一种基于机器视觉的快递件破损检测方法及系统技术方案

本发明专利技术涉及机器视觉领域，更具体的说，它涉及一种基于Faster R

【技术实现步骤摘要】
一种基于机器视觉的快递件破损检测方法及系统


[0001]本专利技术涉及机器视觉领域，更具体的说，它涉及一种基于FasterR
‑
CNN模型的快递件破损检测方法及系统。

技术介绍

[0002]快递方便了人们的生活，每天有过亿件的快递件在流转，由于操作不规范，或者在不可抗力的作用下，快递件表面会发生破损，但是由于流程众多，参与人员多，快递破损的判责总是十分麻烦，耗费的人力也较多，因此，一般分拣站会采用人工对破损快递件进行检查，及时检查出破损快递件，缩短判责流程。但是通过人工对破损快递件进行检查，效率较低。
[0003]针对上述问题，现提供一种检测精度高的基于FasterR
‑
CNN模型的快递件破损检测方法及系统。

技术实现思路

[0004]为了克服现有技术通过人工对破损快递件进行检查，效率较低的缺点，本专利技术提供一种检测精度高的基于FasterR
‑
CNN模型的快递件破损检测方法及系统。
[0005]为了解决上述技术问题，现采用如下技术方案：一种基于FasterR
‑
CNN模型的快递件破损检测方法，包括如下步骤：
[0006]S1：获取待检测的快递件图片；
[0007]S2：将快递件图片送入训练好的FasterR
‑
CNN模型中，对快递件破损情况进行检测；
[0008]S3：若快递件破损，标注出快递件图片中的破损位置，发出提示信息并警报，控制快递件停止移动；若快递件未破损，回到S1。
[0009]进一步地，所述步骤S2中的FasterR
‑
CNN模型由如下方法进行训练：
[0010]S201：获取快递件破损图片；
[0011]S202：将快递件破损图片按9:1拆分成训练集和验证集；
[0012]S203：对训练集图片进行编号，对训练集图片中的破损部分进行矩形框标注，并获取矩形框对应坐标；
[0013]S204：训练集图片进行图像数据增强；
[0014]S205：将训练集图片，训练集中破损部分对应矩形框的坐标，训练集图片编号构建VOC数据集；
[0015]S206：利用VOC数据集对预训练的FasterR
‑
CNN模型进行训练；
[0016]S207：利用验证集对经过训练的FasterR
‑
CNN模型进行验证。
[0017]进一步地，所述步骤S201中，具体包括如下步骤：
[0018]S201.1：将破损快递件置于旋转平台上，使得破损快递件处于旋转状态；
[0019]S201.2：录制处于旋转状态下的破损快递件视频；
[0020]S201.3：将破损快递件视频进行逐帧提取，获取快递件破损图片；
[0021]S201.4：选取不同破损状态的快递件，重复S201.1。
[0022]进一步地，所述步骤S203中的矩形框坐标以{D1,D2,D3,D4}的形式被存储，D1表示矩形框左下角坐标，以(x
min
，y
min
)的形式储存；D2表示矩形框右下角坐标，以(x
max
，y
min
)的形式储存；D3表示矩形框右上角坐标，以(x
max
，y
max
)的形式储存；D4表示矩形框左上角坐标，以(x
min
，y
max
)的形式储存；坐标系以图片中心点为原点，以平行于图片长边为x轴，以平行于图片宽边为y轴；其中x
min
指矩形框坐标中最小的x值，其中x
max
指矩形框坐标中最大的x值，其中y
min
指矩形框坐标中最小的y值，其中y
max
指矩形框坐标中最大的y值。
[0023]进一步地，所述步骤S204中，图像数据增强具体包括平移，旋转，高斯模糊三种方式。
[0024]进一步地，平移，旋转，高斯模糊三种方式具体实现方式如下：
[0025](1)平移
[0026]图片对应的数字矩阵所有像素值向左或者向右平移t个像素单位，所有矩形框坐标由(x，y)变化为(x
‑
t，y)或者(x+t，y),像素值移出对应数字矩阵外后弃去，像素值空白处以灰条进行填充，重构图片；
[0027]图片对应的数字矩阵所有像素值向左或者向右平移t个像素单位，所有矩形框坐标由(x，y)变化为(x，y+t)或者(x，y
‑
t),像素值移出对应数字矩阵外后弃去，像素值空白处以灰条进行填充，重构图片；
[0028](2)旋转
[0029]获取图片旋转角度α，矩形框坐标按以下公式进行变换：
[0030][0031][0032][0033]x1＝t1·
cos(δ1+α)
[0034]y1＝t1·
sin(δ1+α)
[0035]其中，t1为坐标原点至点D4(x
min
，y
max
)的距离，θ1为线段OD4与X轴之间的夹角，δ1为X正半轴逆时针旋转至线段OD4位置的角度，α为图片逆时针旋转的角度，x1为点D4逆时针旋转α后的横坐标，y1为点D4逆时针旋转α后的纵坐标；
[0036][0037][0038][0039]x2＝t2·
cos(δ2+α)
[0040]y2＝t2·
sin(δ2+α)
[0041]其中，t2为坐标原点至点D2(x
max
，y
min
