基于区域梯度统计分析与卷积神经网络的条码定位算法研究

发布时间:2017-04-05 14:14

  本文关键词:基于区域梯度统计分析与卷积神经网络的条码定位算法研究,,由笔耕文化传播整理发布。


【摘要】:条码技术经过多年发展,因为其经济、便利、可行等特点,已经在物流、零售、供应链管理等领域得到广泛应用。近年来随着智能手机和移动互联网的普及,条码技术也从过去单纯的货物标签用途,转向了更为广阔的应用场景。在工业应用中,对基于图像的高速、精准且具备一定鲁棒性的条码定位算法有独特的需求。为了提高在工业场景中条码识读的自动化水平,图像处理技术在条码定位问题中得到了众多应用。传统基于图像的定位算法主要应用现有的理论成果,利用图像处理方法,从图像中得到条码的大致位置进行识读。此类方法对于一般条件下的条码有不错效果,但是自适应程度较差,难以处理诸如尺度、模糊等变换问题。同时定位精度较粗糙,无法得到较为准确的条码顶点信息。区别于人工的特征选取技术,深度学习技术被证明能够学习样本内部的统计规律和特征,得到超越人工特征的识别效果。本文在对现有算法充分调研的基础上,对应用图像处理和机器学习方法实现的条码定位问题做了深入的研究。主要的研究内容和贡献包括下面几个方面:1.研究了国内外发表的主要条码识别和定位工作。深入研究和比较了现有条码识读装置的特点的基础上,明确了利用数字图像处理条码定位问题的优势。在广泛阅读相关文献后,对现有定位方法进行分类和整理,为后续工作奠定了基础。2.针对作为研究对象的线性码、PDF417码、线性堆叠码与线性PDF堆叠码四种条码类型,设计了使用图像处理方法的条码顶点定位方案。结合信息熵的计算概念,提出基于区域块的梯度统计检测。利用粗定位和有针对性设计的精确定位的两步定位方法,在模糊、光照明暗、尺度、旋转、位移、倾斜等八种图像变换下实现平均80%的定位准确度。3.将深度学习结构引入条码定位问题。区别于图像方式的人工特征设计,在模型中使用学习算法自主学习出适合于表现样本特性的特征。并对于PDF417码和线性码分别构建了包含13万与9万4千样本的数据集用于训练和测试。4.使用深度学习框架Caffe,搭建了具有两个卷积池化层对与两层全连接层组成的卷积神经网络,并利用GPU的硬件加速方式,在构建的数据集下对样本进行训练和测试。证明了学习算法与深度网络结构在条码定位问题中的有效性。
【关键词】:条码定位 区域梯度统计 机器学习 卷积神经网络 Caffe
【学位授予单位】:上海交通大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.44;TP183
【目录】:
  • 摘要3-5
  • ABSTRACT5-13
  • 第一章 引言13-19
  • 1.1 条码定位算法的研究意义13-15
  • 1.2 条码识别技术的历史和现状15
  • 1.3 本文的研究内容及结构安排15-18
  • 1.3.1 现有条码识读装置与研究难点分析15-17
  • 1.3.2 本文主要工作17
  • 1.3.3 研究内容及本文结构安排17-18
  • 1.4 本章小结18-19
  • 第二章 条码定位技术概述19-29
  • 2.1 一维、二维条码特点比较19-20
  • 2.2 常见条码样式介绍20-21
  • 2.3 实验条码简介21-23
  • 2.3.1 线性条形码 (Linear Code)21-22
  • 2.3.2 PDF417码 (PDF417 Code)22
  • 2.3.3 线性堆叠码(Linear×Linear code)22
  • 2.3.4 线性PDF堆叠码(Linear×PDF417 code)22-23
  • 2.4 条码定位算法概述23-24
  • 2.5 条码定位算法研究现状24-28
  • 2.5.1 条码定位的时域分析法24-26
  • 2.5.2 条码定位的频域分析方法26-28
  • 2.6 本章小结28-29
  • 第三章 基于图像处理的定位算法29-51
  • 3.1 基于图像算法思路29-30
  • 3.2 基于图像算法主体流程30-31
  • 3.3 图像预处理31-33
  • 3.3.1 灰度化31-32
  • 3.3.2 边缘梯度计算32-33
  • 3.4 区域梯度统计分析33-36
  • 3.5 条纹粗定位36-42
  • 3.5.1 区域块一次合并37-38
  • 3.5.2 一次合并遍历规则38-40
  • 3.5.3 区域块二次合并40-42
  • 3.6 条纹精确定位42-49
  • 3.6.1 线性码43-45
  • 3.6.2 PDF417码45-47
  • 3.6.3 线性堆叠码47-48
  • 3.6.4 线性PDF堆叠码48-49
  • 3.7 本章小结49-51
  • 第四章 卷积神经网络CNN51-67
  • 4.1 特征学习与CNN51-53
  • 4.2 神经网络53-57
  • 4.2.1 神经元模型54
  • 4.2.2 神经网络模型54-56
  • 4.2.3 反向传播算法56-57
  • 4.3 深度学习网络57-61
  • 4.3.1 自编码网络58-59
  • 4.3.2 逐层贪婪训练59-61
  • 4.4 卷积神经网络61-66
  • 4.4.1 卷积61-63
  • 4.4.2 池化63-64
  • 4.4.3 网络结构64-66
  • 4.5 本章小结66-67
  • 第五章 深度学习框架CAFFE67-73
  • 5.1 CAFFE简介67-68
  • 5.2 CAFFE特点68-69
  • 5.3 现有学习框架比较69
  • 5.4 CAFFE框架的结构69-71
  • 5.4.1 Blob70
  • 5.4.2 Layer70
  • 5.4.3 Net70-71
  • 5.5 CAFFE应用71-72
  • 5.6 本章小结72-73
  • 第六章 实验结果与分析73-81
  • 6.1 基于图像处理的定位算法73-76
  • 6.2 基于卷积神经网络的定位算法76-80
  • 6.2.1 实验网络结构76-77
  • 6.2.2 PDF417码77-78
  • 6.2.3 线性码78-80
  • 6.3 本章小结80-81
  • 第七章 总结与展望81-83
  • 7.1 论文总结81-82
  • 7.2 展望82-83
  • 参考文献83-86
  • 致谢86-87
  • 攻读硕士学位期间已发表或录用的论文87-89

