一种货物分拣系统和货物分拣方法技术方案

本发明专利技术公开了一种货物分拣系统和货物分拣方法

【技术实现步骤摘要】
一种货物分拣系统和货物分拣方法


[0001]本专利技术涉及货物分拣
，具体而言，涉及一种货物分拣系统和货物分拣方法
。

技术介绍

[0002]分拣技术是蔬菜包装工艺中不可或缺的一个环节，在蔬菜行业，挑选出不新鲜产品是至关重要的
。
一个腐烂的蔬菜很容易毁掉整批蔬菜，因此会造成严重的经济损失
。
目前，我国蔬菜分拣大都采用人工分拣，为了方便操作，还需要先将果蔬进行初加工，这种人工分拣的方式，不仅费时费力，效率低下，而且分拣的标准因人而异，导致分拣质量不一，分拣人员长时间工作后还会产生疲劳，致使不符合标准的蔬菜未被分离出去
。
另外，随着劳动成本的增加，生产成本进一步提高
。
随着农业信息化的发展，人们为了提高生产效率，稳定生产质量，开始使用分拣设备
。
[0003]目前，我国真正在农业蔬菜领域付诸应用的智能分拣系统尚处于起步阶段
。
市场上现有的分拣系统大都应用在蔬菜分拣领域，因为蔬菜的外形不一
、
特征复杂
、
结构性较差，传统分拣技术只能识别出其中的一个或几个特征，因此分拣不准确，因此，提出一种货物分拣系统和货物分拣方法，以解决对蔬菜分拣准确度低的技术问题
。

