[发明专利]货物堆积量的溢仓预警方法、装置、设备及存储介质

权利要求书

1.一种货物堆积量的溢仓预警方法，其特征在于，所述货物堆积量的溢仓预警方法包括：

通过监控平台获取待检测场景图像，所述待检测场景图像包括多个货物；

根据训练后的实例分割模型和所述待检测场景图像，得到目标待检测场景图像和目标特征区域，所述目标待检测场景图像包括多个目标单通道图像；

基于开源计算机视觉库，根据所述目标待检测场景图像和所述目标特征区域获取目标特征区域对应的轮廓面积；

所述基于开源计算机视觉库，根据所述目标待检测场景图像和所述目标特征区域获取目标特征区域对应的轮廓面积包括：

针对所述目标待检测场景图像中的多个目标单通道图像，基于预置参数函数和所述目标特征区域，从每个目标单通道图像中获取多个初始特征轮廓；

分别从每个初始特征轮廓中提取多个特征坐标点，得到多个初始特征坐标点；

按照多个初始特征坐标点的坐标位置对所述多个初始特征坐标点进行筛选，得到多个目标特征坐标点，所述多个目标特征坐标点为坐标位置处于目标特征区域边缘的初始特征坐标点；

基于开源计算机视觉库和所述多个目标特征坐标点，得到目标特征区域对应的轮廓面积；

根据所述目标特征区域对应的轮廓面积获取目标货物堆积率，并判断所述目标货物堆积率是否大于堆积率报警阈值；

若所述目标货物堆积率大于所述堆积率报警阈值，则进行报警处理。

2.根据权利要求1所述的货物堆积量的溢仓预警方法，其特征在于，所述根据训练后的实例分割模型和所述待检测场景图像，得到目标待检测场景图像和目标特征区域，所述目标待检测场景图像包括多个目标单通道图像包括：

采用训练后的实例分割模型对所述待检测场景图像进行目标检测，得到多个目标检测框；

采用所述训练后的实例分割模型对每个目标检测框进行目标分类，得到多个目标特征类别；

采用所述训练后的实例分割模型对所述多个目标特征类别进行像素级目标分割，得到目标待检测场景图像和目标特征区域。

3.根据权利要求1所述的货物堆积量的溢仓预警方法，其特征在于，所述根据所述目标特征区域对应的轮廓面积获取目标货物堆积率，并判断所述目标货物堆积率是否大于堆积率报警阈值包括：

对待检测场景图像进行面积计算得到待检测场景图像的面积；

基于待检测场景图像的面积、目标特征区域对应的轮廓面积和预置堆积率公式进行堆积率计算，得到目标货物堆积率，并判断所述目标货物堆积率是否大于堆积率报警阈值。

4.根据权利要求1-3中任一项所述的货物堆积量的溢仓预警方法，其特征在于，在所述通过监控平台获取待检测场景图像，所述待检测场景图像包括多个货物之前，所述货物堆积量的溢仓预警方法还包括：

通过监控平台获取多个待训练场景图像，所述待训练场景图像包括多个货物；

采用图像标注工具对所述多个训练场景图像进行标注，得到多个标注后的训练场景图像；

采用实例分割算法对所述多个标注后的待训练场景图像进行模型训练，得到训练后的实例分割模型。

5.根据权利要求4所述的货物堆积量的溢仓预警方法，其特征在于，所述采用图像标注工具对所述多个训练场景图像进行标注，得到多个标注后的训练场景图像包括：

针对多个待训练场景图像中的一个待训练场景图像，提取待训练场景图像的原图像数据；

从所述待训练场景图像的原图像数据中读取多个待训练场景图像的连接坐标点；

连接所述多个待训练场景图像的连接坐标点，得到一个待训练场景图像的杰森JSON文件；

采用预置导出函数，导出所述待训练场景图像的JSON文件，得到标注后的待训练场景图像；

针对多个待训练场景图像中的其他待训练场景图像，得到多个标注后的待训练场景图像。