面向轮胎制造的Code128条码识别系统

面向轮胎制造的Code128条码识别系统

中国科学院微电子研究所 中国物联网研究发展中心 青岛双星轮胎集团

功能概述与应用领域

系统可实时采集任意位置的Code128条码图像，并进行快速定位、旋转、解码等处理，最终获取正确的码值传输给工控端，工控端可根据码值进行信息化管理等。本系统可进行自由组网，增大扫描区域，适用于各类工业自动化生产的应用。

主要应用有如下几个方面：

（1）生产流程管控与产品溯源（轮胎制造业）

为加强质量管控，目前众多生产企业在产品上标有条码等永久性符号，在产品的整个生命周期内可实现追踪溯源。我们提供的读码器对LED光源和识别算

法进行了高度优化，可应对工业现场应用的众多挑战，实现如下功能： 标记符号质量验证：可适应在金属、塑料、橡胶或玻璃表面上通过点刻或激光/化学蚀刻所形成的条形码、二维码。

制造检测过程追踪识别：在零部件特定制造与检测环节，对其标识进行自动识别，并与其制造、检测参数实现数据关联，确保在整个制造、流通和应用各个环节对每个产品进行管控和追踪溯源。 （2）物流业应用

在物流业应用中，物品从揽件到分拔中心、从分拔中心到派件过程中的多个环节均需要对单据上的条码进行扫描。我们提供的读码器无须人工操作，通过在自动化流水线上安装固定式读码器，实现对条码的自动定位和解码，可实现如下功能：

流程跟踪：在物流全程的关键环节读取物品的条码，确定物品的出入库。可实现物流状态跟踪查询、定位服务、流程异常处理与物品缺失责任认定等。 自动化分拣：在揽件或入库环节，建立条码与物品目的地址的一一对应关系，进入分拣线后，全方位的条码扫描器，识读、鉴别包裹，并将它们分拣到相应的出口溜槽，这样可以提高工作效率，降低成本，减少差错。 总体设计方案及关键模块

面向轮胎制造的Code128条码识别系统，是典型的光电一体化系统，涉及光源设计、图像采集、算法处理、现场总线与通信等多学科交叉。整个系统包括如下四个部分：

（1）LED光源控制模块：负责LED光源驱动，对光源进行PWM实时控制，达到图像曝光与光源同步；

（2）CCD成像模块：主要由CCD感光器件ICX274(黑白)、电平转换芯片以及AD采样芯片构成；

（3）FPGA时序管理与图像预处理模块：主要负责CCD成像模块的时序控制；图像的采集与传输；图像的曝光、增益等参数控制；以及Digital I/O的功能实现。

（4）多核DSP高速图像处理模块：负责图像算法处理、串口通信、485总线通信、以太网通信、系统参数配置等功能。

解决的关键核心技术

基于FPGA+DSP的图像采集与处理硬件系统

基于FPGA+DSP的图像采集与处理硬件系统主要由两大部分组成：①基于FPGA的图像采集前端；②基于DSP的图像处理后端。图像采集前端使用的Altera公司的Cyclone II系列的FPGA器件，具有低成本、低功耗、高性价比等优点。图像处理后端采用的是TI公司的达芬奇(DaVinciTM)处理器TMS320DM6467，主要技术特性为：

（1）内置ARM926EJ-STM RISC和TMS320C64x+TMDSP两个核；

（2）内置On-Chip L2 Cache 128 KB (DSP)；

（3）内置On-Chip L1 Cache 56 KB (ARM9)，64 KB (DSP)； （4）DSP核可达720M的处理能力。 面向轮胎制造的Code128条码识别技术

通过计算机视觉技术识别Code128条码具有非接触、效率高、真实直观等显著优点。但是，计算机视觉能否在条码识别领域成功应用，需要面对如下难点问题：

背景的复杂度：在识别过程中，待识别条码周围通常会伴有文字、图形、纹理等无关的背景信息，这些因素会影响条码在图像中的定位和分割； 系统的实时性：为了保证识别系统的工作效率，从理论上来说，需要系统在保证精度的前提下采集和处理图像的速度越快越好；

不同条码的适应性：识别系统具有非约束性，应该可以适应各种不同样式、外观和大小的条码，并且可以适应随时更换不同类型的条码。

目前国内已有基于计算机视觉技术的条码识别系统，但是这些系统存在的问题是：（1）侧重于实验环境中的条码识别，与工厂生产实际差距较大；（2）系统识别速度较低，识别精度较差，无法有效改善生产效率；（3）无法实现采集和识别一体化，系统结构及接口冗杂，系统的安装、调试和维护较困难。 为克服这些不足，我们自主设计了新的视觉检测系统。首先，为简化系统复杂度，减轻算法实现的难度，通过光电开关来同步视觉系统，即每过一个轮胎，光电开关触发一次相机拍摄一系列图片，传至DSP进行处理识别，一旦检测并识别到条码，相机结束拍摄，并开始等待下一次光电触发信号。这样每个条码只会被识别一次，保证了轮胎与条码的一一对应关系，避免重复识别和误识别所造

成的混乱问题，在提高识别效率的同时也降低了系统的能耗。

再次，我们设计了基于计算机视觉技术的图像算法实现框架，其流程如下图所示：

（1）基于梯度方向特征匹配的条码定位算法

由于条码通常由黑白两色构成，黑白符号之间没有亮度渐变，且具有呈栅栏式平行分布的特点，所以在条码区域有很多亮度突变的像素点，反映到数值上就是这些像素点具有较大的亮度梯度值，且这些像素点应该具有统一的梯度方向。 利用条码的这一特点我们可以构建一个基于梯度方向特征的匹配模型，图像中具有条码特征的区域与该模型拟合可以形成高匹配度，这是条码定位算法的基础。 下图给出了图像中不同区域（由红色框标记）的大梯度像素点（由蓝色点标记）、区域整体梯度方向（由绿色线段标出），以及梯度方向直方图特征。

本文来源：https://www.bwwdw.com/article/cvuf.html