一种基于ppyolov2模型的工业场景qr code检测与识别方法
技术领域
1.本发明涉及智能制造技术领域，尤其涉及一种基于ppyolov2模型的工业场景qr code检测与识别方法。
背景技术：2.qr code具有信息量大、可靠性高、使用成本低等优点，近年来，二维条码技术广泛应用于工业控制领域，很多工业零部件、电子芯片和产品外包装采用qr code技术进行识别，完成质量管理和产品溯源等功能。
3.但是目前现有工业控制环境中，条码往往印制在其它图案中，因此必须在背景中检测出条码的位置。工业环境受限于某些局限性，比如灯光照明不足、扬尘、反光等，缺陷种类多，形状、出现位置、面积等均不规则，且极其细微，传统算法准确率低，单张图片检测速度要求高，终端部署硬件性能及成本需要权衡考虑，每类缺陷数据样本少，模型训练基础素材有限的问题，因此，我们提出一种基于ppyolov2 模型的工业场景qr code检测与识别方法，用于解决上述问题。
技术实现要素：4.本发明的目的是为了解决目前现有的缺陷种类多，形状、出现位置、面积等均不规则，且极其细微，传统算法准确率低、单张图片检测速度要求高等问题，而提出的一种基于ppyolov2模型的工业场景 qr code检测与识别方法。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种基于ppyolov2模型的工业场景qr code检测与识别方法，包括以下步骤：
7.s1：位于左上、左下、右上的三个矩形是位置探测图形，准确找到左上角矩形右边的第一个编码字符的位置，对二维码进行位置探测，输入图像，返回检测到包围二维码的最小四边形，函数调用状态，调用成功返回，得到二维码图形；
8.s2：矫正二维码图形，利用计算机透视变换对不规则的二维码进行投影映射，两次变换得到完整的二维码图形；
9.s3：摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,得到二值化图像后,对其进行膨胀运算,对膨胀后的图像进行边缘检测得到条码区域的轮廓；
10.s4：进行网格采样，对网格每一个交点上的图像像素取样；
11.s5：光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号；
12.s6:译码器根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据；
13.优选的，所述s1中，对二维码位置的探测利用到yolov2算法， yolov2借鉴rpn网络
使用anchor boxes来预测边界框相对先验框的offsets，边界框的实际中心位(x，y)的坐标偏移值(t
x
，ty)，先验框的尺度(wa，ha)以及中心坐标(xa，ya)来计算：
14.x＝(t
x
×
wa)-xa15.y＝(ty×
ha)-ya16.但是上面的公式是无约束的，预测的边界框很容易向任何方向偏移，如当t
x
＝1时边界框将向右偏移先验框的一个宽度大小，而当t
x
＝-1时边界框将向左偏移先验框的一个宽度大小，因此每个位置预测的边界框可以落在图片任何位置，这导致模型的不稳定性，在训练时需要很长时间来预测出正确的offsets，yolov2沿用 yolov1的方法，预测边界框中心点相对于对应cell左上角位置的相对偏移值，为了将边界框中心点约束在当前cell中，使用sigmoid 函数处理偏移值，这样预测的偏移值在(0，1)范围内，每个cell的尺度看做1)，总结来看，根据边界框预测的4个 offsetst
x
，ty，tw，th，可以按如下公式计算出边界框实际位置和大小：
17.b
x
＝σ(t
x
)+c
x
18.by＝σ(ty)+cy[0019][0020][0021]
其中(c
x
，cy)为cell的左上角坐标，在计算时每个cell的尺度为1，所以当前cell的左上角坐标为(1，1)，由于sigmoid函数的处理，边界框的中心位置会约束在当前cell内部，防止偏移过多，而pw和ph是先验框的宽度与长度，前面说过它们的值也是相对于特征图大小的，在特征图中每个cell的长和宽均为 1；这里记特征图的大小为(w，h)，这样我们可以将边界框相对于整张图片的位置和大小计算出来(4个值均在0和1之间)：
[0022]bx
＝(σ(t
x
)+c
x
)/w
[0023]by
＝(σ(ty)+cy)/h
[0024][0025][0026]
将上面的4个值分别乘以图片的宽度和长度(像素点值)就可以得到边界框的最终位置和大小。
[0027]
优选的，所述s2中，原始图片坐标，对应得到变换后的图片坐标x，y，其中x＝x
′
/w
′
，y＝y
′
/w
′
；源坐标的w恒为1，通用变换公式入下：
[0028][0029]
变换矩阵可以拆成4部分，表示线性变换，[a
31 a
32
]用于平移，[a
13 a
23
]
t
产生透视变换；在映射视平面和原来平面不平行的情况下，经过透视变
换之后的图片通常不是平行四边形；
