物品分类方法、装置和系统制造方法及图纸

本发明专利技术提供一种物品分类方法、装置和系统，该方法包括：提取目标包裹的透视图像的有效区域，得到目标图像；根据预先训练的特征提取模型，确定目标图像的初始特征矩阵；对初始特征矩阵进行采样，得到采样特征矩阵；根据预先训练的分类模型和采样特征矩阵，确定目标包裹内的物品的物品类别及物品类别对应的概率值。本方案通过特征提取模型和分类模型，能够对包裹内的物品进行快速、精准地识别；且本方案的特征提取模型和分类模型能快速适应不同需求的任务，动态适应性较强。动态适应性较强。动态适应性较强。

【技术实现步骤摘要】
物品分类方法、装置和系统


[0001]本专利技术涉及物品识别
，尤其是涉及一种物品分类方法、装置和系统。

技术介绍

[0002]快递业务的出现极大程度地提高了货物运输的效率。随着全球经济的迅猛发展，快递运输在现代化运输产业中占有重要地位。在运输快递包裹过程中常常会有不法分子趁机夹藏一些违禁品。特别是在海关进出口方面，大宗货物居多，逐一开箱检验不切合实际，一般需要借助辐射成像的方法来进行检验，所以如何快速、准确地对包裹中的物品进行分类，并识别出违禁品成为亟待解决的技术问题。

技术实现思路

[0003]基于此，本专利技术的目的在于提供一种物品分类方法、装置和系统，以提高对包裹行李中的物品的识别的精确度和速度。
[0004]第一方面，本专利技术提供一种物品分类方法，该方法包括：提取目标包裹的透视图像的有效区域，得到目标图像；根据预先训练的特征提取模型，确定目标图像的初始特征矩阵；对初始特征矩阵进行采样，得到采样特征矩阵；根据预先训练的分类模型和采样特征矩阵，确定目标包裹内的物品的物品类别及物品类别对应的概率值。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品分类方法，其特征在于，所述方法包括：提取目标包裹的透视图像的有效区域，得到目标图像；根据预先训练的特征提取模型，确定所述目标图像的初始特征矩阵；对所述初始特征矩阵进行采样，得到采样特征矩阵；根据预先训练的分类模型和所述采样特征矩阵，确定所述目标包裹内的物品的物品类别及所述物品类别对应的概率值。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据预先采集的样本图像，确定训练图像和测试图像；基于卷积神经网络对所述训练图像进行训练，得到所述特征提取模型；基于全连接网络对所述训练图像进行训练，得到所述分类模型。3.根据权利要求2所述的方法，其特征在于，根据预先采集的样本图像，确定训练图像和测试图像的步骤，包括：将预先采集的原始图像进行预处理以及图像增强处理，得到样本图像，其中，样本图像的类型包括正样本图像和负样本图像，所述正样本图像包括合成正样本图像、真实正样本图像、加躁正样本图像和变换正样本图像，所述负样本图像包括真实负样本图像和加躁负样本图像；将所述样本图像随机划分为训练图像和测试图像，其中，每张所述样本图像均包含预先标注的图像标签。4.根据权利要求3所述的方法，其特征在于，基于卷积神经网络对所述训练图像进行训练，得到所述特征提取模型；基于全连接网络对所述训练图像进行训练，得到所述分类模型的步骤之后，所述方法还包括：将所述测试图像输入至所述特征提取模型和所述分类模型中，得到所述测试图像中的测试物品的测试类别及所述测试类别对应的测试概率值；计算所述测试类别对应的测试概率值与所述预先标注的图像标签中的数据之间的二值交叉熵；若所述二值交叉熵不满足预设的第...

【专利技术属性】
技术研发人员：兴军亮，纪志鹏，梁寅鹏，伍艺，
申请(专利权)人：智慧航安北京科技有限公司，
类型：发明
国别省市：