【技术实现步骤摘要】
本专利技术涉及编码识别，具体而言，涉及一种面板编码识别方法、系统、设备及存储介质。
技术介绍
1、二维码(vericode编码)是一种用于微小型产品上的二进制编码系统，具有扩大和缩小数据单元而不改变其数据信息等特点；不仅如此，还具有较小静音区，因此能够在狭小空间应用。
2、对于液晶面板的vericode编码，现有的编码识别方式主要通过人工手持扫码枪等硬件设备对vericode编码进行读取，存在vericode编码识别效率较低的问题。
技术实现思路
1、本专利技术提供一种面板编码识别方法、系统、设备及存储介质，解决了现有液晶面板vericode编码识别效率较低的问题。
2、在第一方面，本专利技术实施例中提供一种面板编码识别方法，所述方法包括以下步骤：
3、将待检测的面板图像输入目标检测模型，并且通过目标检测模型对编码区域进行定位处理，以得到图像采集的编码图像；
4、对图像采集的编码图像进行边缘轮廓提取处理，以得到边缘轮廓坐标；
5、基于边缘轮廓坐标获取编码图像的外边框，并且基于编码图像的外边框构建校验格子；
6、基于校验格子对图像采集的编码图像进行逻辑校验处理，以得到标准的编码图像；
7、基于编码规则对标准的编码图像进行解码，以得到面板编码识别结果。
8、于上述实施例中，本专利技术基于目标检测技术和图像处理技术对液晶面板的vericode编码进行快速、准确地识别，解决了现有液晶面板veri
9、作为本申请一些可选实施方式，所述目标检测模型基于深度学习网络模型训练得到。
10、作为本申请一些可选实施方式，所述目标检测模型的训练流程如下：
11、获取历史的面板图像，并且对历史的面板图像进行位置和类型标注，以形成训练数据集；
12、将训练数据集中历史的面板图像输入深度学习网络模型进行迭代训练，以得到目标检测模型。
13、于上述实施例中，本专利技术通过对深度学习网络模型进行训练，以得到具有图像定位功能的目标检测模型，通过目标检测模型能够对待检测的面板图像进行定位处理，以得到需要进行后续检测的编码图像。
14、作为本申请一些可选实施方式，基于边缘轮廓坐标获取编码图像的外边框的流程如下：
15、对边缘轮廓坐标进行分类，以得到横向的第一坐标集合、纵向的第二坐标集合、横向的第三坐标集合以及纵向的第四坐标集合；
16、分别对第一坐标集合、第三坐标集合中边缘轮廓坐标的所有纵坐标进行平均值处理，以得到第一纵坐标、第三纵坐标，并且以第一纵坐标替换第一坐标集合中边缘轮廓坐标的所有纵坐标，以第三纵坐标替换第三坐标集合中边缘轮廓坐标的所有纵坐标；
17、分别对第二坐标集合、第四坐标集合中边缘轮廓坐标的所有横坐标进行平均值处理，以得到第二横坐标、第四横坐标，并且以第二横坐标替换第二坐标集合中边缘轮廓坐标的所有横坐标，以第四横坐标替换第四坐标集合中边缘轮廓坐标的所有横坐标；
18、分别基于坐标替换之后的第一坐标集合、第二坐标集合、第三坐标集合以及第四坐标集合生成第一横向线段、第二纵向线段、第三横向线段以及第四纵向线段。
19、于上述实施例中，本专利技术基于边缘轮廓提取技术获取编码图像周围轮廓的点坐标，并且对点坐标进行分类，可以准确地获取编码图像四周的四条边线。
20、作为本申请一些可选实施方式，基于编码图像的外边框构建校验格子的流程如下：
21、以第一横向线段为基准线，向下将图像采集的编码图像划分为n*n个一级校验格子；
22、以第二纵向线段为基准线，向左将图像采集的编码图像划分为n*n个二级校验格子；
23、以第三横向线段为基准线，向上将图像采集的编码图像划分为n*n个三级校验格子；
24、以第四纵向线段为基准线，向右将图像采集的编码图像划分为n*n个四级校验格子。
25、于上述实施例中，本专利技术基于不同的线段建立不同的校验格子对编码图像进行像素逻辑计算，能够有效避免由于图像采集导致的边缘变形对编码识别的影响。
26、作为本申请一些可选实施方式，基于编码图像的外边框构建校验格子之前，需要对编码图像进行通道划分处理。