[0030]
在代码中，在透视变换中我们定义了几个辅助变量，δx在代码中对应dx1：
[0031]
δx1＝x
1-x
2 δx2＝x
3-x
2 δx3＝x
0-x1+x
2-x3[0032]
δy1＝y
1-y
2 δy2＝y
3-y
2 δy3＝y
0-y1+y
2-y3[0033]
①
当δx3，δy3都为0时变换平面与原来是平行的，可以得到：
[0034]a11
＝x
1-x0[0035]a21
＝x
2-x1[0036]a31
＝x0[0037]a12
＝y
1-y0[0038]a22
＝y
2-y1[0039]a32
＝y0[0040]a13
＝0
[0041]a12
＝0
[0042]
②
当不为0时，得到：
[0043]a11
＝x
1-x0+a
12
x1[0044]a21
＝x
3-x0+a
12
x2[0045]a31
＝x0[0046]a12
＝y
1-y0+a
13
y1[0047]a22
＝y
3-y0+a
23
y3[0048]a32
＝y0[0049][0050][0051]
求解出的变换矩阵就可以将一个正方形变换到四边形，重写之前的变换公式得已知目标坐标(x，y)，已知a11～a33的值，得出：
[0052][0053][0054]
通过两次变换；四边形变换到正方形+正方形变换到四边形就可以将任意一个四边形变换到另一个四边形。
[0055]
优选的，所述s3中，由于不同颜色的物体，其反射的可见光的波长不同，白色物体能反射各种波长的可见光，黑色物体则吸收各种波长的可见光，当摄像头扫描黑白相间的二维码上时，手机利用点运算的阈值理论将采集到的图像变为二值图像,即对图像进行二值化处理,得到二值化图像后,对其进行膨胀运算,对膨胀后的图像进行边缘检测得到条码区域的轮廓。
[0056]
优选的，所述s3中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,设定一个全局的阈值t，用t将图像的数据分成两部分：大于t的像素群和小于t的像素群；将大于t的像素群的像素值设定为白色，小于t的像素群的像素值设定为黑色，按照一定的规则将整幅图像划分为n个窗口，对这n个窗口中的每一个窗口再按照一个统一的阈值t将该窗口内的像素划分为两部分，进行局部二值化处理，通过对该窗口像素的平均值e，像素之间的差平方p，像素之间的均方根值q等各种局部特征，设定一个参数方程进行阈值的计算，得到阈值。
[0057]
优选的，所述s3中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,得到二值化图像后,对其进行膨胀运算,对膨胀后的图像进行边缘检测得到条码区域的轮廓，用3x3的结构元素，扫描图像的每一个像素用结构元素与其覆盖的二值图像做“或”操作，如果都为0，结果图像的该像素为0，否则为1。
[0058]
优选的，所述s5中，光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号，采用的是中值滤波技术。
[0059]
优选的，所述s6中，根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据；找到指定的项乘生成多项式，使得乘法的结果与消息多项式具有相同的第一项，使用第一个乘法步骤中的消息多项式或在所有后续乘法步骤中的余数对结果进行异或，执行这些步骤n次，其中n是消息多项式中的系数，在进行两个多项式的除法之后，将有一个余数，该余数的系数是纠错码字；将得到的纠错码字按照规范填到二维码的方格内得到数据。
[0060]
与现有技术相比，本发明的有益效果是：
[0061]
1、通过图形校正技术对不规则图形进行还原，提高工业场景中 qr code的识别准确率，信息量大、可靠性高、使用成本低，能够广泛应用于工业控制领域。
[0062]
2、ppyolov2模型实现了更高的定位精度，可靠性高，融合spp，使用数据增强策略提升样本丰富度。
[0063]
本发明的目的是解决工业环境由于灯光照明不足、扬尘、反光等恶劣环境对二维码识别的影响，提高终端部署硬件性能，降低成本，解决工业场景中qr code的识别难题。
附图说明
[0064]
图1为本发明提出的一种基于ppyolov2模型的工业场景qr code 检测与识别方法的流程图。
具体实施方式
[0065]
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0066]
实施例一
[0067]
参照图1，一种基于ppyolov2模型的工业场景qr code检测与识别方法，包括以下
步骤：
[0068]
s1：位于左上、左下、右上的三个矩形是位置探测图形，准确找到左上角矩形右边的第一个编码字符的位置，对二维码进行位置探测，输入图像，返回检测到包围二维码的最小四边形，函数调用状态，调用成功返回，得到二维码图形；
[0069]
s2：矫正二维码图形，利用计算机透视变换对不规则的二维码进行投影映射，两次变换得到完整的二维码图形；
