[發(fā)明專利]快遞流水線的堵塞識別方法、系統(tǒng)、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110740579.5
• 申請日: 2021-06-30
• 公開（公告）號: CN113420694A
• 公開（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 徐夢佳;李斯;楊周龍
• 申請（專利權(quán)）人: 上海東普信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

本發(fā)明提供了一種快遞流水線的堵塞識別方法、系統(tǒng)、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。其中堵塞識別方法具體包括：先獲取快遞流水線的監(jiān)測圖像；再根據(jù)預(yù)先訓(xùn)練的識別模型，對監(jiān)測圖像中是否存在堵塞情況進(jìn)行識別，生成相應(yīng)的識別結(jié)果；最后根據(jù)識別結(jié)果，在監(jiān)測圖像中存在堵塞情況時(shí)，對堵塞情況發(fā)生區(qū)域進(jìn)行標(biāo)注并生成相應(yīng)的提示信息。其中，識別模型通過以下步驟訓(xùn)練得到；獲取多個(gè)存在堵塞情況的監(jiān)測圖像；對存在所述堵塞情況的監(jiān)測圖像進(jìn)行預(yù)處理，以得到標(biāo)注有堵塞情況發(fā)生區(qū)域的訓(xùn)練樣本；根據(jù)訓(xùn)練樣本，采用基于SpinalNet架構(gòu)的Retinanet目標(biāo)檢測模型對堵塞情況進(jìn)行識別訓(xùn)練，以生成相應(yīng)的識別模型。通過該種堵塞識別方法能夠?qū)崿F(xiàn)對快遞流水線的及時(shí)堵塞提醒。

技術(shù)領(lǐng)域

本發(fā)明涉及快遞運(yùn)輸管理的技術(shù)領(lǐng)域，具體地，公開了一種快遞流水線的堵塞識別方法、系統(tǒng)、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著電商行業(yè)的蓬勃發(fā)展，人們可以足不出戶對自己心儀的商品進(jìn)行選購，并能夠享受到商品送貨上門的人性化服務(wù)。顯而易見的是，高速發(fā)展的電商行業(yè)對快遞物流行業(yè)產(chǎn)生了極大的利好影響，快遞物流網(wǎng)點(diǎn)日常攬收件量隨著人們購買需求的增長而與日俱增。

但是，隨著業(yè)務(wù)數(shù)量的增加，對于快遞物流行業(yè)的物流運(yùn)輸時(shí)效要求也隨之提高。目前，在快遞運(yùn)輸環(huán)節(jié)中，自動(dòng)化分揀中心的快遞流水線經(jīng)常會(huì)產(chǎn)生快件擁堵的情況，這些快件擁堵情況目前只有通過分揀工作人員對于自動(dòng)化分揀中心進(jìn)行巡視和現(xiàn)場檢查才能夠發(fā)現(xiàn)和解決。這導(dǎo)致對于規(guī)模較大的自動(dòng)化分揀中心，存在現(xiàn)場巡視的人力成本較高，且存在無法及時(shí)發(fā)現(xiàn)快件堵塞的情況，進(jìn)而容易造成快件包裹以及快遞流水線的損壞，進(jìn)一步影響自動(dòng)化分揀中心的分揀效率。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中存在的上述缺陷，本發(fā)明提供一種快遞流水線的堵塞識別方法、系統(tǒng)、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

在本申請的第一方面提供了一種快遞流水線的堵塞識別方法，其特征在于，所述堵塞識別方法包括：

獲取快遞流水線的監(jiān)測圖像；

根據(jù)預(yù)先訓(xùn)練的識別模型，對監(jiān)測圖像中是否存在堵塞情況進(jìn)行識別，生成相應(yīng)的識別結(jié)果；

根據(jù)識別結(jié)果，在監(jiān)測圖像中存在堵塞情況時(shí)，生成相應(yīng)的提示信息；

其中，識別模型通過以下步驟訓(xùn)練得到；

獲取多個(gè)存在堵塞情況的監(jiān)測圖像；

對存在堵塞情況的監(jiān)測圖像進(jìn)行預(yù)處理，以得到標(biāo)注有堵塞情況發(fā)生區(qū)域的訓(xùn)練樣本；

根據(jù)訓(xùn)練樣本，采用基于SpinalNet架構(gòu)的Retinanet目標(biāo)檢測模型對堵塞情況進(jìn)行識別訓(xùn)練，以生成識別模型。

在上述第一方面的一種可能的實(shí)現(xiàn)中，對存在堵塞情況的監(jiān)測圖像的預(yù)處理具體包括：

對監(jiān)測圖像中的堵塞情況發(fā)生區(qū)域進(jìn)行標(biāo)注劃分，生成相應(yīng)的.xml格式的標(biāo)注文件；

將.xml格式的標(biāo)注文件轉(zhuǎn)化為.csv格式的訓(xùn)練集，.csv格式的訓(xùn)練集包括監(jiān)測圖像的圖像信息和堵塞情況發(fā)生區(qū)域于監(jiān)測圖像中的分布信息。

在上述第一方面的一種可能的實(shí)現(xiàn)中，前述基于SpinalNet架構(gòu)的Retinanet目標(biāo)檢測模型包括：

基于SpinalNet架構(gòu)的主干網(wǎng)絡(luò)，用于對監(jiān)測圖像的圖像特征進(jìn)行提取；

第一子網(wǎng)，用于對堵塞情況發(fā)生區(qū)域和監(jiān)測圖像中的其他區(qū)域進(jìn)行區(qū)分；

第二子網(wǎng)，用于對堵塞情況發(fā)生區(qū)域的邊緣進(jìn)行回歸確定。

在上述第一方面的一種可能的實(shí)現(xiàn)中，對監(jiān)測圖像中是否存在堵塞情況進(jìn)行識別的具體步驟包括：

主干網(wǎng)絡(luò)對所述監(jiān)測圖像進(jìn)行圖像特征提取和圖像金字塔的處理，以獲取多個(gè)有效特征層；