打开文本图片集

摘要：在将卷烟配送到零售商之前，为了防止市场上流入假烟，会在卷烟上喷码，以此来辨别真伪，喷码由上下两行组成，32位喷码中有4位是字母其余的是数字。目前在对卷烟进行打码时主要采用两种方式，一种是油墨喷码，另一种是激光打码，为了防止有人伪造，在进行喷码时采用的字体不同，每个城市的烟草公司对卷烟打码的位置也不一样，有的在宽面进行打印，有的在窄面进行打印，也有的在两端进行打印。因为不同品牌卷烟的背景颜色也不一样，对于一些颜色背景较深的卷烟，很难进行识别，这是在对32位码进行识别时面临的主要困难。为了解决这一难题，本文利用深度神经网络技术，研究卷烟32位喷码以及识别系统。

关键词：深度神经网络；卷烟32位喷码；识别系统

引言：根据国家局及省、市两局工作要求，对查获的真品卷烟32位喷码要全部进行识别、录入，并在立案后48小时内上报。针对重大真品涉烟案件，“双30”、“双80”等，要立即向省级烟草专卖局汇报，并在24小时之内完成真品卷烟32位喷码的录入。但在实际操作过程中，对于卷烟数量比较多的情况，办案人员在上报信息过程中，卷烟喷码录入耗时比较长，且一般需要两人完成。再此前提条件下，小组成员决定研制对应的喷码识别上传录入系统，解放人力及时间成本。

1基本原理

深度神经网络是依靠CCD图像摄取，用计算机来代替肉眼识别，将待检测的目标转换成数字化数据，利用计算机技术对待检测对象的相关信息进行分析，对比被检测图像特征与数据库中的特征，根据系统分析结果来进行下一步操作。

2关于卷烟32位条码的深度神经网络识别

在对32位喷码进行识别的过程中需要面临两个问题，第一个是，如何在相对较复杂的情况下，对大批图像进行自动快速的采集。第二个是，在对32位喷码的图像进行采集后，研究如何对图像进行识别。

2.1卷烟采集系统

在本文所设计的系统中，想要正确的对32位喷码进行识别，首先需要获取高质量的图像。清晰的图像，可以更加突出条码的特征，识别成功的概率更高。如果图片的质量不高，不能清晰的显示出条码的特征，需要保证有一个光源方便识别。图像采集系统的关键内容就是，需要有一个可以在复杂环境下，也可以确保条码图像质量的光源，还需要选择合适的相机来满足图像质量的要求，利用图像采集卡将相机拍摄出来的图像传输到计算机中，利用计算机对图像进行识别。

2.2 32位条码的图像识别

2.2.1到位触发

系统的传感器选择使用CCD传感器，为了使图像更加清晰，选择使用DSP数字信号长距离技术，这样还可以使图像的轮廓更加清晰，拥有更强的对比度。当传送带上的卷烟传送到检测区域后，传感器会发出相应的信号，当摄像机接收到信号后就会自动拍照，这样可以保证对每根卷烟都进行图像采集。

2.2.2在线采图

在摆烟的时候，手动调整条码的位置，保证摄像机可以拍摄到完整的条码，控制卷烟的速度，保证与摄像机拍照的速度相适应，这样才能拍摄到合格的图像。

2.2.3合理光源

照明光源的选择要合适，这样才能保证图像的质量，可以被识别的概率更高，只有保证了原始图像的质量，为后续的工作做好铺垫。

影像预处理

卷烟图像被收集之后需要进行预处理，进行这一步的主要目的，就是为了增强图像清晰度和复原损坏的图像，采用频域法对图像质量进行加强，采用傅里叶转换，首先需要采用内滤波技术对图像进行处理，在将处理后的图像变换值输入到空域中，这样就可以对图像进行增强。在对图像进行复原时，首先需要明确导致图像质量受损的原因，这样的目的是为了复原后的图像更加逼真。对图像进行预处理主要就是为了将图像的质量进一步提升。

