[發(fā)明專利]一種基于RGB圖像的包裹檢測方法、系統(tǒng)、介質(zhì)及終端

在審

• 申請?zhí)枺?/td>: 202110793020.9
• 申請日: 2021-07-14
• 公開（公告）號: CN113344949A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計）人: 張維忠;劉樹杰;袁翠梅;張宏峰
• 申請（專利權(quán)）人: 青島云智聚智能科技有限公司;青島點之云智能科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/62;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島鼎尖知識產(chǎn)權(quán)代理有限公司 37318
• 代理人: 韓海波

1.一種基于RGB圖像的包裹檢測方法，其特征在于，所述基于RGB圖像的包裹檢測方法，包括：

步驟一，建立手動標(biāo)記的快遞包裹圖像數(shù)據(jù)集；

步驟二，使用K-means算法對數(shù)據(jù)集的錨框進(jìn)行聚類；

步驟三，使用具有數(shù)據(jù)增強策略的YOLOv3-tiny深層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。

2.如權(quán)利要求1所述基于RGB圖像的包裹檢測方法，其特征在于，所述步驟三中，YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)為：YOLOv3算法采用Darknet-53作為基礎(chǔ)網(wǎng)絡(luò)，并借鑒了殘差網(wǎng)絡(luò)的方法；

在某些層之間建立了殘留鏈接，Darknet-53的網(wǎng)絡(luò)結(jié)構(gòu)包括53個卷積層和大量3×3，1×1卷積。

3.如權(quán)利要求1所述基于RGB圖像的包裹檢測方法，其特征在于，所述步驟三中，YOLOv3-tiny深層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試包括：YOLOv3的多尺度檢測、包裹檢測和定位增強。

4.如權(quán)利要求3所述基于RGB圖像的包裹檢測方法，其特征在于，所述YOLOv3的多尺度檢測過程為：

YOLOv3使用K-means聚類方法獲得先驗框的大小，并在13×13、26×26和52×52三種不同規(guī)模上進(jìn)行對象預(yù)測；檢測圖像時，首先將輸入圖像劃分為N×N的網(wǎng)格，如果需要預(yù)測C個類別，則會得到的張量個數(shù)為：

N×N×[3×(4+1+C)]

其中，4為目標(biāo)邊框的偏移坐標(biāo)；1為置信度，置信度得分是指每個邊框包含一個對象的概率。

5.如權(quán)利要求4所述基于RGB圖像的包裹檢測方法，其特征在于，所述置信度計算公式為：

公式中：表示第i個網(wǎng)格單元的第j個邊界框的置信度：Pr(Object)為預(yù)測目標(biāo)概率；pred為預(yù)測邊框面積；truth為真實邊框面積；IOU為他們交集和并集的比值。

6.如權(quán)利要求3所述基于RGB圖像的包裹檢測方法，其特征在于，所述包裹檢測過程為：

裁剪原始圖像，僅保留感興趣的區(qū)域；At同時，采用差影法提取圖像，公式如下：

I＝O-B；

其中：O是原始圖像，B是背景圖像。

7.如權(quán)利要求3所述基于RGB圖像的包裹檢測方法，其特征在于，所述定位增強具體過程為：

對提取的包裹位置進(jìn)行基于RGB-D的顯著性檢測，獲取更準(zhǔn)確的位置信息；

首先使用YOLO處理圖像，裁剪獲得的結(jié)果以最小化其他因素的影響；然后在深度特征提取之前將RGB與D融合以進(jìn)行顯著性檢測來獲得實際邊界。

8.一種基于RGB圖像的包裹檢測系統(tǒng)，其特征在于，所述基于RGB圖像的包裹檢測系統(tǒng)包括：

包裹圖像數(shù)據(jù)集構(gòu)建模塊，用于建立手動標(biāo)記的快遞包裹圖像數(shù)據(jù)集；

聚類模塊，用于使用K-means算法對數(shù)據(jù)集的錨框進(jìn)行聚類；

訓(xùn)練和測試模塊，用于使用具有數(shù)據(jù)增強策略的YOLOv3-tiny深層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。

9.一種接收用戶輸入程序存儲介質(zhì)，所存儲的計算機(jī)程序使電子設(shè)備執(zhí)行權(quán)利要求1～7任意一項所述基于RGB圖像的包裹檢測方法包括下列步驟：

步驟一，建立手動標(biāo)記的快遞包裹圖像數(shù)據(jù)集；

步驟二，使用K-means算法對數(shù)據(jù)集的錨框進(jìn)行聚類；

步驟三，使用具有數(shù)據(jù)增強策略的YOLOv3-tiny深層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。

10.一種信息數(shù)據(jù)處理終端，其特征在于，所述信息數(shù)據(jù)處理終端包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述計算機(jī)程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行權(quán)利要求1～7任意一項所述基于RGB圖像的包裹檢測方法。