一种烟盒喷码提取及识别方法与流程

1.本发明应用于喷码识别领域，具体是一种烟盒喷码提取及识别方法。


背景技术：

2.随着烟草专卖部门查获涉烟违法案件量的不断增加，办案过程中越来越多的呈现出卷烟数量大、卷烟品牌多、32位喷码不清晰等问题，执法人员抄录、审查32位喷码的工作工作变得十分繁重。而目前案件现场处置，仍依赖执法人员大量手工作业，当执法人员发现涉烟违法行为后，需要对卷烟进行手工分类、抄录32位喷码、人工审查喷码数据等。而大量的手工作业也造成了卷烟喷码抄录出错、人工审查效率低、来源地信息填写错误等众多问题。然而，现有算法中没有针对卷烟专用32位激光防伪码特点进行设计的高效的复杂场景识别方法。


技术实现要素：

3.本发明所要解决的技术问题是针对现有技术的不足，提供一种烟盒喷码提取及识别方法。
4.为解决上述技术问题，本发明的一种烟盒喷码提取及识别方法，包括以下步骤：
5.调取烟盒图片；
6.对烟盒图片进行全光谱色灯ai图像增强；
7.输出图像增强后的清晰烟盒图片；
8.对清晰烟盒图片进行ocr识别提取喷码。
9.作为一种可能的实施方式，进一步的，全光谱色灯ai图像增强具体为利用全光谱色灯预测算法同时进行双折射滤光和多色补光处理。
10.作为一种可能的实施方式，进一步的，所述对清晰烟盒图片进行ocr识别提取喷码步骤具体包括：
11.s1，输入处理后的清晰烟盒图片，并进行预处理；
12.s2，对预处理后的图片进行特征提取；
13.s3，将提取出的特征图分别进行字符识别操作和文本对象区分操作；
14.s4，将字符识别结果喂入区分出的文本对象获得classify word；
15.s5，将获得的classify word通过双向的lstm网络处理为正确顺序喷码；
16.s6，输出结果。
17.作为一种可能的实施方式，进一步的，所述步骤s1中的预处理包括高斯降噪和边缘锐化处理。
18.作为一种可能的实施方式，进一步的，所述步骤s2中的特征提取具体包括如下步骤：
19.s21，利用googlenet进行多尺度的特征提取；
20.s22，利用两个沙漏网络进行特征再提取得到特征图。
21.作为一种可能的实施方式，进一步的，所述步骤s3中的字符识别操作具体包括：
22.s31，使用seglink算法对整体编码文本做定位处理；
23.s32，使用直方图阈值分割法，将整体编码里的每一个单独字符区分开；
24.s33，将每一个单独字符经过resnet识别，softmax归一化处理，输出其分类。
25.作为一种可能的实施方式，进一步的，所述步骤s3中的文本对象区分操作具体为：
26.获取特征图上所有带文本的区域对象；
27.对带文本的区域对象进行区分，提取出喷码位置对区域对象作为输出对象。
28.作为一种可能的实施方式，进一步的，所述步骤s5还包括：检测喷码位数和字符逻辑是否符合预设数值。
29.作为一种可能的实施方式，进一步的，在执行所述步骤s6之前，还包括如下步骤：利用带有知识蒸馏的softmax对喷码进行归一化。
30.本发明采用以上技术方案，具有以下有益效果：本发明能够精准提取烟盒包装图片中正确位置的喷码并对其进行识别，有效解决了执法人员抄录、审查32位喷码的工作量繁重问题，使得烟草专卖部门能够对大量烟草进行抽查，大幅提高了相关部门的工作效率。
附图说明
31.下面结合附图与具体实施方式对本发明做进一步详细的说明：
32.图1为本发明进行ocr识别提取喷码的原理流程简图。
具体实施方式
33.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。
34.如图1所示，本发明提供了一种烟盒喷码提取及识别方法，包括以下步骤：
35.调取烟盒图片；
36.对烟盒图片进行全光谱色灯ai图像增强；其中全光谱色灯ai图像增强具体为利用全光谱色灯预测算法同时进行双折射滤光和多色补光处理。
37.输出图像增强后的清晰烟盒图片；
38.对清晰烟盒图片进行ocr识别提取喷码，其步骤具体包括：
39.s1，输入处理后的清晰烟盒图片，并进行包括高斯降噪和边缘锐化的预处理后生成input_1；
40.s2，对预处理后的图片进行特征提取，具体包括了：s21，利用googlenet进行多尺度的特征提取；s22，利用两个沙漏网络进行特征再提取得到特征图feature_3。
41.s3，将提取出的特征图feature_3经过两个分支操作，分别进行字符识别操作和文本对象区分操作；其中的字符识别操作具体包括：s31，使用seglink算法对整体编码文本做定位处理；s32，使用直方图阈值分割法，将整体编码里的每一个单独字符区分开；s33，将每一个单独字符经过resnet识别，softmax归一化处理，输出其分类。其中，文本对象区分操作具体为：获取特征图上所有带文本的区域对象；对带文本的区域对象进行区分，提取出喷码位置对区域对象作为输出对象。
42.s4，将字符识别结果喂入区分出的文本对象获得classify word；
43.s5，将获得的classify word通过双向的lstm网络处理为正确顺序喷码，分析其相邻喷码，最后生成整体级的输出；同时，检测喷码位数和字符逻辑是否符合预设数值。
44.s6，利用带有知识蒸馏的softmax对喷码进行归一化，可以通过控制参数实现软硬分类，避免过拟合，最后输出结果。
45.以上所述为本发明的实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理和精神的情况下凡依本发明申请专利范围所做的均等变化、修改、替换和变型，皆应属本发明的涵盖范围。


