[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

说明书

本发明涉及图像识别技术领域，公开了一种基于货物堆积量的溢仓预警方法、装置、设备及存储介质，用于识别目标特征区域并计算目标特征区域对应的轮廓面积和目标货物堆积量，提高了货物识别的效率和准确率。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，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；基于开源计算机视觉库，根据目标待检测场景图像和目标特征区域获取目标特征区域对应的轮廓面积；根据目标特征区域对应的轮廓面积获取目标货物堆积率，并判断目标货物堆积率是否大于堆积率报警阈值；若目标货物堆积率大于堆积率报警阈值，则进行报警处理。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种货物堆积量的溢仓预警方法、装置、设备及存储介质。

背景技术

随着社会的发展和科技的进步，快递行业成为了生活中不可缺少一部分分，随着快递包裹数量的逐年增长，货物的堆积量也成为了一个新的仓储管理问题；快递行业每个网点都会有格口，不同格口的货物堆积量也不相同，如果货物堆积量超过一定的阈值，就会给仓储带来压力，称之为“爆仓”。

在现有的技术中，一般采用人工的方法判断货物是否“爆仓”或者采用深度学习的方法判断货物是否“爆仓”，但是现有的深度学习方法对货物识别的准确度和识别的效率都较低。

发明内容

本发明的主要目的在于解决对货物识别准确的较低且对货物的识别效率较低的问题。

本发明第一方面提供了一种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；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。

可选的，在本发明第一方面的第一种实现方式中，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。

可选的，在本发明第一方面的第二种实现方式中，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。

可选的，在本发明第一方面的第三种实现方式中，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。