一種基于人工智能的條碼識別方法、裝置和存儲介質制造方法及圖紙

本申請提供了一種基于人工智能的條碼識別方法，包括：確定條碼圖像中的條碼區域圖像；將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；識別每個所述子條碼圖像對應的字符類別；確定所述字符類別對應的編碼字符；本申請實施例還提供一種條碼識別裝置和存儲介質，通過本申請實施例提供的條碼識別方法、裝置和存儲介質，可以提升條碼識別的準確率。

【技術實現步驟摘要】
一種基于人工智能的條碼識別方法、裝置和存儲介質
本申請涉及圖像識別
，尤其涉及一種基于人工智能的條碼識別方法、裝置及存儲介質。
技術介紹
條碼是由寬度不同、反射率不同的條（黑色）和空（白色）組成，按照特定的編碼規則編制，用來表達一組數字、字母信息的條形標識符。條碼包括輸入速度快、可靠性高、采集信息量大和靈活實用等優點。然而，在條碼發生破損、模糊或褶皺等情況下，會造成識別的準確率下降，因此，如何提升條碼識別的準確率，是需要解決的技術問題。
技術實現思路
本申請提供一種基于人工智能的條碼識別方法、裝置及存儲介質，以至少解決現有技術中存在的以上技術問題。本申請第一方面提供一種基于人工智能的條碼識別方法，包括：確定條碼圖像中的條碼區域圖像；將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；識別每個所述子條碼圖像對應的字符類別；確定所述字符類別對應的編碼字符。上述方案中，所述基于所述條碼區域將所述條碼圖像劃分為至少兩個子條碼圖像包括：確定所述條碼圖像中條碼字符的分隔位置；基于所述分隔位置，將所述條碼圖像劃分為多個條碼區域；確定每個條碼區域對應的圖像為所述子條碼圖像。上述方案中，所述子條碼圖像基于子條碼模型確定，在基于所述條碼區域將所述條碼圖像劃分為至少兩個子條碼圖像之前，所述方法還包括：獲取條碼圖像訓練樣本和所述條碼圖像訓練樣本對應的子條碼圖像訓練樣本標簽；確定所述條碼圖像訓練樣本中條碼字符樣本的分隔位置；所述子條碼模型包括的第一隱藏層基于所述條碼字符樣本的分隔位置，將所述條碼圖像訓練樣本劃分為多個條碼區域樣本；通過所述子條碼模型包括的第二隱藏層確定每個條碼區域樣本對應的圖像樣本為所述子條碼圖像訓練樣本；獲取所確定的子條碼圖像訓練樣本與所述子條碼圖像訓練樣本標簽之間的差異，并基于所述差異更新所述子條碼模型的模型參數。上述方案中，所述基于所述差異更新所述子條碼模型的模型參數之后，所述方法還包括：獲取條碼圖像測試樣本，及所述條碼圖像測試樣本對應的子條碼圖像測試樣本；將所述條碼圖像測試樣本作為所述子條碼模型的輸入，得到子條碼圖像預測樣本；判斷所述子條碼圖像測試樣本與所述子條碼圖像預測樣本是否一致；若確定所述子條碼圖像測試樣本與所述子條碼圖像預測樣本不一致，則基于所述子條碼圖像測試樣本與所述子條碼圖像預測樣本之間的差異更新所述條碼圖像訓練樣本中，各子條碼圖像訓練樣本的分布；基于更新后的子條碼圖像訓練樣本更新所述子條碼模型的模型參數。上述方案中，所述識別每個所述子條碼圖像對應的字符類別，包括：提取所述每個子條碼圖像的特征向量；對所述每個子條碼圖像的特征向量進行降維處理，得到所述每個子條碼圖像對應的字符類別。上述方案中，每個所述子條碼圖像對應的字符類別基于字符類別模型確定；所述識別每個所述子條碼圖像對應的字符類別之前，所述方法還包括：獲取條碼圖像訓練樣本以及所述條碼圖像訓練樣本對應的字符類別樣本標簽；通過所述字符類別模型包括的特征提取層提取所述條碼圖像訓練樣本的特征向量；對所述條碼圖像訓練樣本的特征向量進行降維處理，得到所述條碼圖像訓練樣本的特征向量對應的字符類別標簽；獲取所得到的字符類別標簽與所述字符類別樣本標簽之間的差異，并基于所述差異更新所述字符類別模型的模型參數。上述方案中，所述基于所述差異更新所述字符類別模型的模型參數之后，所述方法還包括：獲取條碼圖像測試樣本，及所述條碼圖像測試樣本對應的字符類別測試樣本標簽；將所述條碼圖像測試樣本作為所述字符類別模型的輸入，得到字符類別預測樣本標簽；判斷所述字符類別測試樣本標簽與所述字符類別預測樣本標簽是否一致；若確定所述字符類別測試樣本標簽與所述字符類別預測樣本標簽不一致，則基于所述字符類別測試樣本標簽與所述字符類別預測樣本標簽之間的差異更新所述條碼圖像測試樣本中，各字符類別測試樣本標簽的分布；基于更新后的條碼圖像測試樣本更新所述字符類別模型的模型參數。上述方案中，所述確定條碼圖像中的條碼區域圖像包括：定位所述條碼圖像中條碼所在的區域；提取所述區域中的條碼區域圖像。上述方案中，所述確定所述字符類別對應的編碼字符包括：基于所述條碼圖像包括的第一個子條碼圖像的字符類別，確定所述條碼圖像的編碼類別；基于所述編碼類別對應的字符類別與編碼字符對照表，確定所述字符類別對應的編碼字符。本申請第二方面提供一種條碼識別裝置，包括：圖像劃分模塊，用于確定條碼圖像中的條碼區域圖像；將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；字符類別確定模塊，用于識別每個所述子條碼圖像對應的字符類別；條碼識別模塊，用于確定所述字符類別對應的編碼字符。本申請第三方面提供一種電子設備，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；存儲器，用于存放計算機程序；處理器，用于執行存儲器上所存放的程序時，實現所述條碼識別裝置執行的基于人工智能的條碼識別方法的步驟。本申請第四方面提供一種計算機刻度存儲介質，所述計算機可讀存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時，實現所述條碼識別裝置執行的基于人工智能的條碼識別方法的步驟。通過本申請實施例提供的基于人工智能的條碼識別方法，確定條碼圖像中的條碼區域圖像；將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；識別每個所述子條碼圖像對應的字符類別；確定所述字符類別對應的編碼字符；如此，可以提升條碼識別的準確率。附圖說明圖1示出了本申請實施例提供的條碼識別系統100的架構示意圖；圖2示出了本申請實施例提供的終端設備400的結構示意圖；圖3示出了本申請實施例提供的條碼識別方法的一種可選流程示意圖；圖4示出了本申請實施例提供的條碼識別方法的另一種可選流程示意圖；圖5示出了本申請實施例提供的訓練子條碼模型的可選流程示意圖；圖6示出了本申請實施例提供的訓練字符類別模型的可選流程示意圖；圖7示出了本申請實施例提供的條碼識別方法的又一種可選流程示意圖；圖8示出了本申請實施例提供的預處理條碼圖像的可選流程示意圖；圖9示出了本申請實施例提供的條碼識別方法的應用示意圖；圖10示出了本申請實施例提供的數據采集的架構示意圖。具體實施方式為使本申請的目的、特征、優點能夠更加的明顯和易懂，下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而非全部實施例?；诒旧暾堉械膶嵤├?，本領域技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都本文檔來自技高網...

