[發明專利]基于圖像識別的包裹分揀方法、裝置、設備及存儲介質

在審

• 申請號: 202110598075.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113378811A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 徐夢佳;李斯;楊周龍
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06K9/18
• 分類號: G06K9/18;G06K9/62;G06N3/04;G06N3/08;G06Q10/08
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種基于圖像識別的包裹分揀方法，其特征在于，所述基于圖像識別的包裹分揀方法包括：

接收包裹分揀請求，并從所述包裹分揀請求中提取包裹圖像標識；

根據所述包裹圖像標識，獲取待分揀包裹的原始包裹圖像，并對所述原始包裹圖像進行預處理，得到標準化的目標包裹圖像；

通過訓練好的包裹類型識別模型，對所述目標包裹圖像進行包裹類型識別，得到所述待分揀包裹對應的包裹類型信息；

根據所述包裹類型信息，將所述待分揀包裹分揀到預置的配送路線。

2.根據權利要求1所述的基于圖像識別的包裹分揀方法，其特征在于，在所述接收包裹分揀請求，并從所述包裹分揀請求中提取包裹圖像標識之前，所述基于圖像識別的包裹分揀方法還包括：

獲取帶標注的樣本包裹數據集，所述樣本包裹數據集包括冷鏈包裹子數據和普通包裹子數據；

對所述樣本包裹數據集進行隨機劃分，得到訓練數據集和驗證數據集；

通過所述訓練數據集，對預置的包裹類型識別模型進行訓練，得到訓練好的包裹類型識別模型。

3.根據權利要求2所述的基于圖像識別的包裹分揀方法，其特征在于，在所述通過所述訓練數據集，對預置的包裹類型識別模型進行訓練，得到訓練好的包裹類型識別模型之后，所述基于圖像識別的包裹分揀方法還包括：

在所述驗證數據集中隨機獲取驗證包裹數據，并將所述驗證包裹數據輸入訓練好的包裹類型識別模型進行數據預測，得到預測結果；

當所述預測結果滿足預置優化條件時，對所述訓練好的包裹類型識別模型進行優化訓練，得到優化訓練的包裹類型識別模型，并將所述優化訓練的包裹類型識別模型作為訓練好的包裹類型識別模型。

4.根據權利要求2所述的基于圖像識別的包裹分揀方法，其特征在于，所述通過所述訓練數據集，對預置的包裹類型識別模型進行訓練，得到訓練好的包裹類型識別模型，包括：

獲取預置的權重參數，并通過所述權重參數對預置的包裹類型識別模型進行初始化，得到初始的包裹類型識別模型，所述初始的包裹類型識別模型包括多個殘差塊，每個殘差塊包括卷積層和批量歸一化層；

將所述訓練數據集輸入所述初始的包裹類型識別模型，并通過所述初始的包裹類型識別模型中的多個殘差塊，對所述訓練數據集進行網絡運算，得到預測結果；

通過所述預測結果，判斷所述初始的包裹類型識別模型是否收斂；

若所述初始的包裹類型識別模型收斂，則對所述初始的包裹類型識別模型進行重參數化處理，得到訓練好的包裹類型識別模型。

5.根據權利要求4所述的基于圖像識別的包裹分揀方法，其特征在于，所述若所述初始的包裹類型識別模型收斂，則對所述初始的包裹類型識別模型進行重參數化處理，得到訓練好的包裹類型識別模型，包括：

若所述初始的包裹類型識別模型收斂，則將每個殘差塊中的卷積層和批量歸一化層進行融合，得到每個殘差塊對應的融合卷積層；

將每個殘差塊對應的融合卷積層轉換為預置大小的目標卷積層，并合并各殘差塊對應的目標卷積層，得到訓練好的包裹類型識別模型。

6.根據權利要求5所述的基于圖像識別的包裹分揀方法，其特征在于，所述通過訓練好的包裹類型識別模型，對所述目標包裹圖像進行包裹類型識別，得到所述待分揀包裹對應的包裹類型信息，包括：

通過所述訓練好的包裹類型識別模型中的目標卷積層，對所述目標包裹圖像進行特征提取，得到特征矩陣；

按照預置的激活函數對所述特征矩陣進行特征激活，得到激活矩陣；

通過所述訓練好的包裹類型識別模型中的全連接層，對所述激活矩陣進行特征分類，得到所述待分揀包裹對應的包裹類型信息。