[0070]
s3：摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,得到二值化图像后,对其进行膨胀运算,对膨胀后的图像进行边缘检测得到条码区域的轮廓；
[0071]
s4：进行网格采样，对网格每一个交点上的图像像素取样；
[0072]
s5：光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号；
[0073]
s6：译码器根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据；
[0074]
本实施例中，对二维码位置的探测利用到yolov2算法，yolov2 借鉴rpn网络使用anchor boxes来预测边界框相对先验框的 offsets，边界框的实际中心位(x，y)的坐标偏移值(t
x
，ty)，先验框的尺度(wa，ha)以及中心坐标(xa，ya)来计算：
[0075]
x＝(t
x
×
wa)-xa[0076]
y＝(ty×
ha)-ya[0077]
但是上面的公式是无约束的，预测的边界框很容易向任何方向偏移，如当t
x
＝1时边界框将向右偏移先验框的一个宽度大小，而当t
x
＝-1时边界框将向左偏移先验框的一个宽度大小，因此每个位置预测的边界框可以落在图片任何位置，这导致模型的不稳定性，在训练时需要很长时间来预测出正确的offsets，yolov2沿用yolov1的方法，预测边界框中心点相对于对应cell左上角位置的相对偏移值，为了将边界框中心点约束在当前cell中，使用sigmoid 函数处理偏移值，这样预测的偏移值在(0，1)范围内，每个cell的尺度看做1)，总结来看，根据边界框预测的4个 offsets t
x
，ty，tw，th，可以按如下公式计算出边界框实际位置和大小：
[0078]bx
＝σ(t
x
)+c
x
[0079]by
＝σ(ty)+cy[0080][0081][0082]
其中(c
x
，cy)为cell的左上角坐标，在计算时每个cell的尺度为1，所以当前cell的左上角坐标为(1，1)，由于sigmoid函数的处理，边界框的中心位置会约束在当前cell内部，防止偏移过多，而pw和ph是先验框的宽度与长度，前面说过它们的值也是相对于特征图大小的，在特征图中每个cell的长和宽均为1；这里记特征图的大小为(w，h)，这样我们可以将边界框相对于整张图片的位置和大小计算出来(4个值均在0和1之间)：
[0083]bx
＝(σ(t
x
)+c
x
)/w
[0084]by
＝(σ(ty)+cy)/h
[0085][0086][0087]
将上面的4个值分别乘以图片的宽度和长度(像素点值)就可以得到边界框的最终位置和大小。
[0088]
本实施例中，原始图片坐标，对应得到变换后的图片坐标x，y，其中x＝x
′
/w
′
，y＝y
′
/w
′
；源坐标的w恒为1，通用变换公式入下：
[0089][0090]
变换矩阵可以拆成4部分，表示线性变换， [a
31 a
32
]用于平移，[a
13 a
23
]
t
产生透视变换；在映射视平面和原来平面不平行的情况下，经过透视变换之后的图片通常不是平行四边形；
[0091]
在代码中，在透视变换中我们定义了几个辅助变量，δx在代码中对应dx1：
[0092]
δx1＝x
1-x
2 δx2＝x
3-x
2 δx3＝x
0-x1+x
2-x3[0093]
δy1＝y
1-y
2 δy2＝y
3-y
2 δy3＝y
0-y1+y
2-y3[0094]
①
当δx3，δy3都为0时变换平面与原来是平行的，可以得到：
[0095]a11
＝x
1-x0[0096]a21
＝x
2-x1[0097]a31
＝x0[0098]a12
＝y
1-y0[0099]a22
＝y
2-y1[0100]a22
＝y
2-y1[0101]a32
＝y0[0102]a13
＝0
[0103]a12
＝0
[0104]
②
当不为0时，得到：
[0105]a11
＝x
1-x0+a
12
x1[0106]a21
＝x
3-x0+a
12
x2[0107]a31
＝x0[0108]a12
＝y
1-y0+a
13
y1[0109]a22
＝y
3-y0+a
23
y3[0110]a32
＝y0[0111]
[0112][0113]
求解出的变换矩阵就可以将一个正方形变换到四边形，重写之前的变换公式得已知目标坐标(x，y)，已知a11～a33的值，得出：
[0114][0115][0116]
通过两次变换；四边形变换到正方形+正方形变换到四边形就可以将任意一个四边形变换到另一个四边形。
[0117]
本实施例中，由于不同颜色的物体，其反射的可见光的波长不同，白色物体能反射各种波长的可见光，黑色物体则吸收各种波长的可见光，当摄像头扫描黑白相问的二维码上时，手机利用点运算的阈值理论将采集到的图像变为二值图像，即对图像进行二值化处理，得到二值化图像后，对其进行膨胀运算，对膨胀后的图像进行边缘检测得到条码区域的轮廓。