【技術保護點】
1.一種基于人工智能的條碼識別方法，其特征在于，所述方法包括：/n確定條碼圖像中的條碼區域圖像；/n將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；/n識別每個所述子條碼圖像對應的字符類別；/n確定所述字符類別對應的編碼字符。/n

【技術特征摘要】
1.一種基于人工智能的條碼識別方法，其特征在于，所述方法包括：
確定條碼圖像中的條碼區域圖像；
將所述條碼區域圖像劃分為至少兩個子條碼圖像，每個所述子條碼圖像對應一個編碼字符；
識別每個所述子條碼圖像對應的字符類別；
確定所述字符類別對應的編碼字符。


2.根據權利要求1所述的方法，其特征在于，所述基于所述條碼區域將所述條碼圖像劃分為至少兩個子條碼圖像包括：
確定所述條碼圖像中條碼字符的分隔位置；
基于所述分隔位置，將所述條碼圖像劃分為多個條碼區域；
確定每個條碼區域對應的圖像為所述子條碼圖像。


3.根據權利要求1所述的方法，其特征在于，所述子條碼圖像基于子條碼模型確定，在基于所述條碼區域將所述條碼圖像劃分為至少兩個子條碼圖像之前，所述方法還包括：
獲取條碼圖像訓練樣本和所述條碼圖像訓練樣本對應的子條碼圖像訓練樣本標簽；
確定所述條碼圖像訓練樣本中條碼字符樣本的分隔位置；
所述子條碼模型包括的第一隱藏層基于所述條碼字符樣本的分隔位置，將所述條碼圖像訓練樣本劃分為多個條碼區域樣本；
通過所述子條碼模型包括的第二隱藏層確定每個條碼區域樣本對應的圖像樣本為所述子條碼圖像訓練樣本；
獲取所確定的子條碼圖像訓練樣本與所述子條碼圖像訓練樣本標簽之間的差異，并基于所述差異更新所述子條碼模型的模型參數。


4.根據權利要求3所述的方法，其特征在于，所述基于所述差異更新所述子條碼模型的模型參數之后，所述方法還包括：
獲取條碼圖像測試樣本，及所述條碼圖像測試樣本對應的子條碼圖像測試樣本；
將所述條碼圖像測試樣本作為所述子條碼模型的輸入，得到子條碼圖像預測樣本；
判斷所述子條碼圖像測試樣本與所述子條碼圖像預測樣本是否一致；
若確定所述子條碼圖像測試樣本與所述子條碼圖像預測樣本不一致，則基于所述子條碼圖像測試樣本與所述子條碼圖像預測樣本之間的差異更新所述條碼圖像訓練樣本中，各子條碼圖像訓練樣本的分布；基于更新后的子條碼圖像訓練樣本更新所述子條碼模型的模型參數。


5.根據權利要求1所述的方法，其特征在于，所述識別每個所述子條碼圖像對應的字符類別，包括：
提取所述每個子條碼圖像的特征向量；
對所述每個子條碼圖像的特征向量進行降維處理，得到所述每個子條碼圖像對應的字符類別。


6.根據權利要求1所述的方法，其特征在于，每個所述子條碼圖像對應的字符類別基于字符類別模型確定；所述識別每個所述子條碼圖像對應的字符...

【專利技術屬性】
技術研發人員：許文林，李晶，周璐，
申請(專利權)人：浙江華?？萍加邢薰?/a>，
類型：發明
國別省市：浙江;33