【相似文献】

中国期刊全文数据库 前10条

1 奚君武;条码技术与“科技兴商”息息相关[J];市场与电脑;2000年07期

2 丁晓东;;条码技术与标准化[J];大众标准化;2001年08期

3 梁海丽;商场自动化管理与条码技术[J];标准计量与质量;2001年06期

4 ;最新的条码技术[J];电子质量;2002年02期

5 ;条码技术概要[J];珠江经济;2002年10期

6 何玉芳;浅谈条码技术的应用[J];云南财贸学院学报(社会科学版);2003年04期

7 李田;;条码的故事[J];信息与电脑;2003年12期

8 胡坤;一切从条码开始——条码技术应用拉开建材行业信息化序幕[J];电子商务世界;2004年12期

9 紫梵;;条码技术管好供应链[J];每周电脑报;2006年29期

10 ;条码技术奠定手机产品质量追溯基础[J];中国自动识别技术;2007年01期

中国重要会议论文全文数据库 前10条

1 杨淑云;;条码技术应用与人才需求的思考[A];2008年度标准化学术研究论文集[C];2009年

2 卞玉玲;余开朝;陈婷;;条码技术在制造业中的应用[A];2004年中国机械工程学会年会论文集:物流工程与中国现代经济——第七届物流工程学术年会专辑[C];2004年

3 赵淑芬;;条码技术[A];中国机械工程学会包装与食品工程分会第三届学术年会论文集[C];1993年

4 卞玉玲;余开朝;陈婷;;条码技术在制造业中的应用[A];人才、创新与老工业基地的振兴——2004年中国机械工程学会年会论文集[C];2004年

5 施t

本文编号:287152


资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/287152.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b88d9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com