[发明专利]采用多种采集技术的物品查验方法

说明书

本发明公开了采用多种采集技术的物品查验方法，包括以下步骤：S1、在服务平台训练各分类物品的深度学习模型；S2、对智能终端收纳物品进行多方面的基础数据采集，并提取出特征数据；S3、对特征数据进行线性回归处理，生成物品线性回归模型；S4、智能终端将将生成的物品线性回归模型进行打包传输至服务平台；S5、服务平台将物品线性回归模型与各分类物品的深度学习模型进行匹配，得到收纳物品的最终分类；S6、智能终端根据收纳物品的最终分类，将物品收进对应的储存容器中。其应用时，可以利用多种采集技术对物品进行多方面的的数据信息采集，并对特征数据进行线性回归处理得到线性回归模型，与深度学习模型进行匹配，以完成物品的查验分类。

技术领域

本发明涉及物品检测技术领域，具体涉及采用多种采集技术的物品查验方法。

背景技术

随着移动互联网和智能终端技术的快速发展，市面上开始出现各种各样的物品智能收纳终端，可用于收纳快递物品、废旧回收物品、生活垃圾等。而这些物品收纳终端在收纳物品时，大多只是通过安装的电子摄像头和X光扫描装置进行初步的人员监控和危险品检测，然后将集中收纳的物品运抵分拣中心进行人工分拣，并不能根据物品的特征对物品进行智能分类收纳。要实现对物品的智能分类就需要从多个方面来对物品的特征数据进行采集，然后对采集的特征数据进行处理，以完成类型确认，而现有技术还没有实现这一过程的有效手段。

发明内容

本发明针对现有技术存在的不足，提供采用多种采集技术的物品查验方法，其应用时，可以利用多种采集技术对物品进行多方面的的数据信息采集，并将采集的物品特征数据用线性回归处理方法进行量化处理，然后与训练好的分类物品深度学习模型进行匹配，以完成物品的查验分类。

本发明通过以下技术方案实现：

采用多种采集技术的物品查验方法，包括以下步骤：

S1、获取目标领域现有物品的训练数据，并利用训练数据在服务平台训练各分类物品的深度学习模型，将训练好的深度学习模型分类保存至数据库；

S2、通过智能终端对收纳物品进行外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的基础数据采集，然后从基础数据中提取物品的特征数据；

S3、智能终端采用线性回归处理方法对物品特征数据进行量化处理，生成物品的线性回归模型；

S4、智能终端将物品的线性回归模型进行编码打包，然后通过数据传输单元远程传输至服务平台；

S5、服务平台对接收的数据包进行解码，获得物品的线性回归模型，然后将线性回归模型与数据库中存储的各分类物品的深度学习模型进行匹配，得出物品的最终分类，并将该分类对应的分类号通过数据传输单元远程传输至智能终端；

S6、智能终端收到分类号后，将物品收纳进分类号所对应的储存容器中。

优选地，在步骤S2中，智能终端通过安装的外部摄像头、X光检测仪、防爆探测器、液体检测仪、重量传感器和红外温度探测器分别实现对物品的外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的采集。

优选地，智能终端对采集的物品基础数据进行分析处理，当判定物品的大小、重量或/和温度超过对应设定值时，智能终端发出相应现场提示，并拒收物品，当判定物品有危险液体或/和易爆气体时，智能终端发出相应现场警示，拒收物品，同时向服务平台发出预警，并将外部摄像头拍摄画面实时传输至服务平台。

优选地，在步骤S2中，智能终端从基础数据中提取的特征数据包括物品的外形图像和X光扫描图像。

优选地，智能终端采用HOG特征提取算法进行特征点提取，其过程包括：

S51、对原始的外部图像、X光图像进行灰度处理；

S52、采用Gamma校正法对灰度处理后的图像进行颜色空间的标准化处理；