一种仓储物资扫描识别方法及其识别系统与流程

1.本发明涉及仓储设备技术领域，尤其涉及仓储物资扫描识别方法及其识别系统。


背景技术：

2.仓储是现代物流的一个重要组成部分，在物流系统中起着至关重要的作用，是厂商研究和规划的重点。高效合理的仓储可以帮助厂商加快物资流动的速度，降低成本，保障生产的顺利进行，并可以实现对资源有效控制和管理。仓储在企业的整个供应链中起着至关重要的作用，如果不能保证正确的进货和库存控制及发货，将会导致管理费用的增加，服务质量难以得到保证，从而影响企业的竞争力。
3.现有技术在对仓储物资进行扫描识别过程中，对物资上的条码信息的角度有一定的角度要求，进而对物资的摆放存在一定要求，如果物资摆放不符合要求，进而影响扫描识别精度，为了解决该技术问题，现提出一种仓储物资扫描识别方法及其识别系统。


技术实现要素：

4.为了解决上述现有技术中存在的技术问题，本发明提供了一种仓储物资扫描识别方法及其识别系统。
5.为实现上述目的，本发明实施例提供了如下的技术方案：第一方面，在本发明提供的一个实施例中，提供了仓储物资扫描识别方法，该方法包括以下步骤：获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。
6.作为本发明的进一步方案，所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，是通过预先训练的矫正模式选择模型进行的；所述确定各所述条码信息中图像内容的图像内容偏转角度，包括：将各所述条码信息输入预先训练的矫正模式选择模型中，确定各所述条码信息对应图像内容的图像内容偏转角度；所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，包括：将所述条码信息输入预先训练的所述矫正模式选择模型中，确定所述条码信息的类别。
7.作为本发明的进一步方案，所述矫正模式选择模型的训练方式包括：获取初始训练数据集，对所述初始训练数据集进行旋转处理，生成旋转样本数据集；
通过所述初始训练数据集以及所述旋转样本数据集对所述矫正模式选择模型进行训练，得到训练后的矫正模式选择模型。
8.作为本发明的进一步方案，所述根据所述类别，确定对应所述条码信息的识别模式，包括：当所述类别指示所述条码信息与预设的识别模式一致时，则将所述条码信息作为目标条码信息；当所述类别指示所述条码信息与预设的识别模式不一致时，则自动切换识别模式，得到对应所述识别模式的目标条码信息。
9.作为本发明的进一步方案，所述自动切换识别模式，得到对应所述识别模式的目标条码信息，包括：确定所述目标条码信息的内容格式；基于所述内容格式，选择识别模式。
10.作为本发明的进一步方案，所述基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息，包括：基于各所述图像内容偏转角度，矫正模式选择模型自动调整图像内容偏转角度的角度；根据调整偏转角度后的图像内容以及所述类别，遍历预存的内容数据库并与所述图像内容进行匹配，输出所述条码信息对应的物品信息。
11.作为本发明的进一步方案，基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息，包括：采用二维码识别模型对二维码信息进行识别，得到二维码识别结果，基于所述二维码识别结果得到对应的物品信息。
12.作为本发明的进一步方案，所述二维码识别模型是由预处理后的二维码图像训练集训练得到的，所述二维码图像训练集中包括各种光照条件下处于摆正状态的图像；所述二维码识别模型的训练步骤，包括：获取二维码图像训练集；对深度卷积神经网络进行预训练，得到训练参数；其中，所述深度卷积神经网络是通过imagenet数据集进行预训练；根据所述预处理后的二维码图像训练集和所述训练参数对深度卷积神经网络进行训练，得到所述二维码识别模型。
13.作为本发明的进一步方案，所述获取二维码图像训练集，包括：获取样本二维码图像集，所述样本二维码图像集中包括每个二维码在不同光照条件下的二维码图像，以及负样本图像；对所述样本二维码图像集进行降噪预处理，得到降噪预处理后的样本二维码图像集；对所述预处理后的样本二维码图像集进行备注，得到预处理后的二维码图像训练集。
14.第二方面，在本发明提供的又一个实施例中，提供了仓储物资扫描识别系统，该系统包括：条码信息获取模块、矫正模式选择模块和识别模块。
15.所述条码信息获取模块，用于获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；所述矫正模式选择模块，用于确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；所述识别模块，用于基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。
16.本发明提供的技术方案，具有如下有益效果：本发明提供的仓储物资扫描识别方法及其识别系统，通过获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。实现了对不同倾斜角度的条码信息进行快速准确的识别，同时能够对二维码和条形码均能够识别，避免现有技术需要两套系统分开识别。
17.本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
19.图1为本发明一个实施例的仓储物资扫描识别方法的流程图。
20.图2为本发明一个实施例的仓储物资扫描识别方法中步骤s20的具体流程图。
21.图3为本发明一个实施例的仓储物资扫描识别方法中步骤s202的具体流程图。
22.图4为本发明一个实施例的仓储物资扫描识别中步骤s30的具体流程图。
23.图5为本发明一个实施例的仓储物资扫描识别系统的结构框图。
24.图中：100-条码信息获取模块、200-矫正模式选择模块、300-识别模块。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
26.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
27.应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的
而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
28.具体地，下面结合附图，对本发明实施例作进一步阐述。
29.请参阅图1，图1是本发明实施例提供的一种仓储物资扫描识别方法的流程图，如图1所示，该仓储物资扫描识别方法包括步骤s10至步骤s30。
30.步骤s10、获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息。
31.步骤s20、确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式。
