物料摆放的评价方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种物料摆放的评价方法、装置和电子设备，涉及物料管理技术领域，该方法将物料摆放区域的监控图像输入至已完成训练的物料摆放评价模型，利用物料摆放评价模型分别对图像子区域的物料摆放评价分数进行计算，并根据图像子区域对应的预设权重值得到监控图像的物料摆放评价分数；最后根据物料摆放评价模型输出的物料摆放评价分数，确定监控图像的物料摆放评价结果。该方法通过将物料监控区域图像进行区域划分，并使用已完成训练的物料摆放评价模型对不同区域的监控图像中的物料摆放进行评价，实现了物料摆放的规范性评判，有利于指导厂商对物料进行合理的摆放，从而提升生产效率。升生产效率。升生产效率。

【技术实现步骤摘要】
物料摆放的评价方法、装置和电子设备


[0001]本专利技术涉及物料管理
，尤其是涉及一种物料摆放的评价方法、装置和电子设备。

技术介绍

[0002]物料的管理是工厂管理的重要环节，厂房内的物料通常会按照物料的特性、需求以及重要程度进行分区摆放，良好的物料摆放可大幅度减少物料调取时间，有利于提升生产效率。
[0003]目前对于物料的管理还停留在人工指导的范畴，物料管控人员在现场指导工人进行摆放，通过经验对物料摆放是否合理进行判断。可见，现有技术中对于物料摆放的评价过程的规范程度较低，缺乏合理的评价方法。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种物料摆放的评价方法、装置和电子设备，通过将物料监控区域图像进行区域划分，并使用已完成训练的物料摆放评价模型对不同区域的监控图像中的物料摆放进行评价，提高了评价过程的准确性和实时性。
[0005]第一方面，本专利技术实施例提供了一种物料摆放的评价方法，该方法包括：
[0006]获取物料摆放区域的监控图像；其中，监控图像包括多个图像子区域；
[0007]将监控图像输入至已完成训练的物料摆放评价模型中；物料摆放评价模型分别计算监控图像中图像子区域的物料摆放评价分数，并根据图像子区域对应的预设权重值，确定监控图像的物料摆放评价分数；
[0008]根据物料摆放评价模型输出的物料摆放评价分数，确定监控图像的物料摆放评价结果。
[0009]在一些实施方式中，根据图像子区域对应的预设权重值，确定监控图像的物料摆放评价分数，包括：
[0010]获取物料摆放评价模型输出的图像子区域的物料摆放评价分数；
[0011]根据图像子区域的物料摆放评价分数以及图像子区域对应的预设权重值，计算监控图像中的物料摆放评价分数。
[0012]在一些实施方式中，物料摆放评价模型的训练过程，包括：
[0013]获取样本图像；其中，样本图像包括监控图像；
[0014]将样本图像划分为多个图像子区域，根据图像子区域中的物料摆放情况，分别确定图像子区域的评价分数以及权重值；
[0015]将图像子区域的评价分数以及权重值输入至已初始化的深度回归网络模型中进行训练；
[0016]根据MSE函数计算深度回归网络模型的损失值；当损失值满足预设的期望阈值时停止训练，得到物料摆放评价模型。
[0017]在一些实施方式中，将图像子区域的评价分数以及权重值输入至已初始化的深度回归网络模型中进行训练的步骤，包括：
[0018]获取深度回归网络模型中最后一层的特征图；
[0019]利用ROI Align层将特征图进行分割，得到多个分割区域；
[0020]将多个分割区域与对应的权重值进行加权，输出样本图像的物料摆放评价分数。
[0021]在一些实施方式中，获取深度回归网络模型中最后一层的特征图的步骤之前，该方法还包括：
[0022]根据图像子区域的评价分数以及权重值，确定样本图像的评价分数；
[0023]将样本图像及其对应的评价分数输入至已初始化的深度回归网络模型中。
[0024]在一些实施方式中，若样本图像中所有图像子区域均没有摆放任何物料，则将样本图像的评价分数设置为100。
[0025]在一些实施方式中，将样本图像划分为多个图像子区域的过程，包括：
[0026]根据监控图像的长度以及宽度，分别获取监控图像的长度以及宽度的三等分点；
[0027]根据监控图像的长度以及宽度的三等分点，将监控图像划分为9个大小相同的区域。
[0028]第二方面，本专利技术实施例提供了一种物料摆放的评价装置，该装置包括：
[0029]物料图像获取模块，用于获取物料摆放区域的监控图像；其中，监控图像包括多个图像子区域；
[0030]计算模块，用于将监控图像输入至已完成训练的物料摆放评价模型中；物料摆放评价模型分别计算监控图像中图像子区域的物料摆放评价分数，并根据图像子区域对应的预设权重值，确定监控图像的物料摆放评价分数；
