發(fā)布時間：2017-04-05 14:14

  本文關鍵詞：基于區(qū)域梯度統(tǒng)計分析與卷積神經網絡的條碼定位算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：條碼技術經過多年發(fā)展,因為其經濟、便利、可行等特點,已經在物流、零售、供應鏈管理等領域得到廣泛應用。近年來隨著智能手機和移動互聯(lián)網的普及,條碼技術也從過去單純的貨物標簽用途,轉向了更為廣闊的應用場景。在工業(yè)應用中,對基于圖像的高速、精準且具備一定魯棒性的條碼定位算法有獨特的需求。為了提高在工業(yè)場景中條碼識讀的自動化水平,圖像處理技術在條碼定位問題中得到了眾多應用。傳統(tǒng)基于圖像的定位算法主要應用現(xiàn)有的理論成果,利用圖像處理方法,從圖像中得到條碼的大致位置進行識讀。此類方法對于一般條件下的條碼有不錯效果,但是自適應程度較差,難以處理諸如尺度、模糊等變換問題。同時定位精度較粗糙,無法得到較為準確的條碼頂點信息。區(qū)別于人工的特征選取技術,深度學習技術被證明能夠學習樣本內部的統(tǒng)計規(guī)律和特征,得到超越人工特征的識別效果。本文在對現(xiàn)有算法充分調研的基礎上,對應用圖像處理和機器學習方法實現(xiàn)的條碼定位問題做了深入的研究。主要的研究內容和貢獻包括下面幾個方面:1.研究了國內外發(fā)表的主要條碼識別和定位工作。深入研究和比較了現(xiàn)有條碼識讀裝置的特點的基礎上,明確了利用數(shù)字圖像處理條碼定位問題的優(yōu)勢。在廣泛閱讀相關文獻后,對現(xiàn)有定位方法進行分類和整理,為后續(xù)工作奠定了基礎。2.針對作為研究對象的線性碼、PDF417碼、線性堆疊碼與線性PDF堆疊碼四種條碼類型,設計了使用圖像處理方法的條碼頂點定位方案。結合信息熵的計算概念,提出基于區(qū)域塊的梯度統(tǒng)計檢測。利用粗定位和有針對性設計的精確定位的兩步定位方法,在模糊、光照明暗、尺度、旋轉、位移、傾斜等八種圖像變換下實現(xiàn)平均80%的定位準確度。3.將深度學習結構引入條碼定位問題。區(qū)別于圖像方式的人工特征設計,在模型中使用學習算法自主學習出適合于表現(xiàn)樣本特性的特征。并對于PDF417碼和線性碼分別構建了包含13萬與9萬4千樣本的數(shù)據集用于訓練和測試。4.使用深度學習框架Caffe,搭建了具有兩個卷積池化層對與兩層全連接層組成的卷積神經網絡,并利用GPU的硬件加速方式,在構建的數(shù)據集下對樣本進行訓練和測試。證明了學習算法與深度網絡結構在條碼定位問題中的有效性。
【關鍵詞】：條碼定位 區(qū)域梯度統(tǒng)計 機器學習 卷積神經網絡 Caffe
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.44;TP183
【目錄】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 引言13-19
• 1.1 條碼定位算法的研究意義13-15
• 1.2 條碼識別技術的歷史和現(xiàn)狀15
• 1.3 本文的研究內容及結構安排15-18
• 1.3.1 現(xiàn)有條碼識讀裝置與研究難點分析15-17
• 1.3.2 本文主要工作17
• 1.3.3 研究內容及本文結構安排17-18
• 1.4 本章小結18-19
• 第二章 條碼定位技術概述19-29
• 2.1 一維、二維條碼特點比較19-20
• 2.2 常見條碼樣式介紹20-21
• 2.3 實驗條碼簡介21-23
• 2.3.1 線性條形碼 (Linear Code)21-22
• 2.3.2 PDF417碼 （PDF417 Code）22
• 2.3.3 線性堆疊碼（Linear×Linear code）22
• 2.3.4 線性PDF堆疊碼（Linear×PDF417 code）22-23
• 2.4 條碼定位算法概述23-24
• 2.5 條碼定位算法研究現(xiàn)狀24-28
• 2.5.1 條碼定位的時域分析法24-26
• 2.5.2 條碼定位的頻域分析方法26-28
• 2.6 本章小結28-29
• 第三章 基于圖像處理的定位算法29-51
• 3.1 基于圖像算法思路29-30
• 3.2 基于圖像算法主體流程30-31
• 3.3 圖像預處理31-33
• 3.3.1 灰度化31-32
• 3.3.2 邊緣梯度計算32-33
• 3.4 區(qū)域梯度統(tǒng)計分析33-36
• 3.5 條紋粗定位36-42
• 3.5.1 區(qū)域塊一次合并37-38
• 3.5.2 一次合并遍歷規(guī)則38-40
• 3.5.3 區(qū)域塊二次合并40-42
• 3.6 條紋精確定位42-49
• 3.6.1 線性碼43-45
• 3.6.2 PDF417碼45-47
• 3.6.3 線性堆疊碼47-48
• 3.6.4 線性PDF堆疊碼48-49
• 3.7 本章小結49-51
• 第四章 卷積神經網絡CNN51-67
• 4.1 特征學習與CNN51-53
• 4.2 神經網絡53-57
• 4.2.1 神經元模型54
• 4.2.2 神經網絡模型54-56
• 4.2.3 反向傳播算法56-57
• 4.3 深度學習網絡57-61
• 4.3.1 自編碼網絡58-59
• 4.3.2 逐層貪婪訓練59-61
• 4.4 卷積神經網絡61-66
• 4.4.1 卷積61-63
• 4.4.2 池化63-64
• 4.4.3 網絡結構64-66
• 4.5 本章小結66-67
• 第五章 深度學習框架CAFFE67-73
• 5.1 CAFFE簡介67-68
• 5.2 CAFFE特點68-69
• 5.3 現(xiàn)有學習框架比較69
• 5.4 CAFFE框架的結構69-71
• 5.4.1 Blob70
• 5.4.2 Layer70
• 5.4.3 Net70-71
• 5.5 CAFFE應用71-72
• 5.6 本章小結72-73
• 第六章 實驗結果與分析73-81
• 6.1 基于圖像處理的定位算法73-76
• 6.2 基于卷積神經網絡的定位算法76-80
• 6.2.1 實驗網絡結構76-77
• 6.2.2 PDF417碼77-78
• 6.2.3 線性碼78-80
• 6.3 本章小結80-81
• 第七章 總結與展望81-83
• 7.1 論文總結81-82
• 7.2 展望82-83
• 參考文獻83-86
• 致謝86-87
• 攻讀碩士學位期間已發(fā)表或錄用的論文87-89

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 奚君武;條碼技術與“科技興商”息息相關[J];市場與電腦;2000年07期

2 丁曉東;;條碼技術與標準化[J];大眾標準化;2001年08期

3 梁海麗;商場自動化管理與條碼技術[J];標準計量與質量;2001年06期

4 ;最新的條碼技術[J];電子質量;2002年02期

5 ;條碼技術概要[J];珠江經濟;2002年10期

6 何玉芳;淺談條碼技術的應用[J];云南財貿學院學報(社會科學版);2003年04期

7 李田;;條碼的故事[J];信息與電腦;2003年12期

8 胡坤;一切從條碼開始——條碼技術應用拉開建材行業(yè)信息化序幕[J];電子商務世界;2004年12期

9 紫梵;;條碼技術管好供應鏈[J];每周電腦報;2006年29期

10 ;條碼技術奠定手機產品質量追溯基礎[J];中國自動識別技術;2007年01期

中國重要會議論文全文數(shù)據庫 前10條

1 楊淑云;;條碼技術應用與人才需求的思考[A];2008年度標準化學術研究論文集[C];2009年

2 卞玉玲;余開朝;陳婷;;條碼技術在制造業(yè)中的應用[A];2004年中國機械工程學會年會論文集：物流工程與中國現(xiàn)代經濟——第七屆物流工程學術年會專輯[C];2004年

3 趙淑芬;;條碼技術[A];中國機械工程學會包裝與食品工程分會第三屆學術年會論文集[C];1993年

4 卞玉玲;余開朝;陳婷;;條碼技術在制造業(yè)中的應用[A];人才、創(chuàng)新與老工業(yè)基地的振興——2004年中國機械工程學會年會論文集[C];2004年

5 施t

本文編號：287152