一種基于線掃描的受損一維條形碼識別方法

楊鑫 黃詩浩 李建剛 歐海燕 謝文明 林金陽

摘 要：針對受損情況下的一維條形碼識別問題，基于線掃描技術(shù)提出一種準確、穩(wěn)定、高效的識別方法。分析了一維條形碼EAN碼制的解碼原理以及用線掃描方式處理一維條形碼信息的過程;根據(jù)一維條形碼出現(xiàn)的污點、劃痕、彎曲等受損情況，設(shè)計了對應(yīng)的算法，并且應(yīng)用線掃描技術(shù)完成解碼;最后，采集了1 000張一維條形碼實驗樣本驗證識別方法的準確性。結(jié)果表明：該方法能有效應(yīng)對受損情況下的解碼問題，且解碼成功率維持在了較高水平;其中，受一維條形碼彎曲程度的影響，彎曲樣本的解碼成功率為88%，略低于污點樣本的95%以及劃痕樣本的91%;基于線掃描技術(shù)的受損一維條形碼識別方法具有較強的魯棒性。

關(guān)鍵詞：一維條形碼;解碼;受損;掃描線

中圖分類號：TP391.41

文獻標志碼：A

一維條形碼（以下簡稱“一維碼”）作為條形碼的重要分支，在日常生活中十分常見，其本質(zhì)是按指定編碼規(guī)則排列的不同寬度的黑白條。它能存儲包含產(chǎn)地、日期、商品類別等諸多信息，具有經(jīng)濟實用、輸入快、可靠性高、信息量大以及易轉(zhuǎn)移等優(yōu)點，廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、生物醫(yī)療等領(lǐng)域[1-3]。傳統(tǒng)條形碼識別技術(shù)依賴于便攜式光電轉(zhuǎn)換設(shè)備，其原理是掃碼裝置發(fā)出光線照到條形碼上，利用黑白條碼的不同反光率，將不同反射強度的光線通過光電傳感器轉(zhuǎn)化為電信號，再處理為數(shù)字信號還原成字符信息。該方法在單一條碼的應(yīng)用場景方面具有操作方便、簡單快捷、可移植性高等優(yōu)點;但是在識別受損條形碼時，不僅存在錯誤率高，甚至是無法識別的情況，在批量處理條形碼時還會存在速度過慢、人力成本高、效率低等缺點。

為了提高條形碼的識別效率與準確度，基于圖像處理的條形碼識別方法在實際應(yīng)用中扮演著重要的角色。首先，通過攝像頭對條形碼進行拍照;其次，應(yīng)用圖像處理算法對條形碼進行定位、識別;再次，返回條形碼字符信息[4-5]。目前，該方法的研究方向主要是針對不同的應(yīng)用場景，開發(fā)不同的條形碼識別系統(tǒng)。例如：文獻[6]基于電子商務(wù)與快遞行業(yè)的快速融合，將條形碼識別技術(shù)應(yīng)用于快遞的快速分揀派送中。文獻[7]將條形碼集成技術(shù)應(yīng)用于企業(yè)生產(chǎn)作業(yè)流程，大幅提升了流水線上的物料使用效率。文獻[8]在電機等設(shè)備的輔助下，應(yīng)用開發(fā)的條形碼識別系統(tǒng)實現(xiàn)了圖書信息的快速檢索。這些應(yīng)用僅僅針對完整無受損的條形碼的識別。然而，條形碼在使用、運輸過程中，不可避免會出現(xiàn)劃痕、污點、打印不全、重影等條形碼受損的問題。針對這一問題，文獻[9]提出了一種改進的RS糾錯算法，提高了受損條形碼的識別率，但是復雜度較高，計算機解碼耗時長，圖像處理前涉及大量的矯正問題，而且算法的魯棒性也有待加強。文獻[10]提出了一種新的基于機器視覺的識別方法，通過對計算機算法資源的合理配置，實現(xiàn)解碼，存在可行性，但實際的解碼過程卻是對受損條形碼進行重構(gòu)，在重構(gòu)的基礎(chǔ)上完成解碼，工作量大。因此，提高受損條形碼的識別準確率有待進一步加強研究。