32.请参阅图2，在本发明的实施例中，所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，是通过预先训练的矫正模式选择模型进行的；步骤s201、所述确定各所述条码信息中图像内容的图像内容偏转角度，包括：将各所述条码信息输入预先训练的矫正模式选择模型中，确定各所述条码信息对应图像内容的图像内容偏转角度；步骤s202、所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，包括：将所述条码信息输入预先训练的所述矫正模式选择模型中，确定所述条码信息的类别。
33.请参阅图3，在本发明的实施例中，所述矫正模式选择模型的训练方式包括：步骤s2021、获取初始训练数据集，对所述初始训练数据集进行旋转处理，生成旋转样本数据集；步骤s2022、通过所述初始训练数据集以及所述旋转样本数据集对所述矫正模式选择模型进行训练，得到训练后的矫正模式选择模型。
34.在本发明的实施例中，所述根据所述类别，确定对应所述条码信息的识别模式，包括：当所述类别指示所述条码信息与预设的识别模式一致时，则将所述条码信息作为目标条码信息；当所述类别指示所述条码信息与预设的识别模式不一致时，则自动切换识别模式，得到对应所述识别模式的目标条码信息。
35.所述自动切换识别模式，得到对应所述识别模式的目标条码信息，包括：确定所述目标条码信息的内容格式；基于所述内容格式，选择识别模式。
36.在本发明的实施例中，所述基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息，包括：基于各所述图像内容偏转角度，矫正模式选择模型自动调整图像内容偏转角度的角度；根据调整偏转角度后的图像内容以及所述类别，遍历预存的内容数据库并与所述图像内容进行匹配，输出所述条码信息对应的物品信息。
37.在本发明的实施例中，基于所述条码信息以及所述识别模式，输出所述条码信息的对应的物品信息，包括：采用二维码识别模型对二维码信息进行识别，得到二维码识别结果，基于所述二维码识别结果得到对应的物品信息。
38.步骤s30、基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。
39.请参阅图4，在本发明的实施例中，所述二维码识别模型是由预处理后的二维码图像训练集训练得到的，所述二维码图像训练集中包括各种光照条件下处于摆正状态的图像；所述二维码识别模型的训练步骤，包括：步骤s301、获取二维码图像训练集；步骤s302、对深度卷积神经网络进行预训练，得到训练参数；其中，所述深度卷积神经网络是通过imagenet数据集进行预训练；需要说明的是，imagenet数据集是用于预训练，得到模型初始参数。使用预训练参数，再使用本技术的二维码图像训练集对模型参数进行微调。如此可以更快速得到二维码识别模型。
40.步骤s303、根据所述预处理后的二维码图像训练集和所述训练参数对深度卷积神经网络进行训练，得到所述二维码识别模型。
41.在本发明的实施例中，所述获取二维码图像训练集，包括：获取样本二维码图像集，所述样本二维码图像集中包括每个二维码在不同光照条件下的二维码图像，以及负样本图像；所述负样本图像可以为纹理图像。如此进而能够提供全面的训练集，保证训练效果。
42.对所述样本二维码图像集进行降噪预处理，得到降噪预处理后的样本二维码图像集。
43.对所述预处理后的样本二维码图像集进行备注，得到预处理后的二维码图像训练集。
44.通过获取二维码图像训练进而能够对二维码识别模型进行训练，保证二维码识别模型识别的准确率。
45.本发明通过获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。实现了对不同倾斜角度的条码信息进行快速准确的识别，同时能够对二维码和条形码均能够识别，避免现有技术需要两套系统分开识别。
46.应该理解的是，上述虽然是按照某一顺序描述的，但是这些步骤并不是必然按照上述顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，本实施例的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的
specificintegrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
59.所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、pda等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、vpn网络等。
60.还应当进理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
61.在本发明的一个实施例中还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤：步骤s10、获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息。
62.步骤s20、确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式。
63.步骤s30、基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。
64.最后需要说明的是，本文的计算机可读存储介质（例如，存储器）可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦写可编程rom（eeprom）或快闪存储器。易失性存储器可以包括随机存取存储器（ram），该ram可以充当外部高速缓存存储器。作为例子而非限制性的，ram可以以多种形式获得，比如同步ram（dram）、动态ram（dram）、同步dram（sdram）、双数据速率sdram（ddr sdram）、增强sdram（esdram）、同步链路dram（sldram）、以及直接rambu sram（drram）。所公开的方面的存储设备包括但不限于这些和其它合适类型的存储器。
65.结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现场可编程门阵列（fpga）或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp和/或任何其它这种配置。
66.需要说明的是，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可能采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说
明书中所描述的实施例均属于优选实施例，涉及的动作和模块并不一定是本发明所必须的。
67.本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或通信连接可以是通过一些接口，装置或单元之间的间接耦合或通信连接，可以是电信或者其它的形式。
68.上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
69.以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。

