一种基于深度学习的包装喷码检测方法及系统与流程

1.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：

2.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。
3.现有的包装喷码检测的拍摄位置固定，在包装盒倾斜或高度不齐的情况，容易造成错误识别。


技术实现要素：

4.本发明的目的在于提供一种基于深度学习的包装喷码检测方法及系统，旨在解决现有技术中包装喷码检测的拍摄位置固定，在包装盒倾斜或高度不齐的情况，容易造成错误识别的技术问题。
5.为实现上述目的，本发明提供了一种基于深度学习的包装喷码检测系统，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；
6.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；
7.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。
8.通过所述传输带运输待检测的包装盒，利用所述找平臂将包装盒扶平，再利用所述限位臂将包装盒定位，所述升降臂调节所述摄像头的高度，所述摄像头对喷码拍照，传输至所述处理模块，使得识别结果更精确。
9.其中，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。
10.利用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，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。
11.其中，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。
12.当包装盒运输至所述摄像头附近时，所述第一气缸伸长，所述挡板将包装盒拦截，使得包装盒与所述摄像头保持相对静止，便于拍摄。
13.其中，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。
14.通过所述第二气缸的伸缩，调节所述凹板的高度，从而调节所述摄像头的拍摄位置。
15.其中，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。
16.当包装盒被传输至两个所述找平臂之间时，两个所述第三气缸同时向内伸长，使得两侧的所述找平板夹紧包装盒，使得喷码与照相角度垂直。
17.本发明还提供一种基于深度学习的包装喷码检测方法，采用上述所述的基于深度学习的包装喷码检测系统，包括如下步骤：
18.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；
19.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；
20.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。
21.本发明的一种基于深度学习的包装喷码检测方法及系统，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，将待检测的包装盒放置在所述传输带上，传输至两个所述找平臂之间，两个所述找平臂夹紧，使得喷码与照相角度垂直，两个所述找平臂松开包装盒，包装盒被传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，所述升降臂调节所述摄像头的高度，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，使得识别结果更精确。
附图说明
22.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附图。
23.图1是本发明提供的一种基于深度学习的包装喷码检测系统的原理框图。
24.图2是本发明提供的一种基于深度学习的包装喷码检测系统的结构示意图。
25.图3是本发明提供的图2的a处的局部结构放大图。
26.图4是本发明提供的找平板的剖视图。
27.图5是本发明提供的一种基于深度学习的包装喷码检测方法的步骤流程图。
28.1-运输模块、2-采集模块、3-处理模块、4-底座、5-传输带、6-支撑架、7-找平臂、8-限位臂、9-升降臂、10-摄像头、11-提取单元、12-对比单元、13-第一气缸、14-挡板、15-第二气缸、16-凹板、17-第三气缸、18-找平板、19-第一板体、20-第二板体、21-弹簧、22-限位槽、23-压力传感器、24-led灯。
具体实施方式
29.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
30.在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
31.请参阅图1至图4，本发明提供一种基于深度学习的包装喷码检测系统，所述基于深度学习的包装喷码检测系统包括运输模块1、采集模块2和处理模块3，所述运输模块1将包装盒运输至所述采集模块2的一侧，所述采集模块2与所述处理模块3电性连接，所述采集模块2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3，所述处理模块3用于分析所述喷码图片，并输出检测结果；
