基于视觉的图形码识别产品的硬件设计

娄 根焦俊祥杨佳奇2李慧姝方 武

（1.苏州经贸职业技术学院 信息技术学院，苏州 215009；2.江苏省智能服务工程技术研究开发中心，苏州 215009）

0 引言

条形码在1920年发明于美国Westing-house研究所，至今已有百年之久，国外一些企业的条形码识别领域已经积累了深厚的技术储备，如美国Cognex推出的DataMan 470系列产品［1］，结合了Hotbars技术的1DMax可以读取损坏的条码并处理低对比度、模糊、损坏等多种特殊性情况，由此可知国外的条码识别技术已经比较成熟。

我国在条形码技术方面比西方国家起步晚，但在实现智能自动化仓储中的关键技术——条形码识别技术的迫切提升需求下，我国于2003年制订的《中国条形码推进工程设计纲要》中针对条形码识别提出了相应的发展战略［2-4］。迄今为止，我国相关的工商企业如雨后春笋一样遍地而生，但是我国自主研发的条码识别技术还处于中低端水平。目前国内的大型仓储在物品管理与调度上依然广泛采用条形码、RFID等技术，但这类标识技术具有特殊环境的局限性，比如想要读取条形码就要做到精准摆放，不能过于形变，否则就无法识别［5］；再比如，RFID技术最大的问题就是内部信息容易被非法读取或更改，RFID电子标签拥有反向反射性特点，导致其在金属或液体上难以应用；而且RFID标签的价格相比条形码要高，大大增加了仓储管理的成本。

1 研究进展

在大型物资管理系统中，物品的身份标识是关键环节。传统物品身份标识一般是通过条码、二维码、RFID标签等技术实现。在人工、半人工的管理方案中，这些技术能解决实际问题，为物资管理技术的提升发展奠定了基础，但是在全自动化、智能化、精细化管理的现代物资管理系统中，这些身份标识技术自身的缺陷开始暴露，并在一定程度上阻碍了精细化物资管理技术的发展［6］。因此，本研究针对大型智能仓储设计研发了一种基于视觉的图形码识别产品，可应用于绝缘电力工具的仓储管理中。经过初步研究与测试，图形码的整体设计效果良好、成本低，对于不同场景的适应性高，相信随着技术的发展以及结合市场的改进，该产品在物品识别与管理领域具有广泛的应用前景。

本文的图形码识读产品设计思路采用模块化设计方案，研发过程中使用了机器视觉技术、红外识别技术以及模板匹配算法［7-9］。在硬件方面，根据实际环境所需的不同算力需求采用了OpenMV、树莓派和Jetson平台，以上均属于开源平台，编程上主要使用了Python语言分别在三种平台上进行条码识别技术的开发，如图1所示。

图1 硬件平台实物图

2 OpenMV模块的硬件设计

本文研发的图形码识读产品采用的最小硬件载体是OpenMV，其实物图如图2所示。这个开源平台成本低、功能强大，核心机器视觉算法由C语言编写，但是提供了Python编程接口。OpenMV上的机器视觉算法包括寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪等，可以运用于一对多的条码识别功能。此外它可以通过UART、I2C、SPI、AsyncSerial以及GPIO等控制其他的硬件，甚至是单片机模块，如Ar⁃duino、RaspberryPi（树莓派）等。它也可以被其他的单片机模块控制，这一特点使得它可以很灵活地和其他不同功能的硬件模块配合，实现复杂的产品功能。

图2 OpenMV-4P实物图

本文选取的机器视觉模块OpenMV的芯片为STM32H743VIT6，搭载的是FPC0.5 mm间距24 P的排线摄像头，30 W像素的OV7725摄像头和200W像素的OV2640摄像头。

OpenMV的芯片支持type-c的供电模式，只需要将图3电路原理图中U2的左边删除，Type-C接口部分右边的线连到U2左边，然后把R19、R20、USBC1接口属性改为是，将BOOT0与VCC短接，再通过数据线连接到电脑，此时电脑会自动弹出显示已连接STM32DFU设备，借助DfuSeDemo软件，完成硬件烧录。

图3 电路原理图

3 树莓派4B和Jetson平台介绍

2019年发布的树莓派4B版搭载1.5 GHz的64位处理器以及VideoCore VI GPU，用SD卡为内存硬盘，卡片主板周围有4个USB接口和一个以太网接口，有着40个GPIO接口，两个micro HDMI高清视频输出接口，以上部件全部整合在一张主板上。几乎包含了PC的所有功能，且拥有较强的图形处理能力。具体参数如图4所示。

图4 树莓派4B接口和引脚图

此外我们还准备了算力更强、速度更快的Jetson Nano。该平台是NVIDIA推出的嵌入式AI计算平台，搭载了四核Cirtex-A57 CPU，GPU则是Maxwell架构显卡，拥有128个CUDA单元，配备了4GB的LPDDR4内存以及16GB的存储空间。JetsonNano可以实现复杂环境下一对多图形码的精准快速识别。图5是JetsonNano的引脚图。

其实，在这些“挑战”中海尔挑战的都是家电行业的用户痛点，比如在冰箱行业，各大企业都在想如何极致保鲜，洗衣机行业都在想如何降噪，空调如何将空调与净化器合二为一……海尔通过不断挑战不可能，为用户创造新可能，F+冰箱为用户带来食材细胞养鲜；海尔原创直驱变频科技，打破传统皮带电机束缚，从源头降噪，实现洗衣机极致安静平稳运行等等。

图5 Jetson Nano引脚图

4 实验

4.1 OpenMV实现图形码识别

OpenMV是轻量级的开源硬件平台，我们将使用OpenMV模块将图6中的38种色块元素分成四组进行检测，其检测结果如图7所示。可以看出，测试结果良好。由于硬件环境的限制，在加载38组色块元素进行模板匹配时，计算量过大，硬件负载过重，在增加散热后硬件温度控制在安全范围内。

图6 图形识别色块元素

图7 分组识别结果

4.2 树莓派4B实现图形码识别

为了得到更稳定的图像识别，本文将图形码识别程序移植到树莓派4B平台上，采用open CV库对获取的图像进行预处理，并且为了避免自然光对图像采集的干扰，使用了红外镜头。在改善了测试环境并进行样本预处理后，测试结果如图8所示，实现了图形色块的精准识别，并翻译成对应编码。

图8 树莓派识别结果

4.3 Jetson Nano平台实现图形码识别

为了实现计算速度的提升，将代码迁移到计算能力更强的Jetson Nano平台上，同样采用OpenCV库对获取到的色块图形码进行图像预处理，在linux操作系统下，可以看到Jetson平台同样实现了图形码的精准识别，且运行速度比树莓派更快，如图9所示。

图9 Jetson Nano识别结果

5 结语

为解决现代大型智能仓储管理中条形码和RFID标签的固有局限性，本文设计了一款图形码识别产品，使用机器视觉技术借助NCC多模板匹配算法对38种色块元素进行图像识别，并将其搭载在OpenMV、树莓派、Jetson Nano这三种不同的硬件平台上进行测试，均实现了图形码识别。