[0031]评价模块，用于根据物料摆放评价模型输出的物料摆放评价分数，确定监控图像的物料摆放评价结果。
[0032]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述第一方面提到的物料摆放的评价方法的步骤。
[0033]第四方面，本专利技术实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，其中，程序代码使处理器执行上述第一方面提到的物料摆放的评价方法。
[0034]本专利技术实施例带来了以下有益效果：
[0035]本专利技术提供了一种物料摆放的评价方法、装置和电子设备，该方法首先获取物料摆放区域的监控图像，其中，监控图像包括多个图像子区域；然后将监控图像输入至已完成训练的物料摆放评价模型中，利用物料摆放评价模型分别对图像子区域的物料摆放评价分数进行计算，并根据图像子区域对应的预设权重值得到监控图像的物料摆放评价分数；最后根据物料摆放评价模型输出的物料摆放评价分数，确定监控图像的物料摆放评价结果。该方法通过将物料监控区域图像进行区域划分，并使用已完成训练的物料摆放评价模型对不同区域的监控图像中的物料摆放进行评价，实现了物料摆放的规范性评判，有利于指导厂商对物料进行合理的摆放，从而提升生产效率。
[0036]本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术的上述技术即可得知。
[0037]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。
附图说明
[0038]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1为本专利技术实施例提供的一种物料摆放的评价方法的流程图；
[0040]图2为本专利技术实施例提供的物料摆放的评价方法中步骤S101的流程图；
[0041]图3为本专利技术实施例提供的物料摆放的评价方法中根据多个图像子区域的物料摆放评价分数确监控图像的物料摆放评价分数的流程图；
[0042]图4为本专利技术实施例提供的物料摆放的评价方法中的物料摆放评价模型训练过程的流程图；
[0043]图5为本专利技术实施例提供的物料摆放评价模型训练过程中步骤S403的流程图；
[0044]图6为本专利技术实施例提供的物料摆放评价模型的另一个训练过程流程图；
[0045]图7为本专利技术实施例提供的物料摆放的评价装置的结构示意图；
[0046]图8为本专利技术实施例提供的一种电子设备的结构示意图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物料摆放的评价方法，其特征在于，所述方法包括：获取物料摆放区域的监控图像；其中，所述监控图像包括多个图像子区域；将所述监控图像输入至已完成训练的物料摆放评价模型中；所述物料摆放评价模型分别计算所述监控图像中所述图像子区域的物料摆放评价分数，并根据所述图像子区域对应的预设权重值，确定所述监控图像的物料摆放评价分数；根据所述物料摆放评价模型输出的所述物料摆放评价分数，确定所述监控图像的物料摆放评价结果。2.根据权利要求1所述的物料摆放的评价方法，其特征在于，根据所述图像子区域对应的预设权重值，确定所述监控图像的物料摆放评价分数，包括：获取所述物料摆放评价模型输出的所述图像子区域的物料摆放评价分数；根据所述图像子区域的物料摆放评价分数以及所述图像子区域对应的预设权重值，计算所述监控图像中的物料摆放评价分数。3.根据权利要求1所述的物料摆放的评价方法，其特征在于，所述物料摆放评价模型的训练过程，包括：获取样本图像；其中，所述样本图像包括所述监控图像；将所述样本图像划分为多个图像子区域，根据所述图像子区域中的物料摆放情况，分别确定所述图像子区域的评价分数以及权重值；将所述图像子区域的评价分数以及权重值输入至已初始化的深度回归网络模型中进行训练；根据MSE函数计算所述深度回归网络模型的损失值；当所述损失值满足预设的期望阈值时停止训练，得到所述物料摆放评价模型。4.根据权利要求3所述的物料摆放的评价方法，其特征在于，将所述图像子区域的评价分数以及权重值输入至已初始化的深度回归网络模型中进行训练的步骤，包括：获取所述深度回归网络模型中最后一层的特征图；利用ROIAlign层将所述特征图进行分割，得到多个分割区域；将所述多个分割区域与对应的权重值进行加权，输出所述样本图像的物料摆放评价分数。5.根据权...

【专利技术属性】
技术研发人员：夏天煜，沈飞，赵小伟，
申请(专利权)人：盛景智能科技嘉兴有限公司，
类型：发明
国别省市：