Barcodes have been widely used in m

Barcodes have been widely used in many industrial products for automatic identification in data collection and inventory control purposes. It is well known that in many stores laser bar-code readers are used at check-out counters. However, there is a major constraint when this tool is used. That is, unlike traditional camera-based picturing, the distance between the laser reader (sensor) and the target object is close to zero when the reader is applied. This may result in inconvenience in inspection automation because the human operator has to manipulate either the sensor or the objects. For the purpose of in-store or inspection automation, the human operator needs to be removed from the process, i.e. a robot with visual capability is required to play an important role in such a system. Moreover, an automated system is required to find, locate and decode barcodes on various document images even with low resolution compared with laser barcode readers (about 15,000 dots per inch) and can handle damaged bar codes. This paper proposes a smart barcode detection and recognition system (SBDR) based on fast hierarchical Hough transform (HHT). The back-propagation neural network (BPNN) is selected as a powerful tool to perform the recognition process. The paper presents an effective method to utilize the specific graphic features of barcodes for positioning and recognition purposes even in case of distorted barcodes. The first step the system has to perform is to locate the position and orientation of the barcode in the required material document image. Secondly, the proposed system has to segment the barcode. Finally, a trained back-propagation neural network is used to perform the barcode recognition task. Experiments have been conducted to corroborate the efficiency of the proposed method.

ผลลัพธ์ (ไทย) 1:

บาร์โค้ดได้ถูกใช้ในหลายอุตสาหกรรมสำหรับการระบุโดยอัตโนมัติในการเก็บรวบรวมข้อมูลและวัตถุประสงค์การควบคุมสินค้าคงคลัง เป็นที่รู้จักกันดีว่า ในร้านค้าหลาย เครื่องอ่านบาร์โค้ดเลเซอร์ใช้ที่เคาน์เตอร์เช็ค อย่างไรก็ตาม มีข้อจำกัดที่สำคัญเมื่อมีใช้เครื่องมือนี้ นั่นคือ ซึ่งแตกต่างจากแบบดั้งเดิมใช้กล้อง picturing ระยะห่างระหว่างเครื่องอ่านเลเซอร์ (เซ็นเซอร์) และวัตถุเป้าหมายอยู่ใกล้กับศูนย์เมื่อมีใช้ตัวอ่าน นี้อาจส่งผลในความไม่สะดวกในการตรวจสอบอัตโนมัติเนื่องจากการปฏิบัติงานของคนเพื่อจัดการกับการเซ็นเซอร์หรือวัตถุ เพื่อในการจัดเก็บหรือตรวจสอบอัตโนมัติ ตัวดำเนินการที่มนุษย์ต้องถูกเอาออกจากกระบวนการ เช่นหุ่นยนต์ มีความสามารถในการแสดงผลจะต้องมีบทบาทสำคัญในระบบดังกล่าว นอกจากนี้ ระบบอัตโนมัติจะต้องค้นหา ค้นหา และถอดรหัสบาร์โค้ดในรูปเอกสารต่าง ๆ แม้จะ มีความละเอียดต่ำเมื่อเทียบกับเครื่องอ่านบาร์โค้ดเลเซอร์ (ประมาณ 15000 จุดต่อนิ้ว) และสามารถรองรับบาร์โค้ดชำรุด เอกสารนี้นำเสนอสมาร์ทระบบบาร์โค้ดตรวจสอบและการรับรู้ (SBDR) ตามลำดับอย่างรวดเร็วแปลง Hough (HHT) เลือกเครือข่ายประสาทกลับเผยแพร่ (BPNN) เป็นเครื่องมือที่มีประสิทธิภาพเพื่อทำกระบวนการรับรู้ กระดาษแสดงวิธีการใช้ใช้คุณลักษณะกราฟิกเฉพาะของบาร์โค้ดสำหรับการกำหนดตำแหน่งและการรับรู้แม้ในกรณีที่มีบาร์โค้ดเพี้ยน ขั้นตอนแรกที่มีระบบการหาตำแหน่งและการวางแนวของบาร์โค้ดในรูปเอกสารวัสดุต้องได้ ประการที่สอง ระบบนำเสนอมีการแบ่งเซ็กเมนต์บาร์โค้ด สุดท้าย เครือข่ายประสาทกลับเผยแพร่ฝึกอบรมใช้การดำเนินการบาร์โค้ด ได้ดำเนินการทดลองเพื่อประสิทธิภาพของวิธีการนำเสนอ corroborate

ผลลัพธ์ (ไทย) 2:

