[發明專利]快遞面單識別模型移植方法、裝置、設備及存儲介質

有效

• 申請號: 202010715972.4
• 申請日: 2020-07-23
• 公開（公告）號: CN111814906B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 衡鶴瑞;李斯
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19;G06V30/41;G06F11/36;G06F8/76;G06F8/41;G06F8/30;G06N3/04
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 胡安

本發明涉及物流技術領域，公開了一種快遞面單識別模型移植方法、裝置、設備及存儲介質，用于提高快遞面單識別模型的識別速度和移植效率。快遞面單識別模型移植方法包括：利用預設測試樣本數據對已訓練的快遞面單識別模型進行驗證，得到驗證結果；當驗證結果大于或者等于預置閾值時，將已訓練的快遞面單識別模型轉換為中間模型文件，并校驗中間模型文件是否運行正常，得到校驗結果；當校驗結果為校驗通過時，對中間模型文件進行簡化處理，得到已簡化的模型文件，并對已簡化的模型文件進行運行測試，得到測試結果；當測試結果為測試通過時，將已簡化的模型文件轉換為待編譯模型文件；對待編譯模型文件進行量化和文件編譯后，移植到智能移動終端。

技術領域

本發明涉及物流技術領域，尤其涉及一種快遞面單識別模型移植方法、裝置、設備及存儲介質。

背景技術

隨著物流行業的快速發展，以及快遞包裹數量的增多，快遞員在進行快遞配送時，可以通過專用條碼識別器采用光電的方式識別快遞面單上的快遞單號；也可以采用智能移動終端的應用軟件識別快遞單號以及收件人的電話號碼。

現有的應用軟件不僅對智能移動終端硬件要求高，而且依賴智能移動終端的攝像像素，同時對識別模型的性能也要求高，使得在智能移動終端中的快遞面單識別模型的普及率低，并且很難移植到智能移動終端。

發明內容

本發明的主要目的在于解決現有的快遞面單識別模型難以移植到智能移動終端的問題。

本發明第一方面提供了一種快遞面單識別模型移植方法，包括：獲取已訓練的快遞面單識別模型，利用預設測試樣本數據對所述已訓練的快遞面單識別模型進行驗證，得到驗證結果；當所述驗證結果大于或者等于預置閾值時，將所述已訓練的快遞面單識別模型轉換為中間模型文件，并校驗所述中間模型文件是否運行正常，得到校驗結果；當所述校驗結果為校驗通過時，對所述中間模型文件進行簡化處理，得到已簡化的模型文件，并對所述已簡化的模型文件進行運行測試，得到測試結果；當所述測試結果為測試通過時，將所述已簡化的模型文件轉換為待編譯模型文件，所述待編譯模型文件包括模型結構文件和模型參數文件；對所述待編譯模型文件進行量化處理，得到已量化的模型文件，對所述已量化的模型文件進行文件編譯后，得到已編譯文件，并將所述已編譯文件移植到智能移動終端中。

可選的，在本發明第一方面的第一種實現方式中，所述獲取已訓練的快遞面單識別模型，利用預設測試樣本數據對所述已訓練的快遞面單識別模型進行驗證，得到驗證結果，包括：構建pytorch框架環境，并基于所述pytorch框架環境設置初始神經網絡模型，所述初始神經網絡模型包括采用輕量化網絡mobilenet-v2改進的骨干網絡；采用預設訓練樣本數據對所述初始神經網絡模型進行訓練并調試，得到已訓練的快遞面單識別模型，所述已訓練的快遞面單識別用于識別快遞面單中電話號碼區域；利用預設測試樣本數據對所述已訓練的快遞面單識別模型進行精確率驗證，得到驗證結果。

可選的，在本發明第一方面的第二種實現方式中，在所述構建pytorch框架環境，并基于所述pytorch框架環境設置初始神經網絡模型，所述初始神經網絡模型包括采用輕量化網絡mobilenet-v2改進的骨干網絡之前，所述快遞面單識別模型移植方法還包括：獲取初始快遞面單樣本數據集，并對所述快遞面單樣本數據集進行圖像處理，得到目標快遞面單樣本數據集；對所述目標快遞面單樣本數據集按照預設比例進行數據劃分，得到所述預設訓練樣本數據和所述預設測試樣本數據，并對所述預設訓練樣本數據進行標注處理。

可選的，在本發明第一方面的第三種實現方式中，所述當所述驗證結果大于或者等于預置閾值時，將所述已訓練的快遞面單識別模型轉換為中間模型文件，并校驗所述中間模型文件是否運行正常，得到校驗結果，包括：當所述驗證結果大于或者等于預置閾值時，獲取所述已訓練的快遞面單識別模型對應的存儲文件路徑信息和待轉換文件名稱；按照預設轉換函數、所述存儲文件路徑信息和所述待轉換文件名稱，將所述已訓練的快遞面單識別模型轉換為中間模型文件，所述中間模型文件為開放神經網絡交換onnx模型文件；搭建onnx框架環境，并校驗所述onnx模型文件是否運行正常，得到校驗結果。