[发明专利]一种快递货物堆积程度的检测方法及装置

权利要求书

1.一种快递货物堆积程度的检测方法，其特征在于，包括：

获取目标站点货物堆积的图像；

将所述货物堆积的图像作为预测样本输入预设的深度学习检测模型，并将该深度学习检测模型的输出作为该目标站点货物堆积的图像对应的堆积程度检测结果；

其中，所述深度学习检测模型用于表示货物堆积图像的堆积类型和堆积程度检测结果之间的对应关系。

2.根据权利要求1所述的检测方法，其特征在于，还包括：

根据货物堆积的历史数据生成训练样本集，所述历史数据包括多个堆积类型及其对应的已知堆积程度检测结果。

3.根据权利要求2所述的检测方法，其特征在于，所述根据货物堆积的历史数据生成训练样本集，所述历史数据包括多个堆积类型及其对应的已知堆积程度检测结果，包括：

自电力系统的遥测数据、遥信数据和电力模块监控数据中的至少一份数据中提取多个货物堆积的历史数据；

在所述历史运行数据中提取货物堆积的多种堆积类型对应的堆积程度特征数据，并根据多种堆积类型分别对应的堆积程度特征数据之间的从属关系建立货物堆积程度指标体系；

对所述货物堆积程度指标体系对应的堆积程度特征数据进行预处理；

根据经预处理后的堆积程度特征数据生成训练样本集。

4.根据权利要求3所述的检测方法，其特征在于，所述对所述货物堆积程度指标体系对应的堆积程度特征数据进行预处理，包括：

对所述货物堆积程度指标体系对应的堆积程度特征数据进行数据清洗和/或属性规约处理。

5.一种快递货物堆积程度检测装置，其特征在于，包括：

图像获取模块，获取目标站点货物堆积的图像；

堆积程度检测模块，将所述货物堆积的图像作为预测样本输入预设的深度学习检测模型，并将该深度学习检测模型的输出作为该目标站点货物堆积的图像对应的堆积程度检测结果；

其中，所述深度学习检测模型用于表示货物堆积图像的堆积类型和堆积程度检测结果之间的对应关系。

6.根据权利要求5所述的检测装置，其特征在于，还包括：

训练样本集生成模块，用于根据货物堆积的历史数据生成训练样本集，所述历史数据包括多个堆积类型及其对应的已知堆积程度检测结果。

7.根据权利要求6所述的检测装置，其特征在于，所述训练样本集生成模块包括：

历史运行数据获取单元，用于自电力系统的遥测数据、遥信数据和电力模块监控数据中的至少一份数据中提取多个货物堆积的历史数据；

货物堆积程度指标体系建立单元，用于在所述历史运行数据中提取货物堆积的多种堆积类型对应的堆积程度特征数据，并根据多种堆积类型分别对应的堆积程度特征数据之间的从属关系建立货物堆积程度指标体系；

数据预处理单元，用于对所述货物堆积程度指标体系对应的堆积程度特征数据进行预处理；

训练样本集生成单元，根据经预处理后的堆积程度特征数据生成训练样本集。

8.根据权利要求7所述的检测装置，其特征在于，所述数据预处理单元具体用于：对所述货物堆积程度指标体系对应的堆积程度特征数据进行数据清洗和/或属性规约处理。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述货物堆积程度检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4任一项所述的货物堆积程度检测方法的步骤。