บาร์โค้ดได้ถูกนำมาใช้กันอย่างแพร่หลายในผลิตภัณฑ์อุตสาหกรรมจำนวนมากสำหรับการระบุอัตโนมัติในการเก็บรวบรวมข้อมูลและการควบคุมสินค้าคงคลัง เป็นที่ทราบกันดีว่าในร้านค้าจำนวนมากอ่านบาร์โค้ดเลเซอร์ที่ใช้ในการเช็คเอาท์เคาน์เตอร์ แต่มีข้อ จำกัด ที่สำคัญเมื่อใช้เครื่องมือนี้ถูกนำมาใช้ นั่นคือไม่เหมือน Picturing กล้องตามแบบดั้งเดิม, ระยะห่างระหว่างผู้อ่านเลเซอร์ (เซ็นเซอร์) และวัตถุเป้าหมายอยู่ใกล้กับศูนย์เมื่อผู้อ่านจะนำไปใช้ ซึ่งอาจส่งผลในความไม่สะดวกในการตรวจสอบอัตโนมัติเพราะมนุษย์มีผู้ประกอบการที่จะจัดการกับทั้งเซ็นเซอร์หรือวัตถุ เพื่อวัตถุประสงค์ในการในการจัดเก็บหรืออัตโนมัติตรวจสอบผู้ประกอบการที่มนุษย์จะต้องออกจากกระบวนการเช่นหุ่นยนต์ที่มีความสามารถในการมองเห็นจะต้องเล่นบทบาทสำคัญในระบบดังกล่าว นอกจากนี้ระบบอัตโนมัติจะต้องพบค้นหาและถอดรหัสบาร์โค้ดบนภาพเอกสารต่าง ๆ แม้จะมีความละเอียดต่ำเมื่อเทียบกับเครื่องอ่านบาร์โค้ดเลเซอร์ (ประมาณ 15,000 จุดต่อนิ้ว) และสามารถจัดการกับบาร์โค้ดที่เสียหาย กระดาษนี้นำเสนอการตรวจสอบบาร์โค้ดมาร์ทและระบบการรับรู้ (SBDR) ตามลำดับชั้นอย่างรวดเร็ว Hough แปลง (HHT) ประสาทกลับมาขยายพันธุ์เครือข่าย (BPNN) ถูกเลือกเป็นเครื่องมือที่มีประสิทธิภาพในการดำเนินการขั้นตอนการรับรู้ กระดาษนำเสนอวิธีที่มีประสิทธิภาพในการใช้คุณสมบัติกราฟิกที่เฉพาะเจาะจงของบาร์โค้ดเพื่อวัตถุประสงค์ในการวางตำแหน่งและการรับรู้แม้ในกรณีของบาร์โค้ดที่บิดเบี้ยว ขั้นตอนแรกระบบที่มีการดำเนินการคือการหาตำแหน่งและทิศทางของบาร์โค้ดในรูปเอกสารวัสดุที่จำเป็น ประการที่สองระบบที่นำเสนอมีส่วนบาร์โค้ด ในที่สุดการฝึกอบรมหลังการขยายพันธุ์เครือข่ายประสาทจะใช้ในการดำเนินงานที่ได้รับการยอมรับบาร์โค้ด การทดลองได้รับการดำเนินการเพื่อยืนยันประสิทธิภาพของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

บาร์โค้ดมีใช้อย่างแพร่หลายในผลิตภัณฑ์อุตสาหกรรมหลายระบุอัตโนมัติในการเก็บรวบรวมข้อมูลและวัตถุประสงค์การควบคุมสินค้าคงคลัง มันเป็นที่รู้จักกันดีว่าในร้านค้ามากมาย เลเซอร์ บาร์โค้ด ผู้อ่านที่ใช้ที่เคาน์เตอร์ด่วน อย่างไรก็ตามยังมีข้อจำกัดเมื่อเครื่องมือนี้ใช้ นั่นคือ ซึ่งแตกต่างจากแบบดั้งเดิมที่ใช้ภาพกล้อง ,ระยะห่างระหว่างเลเซอร์อ่าน ( เซ็นเซอร์ ) และวัตถุเป้าหมายเข้าใกล้ศูนย์เมื่อผู้อ่านจะใช้ นี้อาจทำให้เกิดความไม่สะดวกในการตรวจสอบอัตโนมัติ เพราะผู้ประกอบการของมนุษย์ได้จัดการให้เซ็นเซอร์หรือวัตถุ สำหรับวัตถุประสงค์ในการจัดเก็บ หรือ อัตโนมัติ การตรวจสอบ ผู้ประกอบการของมนุษย์ต้องลบออกจากกระบวนการ ได้แก่เป็นหุ่นยนต์ที่มีความสามารถและจะต้องมีบทบาทสำคัญในระบบดังกล่าว . นอกจากนี้ ระบบอัตโนมัติจะต้องค้นหาค้นหาและถอดรหัสบาร์โค้ดบนภาพเอกสารต่าง ๆ แม้จะมีความละเอียดต่ำเมื่อเทียบกับเครื่องอ่านบาร์โค้ดเลเซอร์ ( ประมาณ 15 , 000 จุดต่อนิ้ว ) และสามารถจัดการกับบาร์โค้ดที่เสียหายบทความนี้เสนอระบบตรวจจับบาร์โค้ดสมาร์ทและการรับรู้ ( sbdr ) ตามลำดับชั้นรวดเร็ว Hough แปลง ( hht ) การ back-propagation โครงข่ายประสาทเทียม ( แบบจำลอง ) ได้รับเลือกเป็นเครื่องมือที่มีประสิทธิภาพเพื่อดำเนินการกระบวนการรับรู้กระดาษที่นำเสนอวิธีที่มีประสิทธิภาพในการใช้ประโยชน์จากกราฟิก คุณลักษณะเฉพาะของบาร์โค้ดสำหรับตำแหน่งและการรับรู้ มีแม้กระทั่งในกรณีของการบิดเบือนบาร์โค้ด . ขั้นตอนแรกของระบบต้องทำคือการหาตำแหน่งและทิศทางของบาร์โค้ดในเอกสารเป็นวัสดุภาพ ประการที่สอง ระบบนี้ได้ ส่วนบาร์โค้ด ในที่สุดการฝึกอบรม back-propagation โครงข่ายประสาทเทียมที่ใช้เพื่อแสดงการรับรู้บาร์โค้ดงาน การทดลองได้ดำเนินการเพื่อยืนยันประสิทธิภาพของวิธีการที่ได้นำเสนอ