基于深度学习的条码识别算法

作     者：周为鹏 徐白 龚佳卿 朱霞 

作者机构：金陵科技学院网络与通信工程学院江苏省南京市211100 

出 版 物：《电子技术与软件工程》 (ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING)

年 卷 期：2021年第19期

页      码：184-185页

摘      要：本文根据当今物流系统中对快递面单上条形码进行识别的需要,设计了一个基于深度学习的快递单面条形码识别算法。该算法通过对摄像头采集到的原始图像进行智能处理及识别,读取出包裹的快递单号信息,并应用于高校快递智能服务系统。该算法包含条形码定位以及条形码识别两部分。为了提高算法效率,本论文采用结构最简洁,推理速度最快的Yolov5s模型来完成对条形码的定位,首先使用Yolov5s框选出条形码所在位置,输出边框选中的部分,再使用OpenCV的最小外接矩形方法得到图片的偏转角度,然后使用仿射变换对存在偏转的图像进行矫正,最后使用解码器对条形码进行解码,并以字符串的形式输出解码出的内容,实现对快递面单上条形码的定位与识别。通过真实环境下的测试得出,Yolov5s条形码检测模型的mAP值为99.67%,测试精度为93.64%,较好地达成了实验目的。

主 题 词：条码识别 Yolov5 OpenCV Zbar 

学科分类：1305[艺术学-设计学类] 12[管理学] 13[艺术学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 0804[工学-材料学] 0835[0835] 081101[081101] 0811[工学-水利类] 0812[工学-测绘类] 

馆 藏 号：203105080...