基于快递面单深度学习的物流分拣规划系统研究

发布时间：2023-06-08 18:22

　　随着物流行业的自动化程度的快速发展,快递分拣效率要求逐渐增高,自动化分拣的前端识别效率也需要不断的提升,目前分拣设备提取快递信息均通过扫描单号后,根据单号对接各快递公司总部数据库,再返回相关快递信息,效率难以提升,且通用性差。而实际快递面单均为纸质打印,面单上有详细的分拣信息,可以直接提取信息,但其提取受影响因素较多,诸如快递面单的褶皱,面单上的污渍以及周围光线的不均匀等,因此针对快递包裹实际面单的识别应用研究较少。同时,随着分拣的形式的多样化,模块化输送分拣形式将成为主流,且路径规划是保障其效率的关键,因此论文对快递包裹的运输做了路径规划方面的研究。针对以上难题,论文的研究内容如下:1)获取高质量的采集图片,方便后续的快递面单识别分拣,论文首先就图像采样精度方面,依据奈奎斯特定理进行分析,得出快递单三段码识别所需的最小图像采样精度。2)依据该精度需求,搭建了基于液态变焦镜头的机器视觉自动识别硬件系统,并设计由万向轮分拣平台、成像系统、自动下料机、半圆形皮带输送机和分拣口组成的机械装置,满足了规定的高度范围内的动态采集快递单图像的实验需求。3)传统机器视觉的图像处理操作难以适应运动中的...

【文章页数】：99 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
        1.1.1 快递行业发展现状分析
        1.1.2 快递行业发展趋势
    1.2 物流分拣系统国内外发展现状
        1.2.1 前端识别的现状
        1.2.2 快递分拣输送设备的发展现状
    1.3 本文主要研究内容
2 快递面单图像采样精度分析
    2.1 图像采集的理论基础
    2.2 快递面单三段码采样精度分析
        2.2.1 面单三段码采样分辨率分析
        2.2.2 三段码字符采样精度确定
    2.3 本章小结
3 图像采集系统的硬件分析与设计
    3.1 图像采集识别系统框架设计
    3.2 分拣机系统机械结构
    3.3 成像系统的硬件选型设计
        3.3.1 相机选型
        3.3.2 镜头选型
    3.4 高度检测装置的设计
    3.5 传送带和成像系统匹配
    3.6 本章小结
4 基于快递面单三段码区域的定位深度学习
    4.1 快递面单图像灰度化
    4.2 深度学习应用的简介
        4.2.1 人工神经网络
        4.2.2 检测算法中的常见网络层
    4.3 目标检测
        4.3.1 各类常见的目标检测算法对比与总结
        4.3.2 数据集的制作
        4.3.3 SSD模型的应用
    4.4 定位结果的倾斜矫正
    4.5 本章小结
5 ResNet神经网络的三段码字符识别
    5.1 三段码区域OCR识别前处理
        5.1.1 图像滤波处理
        5.1.2 二值化分割识别
    5.2 基于ResNet神经网络训练的的三段码识别
    5.3 三段码识别结果
    5.4 快递单三段码自动识别测试
    5.5 本章小结
6 模块输送系统的路径规划研究
    6.1 万向轮输送模块的设计
        6.1.1 万向轮的机械结构
        6.1.2 万向轮动力源——步进电机的分析
        6.1.3 直齿锥齿轮的设计
    6.2 贝塞尔曲线
    6.3 贝塞尔曲线数学表示
    6.4 万向轮轨迹规划控制
    6.5 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢
作者简介及攻读硕士期间的研究成果



本文编号：3832257