[发明专利]一种基于云平台的混杂包裹检测和识别方法、装置及系统在审
| 申请号: | 201810140221.7 | 申请日: | 2018-02-11 |
| 公开(公告)号: | CN110163225A | 公开(公告)日: | 2019-08-23 |
| 发明(设计)人: | 陈冬梅;张东文 | 申请(专利权)人: | 顺丰科技有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62 |
| 代理公司: | 北京志霖恒远知识产权代理事务所(普通合伙) 11435 | 代理人: | 赵奕 |
| 地址: | 518061 广东省深圳市南山区学府路(以南)*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 云平台 动态更新 检测 包裹检测 更新检测 图像序列 混杂 相机 处理器配置 装置及系统 采集图像 多个装置 发送请求 模型参数 模型算法 输入检测 算法模型 特征信息 提取特征 下载检测 学习训练 训练算法 数据集 组合端 采集 图像 输出 共享 | ||
1.一种基于云平台的混杂包裹检测和识别方法,其特征在于,包括:
采集图像或图像序列;
从采集的图像或图像序列中提取特征信息;
判断是否更新检测和识别模型:
是,则向云平台发送请求,下载检测和识别模型算法参数包并更新检测和识别模型;
否,则将所述特征信息输入检测和识别模型进行识别,得到检测和识别结果并输出。
2.根据权利要求1所述的基于云平台的混杂包裹检测和识别方法,其特征在于,所述判断是否更新检测和识别模型,包括:
判断是否收到云平台下发的可以更新检测和识别模型的公告:
是,则更新检测和识别模型。
3.根据权利要求2所述的基于云平台的混杂包裹检测和识别方法,其特征在于,所述更新检测和识别模型,包括:
判断检测和识别模型是否正在执行检测和识别任务:
是,则待检测和识别任务完成后更新检测和识别模型;
否,则立即更新检测和识别模型。
4.根据权利要求1所述的基于云平台的混杂包裹检测和识别方法,其特征在于,所述基于云平台的混杂包裹检测和识别方法,还包括:
采集图像或图像序列后,判断所述图像或图像序列是否超过本端存储阈值:
是,则将所述图像或图像序列上传云平台;
否,则由本端识别所述图像或图像序列。
5.根据权利要求4所述的基于云平台的混杂包裹检测和识别方法,其特征在于,将所述图像或图像序列上传至云平台,包括:
云平台接收所述图像或图像序列后,从所述图像图像序列中提取特征信息;
将所述特征信息输入检测和识别模型进行检测和识别,得到检测和识别结果并输出。
6.根据权利要求1所述的基于云平台的混杂包裹检测和识别方法,其特征在于,所述基于云平台的混杂包裹检测和识别方法,还包括:
判断所述检测和识别结果是否超出本端存储阈值;
是,则将所述检测和识别结果上传至云平台;
否,则将所述检测和识别结果存储在本端并输出所述检测和识别结果。
7.根据权利要求6所述的基于云平台的混杂包裹检测和识别方法,其特征在于,将所述检测和识别结果上传至云平台,包括:
将所述检测和识别结果经人工标注后上传至云平台用于训练检测和识别模型的训练和检测数据集。
8.一种基于云平台的混杂包裹检测和识别装置,其特征在于,包括:
图像采集单元,配置用于采集图像或图像序列;
图像提取单元,配置用于从采集的图像或图像序列中提取特征信息;
更新判断单元,配置用于判断是否更新检测和识别模型;
模型更新单元,配置用于向云平台发送请求,下载检测和识别模型算法参数包并更新检测和识别模型;
信息识别单元,配置用于将所述特征信息输入检测和识别模型进行识别,得到检测和识别结果并输出。
9.根据权利要求8所述的基于云平台的混杂包裹检测和识别装置,其特征在于,所述更新判断单元包括:
判断子单元,配置用于判断是否收到云平台下发的公告:是,则更新检测和识别模型。
10.根据权利要求9所述的基于云平台的混杂包裹检测和识别装置,其特征在于,所述判断子单元包括:
判断模块,配置用于判断检测和识别模型是否正在执行检测和识别任务:
是,则待检测和识别任务完成后更新检测和识别模型;
否,则立即更新检测和识别模型。
11.根据权利要求8所述的基于云平台的混杂包裹检测和识别装置,其特征在于,所述基于云平台的混杂包裹检测和识别装置,还包括:
第一存储判断单元,配置用于采集图像或图像序列后,判断所述图像或图像序列是否超过本端存储阈值;
第一传输单元,配置用于将所述图像或图像序列上传云平台。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于顺丰科技有限公司,未经顺丰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810140221.7/1.html,转载请声明来源钻瓜专利网。





