基于快遞面單深度學習的物流分揀規(guī)劃系統(tǒng)研究
發(fā)布時間:2023-06-08 18:22
隨著物流行業(yè)的自動化程度的快速發(fā)展,快遞分揀效率要求逐漸增高,自動化分揀的前端識別效率也需要不斷的提升,目前分揀設備提取快遞信息均通過掃描單號后,根據(jù)單號對接各快遞公司總部數(shù)據(jù)庫,再返回相關快遞信息,效率難以提升,且通用性差。而實際快遞面單均為紙質(zhì)打印,面單上有詳細的分揀信息,可以直接提取信息,但其提取受影響因素較多,諸如快遞面單的褶皺,面單上的污漬以及周圍光線的不均勻等,因此針對快遞包裹實際面單的識別應用研究較少。同時,隨著分揀的形式的多樣化,模塊化輸送分揀形式將成為主流,且路徑規(guī)劃是保障其效率的關鍵,因此論文對快遞包裹的運輸做了路徑規(guī)劃方面的研究。針對以上難題,論文的研究內(nèi)容如下:1)獲取高質(zhì)量的采集圖片,方便后續(xù)的快遞面單識別分揀,論文首先就圖像采樣精度方面,依據(jù)奈奎斯特定理進行分析,得出快遞單三段碼識別所需的最小圖像采樣精度。2)依據(jù)該精度需求,搭建了基于液態(tài)變焦鏡頭的機器視覺自動識別硬件系統(tǒng),并設計由萬向輪分揀平臺、成像系統(tǒng)、自動下料機、半圓形皮帶輸送機和分揀口組成的機械裝置,滿足了規(guī)定的高度范圍內(nèi)的動態(tài)采集快遞單圖像的實驗需求。3)傳統(tǒng)機器視覺的圖像處理操作難以適應運動中的...
【文章頁數(shù)】:99 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.1.1 快遞行業(yè)發(fā)展現(xiàn)狀分析
1.1.2 快遞行業(yè)發(fā)展趨勢
1.2 物流分揀系統(tǒng)國內(nèi)外發(fā)展現(xiàn)狀
1.2.1 前端識別的現(xiàn)狀
1.2.2 快遞分揀輸送設備的發(fā)展現(xiàn)狀
1.3 本文主要研究內(nèi)容
2 快遞面單圖像采樣精度分析
2.1 圖像采集的理論基礎
2.2 快遞面單三段碼采樣精度分析
2.2.1 面單三段碼采樣分辨率分析
2.2.2 三段碼字符采樣精度確定
2.3 本章小結
3 圖像采集系統(tǒng)的硬件分析與設計
3.1 圖像采集識別系統(tǒng)框架設計
3.2 分揀機系統(tǒng)機械結構
3.3 成像系統(tǒng)的硬件選型設計
3.3.1 相機選型
3.3.2 鏡頭選型
3.4 高度檢測裝置的設計
3.5 傳送帶和成像系統(tǒng)匹配
3.6 本章小結
4 基于快遞面單三段碼區(qū)域的定位深度學習
4.1 快遞面單圖像灰度化
4.2 深度學習應用的簡介
4.2.1 人工神經(jīng)網(wǎng)絡
4.2.2 檢測算法中的常見網(wǎng)絡層
4.3 目標檢測
4.3.1 各類常見的目標檢測算法對比與總結
4.3.2 數(shù)據(jù)集的制作
4.3.3 SSD模型的應用
4.4 定位結果的傾斜矯正
4.5 本章小結
5 ResNet神經(jīng)網(wǎng)絡的三段碼字符識別
5.1 三段碼區(qū)域OCR識別前處理
5.1.1 圖像濾波處理
5.1.2 二值化分割識別
5.2 基于ResNet神經(jīng)網(wǎng)絡訓練的的三段碼識別
5.3 三段碼識別結果
5.4 快遞單三段碼自動識別測試
5.5 本章小結
6 模塊輸送系統(tǒng)的路徑規(guī)劃研究
6.1 萬向輪輸送模塊的設計
6.1.1 萬向輪的機械結構
6.1.2 萬向輪動力源——步進電機的分析
6.1.3 直齒錐齒輪的設計
6.2 貝塞爾曲線
6.3 貝塞爾曲線數(shù)學表示
6.4 萬向輪軌跡規(guī)劃控制
6.5 本章小結
7 總結與展望
7.1 總結
7.2 展望
參考文獻
致謝
作者簡介及攻讀碩士期間的研究成果
本文編號:3832257
【文章頁數(shù)】:99 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.1.1 快遞行業(yè)發(fā)展現(xiàn)狀分析
1.1.2 快遞行業(yè)發(fā)展趨勢
1.2 物流分揀系統(tǒng)國內(nèi)外發(fā)展現(xiàn)狀
1.2.1 前端識別的現(xiàn)狀
1.2.2 快遞分揀輸送設備的發(fā)展現(xiàn)狀
1.3 本文主要研究內(nèi)容
2 快遞面單圖像采樣精度分析
2.1 圖像采集的理論基礎
2.2 快遞面單三段碼采樣精度分析
2.2.1 面單三段碼采樣分辨率分析
2.2.2 三段碼字符采樣精度確定
2.3 本章小結
3 圖像采集系統(tǒng)的硬件分析與設計
3.1 圖像采集識別系統(tǒng)框架設計
3.2 分揀機系統(tǒng)機械結構
3.3 成像系統(tǒng)的硬件選型設計
3.3.1 相機選型
3.3.2 鏡頭選型
3.4 高度檢測裝置的設計
3.5 傳送帶和成像系統(tǒng)匹配
3.6 本章小結
4 基于快遞面單三段碼區(qū)域的定位深度學習
4.1 快遞面單圖像灰度化
4.2 深度學習應用的簡介
4.2.1 人工神經(jīng)網(wǎng)絡
4.2.2 檢測算法中的常見網(wǎng)絡層
4.3 目標檢測
4.3.1 各類常見的目標檢測算法對比與總結
4.3.2 數(shù)據(jù)集的制作
4.3.3 SSD模型的應用
4.4 定位結果的傾斜矯正
4.5 本章小結
5 ResNet神經(jīng)網(wǎng)絡的三段碼字符識別
5.1 三段碼區(qū)域OCR識別前處理
5.1.1 圖像濾波處理
5.1.2 二值化分割識別
5.2 基于ResNet神經(jīng)網(wǎng)絡訓練的的三段碼識別
5.3 三段碼識別結果
5.4 快遞單三段碼自動識別測試
5.5 本章小結
6 模塊輸送系統(tǒng)的路徑規(guī)劃研究
6.1 萬向輪輸送模塊的設計
6.1.1 萬向輪的機械結構
6.1.2 萬向輪動力源——步進電機的分析
6.1.3 直齒錐齒輪的設計
6.2 貝塞爾曲線
6.3 貝塞爾曲線數(shù)學表示
6.4 萬向輪軌跡規(guī)劃控制
6.5 本章小結
7 總結與展望
7.1 總結
7.2 展望
參考文獻
致謝
作者簡介及攻讀碩士期間的研究成果
本文編號:3832257
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/3832257.html
最近更新
教材專著