本文以一維碼為研究對象，采用圖像處理方法，提出基于掃描線的一維碼識別方案，能有效提高受損一維碼的識別效率，對一維碼識別系統(tǒng)的開發(fā)與應(yīng)用具有實際指導意義。

1 基于線掃描的一維碼識別原理

1.1 完整一維碼的線掃描識別方法

完整的一維條形碼圖像可分為兩側(cè)空白區(qū)、起始符、數(shù)據(jù)字符、檢驗符、終止符，它包含了若干寬細不等的黑白條和一串數(shù)字信息[11]。取一個二進制位的寬度為n，則對于一維EAN碼，每0.33 mm寬的豎條代表一個二進制位，黑色豎條代表二進制“1”，白色豎條代表二進制“0”。標準EAN碼由13個字符組成，其中代表數(shù)據(jù)符的字符由7個二進制位組成，如圖1所示。

線掃描識別解碼簡單來說，就是處理過程中對一維碼幾個關(guān)鍵信息點內(nèi)容的獲取，包括單位二進制位寬度，掃描線相對于基準方向的角度等等。識別過程中計算機處理的偽代碼如下所示：

處理完整的無受損一維碼時，通過掃描線得到全部的有效黑白條的寬度信息，根據(jù)寬度信息能100%得到所需的一維碼解碼信息。

1.2 受損一維碼的線掃描識別方法

生產(chǎn)實踐中遇到的部分條形碼的具體情況如圖3所示。圖3（a）是完整的無受損的一維碼。此類型一維碼直接采用與基準方向角度為零的掃描線就可以直接讀取出一維碼的相關(guān)信息。圖3（b）是有污點或劃痕缺陷的一維碼。該類型一維碼最佳解碼方法是找到合適角度的完整的掃描線，掃描線避開不可處理區(qū)域且能貫穿整個一維碼，進而準確識別一維碼相關(guān)信息。圖3（c）—（e）是有破損情況的一維碼。其中，圖3（c）的一維碼部分破損，只要破損區(qū)域不聯(lián)通，我們?nèi)阅軐ふ业胶线m角度的掃描線貫穿整個一維碼，識別一維碼的相關(guān)信息。圖3（d）一維碼的破損區(qū)域相互聯(lián)通，一維碼信息缺失過多，需要通過分段掃描線拼接的方法，將破損的一維碼完整解碼出來。標準EAN碼包含95個0.33 mm寬的二進制位，寬度為3.135 cm，其中，11個二進制位屬于起始符編碼101、終止符編碼101以及分隔符編碼01010。根據(jù)一維碼的寬度，我們可以將分段的信息拼接起來。圖3（e）顯示的一維碼不僅破損區(qū)域聯(lián)通，而且丟失了整段黑條或白條的具體信息。此類型的一維碼屬于不可處理的一維碼，需要重新打碼或借助其它信息進行人工判斷。

除上述情況外，還會出現(xiàn)一維碼彎曲的情況，如圖4所示。若一維碼彎曲程度過大，解碼所需的有效信息缺失，即使通過矯正[14-15]，也可能無法順利還原有效信息，無法實現(xiàn)解碼。若一維碼彎曲幅度小，本文通過設(shè)定閾值、結(jié)果投票的方式確定豎條寬度信息。由圖4可見：圖中很多豎條出現(xiàn)不同程度的形變，導致同一豎條不同高度的寬度會出現(xiàn)偏差，通過掃描線、分隔線得到的寬度信息也會出現(xiàn)偏差。

