一种基于深度学习的包装喷码检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114398953A(43)申请公布日2022.04.26(21)申请号202111539327.2(22)申请日2021.12.15(71)申请人无锡捷视智能科技有限公司地址214101江苏省无锡市锡山区东亭街道二泉东路172号8号楼201室(72)发明人陈宏伟王捷涛张勋华(74)专利代理机构南京苏博知识产权代理事务所(普通合伙)32411代理人朱凤平(51)Int.Cl.G06K9/62(2022.01)G06K17/00(2006.01)G06N3/08(2006.01)B65G47/88(2006.01)G06V10/774(2022.01)权利要求书1页说明书5页附图4页(54)发明名称一种基于深度学习的包装喷码检测方法及系统(57)摘要本发明涉及计算机视觉技术领域，具体涉及一种基于深度学习的包装喷码检测方法及系统；基于深度学习的包装喷码检测系统包括运输模块、采集模块和处理模块，运输模块将包装盒运输至采集模块的一侧，采集模块与处理模块电性连接，采集模块用于拍摄包装盒上的喷码，并将喷码图片传输至处理模块，处理模块用于分析喷码图片，并输出检测结果；运输模块包括底座、传输带、支撑架、找平臂和限位臂，采集模块包括升降臂和摄像头；通过传输带运输待检测的包装盒，利用找平臂将包装盒扶平，再利用限位臂将包装盒定位，升降臂调节摄像头的高度，摄像头对喷码拍照，传输至处理模块，使得识别结果更精确。CN114398953ACN114398953A权利要求书1/1页1.一种基于深度学习的包装喷码检测系统，其特征在于，所述基于深度学习的包装喷码检测系统包括运输模块、采集模块和处理模块，所述运输模块将包装盒运输至所述采集模块的一侧，所述采集模块与所述处理模块电性连接，所述采集模块用于拍摄包装盒上的喷码，并将喷码图片传输至所述处理模块，所述处理模块用于分析所述喷码图片，并输出检测结果；所述运输模块包括底座、传输带、支撑架、找平臂和限位臂，所述传输带设置于所述底座的上方，所述找平臂的数量为两个，两个所述找平臂均设置于所述底座的上方，并位于所述传输带的相对两侧，所述支撑架与所述底座固定连接，并位于所述底座的上方，且位于所述传输带的一侧，所述限位臂设置于所述支撑架的一侧，并位于所述传输带的上方；所述采集模块包括升降臂和摄像头，所述升降臂设置于所述底座的顶端，并位于所述传输带远离所述支撑架的一侧，所述摄像头与所述升降臂的输出端活动连接，并位于所述升降臂的上方。2.如权利要求1所述的一种基于深度学习的包装喷码检测系统，其特征在于，所述处理模块包括提取单元和对比单元，所述提取单元与所述摄像头连接，所述对比单元与所述提取单元连接；所述提取单元将所述喷码图片转换为黑白二值图，并通过白色像素点提取字符；所述对比单元将利用卷积神经网络对所述字符进行图像分类，对比得到检测结果。3.如权利要求2所述的一种基于深度学习的包装喷码检测系统，其特征在于，所述限位臂包括第一气缸和挡板，所述第一气缸设置于所述支撑架的一侧，所述挡板与所述第一气缸的输出端活动连接，并位于所述第一气缸的下方。4.如权利要求3所述的一种基于深度学习的包装喷码检测系统，其特征在于，所述升降臂包括第二气缸和凹板，所述第二气缸设置于所述底座的顶端，并位于所述传输带远离所述支撑架的一侧，所述凹板与所述第二气缸的输出端活动连接，并位于所述第二气缸的上方，所述摄像头设置于所述凹板的内部。5.如权利要求4所述的一种基于深度学习的包装喷码检测系统，其特征在于，每个所述找平臂均包括第三气缸和找平板，所述第三气缸设置于所述传输带的一侧，所述找平板与所述第三气缸的输出端活动连接，并位于所述第三气缸靠近所述传输带的一侧。6.一种基于深度学习的包装喷码检测方法，采用如权利要求5所述的基于深度学习的包装喷码检测系统，其特征在于，包括如下步骤：使用多个合格的喷码图片作为训练样本，训练卷积神经网络，优化所述处理模块；将包装盒放在所述传输带上，运输的过程中所述找平臂将包装盒扶正，所述传输带将包装盒运输至所述摄像头附近；所述限位臂将所述摄像头附近的包装盒拦截，所述摄像头拍摄包装盒上的喷码，将喷码图片传输至所述处理模块，完成识别。2CN114398953A说明书1/5页一种基于深度学习的包装喷码检测方法及系统技术领域[0001]本发明涉及计算机视觉技术领域，尤其涉及一种基于深度学习的包装喷码检测方法及系统。背景技术[0002]计算机视觉和互联网的飞速发展带来了大量的新产品和新服务，引发了人们对于实用性视觉技术的新思考和新需求，包装喷码检测是工业界直接利用拍摄图片检测喷码是否正确的一种方法，是工业界迫切需要解决的技术之一，受到了计算机视觉界和工业界的广泛关注。[000