技术实现思路

[0004]本专利技术实施例提供了一种货物分拣系统和货物分拣方法，以解决对蔬菜分拣准确度低的技术问题
。
[0005]根据本专利技术实施例的一个方面，提供了货物分拣方法
。
其中，该方法可以包括：获取待分拣对象的目标图像信息；将待分拣对象的目标图像信息输入至搭建且训练好的卷积神经网络中，得到目标图像信息的初始分类结果，其中，卷积神经网络，包括
26
层，分别为6个堆叠的卷积层
、3
个上采样层
、6
个最大池化层
、3
个跳跃连接层
、3
个级联层
、1
个卷积层
、1
个全局最大池化层
、1
个
Dropout
层
、1
个分类层
、1
个输出层；基于目标图像信息，确定目标图像信息的形状参数；获取待分拣对象的重量参数；基于初始分类结果，形状参数，重量参数，确定待分拣对象的目标分类结果
。
[0006]可选地，在获取待分拣对象的目标图像信息之前，方法还包括：获取货物的第一图像信息；对第一图像信息进行去噪处理，得到第二图像信息；对第二图像信息进行处理，得到分类后的带标签的第三图像信息；对第三图像信息进行增强处理，得到第四图像信息；将第四图像信息按比例
80%
：
20%
划分为训练集和验证集
。
[0007]可选地，卷积神经网络还包括：将第一
、
第二
、
第三每一堆叠的卷积层用跳跃连接层连接；将第一堆叠卷积层与第六堆叠卷积层用第一级联层进行连接；将第二堆叠卷积层与第五堆叠卷积层用第二级联层进行连接；将第三堆叠卷积层与第四堆叠卷积层用第三级联层进行连接
。
[0008]可选地，基于初始分类结果，形状参数，重量参数，确定待分拣对象的目标分类结
果，包括：基于初始分类结果
、
判断形状参数与第一阈值参数二者之间的的大小，判断重量参数与第二阈值参数二者之间的大小，得到待分拣对象的目标分类结果
。
[0009]可选地，在基于初始分类结果，形状参数，重量参数，确定待分拣对象的目标分类结果之后，方法还包括：将目标图像信息
、
初始分类结果
、
形状参数
、
重量参数和目标分类结果存储在上位机的数据库中
。
[0010]根据本专利技术实施例的一个方面，提供了一种货物分拣系统
。
该系统包括：摄像头，用于获取待分拣对象的目标图像信息；电子皮带秤，用于获取待分拣对象的重量参数；上位机，用于将待分拣对象的目标图像信息输入至搭建且训练好的卷积神经网络中，得到目标图像信息的初始分类结果，根据目标图像信息，确定目标图像信息的形状参数；根据初始分类结果，形状参数，重量参数，确定待分拣对象的目标分类结果，将目标分类结果传递至传输带；传输带，用于将待分拣对象根据分挡卡放入到对应的分挡区
。
[0011]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质
。
该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行本专利技术实施例的一种货物分拣方法
。
[0012]根据本专利技术实施例的另一方面，还提供了一种处理器
。
该处理器用于运行程序，其中，程序运行时执行本专利技术实施例的一种货物分拣方法
。
[0013]在本专利技术实施例中，获取待分拣对象的目标图像信息；将待分拣对象的目标图像信息输入至搭建且训练好的卷积神经网络中，得到目标图像信息的初始分类结果，其中，卷积神经网络，包括
26
层，分别为6个堆叠的卷积层
、3
个上采样层
、6
个最大池化层
、3
个跳跃连接层
、3
个级联层
、1
个卷积层
、1
个全局最大池化层
、1
个
Dropout
层
、1
个分类层
、1
个输出层；基于目标图像信息，确定目标图像信息的形状参数；获取待分拣对象的重量参数；基于初始分类结果，形状参数，重量参数，确定待分拣对象的目标分类结果，解决了对蔬菜分拣准确度低的技术问题，达到了提高了对蔬菜分拣准确度的技术效果
。
附图说明
[0014]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定
。
在附图中：图1是根据本专利技术实施例的一种货物分拣方法的流程图；图2是根据本专利技术实施例的一种卷积神经网络模型的示意图；图3是根据本专利技术实施例的一种货物分拣系统的示意图
。
具体实施方式
[0015]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都应当属于本专利技术保护的范围
。
[0016]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象的，而不必用于描述特定的顺序或先后次序
。
应该理解这样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种货物分拣方法，其特征在于，包括：获取待分拣对象的目标图像信息；将所述待分拣对象的目标图像信息输入至搭建且训练好的卷积神经网络中，得到所述目标图像信息的初始分类结果，其中，所述卷积神经网络，包括
26
层，分别为6个堆叠的卷积层
、3
个上采样层
、6
个最大池化层
、3
个跳跃连接层
、3
个级联层
、1
个卷积层
、1
个全局最大池化层
、1
个
Dropout
层
、1
个分类层
、1
个输出层；基于所述目标图像信息，确定所述目标图像信息的形状参数；获取所述待分拣对象的重量参数；基于所述初始分类结果，所述形状参数，所述重量参数，确定所述待分拣对象的目标分类结果
。2.
根据权利要求1所述的一种货物分拣方法，其特征在于，在所述获取待分拣对象的目标图像信息之前，所述方法还包括：获取所述货物的第一图像信息；对所述第一图像信息进行去噪处理，得到第二图像信息；对所述第二图像信息进行处理，得到分类后的带标签的第三图像信息；对所述第三图像信息进行增强处理，得到第四图像信息；将所述第四图像信息按比例
80%
：
20%
划分为训练集和验证集
。3.
根据权利要求1所述的一种货物分拣方法，其特征在于，所述卷积神经网络还包括：将第一
、
第二
、
第三每一堆叠的卷积层用所述跳跃连接层连接；将所述第一堆叠卷积层与第六堆叠卷积层用第一级联层进行连接；将所述第二堆叠卷积层与第五堆叠卷积层用第二级联层进行连接；将所述第三堆叠卷积层与...

【专利技术属性】
技术研发人员：黄荔，
申请(专利权)人：陕西理工大学，
类型：发明
国别省市：