，DM碼通常被用作工業產品的永久標識。但在實際應用中工業二維碼的應用環境比較惡劣，DataMatrix碼的識別通常伴隨著噪聲、過曝、磨損、污染等問題且金屬本身具有低對比度背景、易受污染等特點,導致二維碼圖像嚴重磨損、碼區污染,從而無法精準定位二維碼。因此針對復雜背景夠快速準確的識別的DM二維碼，尤其是識別條件復雜情況下的二維條碼，實現精準定位二維碼意義重大。

但是現有的Datamatrix二維碼定位方法存在耗時長、復雜環境下識別率低以及無法識別等缺點。

發明內容

1、發明目的。

本發明提供耗時短、定位準確率高且穩定的一種深度學習與Hough變換結合的二維碼定位方法。

2、本發明所采用的技術方案。

本發明公開了一種深度學習與形狀檢測相結合的二維碼定位方法，具體步驟為：

S1、獲取一定數量的二維碼樣本圖像構造用于邊緣提取的訓練數據集；

S2、構造邊緣提取網絡模型與優化，基于完全卷積神經網絡FCC和深度監督網的深度學習模型HED邊緣檢測網絡。對制作的數據集進行訓練，得出模型；

S3、使用訓練好的HED邊緣檢測模型對待測二維碼進行邊緣檢測，生成邊緣概率圖，獲取相應的邊緣圖像，實現二維碼粗定位；

S4、對所述生成的邊緣概率圖利用Hough直線檢測方法，尋找邊緣概率圖中的所有直線，后經過直線聚類得出4條邊緣線即為二維碼輪廓區域，得到精確的二維碼定位區域，進而快速進行二維碼碼片信息的獲取；

S5、最后通過RS解碼算法，完成二維碼信息的提取。

可選地，所述步驟S1的具體過程為：

S11、利用Labelme對每個目標二維碼的邊界進行人工標記，得到一定數量的邊緣訓練樣本；

S12、利用數據增強算法在一定程度上擴展數據，通過一些圖像處理手段，在前景圖上添加旋轉、平移、透視變換，對復雜環境的背景圖進行了隨機的裁剪通過實驗對比生成合適寬度的邊緣線并添加該圖像到訓練集中，以此提高訓練數據集的規模。

可選地，所述步驟S2的具體過程為：

S21、所述HED邊緣檢測模型是基于FCN與VGG的改進，在VGGNet的基礎上將每一個階段的最后一個卷積層后面(分別為conv1_2，conv2_2，conv3_3，conv4_3，conv5_3)增加一個側邊輸出層side-output層，并在側邊輸出層上進行深度監督，側面輸出層被實現為具有內核大小為1和輸出數為1的卷積層；增加一個混合權重層,用來將所有的側輸出層的預測結果連接到一起，然后通過一個訓練的權重融合函數得到最終的邊緣輸出，得到一個帶有側面輸出層的FCN網絡結構即為邊緣提取網絡模型；