32.所述运输模块1包括底座4、传输带5、支撑架6、找平臂7和限位臂8，所述传输带5设置于所述底座4的上方，所述找平臂7的数量为两个，两个所述找平臂7均设置于底座4的上方，并位于所述传输带5的相对两侧，所述支撑架6与所述底座4固定连接，并位于所述底座4的上方，且位于所述传输带5的一侧，所述限位臂8设置于所述支撑架6的一侧，并位于所述传输带5的上方；
33.所述采集模块2包括升降臂9和摄像头10，所述升降臂9设置于所述底座4的顶端，并位于所述传输带5远离所述支撑架6的一侧，所述摄像头10与所述升降臂9的输出端活动连接，并位于所述升降臂9的上方。
34.在本实施方式中，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3，将待检测的包装盒放置在所述传输带5上，传输至两个所述找平臂7之间，两个所述找平臂7夹紧，使得喷码与照相角度垂直，两个所述找平臂7松开包装盒，包装盒被传输至所述摄像头10附近，所述限位臂8将所述摄像头10附近的包装盒拦截，所述摄像头10拍摄包装盒上的喷码，将喷码图片传输至所述处理模块3，完成识别，使得识别结果更精确。
35.进一步的，所述处理模块3包括提取单元11和对比单元12，所述提取单元11与所述摄像头10连接，所述对比单元12与所述提取单元11连接；所述提取单元11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12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。
36.在本实施方式中，利用所述提取单元11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，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。
37.进一步的，所述限位臂8包括第一气缸13和挡板14，所述第一气缸13设置于所述支撑架6的一侧，所述挡板14与所述第一气缸13的输出端活动连接，并位于所述第一气缸13的下方；所述升降臂9包括第二气缸15和凹板16，所述第二气缸15设置于所述底座4的顶端，并位于所述传输带5远离所述支撑架6的一侧，所述凹板16与所述第二气缸15的输出端活动连接，并位于所述第二气缸15的上方，所述摄像头10设置于所述凹板16的内部；每个所述找平臂7均包括第三气缸17和找平板18，所述第三气缸17设置于所述传输带5的一侧，所述找平板18与所述第三气缸17的输出端活动连接，并位于所述第三气缸17靠近所述传输带5的一侧。
38.在本实施方式中，当包装盒被传输至两个所述找平臂7之间时，两个所述第三气缸17同时向内伸长，使得两侧的所述找平板18夹紧包装盒，使得喷码与照相角度垂直，当包装盒运输至所述摄像头10附近时，所述第一气缸13伸长，所述挡板14将包装盒拦截，使得包装盒与所述摄像头10保持相对静止，便于拍摄；通过所述第二气缸15的伸缩，调节所述凹板16的高度，从而调节所述摄像头10的拍摄位置。
39.进一步的，所述找平板18包括第一板体19、第二板体20和弹簧21，所述第一板体19与所述第三气缸17的输出端活动连接，并位于所述第三气缸17靠近所述传输带5的一侧，所述第一板体19靠近所述传输带5的一侧设置由限位槽22，所述第二板体20与所述第一板体19活动连接，并位于所述限位槽22的内部，所述第一板体19和所述第二板体20之间设置有所述弹簧21。
40.在本实施方式中，夹紧时，所述第二板体20先与包装盒接触，所述弹簧21逐渐压缩，直至完全夹紧，通过设置所述弹簧21，对夹紧的过程进行缓冲，防止压伤包装盒。
41.进一步的，所述找平板18还包括压力传感器23，所述压力传感器23设置于所述第一板体19和所述第二板体20之间。
42.在本实施方式中，当所述压力传感器23检测到数值时，说明所述第二板体20已将包装盒完全压紧，使得所述第一气缸13收缩。
43.进一步的，所述升降臂9还包括led灯24，所述led灯24设置于所述凹板16的上方。
44.在本实施方式中，通过设置所述led灯24，在拍照时为喷码照明，防止出现光线不足的情况。
45.请参阅图5，本发明还提供一种基于深度学习的包装喷码检测方法，采用上述所述的基于深度学习的包装喷码检测系统，包括如下步骤：
46.s1：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3；
47.s2：将包装盒放在所述传输带5上，运输的过程中所述找平臂7将包装盒扶正，所述传输带5将包装盒运输至所述摄像头10附近；
48.s3：所述限位臂8将所述摄像头10附近的包装盒拦截，所述摄像头10拍摄包装盒上的喷码，将喷码图片传输至所述处理模块3，完成识别。
49.在本实施方式中，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3，将待检测的包装盒放置在所述传输带5上，传输至两个所述找平臂7之间，两个所述找平臂7夹紧，使得喷码与照相角度垂直，两个所述找平臂7松开包装盒，包装盒被传输至所述摄像头10附近，所述限位臂8将所述摄像头10附近的包装盒拦截，所述升降
臂9调节所述摄像头10的高度，所述摄像头10拍摄包装盒上的喷码，将喷码图片传输至所述处理模块3，完成识别，使得识别结果更精确。
50.以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。