基于機(jī)器視覺(jué)的藥盒檢測(cè)系統(tǒng)設(shè)計(jì)

姬 賀，陳亞軍，劉 雪，馬 登

（西華師范大學(xué) 電子信息工程學(xué)院，四川 南充 637001）

0 引言

隨著智能制造技術(shù)的高速發(fā)展，商家為了凸顯產(chǎn)品唯一性，更加方便快捷地進(jìn)行信息管理，將有關(guān)本商品的大量相關(guān)信息印刷于外包裝盒上，如產(chǎn)品名稱、產(chǎn)品品牌等。因此對(duì)藥廠的商品鏈來(lái)說(shuō)，藥盒的信息正確識(shí)別以及提高其識(shí)別的效率，有著十分重要的意義。本文基于機(jī)器視覺(jué)技術(shù)，利用手機(jī)攝像頭對(duì)藥盒信息進(jìn)行拍取，對(duì)藥盒產(chǎn)品的信息進(jìn)行識(shí)別，為后續(xù)藥品的管理、分揀等工序提供方便［1，4］。

OpenCV軟件庫(kù)是一個(gè)基于BSD許可(開(kāi)源）發(fā)行的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在多個(gè)操作系統(tǒng)上，如Linux，Windows，Android和Mac OS等。它具有輕量級(jí)且能夠進(jìn)行高效計(jì)算等優(yōu)點(diǎn)，而且本身是由C函數(shù)和少量C＋＋類構(gòu)成，并且由C＋＋語(yǔ)言編寫(xiě)并進(jìn)行了深度優(yōu)化，從而可以享受多線程處理的優(yōu)勢(shì)，同時(shí)提供了多種語(yǔ)言的接口，從而幫助人們快速地建立計(jì)算機(jī)視覺(jué)應(yīng)用。OpenCV的應(yīng)用領(lǐng)域十分廣泛，包括圖像拼接、圖像降噪、產(chǎn)品質(zhì)檢、人機(jī)交互、人臉識(shí)別、動(dòng)作識(shí)別、動(dòng)作跟蹤、無(wú)人駕駛等［5］。本設(shè)計(jì)利用OpenCV內(nèi)置的一些算法對(duì)藥盒上的信息檢測(cè)，一定程度上提升了開(kāi)發(fā)效率。

1 檢測(cè)方案設(shè)計(jì)

基于OpenCV軟件庫(kù)的檢測(cè)設(shè)計(jì)，主要包括圖像采集模塊以及基于OpenCV庫(kù)的檢測(cè)模塊。由于不同藥盒的條形碼的放置的位置通常是不同的，因此本設(shè)計(jì)采用智能手機(jī)(iphoneX）拍取有藥盒條形碼的一面并將圖像上傳至系統(tǒng)進(jìn)行檢測(cè)。經(jīng)過(guò)試驗(yàn)，可以得出該檢測(cè)方案成本低，效果也比較良好。

2 基于OpenCV的條形碼檢測(cè)軟件設(shè)計(jì)

2.1 條形碼相關(guān)知識(shí)

條形碼是按照一定的編碼規(guī)則將不同的條和空排列組合起來(lái)的，表示一些特定的信息，如字符、數(shù)字等。條形碼具有制作簡(jiǎn)單、信息采集快、可靠性強(qiáng)、自由度大等特點(diǎn)。一條完整的條形碼的符號(hào)結(jié)構(gòu)通常是由靜區(qū)、起始字符、數(shù)據(jù)字節(jié)、校驗(yàn)字符、終止字符、靜區(qū)依次組成［6］。

2.2 基于OpenCV庫(kù)檢測(cè)條形碼流程

基于OpenCV庫(kù)的條形碼檢測(cè)識(shí)別方法，需要對(duì)條形碼進(jìn)行圖像讀取，進(jìn)行圖像預(yù)處理，再用OpenCV內(nèi)置的圖像檢測(cè)算子進(jìn)行檢測(cè)，最后傳入深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。這種方法，不僅速度快，而且抗外部干擾能力也比較好，大多可以準(zhǔn)確識(shí)別藥盒的條形碼及相關(guān)數(shù)字信息。OpenCV檢測(cè)條形碼的主要流程，如圖1所示。

