通过认证
“快递物流的条形码识别系统”参数说明
| 品牌： | 中科贯微 | 测量精度： | 定制 |
| 加工定制： | 是 | 类型： | 固定式读码器 |
| 扫描范围： | 定制 | 扫描方式： | 图像式 |
| 有效像素： | 130-500万 | 型号： | 定制 |
| 规格： | 定制 | 商标： | 定制 |
| 包装： | 定制 | 产量： | 10000 |
“快递物流的条形码识别系统”详细介绍
系统在物流卸货后的最前端采用工业视觉识别技术对包件面单条形码自动扫描，该技术利用智能相机对面单进行图像采集，将采集的图像传输至图像处理卡TMS320DM6467中进行算法处理，得到条形码的数据，然后再将条码数据与计泡机上现有的重量与体积综合，最后通过GPRS技术将数据传输给数据服务器，方便分拣中心后期实现自动化分拣系统。
应用领域包括：韵达、顺丰、圆通、申通等快递公司物流的自动化分拣投递。
分拣系统的视觉检测原理
视觉检测包含两部分，检测包裹的颜色、形状，以及包裹单上的条形码识别。
在工业现场环境中，视觉检测系统釆集获取的图像会参杂大量的噪声,影响图像质量,破坏图像的真实性,对后续处理带来很大影响。所以首先我们分析图像中噪声的来源，以有效去除图像中的噪声，然后再进行检测及识别。
（1）包裹的颜色、形状检测
为使工作人员快速的识别出条形码序列对应的包裹，需对包裹进行颜色、形状检测，形成文字描述对应于条形码序列。此项检测需利用一台彩色相机对包裹进行识别，当包裹到达相机正下方时，触发相机拍照以采集图像，并进行识别。识别算法具体为：
首先对采集的图像进行去噪处理，如脉冲噪声等；
其次对根据颜色特征对图像进行分割处理，将包裹所在区域与背景分离，根据分割出的包裹区域的边缘特征可计算出包裹的形状特征；
最后，在图像中包裹所在区域，利用连通区域分析及包裹单的颜色特征、矩形形状特征，识别出包裹单的所在位置。根据去除包裹单区域后剩余的图像中包裹区域，判断包裹的颜色特征。
（2）条形码识别
由于包裹的大小不一，且每个相机成像范围有限，为使得所有规格包裹的表面均被相机拍到，我们采用四个相机同时在横向方向对包裹进行拍照处理。根据上步的到的形状特征判断相机拍照次数，使得每个包裹表面纵向区域均被相机拍到。识别算法具体为：
首先对采集的图像进行去噪处理，如脉冲噪声等；
其次检测所处理图像中是否存在条形码，由于对同一个包裹进行不同区域的成像，所以部分图像中没有包含条形码区域。
最后对于存在条形码区域的图像，进行条码区域精确定位及识别，并将结果输出到上位机界面。
应用领域包括：韵达、顺丰、圆通、申通等快递公司物流的自动化分拣投递。
分拣系统的视觉检测原理
视觉检测包含两部分，检测包裹的颜色、形状，以及包裹单上的条形码识别。
在工业现场环境中，视觉检测系统釆集获取的图像会参杂大量的噪声,影响图像质量,破坏图像的真实性,对后续处理带来很大影响。所以首先我们分析图像中噪声的来源，以有效去除图像中的噪声，然后再进行检测及识别。
（1）包裹的颜色、形状检测
为使工作人员快速的识别出条形码序列对应的包裹，需对包裹进行颜色、形状检测，形成文字描述对应于条形码序列。此项检测需利用一台彩色相机对包裹进行识别，当包裹到达相机正下方时，触发相机拍照以采集图像，并进行识别。识别算法具体为：
首先对采集的图像进行去噪处理，如脉冲噪声等；
其次对根据颜色特征对图像进行分割处理，将包裹所在区域与背景分离，根据分割出的包裹区域的边缘特征可计算出包裹的形状特征；
最后，在图像中包裹所在区域，利用连通区域分析及包裹单的颜色特征、矩形形状特征，识别出包裹单的所在位置。根据去除包裹单区域后剩余的图像中包裹区域，判断包裹的颜色特征。
（2）条形码识别
由于包裹的大小不一，且每个相机成像范围有限，为使得所有规格包裹的表面均被相机拍到，我们采用四个相机同时在横向方向对包裹进行拍照处理。根据上步的到的形状特征判断相机拍照次数，使得每个包裹表面纵向区域均被相机拍到。识别算法具体为：
首先对采集的图像进行去噪处理，如脉冲噪声等；
其次检测所处理图像中是否存在条形码，由于对同一个包裹进行不同区域的成像，所以部分图像中没有包含条形码区域。
最后对于存在条形码区域的图像，进行条码区域精确定位及识别，并将结果输出到上位机界面。