27、于上述实施例中，本专利技术通过对编码图像进行通道划分处理，以得到bgr通道的g通道图像，这是为了更好地进行前景和后景的区分，因为g通道的直方图峰值差异更大，更有利于进行阈值分割，以得到更加精确的编码图像。
28、作为本申请一些可选实施方式，基于校验格子对图像采集的编码图像进行逻辑校验，以得到标准的编码图像的流程如下：
29、对每个一级校验格子、二级校验格子、三级校验格子以及四级校验格子进行像素逻辑计算；
30、如果一级校验格子、二级校验格子、三级校验格子或四级校验格子的黑色像素占比超过一半，则将对应的一级校验格子、二级校验格子、三级校验格子或四级校验格子全部填充为黑色，反正，则将对应的一级校验格子、二级校验格子、三级校验格子或四级校验格子全部填充为白色，以得到标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像；
31、基于标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像生成最终的标准的编码图像。
32、于上述实施例中，本专利技术通过对每个校验格子进行像素逻辑计算，能够快速、准确地进行像素填充，以便于最终获取标准的编码图像。
33、作为本申请一些可选实施方式，基于标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像生成标准的编码图像的流程如下：
34、如果标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像填充之后相同位置的黑色像素的占比超过一半，则其对应位置确定为黑色像素；
35、如果标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像填充之后相同位置的白色像素的占比超过一半，则其对应位置确定为白色像素；
36、如果标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像填充之后相同位置的黑色像素和白色像素各占一半，则其对应位置的像素根据四周的像素进行判定。
37、于上述实施例中，本专利技术通过对不同编码图像相同位置的校验格子进行像素逻辑计算，即根据像素占比情况进行最终像素的判定，能够有效避免图像采集导致的图像变形对编码识别的影响，进而确保后续能够快速、准确的进行编码识别；并且对于相同位置的校验格子存在的黑色像素和白色像素占比相同的情况，可以通过周围像素辅助检测的方式进行像素的确定，同样能够确保后续能够快速、准确的进行编码识别。
38、在第二方面，本专利技术提供一种面板编码识别系统，所述系统包括：
39、图像采集单元，所述图像采集单元用于将待检测的面板图像输入目标检测模型，并且通过目标检测模型对编码区域进行定位处理本文档来自技高网...
【技术保护点】
1.一种面板编码识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种面板编码识别方法，其特征在于，所述目标检测模型基于深度学习网络模型训练得到。
3.根据权利要求2所述的一种面板编码识别方法，其特征在于，所述目标检测模型的训练流程如下：
4.根据权利要求1所述的一种面板编码识别方法，其特征在于，基于边缘轮廓坐标获取编码图像的外边框的流程如下：
5.根据权利要求4所述的一种面板编码识别方法，其特征在于，基于编码图像的外边框构建校验格子的流程如下：
6.根据权利要求5所述的一种面板编码识别方法，其特征在于，基于编码图像的外边框构建校验格子之前，需要对编码图像进行通道划分处理。
7.根据权利要求5所述的一种面板编码识别方法，其特征在于，基于校验格子对图像采集的编码图像进行逻辑校验处理，以得到标准的编码图像的流程如下：
8.根据权利要求7所述的一种面板编码识别方法，其特征在于，基于标准的一级编码图像、二级编码图像、三级编码图像以及四级编码图像生成标准的编码图像的流程如下：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。