随着IBM公司首次提出“智慧物流”这一概念,提高物流系统的智能化、自动化水平成为了物流领域的研究重点。当前,中小型快递公司分拨中心的标准化、信息化程度低,还存在依靠人工录入客户信息的情况。与此同时,以顺丰、“三通一达”为代表的快递巨头的分拨中心智能化程度相对较高,但它们原有的自动化分拣方案已经不能满足新的业务需求。基于上述背景,本论文设计了一种基于机器视觉的快递面单信息提取算法,该算法分为基于机器视觉的快递面单分割算法、条形码定位及识别算法两部分。其中,快递面单分割算法包括基于Mask R-CNN框架实现对快递面单掩模的提取、基于自适应灰度缩放算法实现对图像的细节增强,基于最小外接矩形算法和透射变换实现对快递面单的初次摆正,以及基于VGG-16分类网络和旋转变换实现对快递面单的二次摆正。条形码定位算法首先生成快递面单的显著区域,然后利用广度优先搜索算法建立疑似条形码区域集,并筛除经协方差矩阵判别的假条形码,从而得到快递面单上的所有条形码。条形码识别算法则是根据Code128码制,利用相似边距离测量法实现了对快递面单主条形码的译码。最后,本文根据课题的业务需求对整个算法的运行时间和内存使用、快递面单分割效果、条形码检测准确率及条形码译码准确率进行了测试。从实验结果上可以看出,本论文提出的算法很好地完成了课题目标。