平整狀態(tài)時，稱一維碼的豎條寬度為標準寬度，其值為基本二進制位寬度的1～4倍。設(shè)彎曲時分隔線閾值為10%，通過掃描線、分隔線識別出的豎條寬度信息可接受范圍為該豎條標準寬度的90%至110%。圖4有10條掃描線，以圖中從左往右第6根黑色豎條為例，掃描線、分隔線識別的豎條寬度信息依次為：1.27、1.27、1.21、1.15、0.99、0.94、0.88、0.99、0.99、1.01 mm。該豎條標準寬度為3個基本二進制位寬度，即0.99 mm，所以10%閾值下的豎條可接受范圍為0.89～1.09 mm。低于0.89 mm的寬度信息歸于2n，高于1.09 mm的寬度信息歸于4n。最終由識別出的10個豎條寬度信息可知：2n占10%，3n占50%，4n占40%，取多數(shù)投票結(jié)果為3n，則該豎條寬度信息確認為0.99 mm。如果投票沒有產(chǎn)生一個占多數(shù)的結(jié)果，就要考慮增加掃描線的數(shù)量。

面對一維碼出現(xiàn)的污點、劃痕、彎曲等受損情況，通過角度調(diào)整、掃描線拼接、設(shè)定閾值、結(jié)果投票等方法，能成功解碼出一維碼信息。

1.3 系統(tǒng)識別流程

條形碼的識別流程如圖5所示。為了提高識別精度，對圖像的一維碼區(qū)域進行碼區(qū)去噪預(yù)處理。識別時首先判斷一維碼是否為無受損的平整狀態(tài)，若無受損情況，掃描線直接解碼。當一維碼出現(xiàn)污點、劃痕時，根據(jù)污點、劃痕區(qū)域是否造成聯(lián)通以及聯(lián)通面積的大小判斷是否需要分段掃描線。當一維碼彎曲程度小時，通過設(shè)定掃描線分隔線閾值以及結(jié)果投票判斷彎曲豎條的寬度信息，實現(xiàn)解碼;否則，無法解碼。

2 實驗分析與對比

2.1 彎曲情況下的識別結(jié)果

當商品包裝因外力等作用發(fā)生形變時，附著于商品上的一維碼也有可能發(fā)生形變，出現(xiàn)彎曲現(xiàn)象，如圖6所示。過度彎曲的一維碼會解碼失敗，在實際操作過程中，應(yīng)盡量避免一維碼過度彎曲。

彎曲圖片仍可以處理出足夠數(shù)量的掃描線。由圖6可以看出，有的豎條經(jīng)由不同掃描線處理出來的分隔線寬度信息是不一致的。通過設(shè)定閾值、結(jié)果投票的方式確定彎曲豎條的寬度信息，最終得出一維碼的解碼信息為6911410829034（一些商品的一維碼在印刷數(shù)字信息時會默認隱去前置碼，圖6中一維碼的前置碼是6），與標簽上顯示的一維碼完全一致，證明了本文方法的有效性。

2.2 污點、劃痕情況下的識別結(jié)果

圖7是有污點的一維碼解碼情況。這種情況下，一維碼豎條的寬度信息缺失，無法處理寬度信息。在一維碼識別時，掃描線以一定的角度穿過一維碼的有效區(qū)域，避開污損區(qū)域，從而實現(xiàn)有效的一維碼解碼。通過對掃描線的寬度處理，得到一維碼信息為6954176874245，與實際一維碼完全一致。有劃痕的一維碼的解碼和污點情況類似。

2.3 破損情況下的識別結(jié)果

圖8是一維碼出現(xiàn)破損無法處理完整掃描線的解碼情況。此類情況，按照步驟處理出合適數(shù)量的掃描線，通過綜合多條掃描線上的有效信息實現(xiàn)解碼，注意要選取足夠數(shù)量的掃描線以覆蓋解碼所需的有效信息。圖8（a）由于掃描線數(shù)量過少，掃描線拼接時有的分隔線處理的寬度信息缺失，出現(xiàn)了有效信息遺漏的情況，導致無法正常識別。實驗結(jié)果表明，掃描線過多會造成處理時間的延長，一般來說，掃描線的數(shù)量選擇10條。圖中基于該方法的解碼信息為6927073409193，與實際一維碼信息一致，解碼正確。對于圖中黑白條內(nèi)容缺失的部分，掃描線上無分隔線，無法給出有效信息，但將不同掃描線帶有分隔線的有效信息拼接起來即可獲取完整解碼信息。

