基于U-Net网络的QR码褶皱恢复算法

• 作者: 侯玉坤 李功燕 许绍云
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 深度学习 图片恢复 神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 302-307
• 页数: 6页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.064

摘要

在智能物流分拣系统中常常利用工业相机捕捉快递面单上的QR码图片,继而完成识别工作.然而现实场景下,QR码标签普遍会出现弯曲褶皱情况,影响QR码信息的读取,所以为提升整个系统中QR码识别效果,通常需要将包裹上的褶皱QR码标签平整化.鉴于深度学习在图像算法各领域取得的非凡效果,研究一种基于U-Net网络的褶皱QR码恢复模型,通过添加平移不变损失和对抗损失,它可以直接预测褶皱图片到矫正图片的归一化坐标映射矩阵,并通过简单运算得到矫正图片.另外,由于现实中难以获取满足模型训练的大量已标注数据,利用2D扭曲的方法创建一万张褶皱QR码图片的合成数据集.在最终测试数据上的实验显示,上述模型可以有效的解决褶皱QR码的矫正恢复问题.