基于X光图像的快递包裹智能分拣系统、方法及存储介质技术方案

本发明专利技术实施例公开了基于X光图像的快递包裹智能分拣系统、方法及存储介质，快递包裹经传送装置传送，经过扫描与检测装置后，抵达分拣装置；所述扫描与检测装置，用于将采集快递包裹的位置信息、序列号信息，以及X光图像，传输给所述数据处理终端；所述数据处理终端，用于根据预设的检测算法进行对该快递包裹进行检测，在判断该快递包裹包含违禁品时，将所述X光图像写入违禁品类别标签，显示检测结果并告警；以及，下发携带所述位置信息和所述序列号信息的分拣指令给所述分拣装置；所述分拣装置，用于根据所述分拣指令，将该快递包裹分拣出来。本发明专利技术能够提高快递包裹的验视效率和准确率，以及对违禁品进行精准识别和分拣。

【技术实现步骤摘要】
基于X光图像的快递包裹智能分拣系统、方法及存储介质
本专利技术涉及自动控制
，尤其涉及基于X光图像的快递包裹智能分拣系统、方法及存储介质。
技术介绍
近几年来，得益于电子商务的迅猛发展，快递行业迎来了爆发式增长，特别地，在2011-2015年快递行业经历了平均50％以上增速的快速发展。行业快速发展的同时也造成了快递安检方面的巨大压力。快递包裹在投递前，需要预先检测包裹内是否有违禁品，由于快递包裹上的运单信息的真实性并不能得到可靠的保证。安全起见，传统上，需要专业安检人员在X-光机旁边人工观察每一件货物的X光图像，确认货物是否违禁，这需要耗费极大的人力物力，且工作效率随着安检人员的疲劳度增加而降低，出现漏检和错检的情况也会相应的增多。目前判别快递中的违禁品的主要方法主要是靠人力进行安检，通常需要几组工作人员轮流工作，每组包括至少一名专业安检人员和两名分拣人员，需要耗费极大的人力物力。
技术实现思路
本专利技术所要解决的技术问题在于，提供基于X光图像的快递包裹智能分拣系统、方法及存储介质，能够提高快递包裹的验视效率和准确率，以及对违禁品进行精准识别和分拣。第一方面，本专利技术一实施例提供一种基于X光图像的快递包裹智能分拣系统，包括数据处理终端、传送装置、扫描与检测装置和分拣装置；快递包裹经所述传送装置传送，经过所述扫描与检测装置后，抵达所述分拣装置；所述扫描与检测装置，用于将采集快递包裹的位置信息、序列号信息，以及X光图像，传输给所述数据处理终端；所述数据处理终端，用于根据预设的检测算法进行对该快递包裹进行检测，在判断该快递包裹包含违禁品时，将所述X光图像写入违禁品类别标签，显示检测结果并告警；以及，下发携带所述位置信息和所述序列号信息的分拣指令给所述分拣装置；所述分拣装置，用于根据所述分拣指令，将该快递包裹分拣出来。优选地，所述预设的检测算法，包括：1)、建立快递包裹的X光图像数据库，分违禁品与非违禁品两大类，设定违禁品类为目标检测类；2)、将X光图像分成多个连通区域，每个连通区域的大小为3*3的像素块。3)、提取各个连通区域的特征，具体的，A、采用以下公式计算连通区域的局部旋转不变且均匀模式下特征变量：B、将上述A步骤获得的特征变量参数的变换次数阈值设为N次，在特征变量维度的基础上额外增加N维特征，其公式为：其中，P为邻域中像素点个数，R为邻域半径，gp为邻域像素点灰度值，gc为中心点灰度像素值，S(x)为符号函数，U(x)计算局部二进制模式中0/1变换的次数；C、选用一种梯度算子，计算连通区域的方向梯度密度特征直方图：其中，M(x,y)为该像素的梯度幅值，θ(x,y)为该像素的梯度方向，将θ(x,y)分割成若干个bin，从而获取方向梯度密度特征直方图；D、将上述步骤获取的特征变量进行组合，构建特征描述器：feature＝concat(feature1,feature2,feature3,...,featureL)4)、构建学习分类器，对特征描述器表征的特征进行训练，学习特征分类决策面y＝wx+b；A、输入向量的维数为特征描述器表征的特征的维数；B、对特征变量进行尺度归一化处理：C、设计并采用基于曼哈顿距离和欧式距离改进的增强核函数，其公式为：将快递包裹的X光图像作为训练数据通过上述设计的学习分类器进行训练，学习特征分类决策面；5)、接入来自成像系统的实时图像数据，对图像进行基于快递包裹轮廓的切割处理；6)、构建切割处理后的快递包裹图的特征描述器，放入训练好的学习模型中，获得该快递包裹的违禁品标签信息。优选地，所述传送装置，包括驱动电机，以及由所述驱动电机驱动的传送带；所述分拣装置，包括分拣控制器、机械手和分拣线。优选地，所述扫描与检测装置包括X光安检设备，以及分别安装在沿所述传送带方向的所述X光安检设备两端的第一探测装置和第二探测装置；所述第一探测器装置包括第一位置传感器、第一数据采集器和第一扫描控制器，所述第二探测器装置包括第二位置传感器、第二数据采集器和第二扫描控制器，所述X光安检设备包括第三数据采集器；所述分拣装置，包括分拣控制器、机械手和分拣线。第二方面，本专利技术一实施例还提供一种基于X光图像的快递包裹智能分拣方法，适用于数据处理终端，包括：接收扫描与检测装置传输的快递包裹的位置信息、序列号信息，以及X光图像；根据预设的检测算法进行对该快递包裹进行检测，在判断该快递包裹包含违禁品时，将所述X光图像写入违禁品类别标签，显示检测结果并告警；下发携带所述位置信息和所述序列号信息的分拣指令给所述分拣装置，以使所述根据所述分拣指令，将该快递包裹分拣出来。优选地，所述预设的检测算法，包括：1)、建立快递包裹的X光图像数据库，分违禁品与非违禁品两大类，设定违禁品类为目标检测类；2)、将X光图像分成多个连通区域，每个连通区域的大小为3*3的像素块。3)、提取各个连通区域的特征，具体的，A、采用以下公式计算连通区域的局部旋转不变且均匀模式下特征变量：B、将上述A步骤获得的特征变量参数的变换次数阈值设为N次，在特征变量维度的基础上额外增加N维特征，其公式为：其中，P为邻域中像素点个数，R为邻域半径，gp为邻域像素点灰度值，gc为中心点灰度像素值，S(x)为符号函数，U(x)计算局部二进制模式中0/1变换的次数；C、选用一种梯度算子，计算连通区域的方向梯度密度特征直方图：其中，M(x,y)为该像素的梯度幅值，θ(x,y)为该像素的梯度方向，将θ(x,y)分割成若干个bin，从而获取方向梯度密度特征直方图；D、将上述步骤获取的特征变量进行组合，构建特征描述器：feature＝concat(feature1,feature2,feature3,...,featureL)4)、构建学习分类器，对特征描述器表征的特征进行训练，学习特征分类决策面y＝wx+b；A、输入向量的维数为特征描述器表征的特征的维数；B、对特征变量进行尺度归一化处理：C、设计并采用基于曼哈顿距离和欧式距离改进的增强核函数，其公式为：将快递包裹的X光图像作为训练数据通过上述设计的学习分类器进行训练，学习特征分类决策面；5)、接入来自成像系统的实时图像数据，对图像进行基于快递包裹轮廓的切割处理；6)、构建切割处理后的快递包裹图的特征描述器，放入训练好的学习模型中，获得该快递包裹的违禁品标签信息。优选地，所述扫描与检测装置包括X光安检设备，以及分别安装在沿所述传送带方向的所述X光安检设备两端的第一探测装置和第二探测装置；所述第一探测器装置包括第一位置传感器、第一数据采集器和本文档来自技高网...

