计算机与图像技术Computer&MultimediaTechnology电子技术与软件工程ElectronicTechnology&SoftwareEngineering163在全球范围内，我们是最大的烟草生产国，而我们的烟草行业是我们国家最重要的纳税产业。但是，在过去的一年中，我们都会面临着假冒、伪造等问题，给我们造成了几十亿的经济损失[1]。条烟包装上的32位激光码是确定烟草信息的主要途径，可用于查询烟草的真伪鉴别、烟草产地、经销途径等方面。基于此，对条烟盒上的32位激光码字符进行识别，不仅能够保障香烟的合法性与烟草激光码的有效性，而且还可以有效提高条烟的核验效率。目前，对条烟盒上的激光码图像的采集通常会存在复杂的图像背景、低质量、目标倾斜、位置不固定的情况，这些问题使得传统的方法难以完成对激光码图像的高效、准确识别任务[2]。对于此问题，卷积神经网络被广泛地应用于文字区域识别，以实现目标识别的目的。如Shi等[3]结合了CTPN和SSD的特点后，提从而提出了SegLink模型，其具备高效检测多方向、任意长度小文本的能力。Zeheng等[2]提出了一种基于神经网络CNN的卷烟识别方法，缓解图像的不规则和噪声的影响，提取有用的特征进行识别。Redmon等学者[4]提出了YOLO[5]算法，该算法具有快速检测和高精度的特点，适用于轮廓明显的目标检测。李文龙等[6]提出的高铁摩擦片编码识别算法使用YOLO_v3和Tesseract5.0相结合，解决了字符区域分割和方向矫正问题，该方法是一种新的方法，可用于对金属表面上的文字进行准确的识别。另外，宫鹏涵[7]的研究结果也很重要，他采用了一种新颖的YOLOv5的思想，对钢印汉字进行了高效的识别。因此，本文提出了一种基于BiSeNet和YOLO_v5s基于BiSeNet和YOLOv5s的条烟32位激光码识别方法研究姜思明1*谭升达1陈冠达1邓东2李康军3（1.广东烟草阳江市有限责任公司广东省阳江市529500）（2.大族激光科技产业集团股份有限公司广东省深圳市517058）（3.湖南睿图智能科技有限公司湖南省长沙市410000）摘要：本文针对条状香烟激光编码在条状香烟中存在的特征提取与定向困难等问题，采用BiSeNet与YOLOv5s相结合的方式，对条状香烟的条状香烟进行了扫描。首先，我们将使用BiSeNet神经网络来实现对包含特征的目标的提取，然后，针对目标的偏移，我们将使用透射变换来纠正目标的偏移。然后，对经过灰度化和阈值处理的特征图像进行YOLOv5s的特征图像进行特征识别，并利用气泡法对其进行分类，最终完成了对香烟盒子的激光编码的自动识别。实验证明，本文提...