技术特征：
1.一种仓储物资扫描识别方法，其特征在于，包括：获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。2.根据权利要求1所述的仓储物资扫描识别方法，其特征在于，所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，是通过预先训练的矫正模式选择模型进行的；所述确定各所述条码信息中图像内容的图像内容偏转角度，包括：将各所述条码信息输入预先训练的矫正模式选择模型中，确定各所述条码信息对应图像内容的图像内容偏转角度；所述对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别，包括：将所述条码信息输入预先训练的所述矫正模式选择模型中，确定所述条码信息的类别。3.根据权利要求2所述的仓储物资扫描识别方法，其特征在于，所述矫正模式选择模型的训练方式包括：获取初始训练数据集，对所述初始训练数据集进行旋转处理，生成旋转样本数据集；通过所述初始训练数据集以及所述旋转样本数据集对所述矫正模式选择模型进行训练，得到训练后的矫正模式选择模型。4.根据权利要求1所述的仓储物资扫描识别方法，其特征在于，所述根据所述类别，确定对应所述条码信息的识别模式，包括：当所述类别指示所述条码信息与预设的识别模式一致时，则将所述条码信息作为目标条码信息；当所述类别指示所述条码信息与预设的识别模式不一致时，则自动切换识别模式，得到对应所述识别模式的目标条码信息。5.根据权利要求4所述的仓储物资扫描识别方法，其特征在于，所述自动切换识别模式，得到对应所述识别模式的目标条码信息，包括：确定所述目标条码信息的内容格式；基于所述内容格式，选择识别模式。6.根据权利要求3所述的仓储物资扫描识别方法，其特征在于，所述基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息，包括：基于各所述图像内容偏转角度，矫正模式选择模型自动调整图像内容偏转角度的角度；根据调整偏转角度后的图像内容以及所述类别，遍历预存的内容数据库并与所述图像内容进行匹配，输出所述条码信息对应的物品信息。7.根据权利要求1所述的仓储物资扫描识别方法，其特征在于，基于所述条码信息以及所述识别模式，输出所述条码信息的对应的物品信息，包括：采用二维码识别模型对二维码信息进行识别，得到二维码识别结果，基于所述二维码
识别结果得到对应的物品信息。8.根据权利要求7所述的仓储物资扫描识别方法，其特征在于，所述二维码识别模型是由预处理后的二维码图像训练集训练得到的，所述二维码图像训练集中包括各种光照条件下处于摆正状态的图像；所述二维码识别模型的训练步骤，包括：获取二维码图像训练集；对深度卷积神经网络进行预训练，得到训练参数；其中，所述深度卷积神经网络是通过imagenet数据集进行预训练；根据所述预处理后的二维码图像训练集和所述训练参数对深度卷积神经网络进行训练，得到所述二维码识别模型。9.根据权利要求8所述的仓储物资扫描识别方法，其特征在于，所述获取二维码图像训练集，包括：获取样本二维码图像集，所述样本二维码图像集中包括每个二维码在不同光照条件下的二维码图像，以及负样本图像；对所述样本二维码图像集进行降噪预处理，得到降噪预处理后的样本二维码图像集；对所述预处理后的样本二维码图像集进行备注，得到预处理后的二维码图像训练集。10.一种仓储物资扫描识别系统，其特征在于，所述仓储物资扫描识别系统包括：条码信息获取模块、矫正模式选择模块和识别模块；所述条码信息获取模块，用于获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；所述矫正模式选择模块，用于确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；所述识别模块，用于基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。

技术总结
本发明涉及仓储设备技术领域，具体涉及仓储物资扫描识别方法及其识别系统。该方法包括：获取待识别的条码信息，其中，所述条码信息包括二维码信息和条形码信息；确定各所述条码信息中图像内容的图像内容偏转角度，调整条码信息的角度；对调整过角度的所述条码信息的种类进行识别，确定所述条码信息的类别；根据所述类别，确定对应所述条码信息的识别模式；基于所述条码信息以及所述识别模式，输出所述条码信息对应的物品信息。本发明实现了对不同倾斜角度的条码信息进行快速准确的识别，同时能够对二维码和条形码均能够识别，避免现有技术需要两套系统分开识别。需要两套系统分开识别。需要两套系统分开识别。


技术研发人员：杜文伟 赵敏 席少萌 王珍珠 于薇 王遵贤 乔成成 马亮 乔亚安
受保护的技术使用者：陕西西煤云商信息科技有限公司
技术研发日：2023.06.09
技术公布日：2023/7/22