【技术保护点】
1.一种基于X光图像的快递包裹智能分拣系统，其特征在于，包括数据处理终端、传送装置、扫描与检测装置和分拣装置；/n快递包裹经所述传送装置传送，经过所述扫描与检测装置后，抵达所述分拣装置；/n所述扫描与检测装置，用于将采集快递包裹的位置信息、序列号信息，以及X光图像，传输给所述数据处理终端；/n所述数据处理终端，用于根据预设的检测算法进行对该快递包裹进行检测，在判断该快递包裹包含违禁品时，将所述X光图像写入违禁品类别标签，显示检测结果并告警；以及，下发携带所述位置信息和所述序列号信息的分拣指令给所述分拣装置；/n所述分拣装置，用于根据所述分拣指令，将该快递包裹分拣出来。/n

【技术特征摘要】
1.一种基于X光图像的快递包裹智能分拣系统，其特征在于，包括数据处理终端、传送装置、扫描与检测装置和分拣装置；
快递包裹经所述传送装置传送，经过所述扫描与检测装置后，抵达所述分拣装置；
所述扫描与检测装置，用于将采集快递包裹的位置信息、序列号信息，以及X光图像，传输给所述数据处理终端；
所述数据处理终端，用于根据预设的检测算法进行对该快递包裹进行检测，在判断该快递包裹包含违禁品时，将所述X光图像写入违禁品类别标签，显示检测结果并告警；以及，下发携带所述位置信息和所述序列号信息的分拣指令给所述分拣装置；
所述分拣装置，用于根据所述分拣指令，将该快递包裹分拣出来。


2.如权利要求1所述的基于X光图像的快递包裹智能分拣系统，其特征在于，所述预设的检测算法，包括：
1)、建立快递包裹的X光图像数据库，分违禁品与非违禁品两大类，设定违禁品类为目标检测类；
2)、将X光图像分成多个连通区域，每个连通区域的大小为3*3的像素块。
3)、提取各个连通区域的特征，具体的，
A、采用以下公式计算连通区域的局部旋转不变且均匀模式下特征变量：



B、将上述A步骤获得的特征变量参数的变换次数阈值设为N次，在特征变量维度的基础上额外增加N维特征，其公式为：

其中，P为邻域中像素点个数，R为邻域半径，gp为邻域像素点灰度值，gc为中心点灰度像素值，S(x)为符号函数，U(x)计算局部二进制模式中0/1变换的次数；
C、选用一种梯度算子，计算连通区域的方向梯度密度特征直方图：



其中，M(x,y)为该像素的梯度幅值，θ(x,y)为该像素的梯度方向，将θ(x,y)分割成若干个bin，从而获取方向梯度密度特征直方图；
D、将上述步骤获取的特征变量进行组合，构建特征描述器：
feature＝concat(feature1,feature2,feature3,...,featureL)；
4)、构建学习分类器，对特征描述器表征的特征进行训练，学习特征分类决策面y＝wx+b；
A、输入向量的维数为特征描述器表征的特征的维数；
B、对特征变量进行尺度归一化处理：



C、设计并采用基于曼哈顿距离和欧式距离改进的增强核函数，其公式为：



将快递包裹的X光图像作为训练数据通过上述设计的学习分类器进行训练，学习特征分类决策面；
5)、接入来自成像系统的实时图像数据，对图像进行基于快递包裹轮廓的切割处理；
6)、构建切割处理后的快递包裹图的特征描述器，放入训练好的学习模型中，获得该快递包裹的违禁品标签信息。


3.如权利要求1所述的基于X光图像的快递包裹智能分拣系统，其特征在于，所述传送装置，包括驱动电机，以及由所述驱动电机驱动的传送带；所述分拣装置，包括分拣控制器、机械手和分拣线。


4.如权利要求1所述的基于X光图像的快递包裹智能分拣系统，其特征在于，所述扫描与检测装置包括X光安检设备，以及分别安装在沿所述传送带方向的所述X光安检设备两端的第一探测装置和第二探测装置；所述第一探测器装置包括第一位置传感器、第一数据采集器和第一扫描控制器，所述第二探测器装置包括第二位置传感器、第二数据采集器和第二扫描控制器，所述X光安检设备包括第...

【专利技术属性】
技术研发人员：崔超，莫月雁，温伟强，何贤军，李功亮，刘锦明，文景明，刘芳，
申请(专利权)人：广东邮政邮件快件服务有限公司，
类型：发明
国别省市：广东;44