[發明專利]基于人工智能深度學習的自動識別物體的方法及其裝置

有效

• 申請號: 201810551326.1
• 申請日: 2018-05-31
• 公開（公告）號: CN108802840B
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 張娜
• 申請（專利權）人: 北京邁格斯智能科技有限公司
• 主分類號: G01V5/00
• 分類號: G01V5/00;G06N3/08
• 代理公司: 11369 北京遠大卓悅知識產權代理事務所(普通合伙)
• 代理人: 湯小東

1.一種基于人工智能深度學習的自動識別物體的方法，其中，主要包括以下步驟：

步驟1、由設置在物品識別區域不同方位的X光機采集得到待識別物品的X光圖像；

步驟2、將采集得到的各個方位的X光圖像同時輸入預設的深度學習模型，以提取所述X光圖像中對應的待識別物品的多維度數據；

步驟3、將步驟2得到的多維度數據進行融合，生成多維度數據對應的數據特征；

步驟4、由步驟3得到的數據特征中分別提取得到分類特征和位置特征；

步驟5、計算步驟4得到的分類特征的置信度值，并將置信度值大于預設的最小值的分類特征和相應的位置特征組合作為識別結果輸出；

其中，執行所述的基于人工智能深度學習的自動識別物體的方法的裝置包括：

第一傳送機構，其包括機架、第一傳送帶和驅動電機；所述第一傳送帶架設在所述機架上方；所述驅動電機設置在所述第一傳送帶的下方，并驅動所述第一傳送帶運動；

識別機構，其包括主機和至少兩臺X光機；所述X光機分別設置于所述第一傳送帶的上方和側方，以對所述第一傳送帶上的物品進行識別；所述主機內內置有深度學習模型和與所述深度學習模型相連接的分析模塊，所述深度學習模型連接于所述X光機，以提取所述X光機拍攝的X光圖像中對應的待識別物品的數據特征，并將所述數據特征發送至所述分析模塊進行分析處理，以得到識別結果；

防護機構，其包括防護罩和防護簾；所述防護罩設置為兩端具有開口的拱形的罩體，所述罩體扣合在所述第一傳送帶上，并使邊緣連接于所述機架，所述防護簾設置于所述罩體兩端的開口上，以使所述罩體、防護簾和第一傳送帶組成一個用于物品識別的密閉空間；

第二傳送機構，其包括第二傳送帶、第三傳送帶和升降臺；所述第二傳送帶相對地面呈35-50°傾斜，所述第二傳送帶的較高一端與所述第一傳送帶位于同一水平面上，且所述第二傳送帶的較高一端與所述第一傳送帶的入口端相距8-15cm；沿所述第二傳送帶的寬邊方向，在所述第二傳送帶上逐行豎直設置有限位柱，每行所述限位柱的底部均設置有彈簧，以使所述限位柱在受到向下的外力擠壓時收縮至所述第二傳送帶內，并在無外力作用時凸出于所述第二傳送帶的表面；所述第三傳送帶相對地面呈15-35°傾斜，所述第三傳送帶的較高一端連接于所述第一傳送帶的出口端，較低一端連接升降臺的一端；所述升降臺設置為水平的平臺，所述平臺的底部設置有重量感應器，所述重量感應器的下方設置有可伸縮的伸縮軸，以將所述平臺撐離地面，所述重量感應器在感應到平臺上的重量超過所述重量感應器內設置的重量上限時，控制所述伸縮軸收縮，以使所述平臺降低至靠近地面。

2.如權利要求1所述的基于人工智能深度學習的自動識別物體的方法，其中，至少在所述物品識別區域的頂部和一側設置有X光機，且設置的所述X光機均位于同一橫切面上。

3.如權利要求1所述的基于人工智能深度學習的自動識別物體的方法，其中，所述深度學習模型為基于卷積神經網絡的深度學習模型，且通過各種違禁品的樣本數據訓練得到。

4.如權利要求1所述的基于人工智能深度學習的自動識別物體的方法，其中，所述步驟3中對多維度數據的融合依據所述數據特征的特征價值；

其中，所述特征價值在給定目標位置后由所述深度學習模型自動確定。

5.如權利要求4所述的基于人工智能深度學習的自動識別物體的方法，其中，所述特征價值通過特征向量進行表示。

6.如權利要求1所述的基于人工智能深度學習的自動識別物體的方法，其中，所述步驟1中還需對得到的X光圖像進行圖像歸一化處理和預處理。

7.如權利要求1所述的基于人工智能深度學習的自動識別物體的方法，其中，相鄰兩行所述限位柱間間距20-40cm；所述限位柱在無外力作用時凸出于所述第二傳送帶的表面的高度為8-15cm。