本文關(guān)鍵詞：基于改進(jìn)AdaBoost算法的倉庫智能分揀系統(tǒng)設(shè)計，由筆耕文化傳播整理發(fā)布。

【摘要】：本課題以西安科技大學(xué)自動物流系統(tǒng)為平臺,設(shè)計并制作了基于數(shù)字圖像條碼識別技術(shù)的貨物分揀系統(tǒng)。針對傳統(tǒng)條碼識別器受讀取距離和條碼形變等因素影響較大的缺點，，提出一種基于決策樹和AdaBoost算法融合的圖像條碼識別方法。通過Matlab對算法進(jìn)行仿真驗證，進(jìn)而在ARM Cortex M3上實現(xiàn)了對條碼圖像的采集、處理和識別。實驗證明，該算法在容錯性、響應(yīng)速度和對條碼識別的通用性都有很大提升。針對現(xiàn)有的物流系統(tǒng)在運行過程中不能自動分揀貨物，設(shè)計了一種基于數(shù)字圖像條碼識別技術(shù)的貨物分揀系統(tǒng)，該系統(tǒng)能根據(jù)來貨的條碼為貨物分配庫位，并記錄入庫貨物的數(shù)量，借助短信可以全天候向倉庫管理人員反饋倉庫貨物存儲信息。分揀系統(tǒng)的加入，極大方便了倉庫管理和運營。 本論文介紹和分析了本校的自動物流系統(tǒng)的各個結(jié)構(gòu)模塊，介紹了物流系統(tǒng)的運行原理，進(jìn)而闡述了加入自動分揀系統(tǒng)的必要性。接著分析了自動分檢系統(tǒng)的可行性，提出了實現(xiàn)該分檢系統(tǒng)的軟件和硬件可行方案。 本課題以Code39碼為例，分析了該條碼的編碼結(jié)構(gòu)，根據(jù)其特點建立了特征向量空間。提出了基于改進(jìn)AdaBoost算法的條碼識別方法，并將其應(yīng)用于貨物智能分揀系統(tǒng)中。通過Matlab對改進(jìn)后的AdaBoost算法對條碼的識別效果進(jìn)行了驗證。 在驗證基于改進(jìn)AdaBoost算法的貨物分揀方法的可行性后，將其移植入以ARMCortex M3為核心的硬件平臺中，并運用uC/OSII實時操作系統(tǒng)調(diào)度各個功能模塊的動作，通過調(diào)試和實驗檢驗了算法的效果。為了能夠讓自動分揀系統(tǒng)全天候向用戶反饋倉庫信息，分檢系統(tǒng)加入了短信收發(fā)模塊，并定義了相關(guān)的通信協(xié)議幀，使得用戶能在任何有手機(jī)信號覆蓋的地方查詢庫存。 經(jīng)過大量的實驗和測試，該系統(tǒng)能夠準(zhǔn)確識別和分揀貨物并能記錄每種貨物的庫存。同時可以響應(yīng)任意一種手機(jī)的短信查詢命令，并向用戶返回當(dāng)前庫存的準(zhǔn)確信息，為倉庫的管理和決策提供保障。
【關(guān)鍵詞】：分揀系統(tǒng) 條碼識別 AdaBoost 決策樹 分類器 uC/OSII
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH692.3
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 1 緒論9-13
• 1.1 課題研究背景及意義9-10
• 1.2 本課題國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-11
• 1.3 本文的主要工作及內(nèi)容安排11-13
• 1.3.1 主要研究內(nèi)容與創(chuàng)新點11-12
• 1.3.2 論文章節(jié)安排12-13
• 2 自動化物流系統(tǒng)硬件介紹及設(shè)計方案分析13-25
• 2.1 自動化物流系統(tǒng)介紹13-20
• 2.1.1 自動立體倉庫14-16
• 2.1.2 混合式流水線16-19
• 2.1.3 物流系統(tǒng)控制網(wǎng)絡(luò)19-20
• 2.2 自動分揀系統(tǒng)方案設(shè)計20-24
• 2.2.1 圖像處理技術(shù)及貨物自動識別21-22
• 2.2.2 系統(tǒng)硬件及軟件設(shè)計方案22-24
• 2.3 本章小結(jié)24-25
• 3 自動貨物分揀方法25-42
• 3.1 條碼的分類及其介紹25-27
• 3.2 條碼的識別方法與分析27-29
• 3.2.1 傳統(tǒng)條碼掃描器28
• 3.2.2 基于數(shù)字圖像技術(shù)的讀碼器28-29
• 3.3 ADABOOST多類分類算法設(shè)計29-34
• 3.3.1 ADABOOST算法介紹29-30
• 3.3.2 對 ADABOOST算法的改進(jìn)設(shè)計30-34
• 3.4 基于改進(jìn)的 ADABOOST算法條碼識別設(shè)計34-40
• 3.4.1 條碼圖像預(yù)處理34-35
• 3.4.2 條碼圖像分割和特征提取35-36
• 3.4.3 條碼分類器設(shè)計及訓(xùn)練36-38
• 3.4.4 實驗結(jié)果38-40
• 3.5 本章小結(jié)40-42
• 4 自動分揀系統(tǒng)的硬件設(shè)計42-66
• 4.1 處理器介紹43-52
• 4.1.1 ARM 處理器43
• 4.1.2 STM32F103VET6 體系結(jié)構(gòu)43-48
• 4.1.3 STM32F103VET6 最小系統(tǒng)48-50
• 4.1.4 通用輸入輸出 GPIO50-52
• 4.2 攝像頭模塊52-57
• 4.2.1 OV7670 圖像傳感器52-53
• 4.2.2 I2C 接口與 SCCB53-55
• 4.2.3 OV7670 圖像輸出接口55-56
• 4.2.4 圖像數(shù)據(jù)緩存 FIFO56-57
• 4.3 TFT 彩色液晶觸摸屏57-62
• 4.3.1 液晶屏控制時序57-58
• 4.3.2 電阻式觸控面板58-60
• 4.3.3 SPI 接口60-62
• 4.4 GPRS 模塊62-64
• 4.4.1 GTM900 介紹62-63
• 4.4.2 USART 接口63-64
• 4.5 上位工控機(jī) RS485 通信64
• 4.6 本章小結(jié)64-66
• 5 自動分揀系統(tǒng)的軟件設(shè)計66-78
• 5.1 UC/OSII 介紹66-69
• 5.2 自動分揀系統(tǒng)任務(wù)設(shè)計69-76
• 5.2.1 主函數(shù)和用戶總?cè)蝿?wù)設(shè)計70-71
• 5.2.2 攝像頭圖像讀取任務(wù)71-72
• 5.2.3 條碼識別任務(wù)72-73
• 5.2.4 GPRS 命令解析任務(wù)73-75
• 5.2.5 上位機(jī)通信任務(wù)75-76
• 5.3 本章小結(jié)76-78
• 6 實驗結(jié)果78-81
• 6.1 系統(tǒng)開發(fā)環(huán)境78
• 6.2 實驗結(jié)果78-80
• 6.3 本章小結(jié)80-81
• 7 結(jié)論及展望81-82
• 7.1 結(jié)論81
• 7.2 展望81-82
• 致謝82-83
• 參考文獻(xiàn)83-86
• 附錄86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 談蓉蓉;;基于支持向量機(jī)分類的圖像識別研究[J];安徽農(nóng)業(yè)科學(xué);2010年26期

