[发明专利]一种工业二维码无参考质量评估系统及方法

说明书

本发明提供了一种无参考的针对工业二维码图像的质量评价系统，包括工业二维码数据库模块，提供待评估的工业二维码测试样本和用于训练的工业二维码训练样本，输入多任务MTL卷积神经网络模块进行模块；多任务MTL卷积神经网络模块，通过在工业二维码训练样本上对多任务MTL卷积神经网络进行训练，并采用训练后的多任务MTL卷积神经网络完成对待评估的工业二维码进行的质量评价任务；工业二维码经过浅层多任务卷积神经网络和深层多任务卷积神经网络的预测后，一方面，可以判定图像的多种失真类型，另一方面，可以预测图像的质量等级。本发明可以大大减少工业二维码预处理与解码的时间成本与计算成本，提高工业二维码的解码效率，增加工业流水线的吞吐量。

技术领域

本发明涉及工业二维码的图像质量评估技术领域，具体地，涉及一种工业二维码无参考质量评估系统及方法。

背景技术

工业二维(2D)码在整个自动装配线中无处不在。二维码已广泛应用于自动识别任务，如半导体晶圆标记，工业元件回顾和故障诊断等领域。与一维条码相比，二维码具有更多优势，例如数据容量大，尺寸小和内置纠错/纠错机制。随着智能手机的发展，目前在日常生活中最常见的高质量二维码可以被快速而准确地解码。然而，如何快速可靠地解码低质量工业二维码仍然是一项具有挑战性的任务，并且长期以来一直是机器视觉领域的一个重要课题。大多数工业二维码被各种不可避免的失真成为伪像。最先进的解码算法无法直接处理有失真的伪像。有失真的二维码图像需要根据特定的失真类型进行适当的预处理，例如形态学滤波、中值滤波、导向滤波、均值滤波或锐化滤波。如何根据特定的二维码的失真类型和质量等级快速准确地选择合适的预处理滤波器对于实际应用至关重要。大多数工业二维码都存在不同程度和不同类型的失真，包括打印表面几何形变、刻印过程失真、不良的光照条件、运动模糊、划痕和污迹。

无论是什么失真类型，目前的解码算法如ZXing，Zbar，libdmtx和2DTG都无法直接解码失真的二维码。实际上，这些解码算法需要补充一些预处理方法来减少待解码的二维码图像的失真。大多数二维码图像普遍遭受到难解且复杂的破坏导致失真，预处理步骤占用了大部分解码时间，大大地降低了流水线工作的效率。

目前工业二维码的解码以全参考方法为主。以KEYENCE SR-1000(一种常用的工业解码设备)为例。对于印刷在工业部件上的低质量二维码，KEYENCE SR-1000首先通过调整曝光时间、光学增益和偏振滤波器从该元件捕获数千张样本图像，然后通过七个常见的预处理过滤器(包括平滑、膨胀、腐蚀、开操作、闭操作、中值滤波和锐化滤波)来处理每个捕获的图像。然后将所有滤波后的图像传递给解码算法，以判断它们是否可以成功解码。通过这些详尽的步骤才能得到可靠的解码步骤。

但是，传统的全参考工业二维码图像质量评估方法无法预测关于输入二维码图像失真类型的先验知识，因此传统的全参考方法只能通过穷举搜索，测试大量不同的滤波器和照明条件的组合，这需要非常昂贵的时间成本和运算成本。而且，全参考方法在很大程度上依赖于解码算法。而传统的基于手工特征的无参考质量评价方法仅仅支持预测两种单一的失真类型，即散焦模糊和照明伪像，并且不能提供细粒度失真类型分类和质量等级估计。

所以现在工业上急需一种工业二维码无参考质量评估方法，来减少预处理的时间成本，同时能检测更多失真类型、提供更细粒度的质量细节，以适应实际工业流水线应用中的需求。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种工业二维码无参考质量评估系统及方法，该系统及方法能够预先判定多种失真类型从而使过滤器的自动选择成为可能，并且能够根据输入的二维码的质量等级对解码时间进行调整从而减少预处理的时间成本。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种工业二维码无参考质量评估系统，包括：

工业二维码数据库模块，提供待评估的工业二维码测试样本和用于训练的工业二维码训练样例，用于输入多任务MTL卷积神经网络模块并进行训练；