[發明專利]一種快遞貨物堆積程度的檢測方法及裝置

在審

• 申請號: 202010846705.0
• 申請日: 2020-08-21
• 公開（公告）號: CN112101125A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 周韶寧;邱葉強;董雍佳;王超;賴玥聰;范則款
• 申請（專利權）人: 浙江百世技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/08;G06Q10/06
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

本發明提供一種快遞貨物堆積程度的檢測方法及裝置，所述方法包括：獲取目標站點貨物堆積的圖像，將所述貨物堆積的圖像作為預測樣本輸入預設的深度學習檢測模型，并將該深度學習檢測模型的輸出作為該目標站點貨物堆積的圖像對應的堆積程度檢測結果，其中，所述深度學習檢測模型用于表示貨物堆積圖像的堆積類型和堆積程度檢測結果之間的對應關系，本發明的檢測算法是基于深度學習的原理，能夠實現快遞貨物堆積程度的自動檢測，檢測過程高效且檢測結果準確，進而能夠幫助管理人員實時了解當前快遞分撥中心每一個堆貨區域的堆積情況，以便能夠及時且有針對性地做出相應的處理。

技術領域

本發明涉及快遞分揀領域，更具體的，涉及一種快遞貨物堆積程度的檢測方法及裝置。

背景技術

快遞貨物在快遞分撥中心經過粗分流水線和末端分揀流水線分揀完畢后，需要進行裝車處理，然后發往對應的方向。然而很多時候，貨物已經分揀完畢，但是車輛還未到達，因此，需要將貨物臨時放置到堆貨區域。由于堆貨區域都有堆貨的上限，當堆貨區域已經被快遞貨物堆滿，而車輛還未到達，會給裝車現場造成很大的影響，因此需要現場管理人員進行介入處理。

對于站點堆貨區域有額外的時效要求的，即需要在某個時間點之前，將該區域的貨物都裝送完畢，保證當日能派送到用戶手中，如果在某個時間點之后，該區域還有貨物堆積，也需要相應的管理人員及時處理。

然而由于每個快遞分撥中心有較多的貨物堆積區域，現場管理人員很難實時感應到每一個區域的貨物堆積程度而提前做出有效的處理，因此就會給分撥的操作和貨物的時效產生較大地影響。

發明內容

為了解決上述問題中的至少一個，本發明第一方面提供一種快遞貨物堆積程度的檢測方法，所述檢測方法包括：

獲取目標站點貨物堆積的圖像；

將所述貨物堆積的圖像作為預測樣本輸入預設的深度學習檢測模型，并將該深度學習檢測模型的輸出作為該目標站點貨物堆積的圖像對應的堆積程度檢測結果；

其中，所述深度學習檢測模型用于表示貨物堆積圖像的堆積類型和堆積程度檢測結果之間的對應關系。

在某些實施方式中，所述檢測方法還包括：

根據貨物堆積的歷史數據生成訓練樣本集，所述歷史數據包括多個堆積類型及其對應的已知堆積程度檢測結果。

在某些實施方式中，所述根據貨物堆積的歷史數據生成訓練樣本集，所述歷史數據包括多個堆積類型及其對應的已知堆積程度檢測結果，包括：

自電力系統的遙測數據、遙信數據和電力模塊監控數據中的至少一份數據中提取多個貨物堆積的歷史數據；

在所述歷史運行數據中提取貨物堆積的多種堆積類型對應的堆積程度特征數據，并根據多種堆積類型分別對應的堆積程度特征數據之間的從屬關系建立貨物堆積程度指標體系；

對所述貨物堆積程度指標體系對應的堆積程度特征數據進行預處理；

根據經預處理后的堆積程度特征數據生成訓練樣本集。

在某些實施方式中，所述對所述貨物堆積程度指標體系對應的堆積程度特征數據進行預處理，包括：

對所述貨物堆積程度指標體系對應的堆積程度特征數據進行數據清洗和/或屬性規約處理。

本發明第二方面提供一種快遞貨物堆積程度檢測裝置，所述檢測裝置包括：

圖像獲取模塊，獲取目標站點貨物堆積的圖像；

堆積程度檢測模塊，將所述貨物堆積的圖像作為預測樣本輸入預設的深度學習檢測模型，并將該深度學習檢測模型的輸出作為該目標站點貨物堆積的圖像對應的堆積程度檢測結果；