[发明专利]基于神经网络的条形码定位方法及系统

权利要求书

1.一种基于神经网络的条形码定位方法，其特征在于：所述方法采用YOLO网络提取目标条形码的图像深层特征，并定位出条形码的区域，再对定位区域进行旋转校正，修正条形码区域，最后采用ZXing库对条形码内容进行解码并显示定位以及解码结果。

2.根据权利要求1所述的一种基于神经网络的条形码定位方法，其特征在于：所述YOLO网络采用卷积层作为网络模型的前端部分提取图像深层的抽象特征，并在最后使用全连接层将网络模型的输出转化成代表预测结果的张量，张量的大小为：S*S*(B*5+C)，其中S*S为网格的数量，B为每个网格所预测的边界框个数，C为总共的类别数，在条形码预测工作中，所需的仅是预测出条形码这一类目标，所以这里的C为1。

3.根据权利要求2所述的一种基于神经网络的条形码定位方法，其特征在于：所述YOLO网络采用梯度下降的方式更新网络参数，也就是参数朝着损失函数负梯度的方向迭代更新，YOLO网络模型的损失函数为：

其中，S²表示YOLO网络将图片分成的网格数，B表示每个网格所预测的边界框个数，C表示该目标所属的类别；表示物体是否落在网格i中，若是则为1，否则为0；表明网格i中的第j个边界框是否负责这次预测，若是则为1，否则为0；x_i,y_i,w_i,h_i,C_i代表存在目标的第i个预测框的位置以及置信度信息，对应的为标注的正确的目标位置信息以及置信度，因此为1；由于训练样本图片的所有网格中，没有目标的网格数一般是大于存在目标的网格数的，因此设置λ_coord＞λ_noobj使得损失函数更加注重对有目标网格带来的损失。

4.根据权利要求1所述的一种基于神经网络的条形码定位方法，其特征在于：所述当定位出条形码的区域，再对定位区域进行旋转校正，修正条形码区域，目的是要实现将条形码区域提取并平行摆放的效果，需要使用旋转变换将本来可能非垂直的条形码图案旋转至和边界平行，目标是不论快递面单如何摆放，都能将条形码区域调整至平行摆放位置并提取出来，这里采用仿射变换来校正条形码区域，仿射变换公式如下：

中间的运算矩阵即为仿射变换矩阵，其中a₁,a₂,a₃,a₄是非奇异线性变换矩阵参数，t_x,t_y是平移变换矩阵参数，最后一行参数作为增强图像稳定性添加，能够省略。

5.一种基于神经网络的条形码定位系统，其特征在于：所述系统采用前端交互、后台处理的方式运行；系统摄像头获取需要检测的图像，然后通过网络传输的方式发送至后台服务器端检测；后台服务器端采用YOLO网络提取目标条形码的图像深层特征，并定位出条形码的区域，再对定位区域进行旋转校正，修正条形码区域，最后采用ZXing库对条形码内容进行解码并显示定位以及解码结果，将结果发回给前端。

6.根据权利要求5所述的一种基于神经网络的条形码定位系统，其特征在于：所述系统的后台服务器端能够供多个前端使用。