基于視覺的圖形碼識別產品的硬件設計

婁 根焦俊祥楊佳奇2李慧姝方 武

（1.蘇州經貿職業技術學院 信息技術學院，蘇州 215009；2.江蘇省智能服務工程技術研究開發中心，蘇州 215009）

0 引言

條形碼在1920年發明于美國Westing-house研究所，至今已有百年之久，國外一些企業的條形碼識別領域已經積累了深厚的技術儲備，如美國Cognex推出的DataMan 470系列產品［1］，結合了Hotbars技術的1DMax可以讀取損壞的條碼并處理低對比度、模糊、損壞等多種特殊性情況，由此可知國外的條碼識別技術已經比較成熟。

我國在條形碼技術方面比西方國家起步晚，但在實現智能自動化倉儲中的關鍵技術——條形碼識別技術的迫切提升需求下，我國于2003年制訂的《中國條形碼推進工程設計綱要》中針對條形碼識別提出了相應的發展戰略［2-4］。迄今為止，我國相關的工商企業如雨后春筍一樣遍地而生，但是我國自主研發的條碼識別技術還處于中低端水平。目前國內的大型倉儲在物品管理與調度上依然廣泛采用條形碼、RFID等技術，但這類標識技術具有特殊環境的局限性，比如想要讀取條形碼就要做到精準擺放，不能過于形變，否則就無法識別［5］；再比如，RFID技術最大的問題就是內部信息容易被非法讀取或更改，RFID電子標簽擁有反向反射性特點，導致其在金屬或液體上難以應用；而且RFID標簽的價格相比條形碼要高，大大增加了倉儲管理的成本。

1 研究進展

在大型物資管理系統中，物品的身份標識是關鍵環節。傳統物品身份標識一般是通過條碼、二維碼、RFID標簽等技術實現。在人工、半人工的管理方案中，這些技術能解決實際問題，為物資管理技術的提升發展奠定了基礎，但是在全自動化、智能化、精細化管理的現代物資管理系統中，這些身份標識技術自身的缺陷開始暴露，并在一定程度上阻礙了精細化物資管理技術的發展［6］。因此，本研究針對大型智能倉儲設計研發了一種基于視覺的圖形碼識別產品，可應用于絕緣電力工具的倉儲管理中。經過初步研究與測試，圖形碼的整體設計效果良好、成本低，對于不同場景的適應性高，相信隨著技術的發展以及結合市場的改進，該產品在物品識別與管理領域具有廣泛的應用前景。

本文的圖形碼識讀產品設計思路采用模塊化設計方案，研發過程中使用了機器視覺技術、紅外識別技術以及模板匹配算法［7-9］。在硬件方面，根據實際環境所需的不同算力需求采用了OpenMV、樹莓派和Jetson平臺，以上均屬于開源平臺，編程上主要使用了Python語言分別在三種平臺上進行條碼識別技術的開發，如圖1所示。

圖1 硬件平臺實物圖

2 OpenMV模塊的硬件設計

本文研發的圖形碼識讀產品采用的最小硬件載體是OpenMV，其實物圖如圖2所示。這個開源平臺成本低、功能強大，核心機器視覺算法由C語言編寫，但是提供了Python編程接口。OpenMV上的機器視覺算法包括尋找色塊、人臉檢測、眼球跟蹤、邊緣檢測、標志跟蹤等，可以運用于一對多的條碼識別功能。此外它可以通過UART、I2C、SPI、AsyncSerial以及GPIO等控制其他的硬件，甚至是單片機模塊，如Ar?duino、RaspberryPi（樹莓派）等。它也可以被其他的單片機模塊控制，這一特點使得它可以很靈活地和其他不同功能的硬件模塊配合，實現復雜的產品功能。

圖2 OpenMV-4P實物圖

本文選取的機器視覺模塊OpenMV的芯片為STM32H743VIT6，搭載的是FPC0.5 mm間距24 P的排線攝像頭，30 W像素的OV7725攝像頭和200W像素的OV2640攝像頭。

