[发明专利]基于深度学习的移动平台烟草激光码智能识别方法及装置

摘要

本发明涉及数字图像处理与分割领域和烟草真伪检测领域，提供了基于深度学习的移动平台烟草激光码智能识别方法及装置。首先通过终端摄像头获取条烟包装表面的激光码图像，采用大律法和局部阈值化技术相结合对图像进行二值化；对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；通过字符分割将激光码图像分割为单个字符图像；采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台(基于Android)客户端，采用该深度卷积神经网络对烟草激光码进行字符识别；通过比对后台烟草编码规则即可及时判断烟草真伪。

主权项

基于深度学习的移动平台烟草激光码自动识别方法，其特征在于包括如下步骤：步骤1)、获取烟草激光码图像，去除图像周围的无效区域，保留图像中心矩形区域，然后采用大律法和局部阈值化技术相结合对图像进行二值化，最后去除激光码图像中存在的杂点；步骤2)、对激光码图像进行校正，使得激光码字符区域处于一个与屏幕平行的矩形区域；步骤3)、根据矩形区域的位置，进行纵向的字符分割和横向的字符分割，从而将激光码图像分割为单个字符图像，完成激光码图像字符分割；步骤4)、构建深度卷积神经网络，并采用分割后的激光码字符训练构建的深度卷积神经网络，将训练好的神经网络移植到移动平台客户端，烟草激光码采用该深度卷积神经网络进行字符识别；步骤5)、将识别到的烟草激光码字符发送至存有烟草编码规则和生产销售指标的服务器，服务器查询数据库,并根据烟草激光码编码规则判断烟草真伪，并将查询结果返回给移动平台客户端；结合大律法和局部阈值化技术对图像进行二值化，具体操作步骤如下：2‑1：首先根据图像的实际拍摄情况对图像进行区域划分；2‑2：初始化系统参数，indexNum代表现在处理的区域索引数，num代表图像总的分区数，indexNum的初始值为零；2‑3：接下来对每个区域采用大律法进行图像二值化，应用大律法对图像进行二值化，具体操作如下；2‑3‑1：用大律法对图像进行二值化，首先初始化系统参数，Min代表阈值的最小值，Max代表阈值的最大值，Thread代表该区域的阈值，Thread的初始值为Min，index是循环中的一个游标，其初始值为Min‑1；2‑3‑2：修改index的值，使index加1；2‑3‑3：判断index值与Max的大小关系，如果index小于Max则进行到下一步，否则退出该循环，直接跳转到2‑4；2‑3‑4：以index作为当前区域的阈值，计算在该区域时，前景平局灰度与背景平局灰度的差值sub，sub的计算方法如下：sub＝|color_f/num_f‑color_b/num_b|sub代表前景平均灰度值与背景平均灰度值差值的绝对值，color_f代表前景总灰度值，num_f代表前景点的像素数目，color_b代表背景总灰度值，num_b代表背景点的像素数目；2‑3‑5：计算前景灰度平均值与背景灰度平均值差值的绝对值sub与MaxSub的大小关系，如果sub大于MaxSub，则更新MaxSub的值为sub，并且更新阈值thread的值为当前索引index，同时跳转到2‑3‑2；否则直接跳转到2‑3‑2；2‑4：该步骤结束大律法的循环操作，将大律法得到的阈值作为区域索引数为indexNum的区域的阈值，并且对该区域进行二值化；2‑5：将区域索引数indexNum加1；2‑6：判断区域索引数indexNum与区域总数num的关系，如果indexNum小于num，则跳转到2‑3‑1，对区域索引数为indexNum的区域用大律法进行二值化，否则结束二值化。