基于特征提取与LM-BP神经网络协同作用的异常条形码辨识方法

• 作者: 刘洪亮 段志尚 王健 王永超 王璐 邢玉东 黄大荣
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 条形码 特征提取 LM-BP神经网络 histogramoforientedgradient(HOG) 曲线特性 纹理粗糙度 纹理灰度
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息·计算机
• 页码范围: 125-131
• 页数: 7页
• 分类号: TP39
• 字数: 4279字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.02.021

摘要

针对复杂工况环境下异常条形码的识别问题,提出了一种新的基于特征提取与BP神经网络协同作用的异常条形码判别方法.首先,为有效对条形码图像特征进行表征,从图像histogram of oriented gradient(HOG)特征、曲线特征、纹理粗糙度、纹理灰度特征着手,建立条形码识别的特征库;在此基础上,建立以LM-BP神经网络为核心的辨识框架对条形码特征进行训练和辨识;最后,通过模拟国网新疆电力有限公司电力科学研究院计量生产自动化系统现场的条形码图像验证了算法的合理性.实验结果表明:基于特征提取与LM-BP神经网络协同辨识的方法能有效对条形码状态进行识别,其识别精度可达88.29％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄大荣	重庆交通大学信息科学与工程学院	90	453	10.0	16.0
2	段志尚	国网新疆电力有限公司电力科学研究院	2	1	1.0	1.0
3	王永超	国网新疆电力有限公司电力科学研究院	2	1	1.0	1.0
4	王璐	国网新疆电力有限公司电力科学研究院	4	12	1.0	3.0
5	王健		2	1	1.0	1.0
6	邢玉东	国网新疆电力有限公司电力科学研究院	2	1	1.0	1.0
7	刘洪亮		2	1	1.0	1.0