[发明专利]一种基于神经网络的OCR识别在物流行业快递面单的应用

说明书

本发明公开了一种基于神经网络的OCR识别在物流行业的快递面单的应用，其特征在于，包括以下步骤：第一步定位三段码：先检测条码位置，再根据电子面单模板定位三段码的候选区域，第二步分割，筛选三段码的区域内字符并送入神经网络识别。本发明具有如下优点：提供了一种新的快递分拣方案，能够保证物流分拣中心与总部数据库通信故障时，进行正常分拣，减少快递滞留时间，节约了大量的财力和物力。

技术领域

本发明涉及一种基于神经网络的OCR识别在物流行业快递面单的应用，属于图像处理技术领域。

背景技术

随着网络购物的蓬勃发展，我国每年的快递总量在急剧增加。a年，全国快递服务企业业务量累计完成507.1亿件，同比增长26.6％。如此快速增长的快递量，对快递分拣中心的效率要求很高。对于分拣系统，目前一般使用传统交叉分拣机和AGV小车分拣。AGV搬运速度是恒定的，场地的分拣效率和AGV小车的数量相关，而交叉分拣带的分拣效率可以随着订单量的增大而增大。当订单量足够大的时候，交叉分拣带速度明显高于机器人。AGV对货物的重量以及体积形状有很大的要求，且运作效率有限，所以在一些订单量比较大的仓库中，交叉分拣依旧是客户的首选。快递行业为了提高效率，进行了电子面单和三段码数字化改革。三段码一般包含三个数字字母组合部分：分拨中心代码(一般为省市级集散中心)，分部代码(市县下的网点)，快递员码。目前的分拣线上主要采用读取条形码信息，将信息与总部数据中心进行交互，得知三段码信息，然后根据三段码信息进行分拣。在此过程中断电，快递量过多等原因导致总部服务器宕机，导致分拨中心无法与总部数据中心进行交互，不能进行分拣，物流车量排队等候卸货，客户等待时间延长，因此分拨中心会浪费大量的时间，财力和物力。由于三段码信息已经打印在电子面单上，所以识别出三段码可以直接进行分拣，无需从数据中心根据条码信息进行信息转换获取三段码信息。在数据中心与分拨中心交互正常后，再将已经分发的快递信息对数据库更新。大大提升了效率，作为故障时刻的补充方案对分拣中心大有脾益。

随着物流行业的快速发展，快递的送达效率是快递公司的不断追求的目标。目前在分拣中心的分拣方案识别快递条形码信息与总部数据库服务器通信获取三段码的信息进行分拣。这种方案下有时会出现条形码信息无法完全获取，无法与总部数据库服务器通信，导致无法获取三段码的信息从而不能进行自动化分拣。本发明提供的方案是在本地分拣识别三段码从而进行分拣，并将分拣信息保存在本地，之后同步到数据库服务器。由于分拣中心的快递来自众多不同的发货方，快递的包裹规格，形状，颜色各异，以及包裹上面单的朝向有诸多不同，直接识别分拣机上方摄像头拍摄的图片中三段码难度较大。本发明采用两步法识别三段码，第一步定位三段码：先检测条码位置，再根据电子面单模板定位三段码的候选区域，第二步分割，聚类三段码的区域内字符并送入神经网络识别。本文调用Fabimage的条码检测接口检测条码。对于识别由于三段码候选区域可能有其他非三段码字符，因此本发明对候选区域的字符建立字库。基于字库设计并训练神经网络模型，进而对三段码进行识别。最终在前期所有快递无人工干预的情况下，自动化分拣比例约为80％，后期人工参与分拣比例约为20％，其中自动化分拣的准确率99.8％。时间上，单件快递的识别时间在300ms以内。目前作为补充方案，在时间，自动化分拣比例和准确率上基本满足分拣中心现场需求。

发明内容

本发明要解决的技术问题是如何对快递面单进行快速高效的识别。

为了解决上述技术问题，本发明的技术方案是提供了一种基于神经网络的OCR识别在物流行业的快递面单的应用。

本发明的技术方案第一步定位三段码：先检测条码位置，再根据电子面单模板定位三段码的候选区域，第二步分割，聚类三段码的区域内字符并送入神经网络识别。在本地分拣识别三段码从而进行分拣，并将分拣信息保存在本地，之后同步到数据库服务器。本发明优点在于：