基于深度学习的条码识别算法

作者：周为鹏; 徐白; 龚佳卿; 朱霞^*

来源：电子技术与软件工程, 2021, (19): 184-185.

• 条码识别
• Yolov5
• OpenCV
• Zbar

本文根据当今物流系统中对快递面单上条形码进行识别的需要,设计了一个基于深度学习的快递单面条形码识别算法。该算法通过对摄像头采集到的原始图像进行智能处理及识别,读取出包裹的快递单号信息,并应用于高校快递智能服务系统。该算法包含条形码定位以及条形码识别两部分。为了提高算法效率,本论文采用结构最简洁,推理速度最快的Yolov5s模型来完成对条形码的定位,首先使用Yolov5s框选出条形码所在位置,输出边框选中的部分,再使用OpenCV的最小外接矩形方法得到图片的偏转角度,然后使用仿射变换对存在偏转的图像进行矫正,最后使用解码器对条形码进行解码,并以字符串的形式输出解码出的内容,实现对快递面单上条形码的定位与识别。通过真实环境下的测试得出,Yolov5s条形码检测模型的mAP值为99.67%,测试精度为93.64%,较好地达成了实验目的。

• 单位
  金陵科技学院