(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211163527.7 (22)申请日 2022.09.23 (71)申请人 长鑫存储技术有限公司 地址 230000 安徽省合肥市经济技 术开发 区空港工业园兴业大道38 8号 (72)发明人 李小伟　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 李琴 (51)Int.Cl. G06K 7/14(2006.01) G06V 10/24(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种二维码识别方法、 装置、 电子设备及存 储介质 (57)摘要 本申请公开一种二维码识别方法、 装置、 电 子设备及存储介质， 属于图像处理技术领域， 该 方法包括： 获取内存条图像， 将内存条图像输入 预先训练的第一检测模型中， 得到内存条图像中 的至少一个芯片区域， 对每一芯片区域对应的芯 片图像进行二维码识别， 若识别失败， 则将芯片 图像输入预先训练的第二检测模 型中， 得到芯片 图像中的二维码区域， 对二维码区域对应的二维 码图像进行二维码识别。 这样， 借助于内存条图 像可以识别出内存条上多个芯片的二维码， 识别 速度比较快， 另外， 按照从芯片图像到二维码图 像的顺序进行二维码识别， 还可 兼顾二维码识别 的速度和准确度， 识别方式也比较合理。 权利要求书3页 说明书13页 附图6页 CN 115510888 A 2022.12.23 CN 115510888 A 1.一种二维码识别方法， 其特 征在于， 包括： 获取内存条图像； 将所述内存条图像输入预先训练的第 一检测模型中， 得到所述内存条图像中的至少一 个芯片区域； 对每一芯片区域对应的芯片图像进行二维码识别； 当识别失败时， 将所述芯片图像输入预先训练的第二检测模型中， 得到所述芯片图像 中的二维码区域； 对所述二维码区域对应的二维码图像进行二维码识别。 2.根据权利要求1所述的方法， 其特征在于， 所述第 一检测模型和所述第 二检测模型为 同一检测模型， 或者， 所述第一检测模型和所述第二检测模型为 不同检测模型。 3.根据权利要求2所述的方法， 其特征在于， 当所述第 一检测模型和所述第 二检测模型 为同一检测模型时， 根据以下步骤训练所述检测模型： 获取多个第一图像样本， 所述多个第一图像样本包括内存条图像样本和芯片图像样 本； 利用所述多个第一图像样本对构建的深度学习网络模型进行训练； 当训练程度达 到预设程度时， 对当前的深度学习网络模型进行剪枝处 理； 利用所述多个第一图像样本对剪枝后的深度学习网络模型继续进行训练； 每当满足剪枝条件时， 对当前的深度学习 网络模型进行剪枝处理， 并利用所述多个第 一图像样本对剪枝后的深度学习网络模型继续进行训练； 直至确定当前的深度 学习网络模型满足训练停止条件时， 将当前的深度 学习网络模型 确定为所述检测模型。 4.根据权利要求2所述的方法， 其特征在于， 当所述第 一检测模型和所述第 二检测模型 为不同检测模型时， 根据以下步骤训练所述第一检测模型： 获取多个第二图像样本， 所述多个第二图像样本包括内存条图像样本和芯片图像样 本； 利用所述多个第二图像样本对构建的深度学习网络模型进行训练； 直至确定当前的深度 学习网络模型满足训练停止条件时， 将当前的深度 学习网络模型 确定为所述第一检测模型。 5.根据权利要求 4所述的方法， 其特 征在于， 根据以下步骤训练所述第二检测模型： 获取多个第三图像样本， 所述多个第三图像样本包括芯片图像样本和二维码图像样 本； 利用所述多个第三图像样本对构建的深度学习网络模型进行训练； 直至确定当前的深度 学习网络模型满足训练停止条件时， 将当前的深度 学习网络模型 确定为所述第二检测模型。 6.根据权利要求1 ‑5中任一所述的方法， 其特 征在于， 还 包括： 确定从所述内存条图像中检测到的芯片数量和成功 识别到的二维码数量； 基于所述芯片数量和所述二维码数量是否匹配， 确定对所述内存条图像的二维码识别 是否存在异常。 7.根据权利要求1 ‑5中任一所述的方法， 其特 征在于， 还 包括：权　利　要　求　书 1/3 页 2 CN 115510888 A 2在对所述芯片图像和所述二维码图像中的任一目标图像进行二维码识别之前， 对所述 目标图像进行 校正处理。 8.根据权利要求1所述的方法， 其特征在于， 将所述内存条图像输入预先训练 的第一检 测模型中， 得到所述内存条图像中的至少一个芯片区域之后， 还 包括： 确定所述至少一个芯片区域的区域尺寸； 将区域尺寸小于预设尺寸的芯片区域对应的芯片图像输入预先训练的第 二检测模型， 得到所述芯片图像中的二维码区域； 对所述二维码区域对应的二维码图像进行二维码识别。 9.一种二维码识别的装置， 其特 征在于， 包括： 获取模块， 用于获取内存条图像； 第一检测模块， 用于将所述内存条图像输入预先训练的第一检测模型中， 得到所述内 存条图像中的至少一个芯片区域； 第一识别模块， 用于对每一芯片区域对应的芯片图像进行二维码识别； 第二检测模块， 用于当识别失败时， 将所述芯片图像输入预先训练的第 二检测模型中， 得到所述芯片图像中的二维码区域； 第二识别模块， 用于对所述 二维码区域对应的二维码图像进行二维码识别。 10.根据权利要求9所述的装置， 其特征在于， 所述第一检测模型和所述第二检测模型 为同一检测模型， 或者， 所述第一检测模型和所述第二检测模型为 不同检测模型。 11.根据权利要求10所述的装置， 其特征在于， 当所述第 一检测模型和所述第 二检测模 型为同一检测模型时， 根据以下步骤训练所述检测模型： 获取多个第一图像样本， 所述多个第一图像样本包括内存条图像样本和芯片图像样 本； 利用所述多个第一图像样本对构建的深度学习网络模型进行训练； 当训练程度达 到预设程度时， 对当前的深度学习网络模型进行剪枝处 理； 利用所述多个第一图像样本对剪枝后的深度学习网络模型继续进行训练； 每当满足剪枝条件时， 对当前的深度学习 网络模型进行剪枝处理， 并利用所述多个第 一图像样本对剪枝后的深度学习网络模型继续进行训练； 直至确定当前的深度 学习网络模型满足训练停止条件时， 将当前的深度 学习网络模型 确定为所述检测模型。 12.根据权利要求9所述的装置， 其特 征在于， 还 包括异常处 理模块， 用于： 确定从所述内存条图像中检测到的芯片数量和成功 识别到的二维码数量； 基于所述芯片数量和所述二维码数量是否匹配， 确定对所述内存条图像的二维码识别 是否存在异常。 13.根据权利要求9所述的装置， 其特 征在于， 还 包括： 校正模块， 用于在对所述芯片图像和所述二维码图像中的任一目标图像进行二维码识 别之前， 对所述目标图像进行 校正处理。 14.一种电子设备， 其特征在于， 包括： 至少一个处理器， 以及与 所述至少一个处理器通 信连接的存 储器， 其中： 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所权　利　要　求　书 2/3 页 3 CN 115510888 A 3