快件重量异常的识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及检测技术领域，公开了一种快件重量异常的识别方法、装置、设备及存储介质。本方法包括：通过对获取的多个对包裹进行称重的第一图像进行筛选，得到训练样本图像；对训练样本图像中的快件进行分类标注，得到标注数据；对训练样本图像进行数据增广，得到目标数据集；将目标数据集和标注文件输入预置GoogLeNet模型进行训练，得到图像分类模型；采集实时抓拍的快件称重场景中的第二图像，并将第二图像输入图像分类模型进行分类预测，得到多个第二图像对应的重量异常类别。本方案通过对快件图像进行识别检测，解决了现有技术中对重量异常的快件的检测效率和检测准确率低下的问题。的问题。的问题。

【技术实现步骤摘要】
快件重量异常的识别方法、装置、设备及存储介质


[0001]本专利技术涉及检测
，尤其涉及一种快件重量异常的识别方法、装置、 设备及存储介质。

技术介绍

[0002]分拨中心在分拣时会对包裹进行称重，存在分拣员的操作不当，人为使得 包裹重量出现异常，需要人工对称重异常的包裹进行重复称重，浪费不必要的 时间和人力。为减少对这种人为造成称重异常的情况，利用计算机视觉技术， 利用图像分类模型对称重台抓取的图像进行分类，将由于分拣人员操作不当造 成的包裹称重异常的包裹识别出来，进行二次称重。因此，如何提高对重量异 常的快件的检测效率和检测准确率成了本领域技术人员需要解决的技术问题。

技术实现思路

[0003]本专利技术的主要目的是通过对快件图像进行识别检测，解决了现有技术中对 重量异常的快件的检测效率和检测准确率低下的问题。
[0004]本专利技术第一方面提供了一种快件重量异常的识别方法，包括：获取预先拍 摄的快件分拣场景中的多个对包裹进行称重的第一图像，并基于预设异常判断 阈值从所述第一图像中筛选出包裹称重异常的目标图像作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快件重量异常的识别方法，其特征在于，所述快件重量异常的识别方法包括：获取预先拍摄的快件分拣场景中的多个对包裹进行称重的第一图像，并基于预设异常判断阈值从所述第一图像中筛选出包裹称重异常的目标图像作为训练样本图像；对所述训练样本图像中的快件进行分类标注，得到标注数据，其中，所述标注数据包括标签类型；对所述训练样本图像进行数据增广，以得到数据增广后的目标数据集；将所述目标数据集按照预设比例分为训练样本集和验证样本集，并将所述训练样本集和所述标注文件输入预置GoogLeNet模型进行训练，得到图像分类模型；采集实时抓拍的快件称重场景中的多个第二图像，并将所述第二图像输入所述图像分类模型进行分类预测，得到多个所述第二图像对应的重量异常类别。2.根据权利要求1所述的快件重量异常的识别方法，其特征在于，在所述获取预先拍摄的快件分拣场景中的多个对包裹进行称重的第一图像，并基于预设异常判断阈值从所述第一图像中筛选出包裹称重异常的目标图像作为训练样本图像之前，还包括：识别所述包裹在当前分拨节点上是否存在分拨重量数据；若不存在，则获取所述包裹在当前分拨点之前的历史分拨节点上的历史分拨重量数据，并根据所述历史分拨重量数据计算出初始异常判断阈值；若存在，则获取所述包裹在当前分拨点的实时分拨重量数据和在所述历史分拨节点上的历史分拨重量数据，并根据所述历史分拨重量数据和所述实时分拨重量数据计算包裹称重异常阈值。3.根据权利要求1所述的快件重量异常的识别方法，其特征在于，在所述对所述训练样本图像中的快件进行分类标注，得到标注数据之前，还包括：判断所述第一图像对应分辨率是否高于预设分辨率阈值；若是，则剔除所述第一图像中预先标注的区域不符合预设条件的图像数据，得到训练样本图像，其中，所述第一图像中标注区域的密度大于密度阈值。4.根据权利要求1所述的快件重量异常的识别方法，其特征在于，所述对所述训练样本图像进行数据增广，以得到数据增广后的目标数据集，包括：获取所述训练样本图像对应像素的初始标注信息；构建标注生成网络，并基于所述初始标注数据和所述标注生成网络，生成目标标注信息；将所述目标标注信息输入预设风格迁移网络，得到所述训练样本图像对应的虚拟图像；基于所述标注生成网络和所述风格迁移网络，生成图像数据增广网络，并基于所述训练样本图像和所述初始标注信息，通过预设判别器的损失函数，训练所述图像数据增广网络，得到数据增广模型；将所述训练样本图像输入所述数据增广模型进行数据增广，以得到数据增广后的目标数据集。5.根据权利要求1所述的快件重量异常的识别方法，其特征在于，所述将所述训练样本集和所述标注文件输入预置GoogLeNet模型进行训练，得到图像分类模型，包括：将所述训练...

【专利技术属性】
技术研发人员：曾月，李斯，杨周龙，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：