一种数据矩阵代码识别方法,基于使用中央先验的L形点边缘定位

科学领域:

• 计算机视觉 计算机视觉
• 工业自动化 工业自动化
• 模式识别 模式识别

背景情况:

• 数据矩阵 (DM) 代码识别对于工业生产和自动化至关重要.
• 现有的方法难以处理低质量的工业图像,特别是那些对寻找器和定时模式产生边缘干扰的图像.
• 在工业环境中,由于图像噪声和缺陷,识别精度降低是一个重大挑战.

研究的目的:

• 开发一种新型的数据矩阵 (DM) 代码识别方法,能够对工业图像干扰产生强大影响.
• 为了提高识别准确度,专注于L形截止边缘 (定时模式),而不是固体边缘 (寻找模式).
• 为了利用DM代码中心的先前信息来增强边缘本地化.

主要方法:

• 利用基于深度学习的对象检测方法,准确地定位DM代码的中心.
• 开发了一种两级选策略,包括一般和中央约束,以精确地定位L形线条边缘.
• 采用libdmtx库来从从划线边缘获得的精确定位图像中解码DM代码内容.

主要成果:

• 拟议的方法通过使用中央约束来显著提高L形线条边缘定位的准确性.
• 实验结果显示,在各种DM代码数据集中,与现有方法相比,识别准确率更高.
• 该方法表明时间消耗减少,这表明工业应用的效率更高.

结论:

• 新的DM代码识别方法有效地解决了工业环境中常见的干扰问题.
• 根据代码的中心指导,定位L形线条边缘,提供了一个更强大的识别策略.
• 该方法由于其高精度和效率,为工业生产提供了显著的实际价值.