2.4 組合受損情況下的識別結(jié)果

受損一維碼不僅有污點、劃痕、彎曲、破損等單一受損情況，還有包含多種單一受損的組合受損情況，如圖9所示。組合受損一維碼解碼時，綜合單一受損一維碼的解碼方法，線掃描的解碼方式也能實現(xiàn)一維碼解碼，解碼結(jié)果與實際一維碼信息一致;但由于受損情況的疊加，所以識別時間較單類受損的情況更長。

2.5 解碼成功率

本文采集了1 000張一維碼樣本，其中，完整、污點、劃痕、彎曲和破損的樣本各200張。對1 000張一維碼樣本進行識別，解碼情況見表1。由表1可以看出：污點、劃痕這2種受損情況的一維碼的解碼成功率相對較高，為90%～95%;污點與劃痕的解碼原理類似，兩者的解碼成功率接近;彎曲和破損的樣品存在缺失有效信息的情況，解碼成功率相對較低。4種受損一維碼的綜合解碼成功率能達90%。

文獻[16]基于R-CNN神經(jīng)網(wǎng)絡(luò)，以兩級目標檢測體系結(jié)構(gòu)為基礎(chǔ)搭建了一個條形碼精確檢測網(wǎng)絡(luò)，通過該網(wǎng)絡(luò)可完成對一維碼的解碼。該方法擺脫了傳統(tǒng)特征提取的限制，可應(yīng)用于針對復雜環(huán)境下的條形碼解碼，但網(wǎng)絡(luò)的訓練過程較為復雜，同時區(qū)域定位偏差對結(jié)果影響較大。文獻[17]基于PCA特征提取以及SVM算法完成一維碼解碼。該方法計算效率高，一維碼解碼時間較短，但解碼準確率受SVM參數(shù)影響較大。文獻[18]聯(lián)合了亞像素內(nèi)插的條碼圖像分辨率增強算法和灰度投影曲線的條碼高分辨率重構(gòu)算法，對檢測到的一維碼圖像進行處理，面對混合樣本集，其綜合識別成功率能達到85.9%，但算法較為復雜。將本文的方法與文獻[16-18]進行比較，對比結(jié)果見表2。針對污點、劃痕、彎曲、破損等受損一維碼的識別，本文提出的掃描線的解碼方式具有較高的準確性和較強的魯棒性。

3 結(jié)語

本文針對傳統(tǒng)識別方法難以處理污點、劃痕、彎曲等受損一維碼的情況，提出了線掃描的識別方法。針對實際受損情況對一維碼造成的影響，設(shè)計了對應(yīng)的識別方案。一維碼平整時，根據(jù)一維碼有效信息的缺失情況判斷掃描線角度以及是否需要分段掃描線處理。一維碼彎曲時，根據(jù)彎曲程度設(shè)定閾值，通過結(jié)果投票實現(xiàn)解碼。本文提出的線掃描識別方法能有效應(yīng)對污點、劃痕、彎曲、破損的受損情況，其中，污點、劃痕樣本的解碼成功率能達到95%和91%，彎曲、破損樣本的解碼成功率為88%和86%。未來將該識別方法與視覺系統(tǒng)緊密結(jié)合，相信能為受損一維碼的識別提供一種更加高效、準確的識別方案。

參考文獻：

[1]RUSSELL S M， DOMNECH-SNCHEZ A， ROBERTO D L R. Augmented reality for real-time detection and interpretation of colorimetric signals generated by paper-based biosensors[J]. ACS Sensors， 2017， 2（6）： 848-853.

[2]ZHANG Y， SUN J S， ZOU Y， et al. Barcoded microchips for biomolecular assays[J]. Analytical Chemistry， 2015， 87（2）： 900-906.

[3]YANG M Z， ZHANG W， YANG J C， et al. Skiving stacked sheets of paper into test paper for rapid and multiplexed assay[J]. Science Advances， 2017， 3（12）： 1-6.