通常所说的图像数字化，主要就是利用计算机技术，将图像在数字硬件的作用下转换成数字化的信号，在对数字信号进行预算和处理，保证图像的质量可以更加准确的被识别。在对图像进行数字化处理的过程中，为了提升工作效率，一般都会将灰度图转换成只有黑白两个灰度的图像，在对二值图像进行处理。

特征抽取

在对图形进行辨识的步骤中，特征辨识是最重要的，主要的辨识依据是计算机系统中的特征库，比较图形特性和特征库中各辨识因子的相似程度，由此来确定辨识结论。OCR技术是目前应用领域中最大的，对图形信号的辨识也是以文字特征为基础。

粗网格特性：将二值图像转换成网格形式，判断像素中字符所占的比例，将所有的字符所占的比例值进行排序。经过实验可以证明，采用该方式可以在一定程度上提升工作效率，如果在结合深度神经网络，可以进一步提升系统的容错能力。但是这种方式还存在一定的缺点，没有较强的抗干扰能力。

矩特征：由于在对卷烟进行传输的过程中，其测件会引起位移改变，从而使得图像产生了偏差，因此只能采用归一化分析来解决这一问题。对于转动问题，很多学者都在研究如何解决这一问题，但是这种情况是很难控制的，因此很难保证。

抽取后处理：被提取的图片中蕴含着非常多的信息，这给信息辨识带来了很大的方便，系统选择目前广泛应用的深度神经网络进行辨识，这个技术有着十分突出的优势，在处理信息的时候能够主动认知、联想记忆。

人工校正：识别的最后功能，在实际中可能困为 32 位码部分字符模糊 ，识别算法无法判断，系统通过界面进行提示进行人工补识。

3基于深度神经网络的卷烟32位喷码识别系统

本文所研究的识别系统实现了端到端识别，可以选择使用Web端进行操作。用户可以将需要进行识别的图像传输到系统中，系统对提交的图像进行识别，识别结束后系统会显示出识别结果。

本文分别对检测模型及本文所设计的识别系统的性能进行测试。

首先对检测模型进行测试，本文利用区域检测模型对1000幅喷码图像进行检测，检测结果如表1所示。从结果可以看出，一共有971幅喷码图像被检测成功，检测率在97.1%。

基于深度神经网络的识别系统测试，为了对本文所设计的系统进行更加准确的测试，本文在上海烟草专卖局对本文所设计的系统进行测试。在现场随机选择了1000条卷烟，将这1000条卷烟随机分为两组，一组采用人工的方式进行，另一组采用本文所设计的识别系统进行识别，具体的操作方式如下。人工操作的步骤为：首先采用人工的方式对烟码进行摘抄，再将烟码手动输入到计算机中，转换成电子版。采用本文所设计的识别系统进行识别步骤：首先采用相机对卷烟进行拍摄，将拍摄的图像传送到识别系统中，系统可以直接将烟码录入到系统中。

两种识别方式得出的结果如表2所示，从表中可以看出，相比较人工方式，采用识别系统的识别速度更快，但是相比较于人工的方式来说，人工方式的准确率比识别系统的准确率更高。

总结

本文研究了一种基于深度神经网络的卷烟32位喷码识别系统，首先利用相机对卷烟进行拍照，在对采集的图像进行预处理，以此来提升图像的质量，保证图像的识别准确率。本文所设计的识别系统，对图像进行识别时，主要是参照计算机中的特征库。通过对比人工录入和系统识别，我们可以看出，虽然采用系统识别的速度比较快，但是准确率还需要进一步提升，希望通过本文的研究可以为烟草公司提供一些帮助。

参考文献

[1]刘巍. 基于卷积神经网络的卷烟小盒外观检测研究[J]. 科技创新与应用， 2022， 12（3）：39-41.

[2]李代杨. 基于深度神经网络的汽车刹车片喷码检测识别技术研究[D].重庆大学，2020.

[3]朱立明， 王伟， 范霞萍，等. 基于无监督深度神经网络的卷烟小包拉线缺陷视觉智能检测方法[J]. 包装工程， 2022（017）：043.

[4]马强， 李爱慧， 王树鹏. 一种录入登记条盒卷烟32位喷码的识别系统及其实现方法：， CN114359916A[P]. 2022.