現(xiàn)存的噴碼檢測(cè)系統(tǒng)大多基于工控PC電腦實(shí)現(xiàn),其在價(jià)格、體積、功耗、靈活性等方面存在著較大的局限性。為此,設(shè)計(jì)了一種基于Qt與Arm NN的嵌入式噴碼檢測(cè)系統(tǒng),該系統(tǒng)的核心處理器采用Arm cortex-a9,搭載配置有相關(guān)軟件工具的嵌入式linux操作系統(tǒng),采用位置檢測(cè)算法來(lái)實(shí)現(xiàn)軟件檢測(cè)待測(cè)目標(biāo)的位置,通過(guò)由圖像預(yù)處理、噴碼區(qū)域提取、條形碼識(shí)別、字符子串分割、基于卷積神經(jīng)網(wǎng)絡(luò)及caffe框架的噴碼字符識(shí)別模型訓(xùn)練、利用Arm NN將識(shí)別模型引入到ARM端實(shí)現(xiàn)噴碼字符識(shí)別、識(shí)別結(jié)果處理等過(guò)程組成的噴碼檢測(cè)算法來(lái)實(shí)現(xiàn)對(duì)噴碼內(nèi)容的檢測(cè)。該系統(tǒng)還基于Qt多線程技術(shù)開(kāi)發(fā)了具有完善系統(tǒng)功能的圖形應(yīng)用程序,便于現(xiàn)場(chǎng)生產(chǎn)人員使用。經(jīng)相關(guān)測(cè)試表明該系統(tǒng)有效可行、正檢率高,能夠滿足包裝生產(chǎn)流水線噴碼檢測(cè)的實(shí)際需求。 

【文章來(lái)源】：計(jì)算技術(shù)與自動(dòng)化. 2020,39(01)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖９?Ｑｔ多線程雇滿程序揚(yáng)．．構(gòu)??４系統(tǒng)功能實(shí)現(xiàn)及應(yīng)用測(cè)試??

／２ｉ，?５／２ｉ］…［２ｉ－３／??２ｉ?ｔ２ｉ－ｌ／２ｉ博區(qū)間內(nèi)分別尋找該Ｋ間內(nèi)列黑像素?cái)?shù)??點(diǎn)和最少的列，將其視作Ｋ間內(nèi)相鄰粘連字翁的＃??際分割列ｔ再使用Ｈ０Ｉ提取實(shí)際分割區(qū)域以聱成??分割《效果如西６（ｂ）所示。??２０１８１１０９??ｆ＿ａ）噴碼手串的全局與局部自ｉｉｓ應(yīng)二值：化數(shù)幕??６３１８０６１２１??（ｂ．）粘連．噴碼子串分割錄＊??圖６字符子＿分爾??３．２．２．４噴瑪字符識(shí)別模型訓(xùn)鍊??在大量生產(chǎn)的過(guò)程中，、難免地會(huì)產(chǎn)生規(guī)整性較??產(chǎn)的噴碼字符，如圖７．所示。??圖７規(guī)整性翁差的噴碼專符??相對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)，卷積神齄網(wǎng)絡(luò)不＿手??動(dòng)或使用特征提取算法來(lái)進(jìn)行特征提取，而是趙多??個(gè)不詞的卷積核在訓(xùn)練階段就完成了特征提取及??抽象。此外■，由于其采用了局部連接、權(quán)值共享、下??采樣層等能大幅降低參數(shù)總量的特性，能夠在參數(shù)??量可接受的情況下加＇深網(wǎng)絡(luò)層數(shù)，使得網(wǎng)絡(luò)整體的??表達(dá)能力更強(qiáng)，實(shí)現(xiàn)更好的孛習(xí)效果。Ｌｅ％ｔ基一??種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，Ｓ麗在手寫(xiě)數(shù)字?jǐn)?shù)??據(jù)集Ｍｎｉｓｔ上取得的優(yōu)異的識(shí)別效果，所以我們祖??Ｉｅａｅｔ－５網(wǎng)絡(luò)的義上作出調(diào)整＿于噴碼字符的??識(shí)別：根據(jù)分割后噴碼字符的縱橫比，將輸入層數(shù)??據(jù)尺寸改為３２＊?１６ａ這樣可以減少形變丟失特征信??皋也減少了參數(shù)量＊加快了網(wǎng)路訓(xùn)練及推理的速??度ｐ此外，池化屢的池化方式改掲最大值池化，激活??函數(shù)改用ＰＲｅＬＵ?—函數(shù)，輸出層的分類器改用??Ｓｔｒｆｔｎｉａｓｒ：厲處＿．分類＿難。調(diào)整后ｌｅｕｅｆ網(wǎng)絡(luò)．結(jié)：物如虜??８．所示。寬中，由于標(biāo)準(zhǔn)ＲＥＬＵ函數(shù)在諷綠過(guò)釋中??可能出現(xiàn)部分神經(jīng)元＂壞死”現(xiàn)象，ＰＲｅ

