[发明专利]货物检测方法及装置、电子设备和计算机可读介质

权利要求书

1.一种货物检测方法，其特征在于，包括：

通过辐射成像技术获取集装箱车厢图像，基于所述集装箱车厢图像确定货物图像块；

将所述货物图像块输入基于卷积神经网络训练的特征提取器以提取所述货物图像块的图像特征；

将所述货物图像块的图像特征与所述特征提取器提取的对比货物的特征库作比较以确定所述集装箱车厢图像中的货物类别与所述对比货物类别的一致性。

2.根据权利要求1所述方法，其特征在于，所述基于所述集装箱车厢图像确定货物图像块包括；

使用固定大小的滑窗，按照固定步长在所述集装箱车厢图像中提取图像块；

判断所述图像块的最大灰度值和最小灰度值的差值是否大于差值阈值，如果是，则将所述图像块平均分为多个灰度小块；

判断所述图像块的灰度小块中空小块的个数是否小于个数阈值，如果是，则判断所述图像块为货物图像块。

3.根据权利要求2所述方法，其特征在于，所述判断所述图像块的灰度小块中空小块的个数是否小于个数阈值包括：

获取所述灰度小块中灰度值大于灰度阈值的点的个数比例；

如果所述个数比例大于个数比例阈值，则判断所述灰度小块为空小块。

4.根据权利要求1所述方法，其特征在于，还包括：

获取对比货物的辐射图像，基于所述对比货物的辐射图像确定对比货物图像块；

将所述对比货物图像块输入所述基于卷积神经网络训练的特征提取器以提取所述对比货物图像块的图像特征；

多次使用多层次k-means聚类方法对所述对比货物图像块的图像特征聚类，以获得多个所述对比货物图像块的图像特征的聚类集合；

选择聚类类别最少的聚类集合作为所述对比货物的特征库。

5.根据权利要求4所述方法，其特征在于，所述使用多层次k-means聚类方法对所述对比货物图像块的图像特征聚类包括：

使用聚类中心个数为K的k-means聚类方法对所述对比货物图像块的图像特征聚类以获得所述对比货物图像块的图像特征的聚类集合，K为正整数；

获取所述对比货物图像块的图像特征与自身所在聚类类别的聚类中心的特征距离；

将距离自身所在聚类类别的聚类中心的特征距离大于特征距离阈值的图像特征划入待分类集合；

判断所述待分类集合是否为空集，并判断所述聚类集合中的聚类类别是否超过类别阈值；

如果判断所述待分类集合不为空集并且所述聚类集合中的聚类类别不超过所述类别阈值，则使用聚类中心个数为K的k-means聚类方法对所述待分类集合中的图像特征继续聚类。

6.根据权利要求5所述方法，其特征在于，采用以下公式计算所述特征距离阈值：

km_th＝wM₁*M₁+wM₂*M₂；

其中，km_th代表所述特征距离阈值，M₁表示同类别货物图像块的特征距离参数、M₂表示不同类别货物图像块的特征距离参数，wM₁、wM₂别为设置的关于参数M₁、M₂的权重参数。

7.根据权利要求1所述方法，其特征在于，还包括：

获取训练所述特征提取器的图像样本，根据所述图像样本确定样本图像块；

基于所述样本图像块，训练卷积神经网络以生成特征提取器。