[0118]
本实施例中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,设定一个全局的阈值t，用t将图像的数据分成两部分：大于t的像素群和小于t的像素群；将大于t的像素群的像素值设定为白色，小于t的像素群的像素值设定为黑色，按照一定的规则将整幅图像划分为n个窗口，对这n个窗口中的每一个窗口再按照一个统一的阈值t将该窗口内的像素划分为两部分，进行局部二值化处理，通过对该窗口像素的平均值e，像素之间的差平方p，像素之间的均方根值q等各种局部特征，设定一个参数方程进行阈值的计算，得到阈值。
[0119]
本实施例中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像,经过一项灰度值计算公式对图像进行二值化处理,得到二值化图像后,对其进行膨胀运算,对膨胀后的图像进行边缘检测得到条码区域的轮廓，用3x3的结构元素，扫描图像的每一个像素用结构元素与其覆盖的二值图像做“或”操作，如果都为0，结果图像的该像素为0，否则为1。
[0120]
本实施例中，根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据；找到指定的项乘生成多项式，使得乘法的结果与消息多项式具有相同的第一项，使用第一个乘法步骤中的消息多项式或在所有后续乘法步骤中的余数对结果进行异或，执行这些步骤n次，其中n是消息多项式中的系数，在进行两个多项式的除法之后，将有一个余数，该余数的系数是纠错码字；将得到的纠错码字按照规范填到二维码的方格内得到数据。
[0121]
本实施例中，光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号，采用的是中值滤波技术。
[0122]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
技术特征：1.一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，包括以下步骤：s1：位于左上、左下、右上的三个矩形是位置探测图形，准确找到左上角矩形右边的第一个编码字符的位置，对二维码进行位置探测，输入图像，返回检测到包围二维码的最小四边形，函数调用状态，调用成功返回，得到二维码图形；s2：矫正二维码图形，利用计算机透视变换对不规则的二维码进行投影映射，两次变换得到完整的二维码图形；s3：摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像，经过一项灰度值计算公式对图像进行二值化处理，得到二值化图像后，对其进行膨胀运算，对膨胀后的图像进行边缘检测得到条码区域的轮廓；s4：进行网格采样，对网格每一个交点上的图像像素取样；s5：光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号；s6：译码器根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据。2.根据权利要求1所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s1中，对二维码位置的探测利用到yolov2算法，yolov2借鉴rpn网络使用anchor boxes来预测边界框相对先验框的offsets，边界框的实际中心位(x，y)的坐标偏移值(t
x
，t
y
)，先验框的尺度(w
a
，h
a
)以及中心坐标(x
a
，y
a
)来计算：x＝(t
x
×
w
a
)-x
a
y＝(t
y
×
h
a
)-y
a
yolov2沿用yolov1的方法，预测边界框中心点相对于对应cell左上角位置的相对偏移值，根据边界框预测的4个offsetst
x
，t
y
，t
w
，t
h
，按如下公式计算出边界框实际位置和大小：b
x
＝σ(t
x
)+c
x
b
y
＝σ(t
y
)+c
yy
其中(c
x
，c
y
)为cell的左上角坐标，计算时每个cell的尺度为1，所以当前cell的左上角坐标为(1，1)，由于sigmoid函数的处理，边界框的中心位置会约束在当前cell内部，而p
w
和p
h
是先验框的宽度与长度，记特征图的大小为(w，h)，将边界框相对于整张图片的位置和大小计算出来：b
x
＝(σ(t
x
)+c
x
)/wb
y
＝(σ(t
y
)+c
y
)/h)/h将上面的4个值分别乘以图片的宽度和长度得到边界框的最终位置和大小。
3.根据权利要求1所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s2中，原始图片坐标，对应得到变换后的图片坐标x，y，其中x＝x
′
/w
′
，y＝y
′
/w
′
；源坐标的w恒为1，通用变换公式入下：变换矩阵可以拆成4部分，表示线性变换，[a