出ｅ??率個(gè)檢挪“主要用于蘋(píng)個(gè)紙箱檢測(cè)、自動(dòng)檢測(cè)模??式下的遺漏復(fù)檢、檢測(cè)本地紙箱噴碼懷片等需求，??查詢模塊分為屬性查詢與統(tǒng)計(jì)查詢．系統(tǒng)會(huì)將??毎次識(shí)別的紙箱信息自動(dòng)保存到本地?cái)?shù)據(jù)庫(kù)。屬性??查寬胺照檢測(cè)日期、紙箱序列號(hào)、檢測(cè)編號(hào)、型號(hào)容??量、是否成功等屬性來(lái)查詢某條檢測(cè)記錄。如圖所??示ａ而統(tǒng)計(jì)查詢可以進(jìn)行設(shè)定首尾０期內(nèi)的檢測(cè)的??成功率，著號(hào)、容曇檢測(cè)數(shù)奮的統(tǒng)計(jì)＿??調(diào)試稹塊可以實(shí)時(shí)顯示檢側(cè)算法各步驟運(yùn)行??的結(jié)果以及對(duì)一ｇ步驟的參數(shù)進(jìn)行調(diào)整。系統(tǒng)整體??的軟件功如圖１０所示。??圖１０系統(tǒng)軟件功能圖??４．２系統(tǒng)應(yīng)用測(cè)試??分別在６組不同．型號(hào)、容瀵的包裝紙箱進(jìn)行生??產(chǎn)時(shí)，調(diào)：節(jié)好對(duì)應(yīng)的相機(jī)距離ｔ讓系統(tǒng)進(jìn)人自動(dòng)檢??測(cè)模式進(jìn)行持續(xù)麵試，當(dāng)系統(tǒng)識(shí)別異常報(bào)警ｆｔ進(jìn)??行人工復(fù)檢，確認(rèn)該紙箱噴碼是否噴印異常Ｖ最后??依據(jù)公式（５）統(tǒng)計(jì)得出系統(tǒng)的正檢率。統(tǒng)計(jì)結(jié)果如??讓：２所ｓｆ＃??正檢率＝（１?－??識(shí)別異常－確認(rèn)異常??檢測(cè)總數(shù)??ｘ?１００％??（５）??測(cè)試結(jié)果基本達(dá)到了系統(tǒng)預(yù)設(shè)的指標(biāo)，表明本．??系統(tǒng)＿生產(chǎn)線上運(yùn)轉(zhuǎn)良好，能實(shí)現(xiàn)對(duì)多種型號(hào)、容??董下的紙箱噴碼檢測(cè)。??表２系統(tǒng)運(yùn)行正檢率??組別??產(chǎn)品??型號(hào)??容量??檢測(cè)??總數(shù)??識(shí)別??成功??識(shí)別??異常??人工確??認(rèn)異常??雜率??１??５Ｓ１１??５Ｌ??５３５??５２１??１４??５??９８．３％??２??５Ｄ１１??５Ｌ??５３７??５３０??７??３??９９．２％??３??Ｓ１１??１０Ｌ??４１８??４１２??９??３??９８．５％??４??Ｄ１１??１０Ｌ??４０２??３９６??６??１??９８．７％??

【參考文獻(xiàn)】：
期刊論文
[1]基于Caffe深度學(xué)習(xí)框架的車牌數(shù)字字符識(shí)別算法研究[J]. 歐先鋒,向燦群,郭龍?jiān)?涂兵,吳健輝,張國(guó)云.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究[J]. 劉海龍,李寶安,呂學(xué)強(qiáng),黃躍.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[3]基于Zbar條形碼圖像識(shí)別的實(shí)現(xiàn)[J]. 吳兆林.  數(shù)字技術(shù)與應(yīng)用. 2016(08)
[4]基于ARM920T的嵌入式圖像處理平臺(tái)搭建及應(yīng)用[J]. 姚宇樂(lè),陳強(qiáng),張九衛(wèi),徐晨峰.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(07)
[5]基于機(jī)器視覺(jué)的寬厚板噴碼自動(dòng)識(shí)別系統(tǒng)[J]. 李潘,吳少波,王麗娜,潘秋娟.  冶金自動(dòng)化. 2013(04)

碩士論文
[1]車牌識(shí)別算法及其在QT平臺(tái)上的實(shí)現(xiàn)[D]. 張慶.北方工業(yè)大學(xué) 2017



本文編號(hào)：2996243