[4]熊川， 嵇建波. 基于CCD的二維條形碼檢測系統(tǒng)[J]. 電訊技術(shù)， 2012， 52（10）： 1670-1674.

[5]馮月春， 陳惠娟. 基于機器視覺的激光條形碼識別技術(shù)研究[J]. 激光雜志， 2019， 40（6）： 98-102.

[6]張萍， 謝子平， 史雪薇. “一掃而光”快遞配送輔助軟件的開發(fā)[J]. 河北工業(yè)大學學報， 2014， 43（3）： 6-9.

[7]劉德智， 張范軍. Barcode技術(shù)在ERP框架下生產(chǎn)過程管理中的應(yīng)用研究[J]. 現(xiàn)代制造工程， 2010（5）：16-20.

[8]趙文嬌. 基于條碼識別技術(shù)圖書檢索系統(tǒng)設(shè)計與實現(xiàn)[J]. 現(xiàn)代電子技術(shù)， 2019， 42（17）： 124-128

[9]郭明. 殘缺和破損條形碼的圖像識別技術(shù)研究[D]. 哈爾濱： 哈爾濱理工大學， 2014.

[10]嚴小紅. 計算機視覺在條形碼缺陷檢測中的應(yīng)用[J]. 華僑大學學報（自然科學版）， 2017， 38（1）： 109-112.

[11]張琪建， 李為民. 基于圖像的一維條形碼可識別性研究[J]. 制造業(yè)自動化， 2014， 36（9）： 45-50.

[12]李慧， 歐陽鑫玉， 張鋒. 基于圖像技術(shù)的EAN-13條碼識別系統(tǒng)設(shè)計[J]. 信息技術(shù)與網(wǎng)絡(luò)安全， 2020， 39（3）： 73-77.

[13]劉惠蘭， 賈永澤， 石亞楠. 基于線陣CCD的條形碼識別綜合實驗設(shè)計[J]. 實驗技術(shù)與管理， 2018， 35（6）： 159-161， 165.

[14]易帆， 李功燕， 許紹云. 基于多任務(wù)目標檢測的條形碼傾斜矯正算法研究[J]. 計算機應(yīng)用與軟件， 2019， 36（10）： 139-144.

[15]劉婀娜， 羅予頻， 華成英. 變形文檔圖像的矯正方法研究[J]. 微計算機信息， 2007， 23（3）： 260-262.

[16]TIAN Y， CHE Z H， ZHAI G T， et al. BAN， a barcode accurate detection network[C]// 2018 IEEE Visual Communications and Image Processing （VCIP）. United States： IEEE， 2018.

[17]MULYANINGTYAS C， IMAH E M. Barcode recognition using principal component analysis and support vector machine[C]// Mathematics， Informatics， Science， and Education International Conference （MISEIC 2018）. Paris， France： Atlantis Press， 2018.

[18]WANG H， GUO C A. A novel method for barcode detection and recognition in complex scenes[C]// International Conference on Image & Graphics. Cham， Switzerland： Springer International Publishing， 2015.

（責任編輯：周曉南）

Abstract：

Aiming at the problem of one-dimensional barcode recognition under damaged condition， an accurate， stable and efficient identification method based on line scan technology is proposed. Firstly， the decoding principle of EAN code system and the process of processing one-dimensional barcode information by line scanning are analyzed. According to the characteristics of the damaged barcode， the corresponding algorithm is designed， and the line scan technology is applied to complete the decoding. In order to verify the accuracy of the recognition method， 1 000 samples of one-dimensional barcode are collected. The results show that the method can effectively deal with the decoding problem under damaged conditions， and the decoding success rate is maintained at a high level. Affected by the bending degree of one-dimensional barcode， the decoding success rate of curved samples is 88%， which is slightly lower than 95% of stain samples and 91% of scratch samples. The experimental results show that the damaged one-dimensional barcode recognition method based on line scanning technology has strong robustness.

Key words：

one-dimensional barcode; decoding; damage; scan line