31 a
32
]用于平移，[a
13 a
23
]
t
产生透视变换；在映射视平面和原来平面不平行的情况下，经过透视变换之后的图片通常不是平行四边形；在代码中，在透视变换中我们定义了几个辅助变量，δx在代码中对应dx1：δx1＝x
1-x
2 δx2＝x
3-x
2 δx3＝x
0-x1+x
2-x3δy1＝y
1-y
2 δy2＝y
3-y
2 δy3＝y
0-y1+y
2-y3当δx3，δy3都为0时变换平面与原来是平行的，可以得到：a
11
＝x
1-x0a
21
＝x
2-x1a
31
＝x0a
12
＝y
1-y0a
22
＝y
2-y1a
32
＝y0a
13
＝0a
12
＝0当不为0时，得到：a
11
＝x
1-x0+a
12
x1a
21
＝x
3-x0+a
12
x2a
31
＝x0a
12
＝y
1-y0+a
13
y1a
22
＝y
3-y0+a
23
y3a
32
＝y
00
求解出的变换矩阵就可以将一个正方形变换到四边形，重写之前的变换公式得已知目标坐标(x，y)，已知a11～a33的值，得出：
通过两次变换；四边形变换到正方形+正方形变换到四边形就可以将任意一个四边形变换到另一个四边形。4.根据权利要求1所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s3中，由于不同颜色的物体，其反射的可见光的波长不同，白色物体能反射各种波长的可见光，黑色物体则吸收各种波长的可见光，当摄像头扫描黑白相间的二维码上时，手机利用点运算的阈值理论将采集到的图像变为二值图像，即对图像进行二值化处理，得到二值化图像后，对其进行膨胀运算，对膨胀后的图像进行边缘检测得到条码区域的轮廓。5.根据权利要求4所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s3中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像，经过一项灰度值计算公式对图像进行二值化处理，设定一个全局的阈值t，用t将图像的数据分成两部分：大于t的像素群和小于t的像素群；将大于t的像素群的像素值设定为白色，小于t的像素群的像素值设定为黑色，按照一定的规则将整幅图像划分为n个窗口，对这n个窗口中的每一个窗口再按照一个统一的阈值t将该窗口内的像素划分为两部分，进行局部二值化处理，通过对该窗口像素的平均值e，像素之间的差平方p，像素之间的均方根值q等各种局部特征，设定一个参数方程进行阈值的计算，得到阈值。6.根据权利要求5所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s3中，摄像头扫描黑白相间的二维码，手机利用点运算的阈值理论将采集到的图像变为二值图像，经过一项灰度值计算公式对图像进行二值化处理，得到二值化图像后，对其进行膨胀运算，对膨胀后的图像进行边缘检测得到条码区域的轮廓，用3x3的结构元素，扫描图像的每一个像素用结构元素与其覆盖的二值图像做“或”操作，如果都为0，结果图像的该像素为0，否则为1。7.根据权利要求6所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s6中，根据阈值确定是深色“1”还是浅色“0”，从而得到二维码的原始二进制序列值，对这些数据进行纠错和译码，最后根据条码的逻辑编码规则把这些原始的数据转换成文字数据；找到指定的项乘生成多项式，使得乘法的结果与消息多项式具有相同的第一项，使用第一个乘法步骤中的消息多项式或在所有后续乘法步骤中的余数对结果进行异或，执行这些步骤n次，其中n是消息多项式中的系数，在进行两个多项式的除法之后，将有一个余数，该余数的系数是纠错码字；将得到的纠错码字按照规范填到二维码的方格内得到数据。8.根据权利要求1所述的一种基于ppyolov2模型的工业场景qr code检测与识别方法，其特征在于，所述s5中，光电转换器进行接收并产生模拟电信号，模拟电信号进行放大、滤波、整形，形成方形方波信号，采用的是中值滤波技术。
技术总结本发明涉及智能制造技术领域，尤其涉及一种基于PPYOLOv2模型的工业场景QR Code检测与识别方法，针对当前现有的缺陷种类多，形状、出现位置、面积等均不规则，且极其细微，传统算法准确率低、单张图片检测速度要求高的问题，现提出如下方案，其中检测方法包括以下步骤：S1：位于左上、左下、右上的三个矩形是位置探测图形，准确找到左上角矩形右边的第一个编码字符的位置，对二维码进行位置探测，输入图像，返回检测到包围二维码的最小四边形，函数调用状态；本发明的目的是解决工业环境由于灯光照明不足、扬尘、反光等恶劣环境对二维码识别的影响，提高终端部署硬件性能，降低成本，解决工业场景中QR Code的识别难题。Code的识别难题。Code的识别难题。
技术研发人员：苗庆伟 陈骋 贺文强
受保护的技术使用者：河南埃尔森智能科技有限公司
技术研发日：2022.07.21
技术公布日：2022/11/1
