Распознавание штрих-кодов с помощью ИИ

Я бы предложил искать свойства, которыми обладает штрих-код. Вот некоторые из них, которые я имею в виду:

1. Гистограмма цветов показывает два разных цвета примерно с равномерным распределением.
2. Выполнение преобразования hough находит много параллельных линий
3. Толщина линий имеет два различных измерения.

Некоторые другие?

Имея это, я бы разделил изображение на части и провел классификацию с этими функциями, а затем объединил результаты, чтобы вычислить вероятность того, содержит ли часть штрих-код или нет.

Для вашей второй проблемы (размытое изображение) я бы предложил вычислить производную 1-го порядка значений серого, а затем определить края линий в этом пространстве. Максимум производной ниже, если изображение размыто, но оно должно обнаруживаться до определенного коэффициента размытия.

Вам это помогает?

Как уже отмечал mp, для этого вам не нужна настоящая техника искусственного интеллекта. Взгляните на главу 12 Real World Haskell. Он реализует почти полный распознаватель штрих-кода. Пример кода на Haskell, но есть много объяснений, так что вы, вероятно, сможете понять идеи и приемы, даже не имея опыта работы с Haskell.

Если вы хотите решить эту проблему с помощью ИИ, то, вероятно, лучше всего использовать ИНС. Для данной задачи я бы рекомендовал использовать довольно продвинутую методику под названием HyperNEAT. См. мое объяснение (и ссылки) в качестве первого ответа на вопрос SO Neural Размер сети...

Я бы, наверное, использовал две или три разные сети,

• Первый, кто нашел штрих-код на большой картинке. Один выходной нейрон на пиксель/набор пикселей, выходное значение — это уверенность в том, что этот пиксель кажется частью штрих-кода. Основываясь на результате, я бы использовал некоторое преобразование изображения, чтобы преобразовать его в «стандартный» формат (прямоугольник x * y).
• Если у вас возникли трудности с поиском местоположения штрих-кода, используйте второй. Скормите результат первого и попросите его дать координаты двух углов. Тем не менее, я не совсем уверен, что это будет очень легко развивать.
• Последний будет работать в стандартизированном формате, выводя нейроны для каждой строки (или квадрата, если вы работаете, возможно, с двумерным штрих-кодом), сообщая, следует ли считать данную область черной или белой.

Вероятно, это также помогло бы выполнить некоторую предварительную обработку изображения, например. те, что описаны в RWH.

Вам не нужен какой-то конкретный ИИ или техника мягких вычислений. Вам необходимо применить метод обработки изображения, чтобы улучшить качество изображения или изолировать штрих-код от большего изображения. Вы можете использовать Matlab для прототипирования и узнать больше об обработке изображений.