)的距离，θ2为线段OD2与X轴之间的夹角，δ2为X正半轴逆时针旋转至线段OD2位置的角度，α为图片逆时针旋转的角度，x2为点D2逆时针旋转α后的横坐标，y2为点D2逆时针旋转α后的纵坐标；
[0042][0043][0044][0045]x3＝t3·
cos(δ3+α)
[0046]y3＝t3·
sin(δ3+α)
[0047]其中，t3为坐标原点至点D1(x
min
，y
min
)的距离，θ3为线段OD1与X轴之间的夹角，δ3为X正半轴逆时针旋转至线段OD1位置的角度，α为图片逆时针旋转的角度，x3为点D1逆时针旋转α后的横坐标，y3为点D1逆时针旋转α后的纵坐标；
[0048][0049][0050][0051]x4＝t4·
cos(δ4+α)
[0052]y4＝t4·
sin(δ4+α)
[0053]其中，t4为坐标原点至点D3(x
max
，y
max
)的距离，θ4为线段OD4与X轴之间的夹角，δ4为X正半轴逆时针旋转至线段OD4位置的角度，α为图片逆时针旋转的角度，x4为点D4逆时针旋转α后的横坐标，y4为点D4逆时针旋转α后的纵坐标；
[0054本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，包括如下步骤：S1：获取待检测的快递件图片；S2：将快递件图片送入训练好的FasterR
‑
CNN模型中，对快递件破损情况进行检测；S3：若快递件破损，标注出快递件图片中的破损位置，发出提示信息并警报，控制快递件停止移动；若快递件未破损，回到S1。2.根据权利要求1所述的一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，所述步骤S2中的FasterR
‑
CNN模型由如下方法进行训练：S201：获取快递件破损图片；S202：将快递件破损图片按9:1拆分成训练集和验证集；S203：对训练集图片进行编号，对训练集图片中的破损部分进行矩形框标注，并获取矩形框对应坐标；S204：训练集图片进行图像数据增强；S205：将训练集图片，训练集中破损部分对应矩形框的坐标，训练集图片编号构建VOC数据集；S206：利用VOC数据集对预训练的FasterR
‑
CNN模型进行训练；S207：利用验证集对经过训练的FasterR
‑
CNN模型进行验证。3.根据权利要求2所述的一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，所述步骤S201中，具体包括如下步骤：S201.1：将破损快递件置于旋转平台上，使得破损快递件处于旋转状态；S201.2：录制处于旋转状态下的破损快递件视频；S201.3：将破损快递件视频进行逐帧提取，获取快递件破损图片；S201.4：选取不同破损状态的快递件，重复S201.1。4.根据权利要求2所述的一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，所述步骤S203中的矩形框坐标以{D1,D2,D3,D4}的形式被存储，D1表示矩形框左下角坐标，以(x
min
，y
min
)的形式储存；D2表示矩形框右下角坐标，以(x
max
，y
min
)的形式储存；D3表示矩形框右上角坐标，以(x
max
，y
max
)的形式储存；D4表示矩形框左上角坐标，以(x
min
，y
max
)的形式储存；坐标系以图片中心点为原点，记为O，以平行于图片长边为x轴，以平行于图片宽边为y轴；其中x
min
指矩形框坐标中最小的x值，其中x
max
指矩形框坐标中最大的x值，其中y
min
指矩形框坐标中最小的y值，其中y
max
指矩形框坐标中最大的y值。5.根据权利要求2所述的一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，所述步骤S204中，图像数据增强具体包括平移，旋转，高斯模糊三种方式。6.根据权利要求5所述的一种基于FasterR
‑
CNN模型的快递件破损检测方法，其特征在于，平移，旋转，高斯模糊三种方式具体实现方式如下：(1)平移图片对应的数字矩阵所有像素值向左或者向右平移t个像素单位，所有矩形框坐标由(x，y)变化为(x
‑
t，y)或者(x+t，y),像素值移出对应数字矩阵外后弃去，像素值空白处以灰条进行填充，重构图片；图片对应的数字矩阵所有像素值向左或者向右平移t个像素单位，所有矩形框坐标由(x，y)变化为(x，y+t)或者(x，y
‑
t),像素值移出对应数字矩阵外后弃去，像素值空白处以灰
条进行填充，重构图片；(2)旋转获取图片旋转角度α，矩形框坐标按以下公式进行变换：获取图片旋转角度α，矩形框坐标按以下公式进行变换：获取图片旋转角度α，矩形框坐标按以下公式进行变换：x1＝t1·
cos(δ1+α)y1＝t1·
sin(δ1+α)其中，t1为坐标原点至点D4(x
min
，y
max
)的距离，θ1为线段OD4与X轴之间的夹角，δ1为X正半轴逆时针旋转至线段OD4位置的角度，α为...

【专利技术属性】
技术研发人员：胡春兰，
申请(专利权)人：胡春兰，
类型：发明
国别省市：