快递包裹信息码视觉定位与识别技术研究

发布时间：2023-11-12 18:00

　　中国快递行业的飞速发展,带来了快递时长的激烈竞争。物流包装信息的提取作为快递运营过程中的关键环节,其效率和精准度将影响快递企业的分拣成本、运营效率、服务水平以及企业的市场竞争力和未来几年发展。为了有效解在中转中心地提取物流快递包裹的信息,采用系统思维和新颖的算法对物流包装信息进行处理,同时运用视觉技术中的深度学习来定位和识别物流包装信息,以利于物流分拣工作中降低重复工作的疲劳,增加快递分拣的效率。为了更好的实现智能物流中的全自动化,首先对快递包裹的不同包装类型对分拣时的影响进行分析后,通过相关软件的调整实验,完成对倾斜的信息码进行矫后完成识读,其实用可靠性达到97.5%。获得物流快递单号信息,达到在分拣后使同一目的地的同一种类快递可以进行堆叠,减少快递占用空间,使同种类包装快递的商品得到更好的保护的目的。其次针对分拣中视觉技术中的深度学习概念进行概述,运用传统的深度学习方法对快递包裹相关数据集的进行采集并处理,通过学习后运用其进行分类定位的实验,平均精度值达到71.06%,发现无法对小目标进行很好的处理。达到可以实现快递包裹相关信息的分类及定位,为后续分拣中快递包裹的定位提供包装的目的...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状
        1.2.1 视觉技术的研究进展
        1.2.2 视觉技术在信息识别中的应用
    1.3 研究的主要内容
    1.4 论文结构
2 快递包裹信息码的分类与视觉读取技术
    2.1 物流包装形式对分拣的影响
        2.1.1 快递袋包装形式对分拣的影响
        2.1.2 瓦楞纸箱包装形式对分拣的影响
    2.2 物流快递信息码识读原理
        2.2.1 条形码
        2.2.2 二维码
    2.3 译码实现及实验分析
    2.4 本章小结
3 包装信息的视觉检测技术
    3.1 深度学习基础理论
        3.1.1 卷积神经网络与卷积层
        3.1.2 批量标准化与激活函数
        3.1.3 池化层与全连接层
        3.1.4 损失函数与误差反向传播
    3.2 实验数据收集
    3.3 包装信息的传统目标检测研究
    3.4 包装信息的深度学习检测训练
    3.5 本章小结
4 基于深度学习的包装信息视觉提取研究
    4.1 引入算法的主体框架
    4.2 检测网络的优化
    4.3 特征融合方法的优化
    4.4 损失函数的优化
    4.5 先验框尺寸的计算
    4.6 实验结果与分析
        4.6.1 数据集
        4.6.2 实验环境与模型训练
        4.6.3 评价指标与实验结果分析
    4.7 本章小结
5 物流快递包装信息采集识别界面设计
    5.1 QT开发框架介绍
    5.2 设计人机界面
    5.3 实验研究
        5.3.1 信息码测试
        5.3.2 物流快递包裹测试
    5.4 本章小结
结论
参考文献
附录
攻读学位期间发表的学术论文
致谢



本文编号：3863661