[发明专利]一种智能指示二维码及利用该二维码对食品状态监测的方法

权利要求书

1.一种利用智能指示二维码对食品质量监测的方法，其特征在于，包括如下步骤：

步骤1，获取二维码图像；

步骤2，在二维码中识别出3个位置探测图形；

步骤3，读取二维码格式信息图形中的格式信息和版本信息；

步骤4，从数据信息图形的数据块中解码出数据码字；

步骤5，获取指示信息图形的指示剂和标准颜色的图形位置；

步骤6，校正指示剂图形信息；

步骤7，匹配指示剂颜色等级；

步骤8，向服务器发送指示剂的等级信息，由服务器确定出产品状态信息；

步骤9，服务器向终端反馈的产品状态信息；

所述步骤5的具体方法包括：

先将图像转化为灰度值为32的灰度值图像；再利用中值滤波的5×5模板对灰度值图像进行去除噪声；再通过Sober算子检测图像的边缘，得到指示信息图像的边缘，接着借助轮廓提取算法检测出指示信息图形的指示剂和标准颜色的轮廓；最后用自适应阈值选取法分割出指示剂图形和标准颜色的图形位置；

所述步骤6的具体方法包括：

从步骤5分割出的指示剂图形和标准颜色图形中分别提取各像素的R、G、B值，利用多项式回归法对每个区域的颜色进行校正，具体：

步骤6.1，标准颜色图像上共有4个色块，设第i个色块的颜色R、G、B值在标准空间下为R_oi、G_oi、B_oi，在自然光照环境下采集到的标准颜色图像上的第i个色块颜色R、G、B值为Ri、Gi、Bi，其中i＝1，2，3，4，则有：

R_oi＝a₁₁v_1i+a₁₂v_2i+…+a_1jv_ji

G_oi＝a₂₁v_1i+a₂₂v_2i+…+a_2jv_ji

B_oi＝a₃₁v_1i+a₃₂v_2i+…+a_3jv_ji

其中，v_ji＝[R，G，B，1]，j＝1，…，J；

步骤6.2，将步骤6.1的表达式写为矩阵形式为：

X＝A^T*V

其中：X是维数为3×i的色标标准R、G、B值矩阵；A是维数为j×3的转换系数矩阵；

V是维数为j×i的多项式回归矩阵；

步骤6.3，矩阵A利用最小二乘法优化得到，A即为所求的模型参数；

A＝(V×V^T)^-1(V×X^T)

步骤6.4，将A带入步骤6.2的表达式中，即可计算出校正后图像的各像素的R、G、B值，实现在线的彩色校正：

X_out＝A^T×V_in

其中，X_out是校正后图像的R、G、B矩阵，维数为3×M；V_in是由原始图像所有像素的R、G、B值对应的多项式的项所构成的矩阵，维数为j×M；M为原始图像的像素总数。

2.根据权利要求1所述的食品质量监测的方法，其特征在于，所述步骤2的具体方法包括：

位置探测图形为黑白相间的回形图案，扫描时黑白码元的比例为1∶1∶1∶3∶1∶1，在扫描二维码的过程中，先基于该比例搜寻二维码的定位图案，当图像中的所有行均扫描完毕后，得到n个候选的位置探测图形；

将每三个候选的位置探测图形的中心进行连线得到对应的三角形；确定与等腰直角三角形相似度最高且最长边最长的三角形；从与该三角形对应的三个候选的位置探测图形中，确定出位于左上角的第一位置探测图形、位于右上角第二位置探测图形和位于左下角第三位置探测图形；即利用3个位置探测图形对二维码在图像的位置进行定位。

3.根据权利要求1所述的食品质量监测的方法，其特征在于，所述步骤7的具体方法包括：

将校正的指示剂R、G、B值带入人工神经网络模型识别出指示剂的颜色等级，所述人工神经网络模型的建立过程如下：

步骤7.1，输入层神经元个数为3个，对应指示剂校正后的R、G、B值，隐含层为8个神经元，输出层为4个神经元，对应4个颜色等级；

步骤7.2，输入矩阵归一化处理，使数据分布在[-1，1]区间上；

步骤7.3，设置隐含层传递函数为tansig()，输出层传递函数为logsig()，训练函数为trainlm()；最大训练次数为1000，训练精度为0.01；

步骤7.4，训练停止后得到能够识别出指示剂颜色等级的模型。