技术特征：
1.一种烟盒喷码提取及识别方法，其特征在于，包括以下步骤：调取烟盒图片；对烟盒图片进行全光谱色灯ai图像增强；输出图像增强后的清晰烟盒图片；对清晰烟盒图片进行ocr识别提取喷码。2.根据权利要求1所述的一种烟盒喷码提取及识别方法，其特征在于：全光谱色灯ai图像增强具体为利用全光谱色灯预测算法同时进行双折射滤光和多色补光处理。3.根据权利要求1所述的一种烟盒喷码提取及识别方法，其特征在于：所述对清晰烟盒图片进行ocr识别提取喷码步骤具体包括：s1，输入处理后的清晰烟盒图片，并进行预处理；s2，对预处理后的图片进行特征提取；s3，将提取出的特征图分别进行字符识别操作和文本对象区分操作；s4，将字符识别结果喂入区分出的文本对象获得classify word；s5，将获得的classify word通过双向的lstm网络处理为正确顺序喷码；s6，输出结果。4.根据权利要求3所述的一种烟盒喷码提取及识别方法，其特征在于：所述步骤s1中的预处理包括高斯降噪和边缘锐化处理。5.根据权利要求4所述的一种烟盒喷码提取及识别方法，其特征在于：所述步骤s2中的特征提取具体包括如下步骤：s21，利用googlenet进行多尺度的特征提取；s22，利用两个沙漏网络进行特征再提取得到特征图。6.根据权利要求5所述的一种烟盒喷码提取及识别方法，其特征在于：所述步骤s3中的字符识别操作具体包括：s31，使用seglink算法对整体编码文本做定位处理；s32，使用直方图阈值分割法，将整体编码里的每一个单独字符区分开；s33，将每一个单独字符经过resnet识别，softmax归一化处理，输出其分类。7.根据权利要求6所述的一种烟盒喷码提取及识别方法，其特征在于：所述步骤s3中的文本对象区分操作具体为：获取特征图上所有带文本的区域对象；对带文本的区域对象进行区分，提取出喷码位置对区域对象作为输出对象。8.根据权利要求7所述的一种烟盒喷码提取及识别方法，其特征在于：所述步骤s5还包括：检测喷码位数和字符逻辑是否符合预设数值。9.根据权利要求8所述的一种烟盒喷码提取及识别方法，其特征在于：在执行所述步骤s6之前，还包括如下步骤：利用带有知识蒸馏的softmax对喷码进行归一化。

技术总结
本发明公开一种烟盒喷码提取及识别方法，包括以下步骤：调取烟盒图片；对烟盒图片进行全光谱色灯AI图像增强；输出图像增强后的清晰烟盒图片；对清晰烟盒图片进行OCR识别提取喷码。本发明能够精准提取烟盒包装图片中正确位置的喷码并对其进行识别，有效解决了执法人员抄录、审查32位喷码的工作量繁重问题，使得烟草专卖部门能够对大量烟草进行抽查，大幅提高了相关部门的工作效率。了相关部门的工作效率。了相关部门的工作效率。


技术研发人员：苏胜 谢鸿 叶锋 施予
受保护的技术使用者：福建迦百农信息技术有限公司
技术研发日：2021.06.30
技术公布日：2021/10/23