2 王保云;;物聯(lián)網(wǎng)技術(shù)研究綜述[J];電子測量與儀器學(xué)報;2009年12期

3 陳媛媛;施鵬飛;;二維條形碼的識別及應(yīng)用[J];測控技術(shù);2006年12期

4 吳佳鵬;楊兆選;韓東;白卓夫;蘇育挺;;基于小波和Otsu法的二維條碼圖像二值化[J];計算機(jī)工程;2010年10期

5 霍紅文;封舉富;;基于多類在線Boosting的圖像識別算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2011年07期

6 孔令平;馮益華;姚來鳳;衍廷強;;射頻識別技術(shù)在自動倉儲系統(tǒng)中的應(yīng)用[J];機(jī)械工程師;2008年08期

7 張志偉;孔凡讓;趙吉文;何清波;吳增榮;;對弈機(jī)器人的視覺圖像處理和識別[J];計算機(jī)應(yīng)用與軟件;2008年02期

8 孫堅偉;王汝笠;;改進(jìn)的MOPs圖像匹配算法[J];科學(xué)技術(shù)與工程;2006年21期

9 劉寧鐘;楊靜宇;楊健;;綜合利用投影算法和相似距離算法的二維條碼識別[J];模式識別與人工智能;2003年01期

10 宋建軍;王君;;立體倉庫控制系統(tǒng)關(guān)鍵技術(shù)[J];起重運輸機(jī)械;2009年02期

  本文關(guān)鍵詞：基于改進(jìn)AdaBoost算法的倉庫智能分揀系統(tǒng)設(shè)計，由筆耕文化傳播整理發(fā)布。

本文編號：361799