OpenMV的芯片支持type-c的供電模式，只需要將圖3電路原理圖中U2的左邊刪除，Type-C接口部分右邊的線連到U2左邊，然后把R19、R20、USBC1接口屬性改為是，將BOOT0與VCC短接，再通過數據線連接到電腦，此時電腦會自動彈出顯示已連接STM32DFU設備，借助DfuSeDemo軟件，完成硬件燒錄。

圖3 電路原理圖

3 樹莓派4B和Jetson平臺介紹

2019年發布的樹莓派4B版搭載1.5 GHz的64位處理器以及VideoCore VI GPU，用SD卡為內存硬盤，卡片主板周圍有4個USB接口和一個以太網接口，有著40個GPIO接口，兩個micro HDMI高清視頻輸出接口，以上部件全部整合在一張主板上。幾乎包含了PC的所有功能，且擁有較強的圖形處理能力。具體參數如圖4所示。

圖4 樹莓派4B接口和引腳圖

此外我們還準備了算力更強、速度更快的Jetson Nano。該平臺是NVIDIA推出的嵌入式AI計算平臺，搭載了四核Cirtex-A57 CPU，GPU則是Maxwell架構顯卡，擁有128個CUDA單元，配備了4GB的LPDDR4內存以及16GB的存儲空間。JetsonNano可以實現復雜環境下一對多圖形碼的精準快速識別。圖5是JetsonNano的引腳圖。

其實，在這些“挑戰”中海爾挑戰的都是家電行業的用戶痛點，比如在冰箱行業，各大企業都在想如何極致保鮮，洗衣機行業都在想如何降噪，空調如何將空調與凈化器合二為一……海爾通過不斷挑戰不可能，為用戶創造新可能，F+冰箱為用戶帶來食材細胞養鮮；海爾原創直驅變頻科技，打破傳統皮帶電機束縛，從源頭降噪，實現洗衣機極致安靜平穩運行等等。

圖5 Jetson Nano引腳圖

4 實驗

4.1 OpenMV實現圖形碼識別

OpenMV是輕量級的開源硬件平臺，我們將使用OpenMV模塊將圖6中的38種色塊元素分成四組進行檢測，其檢測結果如圖7所示。可以看出，測試結果良好。由于硬件環境的限制，在加載38組色塊元素進行模板匹配時，計算量過大，硬件負載過重，在增加散熱后硬件溫度控制在安全范圍內。

圖6 圖形識別色塊元素

圖7 分組識別結果

4.2 樹莓派4B實現圖形碼識別

為了得到更穩定的圖像識別，本文將圖形碼識別程序移植到樹莓派4B平臺上，采用open CV庫對獲取的圖像進行預處理，并且為了避免自然光對圖像采集的干擾，使用了紅外鏡頭。在改善了測試環境并進行樣本預處理后，測試結果如圖8所示，實現了圖形色塊的精準識別，并翻譯成對應編碼。

圖8 樹莓派識別結果

4.3 Jetson Nano平臺實現圖形碼識別

為了實現計算速度的提升，將代碼遷移到計算能力更強的Jetson Nano平臺上，同樣采用OpenCV庫對獲取到的色塊圖形碼進行圖像預處理，在linux操作系統下，可以看到Jetson平臺同樣實現了圖形碼的精準識別，且運行速度比樹莓派更快，如圖9所示。

圖9 Jetson Nano識別結果

5 結語

為解決現代大型智能倉儲管理中條形碼和RFID標簽的固有局限性，本文設計了一款圖形碼識別產品，使用機器視覺技術借助NCC多模板匹配算法對38種色塊元素進行圖像識別，并將其搭載在OpenMV、樹莓派、Jetson Nano這三種不同的硬件平臺上進行測試，均實現了圖形碼識別。