[發明專利]包裹破損的檢測方法、檢測裝置及計算機可讀存儲介質

有效

• 申請號: 202110552582.4
• 申請日: 2021-05-20
• 公開（公告）號: CN113487534B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 張興明;鄭雷
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種包裹破損的檢測方法，其特征在于，所述方法包括：

獲取待檢測包裹至少兩個表面中各表面的特征圖像RGB-D；并根據所述至少兩個表面中各表面的特征圖像RGB-D，構建所述待檢測包裹的三維圖像作為三維的檢測圖像；其中，所述特征圖像RGB-D至少基于所述待檢測包裹中對應表面的彩色子圖像以及深度子圖像確定；

對所述三維的檢測圖像中所述待檢測包裹的破損處進行破損恢復處理，得到三維的恢復圖像；

基于相同的特征提取策略分別對所述三維的恢復圖像、所述三維的檢測圖像進行特征提取，得到第一圖像特征和第二圖像特征；

若所述第一圖像特征與所述第二圖像特征之間的差異超過差異閾值，則確定所述待檢測包裹存在破損。

2.根據權利要求1所述的方法，其特征在于，所述根據所述至少兩個表面中各表面的特征圖像RGB-D，構建所述待檢測包裹的三維圖像作為三維的檢測圖像的步驟，包括：

采用PIFuHD技術根據所述各表面的特征圖像RGB-D進行三維重構，得到所述待檢測包裹的所述三維圖像。

3.根據權利要求1所述的方法，其特征在于，所述對所述三維的檢測圖像中所述待檢測包裹的破損處進行破損恢復處理，得到三維的恢復圖像的步驟，包括：

利用預先訓練好的深度學習模型中的破損恢復模塊對所述三維的檢測圖像中所述待檢測包裹的破損處進行破損恢復處理，得到所述三維的恢復圖像。

4.根據權利要求3所述的方法，其特征在于，對所述三維的恢復圖像進行特征提取，得到所述第一圖像特征的步驟，包括：

利用所述深度學習模型中的特征提取模塊對所述三維的恢復圖像進行特征提取，得到所述第一圖像特征。

5.根據權利要求4所述的方法，其特征在于，在所述獲取待檢測包裹至少兩個表面中各表面的特征圖像RGB-D之前，還包括：

獲取訓練數據集，所述訓練數據集包括破損包裹的真實破損圖像以及與所述破損包裹對應的無破損包裹的真實無破損圖像，以及無破損包裹的兩張真實無破損圖像；

以所述真實破損圖像作為輸入，與所述真實破損圖像對應的真實無破損圖像作為監督，或者，以所述兩張真實無破損圖像中的一張作為輸入，另一張作為監督，對所述破損恢復模塊進行訓練；

以所述破損恢復模塊輸出的虛假無破損圖像作為輸入，所述虛假無破損圖像的圖像特征作為監督，或者，以所述真實無破損圖像作為輸入，所述真實無破損圖像的圖像特征作為監督，對所述特征提取模塊進行訓練。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

利用元素全為0的特征向量作為所述虛假無破損圖像的圖像特征；

利用元素全為1的特征向量作為所述真實無破損圖像的圖像特征。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

在訓練所述特征提取模塊時，計算所述特征提取模塊輸出的圖像特征中元素的平均值；

若所述平均值大于閾值，則將所述特征提取模塊輸出的圖像特征中所有的元素均置1，否則均置0。

8.根據權利要求4所述的方法，其特征在于，對三維的所述檢測圖像進行特征提取，得到所述第二圖像特征的步驟，包括：

利用所述深度學習模型中的所述特征提取模塊對所述三維的檢測圖像進行特征提取，得到所述第二圖像特征。

9.一種檢測裝置，其特征在于，所述檢測裝置包括處理器、存儲器以及通信電路，所述處理器分別耦接所述存儲器、所述通信電路，所述存儲器中存儲有程序數據，所述處理器通過執行所述存儲器內的所述程序數據以實現如權利要求1至8任一項所述方法中的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序能夠被處理器執行以實現如權利要求1-8任一項所述方法中的步驟。