圖1 OpenCV識(shí)別條形碼流程

2.3 OpenCV檢測(cè)條形碼關(guān)鍵算子以及用法

(1）cv2.imread：在識(shí)別條形碼的第一步操作，需要將圖像載入軟件當(dāng)中，建立一個(gè)image，方便對(duì)圖像進(jìn)行后續(xù)的處理。常用用法為cv2.imread(filename，flags）：filename讀入image的完整路徑；flags標(biāo)志位，｛cv2.IMREAD_COLOR，cv2.IMREAD_GRAYSCALE，cv2.IMREAD_UNCHANGED｝；cv2.IMREAD_COLOR默認(rèn)參數(shù)，讀入一副彩色圖片，忽略alpha通道，可用1作為實(shí)參替代；cv2.IMREAD_GRAYSCALE讀入灰度圖片，可用0作為實(shí)參替代；cv2.IMREAD_UNCHANGED讀入完整圖片，包括alpha通道，可用-1作為實(shí)參替代。

(2）cv2.Sobel：利用Sobel邊緣檢測(cè)提取我們image的輪廓。常用用法為cv2.Sobel(src，ddepth，dx，dy，dst，ksize）。

src表示需要處理的圖像；ddepth表示圖像的深度；dx和dy表示對(duì)圖像求導(dǎo)的階數(shù)；dst表示操作處理后的圖像為dst；kisze表示Sobel算子的大小。

(3）cv2.getStructuringElement：來(lái)生成不同形狀的結(jié)構(gòu)元素。常用用法為矩形MORPH_RECT；交叉形MORPH_CROSS；橢圓形MORPH_ELLIPSE。

(4）cv2.dilate：將前景物體變大，理解成將圖像斷開(kāi)裂縫變小(在圖片上畫(huà)上黑色印記，印記越來(lái)越?。?。常用用法為cv2.dilate(src，kernel，iterations）。

src表示需要處理的圖像；kernel配合cv2.getStructuringElement使用，使用指定形狀和尺寸的結(jié)構(gòu)元素(內(nèi)核矩陣）；iterations表示迭代使用該函數(shù)的次數(shù)。

(5）cv2.erode：將前景物體變小，理解成將圖像斷開(kāi)裂縫變大(在圖片上畫(huà)上黑色印記，印記越來(lái)越大）。常用用法與cv2.dilate(）中的參數(shù)用法幾乎相同。

(6）cv2.imencode：將圖片轉(zhuǎn)換為數(shù)據(jù)，通常是np.unit8格式。

(7）cv2.imdecode：從指定的內(nèi)存緩存中讀取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)換(解碼）成圖像格式。

(8）cv2.matchTemplate：將目標(biāo)圖片與模板圖片進(jìn)行模板匹配。模板匹配就是在包含目標(biāo)圖片的模板圖片上搜索目標(biāo)，該目標(biāo)同模板有相同的尺寸、方向和圖像元素，通過(guò)內(nèi)置的算法可以在圖中找到目標(biāo)。

3 檢測(cè)結(jié)果

通過(guò)以上對(duì)OpenCV關(guān)鍵算子的應(yīng)用，將拍取到的藥盒包裝印刷的條形碼圖片進(jìn)行檢測(cè)并核對(duì)真實(shí)數(shù)據(jù)，檢測(cè)軟件得到正確的結(jié)果，如圖2所示。

圖2 條形碼檢測(cè)結(jié)果

4 結(jié)語(yǔ)

本文主要基于python語(yǔ)言利用OpenCV庫(kù)，對(duì)藥盒的條形碼進(jìn)行了檢測(cè)并識(shí)別，利用OpenCV的形態(tài)學(xué)操作算子檢測(cè)到條形碼信息。因?yàn)樗幒袟l形碼信息大多都是阿拉伯?dāng)?shù)字，筆者通過(guò)模板匹配對(duì)此進(jìn)行了識(shí)別。結(jié)果表明，筆者設(shè)計(jì)的條形碼檢測(cè)識(shí)別系統(tǒng)結(jié)果比較準(zhǔn)確，效率也比較高，具有一定的實(shí)用意義。