А. И. Тур – аспирант, ассистент, кафедра автоматики и телемеханики, Пермский национальный исследовательский политехнический университет

E-mail: tur.aleksandr93@mail.ru

Ю. Н. Липин – к.т.н., доцент, кафедра автоматики и телемеханики, Пермский национальный исследовательский политехнический университет

E-mail: y_lipinin@mail.ru

Постановка проблемы. Во время сбора, сортировки и обработки использованной тары стоит обращать внимание на элементы упаковки, в частности, на штрихкод, содержащий информацию о стране производства, продукте и технических характеристиках тары. Из-за повреждения тары распознавание штрихкода и получение необходимой информации из него может быть затруднено. Поэтому актуальным является создание системы, способной восстанавливать штрихкод по сохранившемуся фрагменту.

Цель. Исследовать подходы к считыванию поврежденной информации, размещенной на штрихкоде упаковки.

Результаты. Рассмотрен процесс создания и считывания штрихкодов, предложены подходы по восстановлению поврежденной информации. Проведена предварительная оценка эффективности предложенных подходов и предложены рекомендации по их применению.

Практическая значимость. Предложенные подходы позволяют почти гарантированно восстанавливать информацию в случаях повреждения штрихкодов, когда затруднено считывание одной или двух последовательно расположенных цифр. В более тяжелых случаях повреждения алгоритмы позволяют получить информацию, на основании которой имеется возможность сделать статистический прогноз и с определенной вероятностью назвать распознанный товар.

1. Kokoulin A.N., Tur A.I., Yuzhakov A.A. Convolutional neural networks application in plastic waste recognition and sorting // Proceedings of the 2018 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering. SaintPetersburg: Saint-Petersburg Electrotechnical University «LETI». 2018. P. 1118–1122.
2. Кокоулин А.Н., Тур А.И., Даденков С.А. Оптическая система сортировки пустых контейнеров // Нейрокомпьютеры: разработка, применение. 2018. № 7. C. 3–7. DOI: 10.18127/j19998554-201807-01.
3. Кокоулин А.Н., Тур А.И., Князев А.И., Южаков А.А. Вопросы разработки и настройки оптической подсистемы распознавания и сортировки пустых контейнеров в системе раздельного приема бытовых отходов // Информационноизмерительные и управляющие системы. 2018. № 9. Т. 16. C. 45–50. DOI: 10.18127/j20700814-201809-07.
4. Блау М. Штрих-коды. Как они устроены? Часть 1 // Ежедневный познавательный журнал «ШколаЖизни.ру» [Электронный ресурс] / URL: https://shkolazhizni.ru/computers/articles/92623/ (дата обращения: 10.01.19).
5. Блау М. Штрих-коды. Как они устроены? Часть 2 // Ежедневный познавательный журнал «ШколаЖизни.ру» [Электронный ресурс] / URL: https://shkolazhizni.ru/computers/articles/92624/ (дата обращения: 10.01.19).
6. ZBar bar code reader [Электронный ресурс] / URL: http://zbar.sourceforge.net/ (дата обращения: 20.11.18).
7. Иванько М.А., Клепикова А.В. Системы искусственного зрения // Вестник МГУП им. Ивана Федорова. 2015. № 5. С. 50–52.
8. Скарук Г.А. Иерархические классификации в автоматизированном поиске // Труды ГПНТБ СО РАН. 2015. № 8. C. 267–274.
9. Фаворская М.Н., Тупицын И.В. Иерархический метод поиска соответствующих точек на стереоизображениях // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. 2012. № 1. C. 62–67.
10. Кокоулин А.Н. Использование нейронных сетей для обнаружения и распознавания пылевых частиц на микрофотографиях // Нейрокомпьютеры: разработка, применение. 2015. № 10. C. 10–15.