【技术实现步骤摘要】
本申请涉及数据处理的，具体涉及一种物料分拣方法、装置及电子设备。
技术介绍
1、随着科学技术的不断发展，智能仓储技术也在不断地改进和创新。而在智能仓储过程中，物料分拣是一个不可或缺的环节。
2、目前，物料分拣通常依赖于人工分拣的方式来完成。人工分拣虽然具有一定的灵活性，但存在许多明显的问题和局限性。人工分拣容易受到工作人员工作状态等主观因素的影响，工作人员在投入大量的精力和时间之后，极易出现疲劳导致分拣疏忽的现象，从而造成物料分拣错误，进而使得物料分拣的准确性较低。
3、因此，急需一种物料分拣方法、装置及电子设备。
技术实现思路
1、本申请提供了一种物料分拣方法、装置及电子设备，便于提高物料分拣的准确性。
2、在本申请的第一方面提供了一种物料分拣方法，所述方法包括：获取物料图像数据，所述物料图像数据为针对待分拣物料的图像数据；对所述物料图像数据进行特征提取和特征融合，得到特征图像数据；采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果；基于所述识别结果，确定所述待分拣物料的仓储位置信息。
3、通过采用上述技术方案，首先通过获取待分拣物料的图像数据，再对物料图像数据进行特征提取和特征融合，从而得到特征图像数据。接下来，通过采用预设分拣模型对特征图像数据进行特征识别，从而得到识别结果。最后，基于识别结果，能够确定出待分拣物料的仓储位置信息。由此，通过自动化地获取待分拣物料的图像数据，并对待分拣物料的特征进行自动识别，从而得到待分
4、可选地，所述获取物料图像数据，具体包括：接收终端设备发送的图像数据包；对所述图像数据包进行图像处理，得到所述物料图像数据，所述图像处理包括质心提取、边框标定以及轮廓检测。
5、通过采用上述技术方案，通过接收终端设备发送的图像数据包，确保了获取到的数据是完整的、未被篡改或损坏的。这对于后续的图像处理和分拣操作至关重要。接下来，通过对图像数据包进行图像处理，包括质心提取、边框标定以及轮廓检测，质心提取便于分析图像中物料的重心位置，这对于后续的分拣动作尤其重要。边框标定可以确定物料在图像中的边界，便于测量物料的大小和形状以及确定物料的精确位置。轮廓检测可以进一步增强图像的清晰度和对比度，使得物料形状更加突出，便于后续的分拣操作。
6、可选地，所述对所述物料图像数据进行特征提取和特征融合，得到特征图像数据，具体包括：对所述物料图像数据进行特征提取，得到灰度特征和纹理特征；将所述灰度特征和所述纹理特征进行特征融合，得到所述特征图像数据。
7、通过采用上述技术方案，通过提取物料图像的灰度特征和纹理特征，可以获取图像的基本属性和内容，这些特征对于后续的分拣决策至关重要。灰度特征反映了图像的亮度信息，可以帮助理解图像的基本明暗分布。纹理特征则描述了图像中物质的排列和分布情况，对于判断物料的质地、结构等非常有用。接下来，将灰度特征和纹理特征进行融合，可以充分利用图像的视觉信息，使得分拣模型可以更好地理解和区分不同的物料。因为综合考虑了多维度的特征信息，特征融合还可以提高分拣的准确性，可以更全面地描述待分拣物料的特性。通过特征提取和特征融合，可以减少噪声和环境干扰对分拣的影响，提高分拣过程的鲁棒性和准确性。
8、可选地，所述将所述灰度特征和所述纹理特征进行特征融合，得到所述特征图像数据，具体包括：根据所述灰度特征和所述纹理特征，得到形态特征图；对所述物料图像数据进行二值化处理，得到二值特征图；将所述形态特征图和所述二值特征图进行特征融合，得到所述特征图像数据。
9、通过采用上述技术方案，形态特征图和二值特征图是两种不同的特征表达方式，前者反映了物料的形状和结构信息，后者则突出了物料的局部细节和轮廓信息。这两种特征的融合增加了特征的维度，提供了更丰富的物料图像描述。形态特征图和二值特征图的融合可以改善图像识别的精度，使得模型能够更准确地识别和区分不同的物料。由于形态特征图和二值特征图对于图像的亮度、对比度和噪声等变化具有较好的鲁棒性，因此这两种特征的融合可以增强分拣系统的鲁棒性，使得其对于不同的环境条件和物料类型都具有较好的适应性，便于更好地捕捉到物料的形状、大小、结构等关键信息，有助于提高分拣的准确性和效率。
10、可选地，所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果，具体包括：根据所述特征图像数据，确定第一实体特征，所述特征图像数据包括多个实体特征，所述第一实体特征为多个所述实体特征中的任意一个实体特征；在所述预设分拣模型中查找所述第一实体特征；若所述预设分拣模型中存在与所述第一实体特征对应的第二实体特征，则获取所述第二实体特征对应的仓储位置信息，并生成所述识别结果，所述识别结果包括所述第二实体特征对应的仓储位置信息，所述预设分拣模型中预先存储有实体特征与仓储位置信息之间的对应关系，所述第一实体特征和所述第二实体特征为同一种实体特征。
11、通过采用上述技术方案，通过根据特征图像数据确定第一实体特征，并在预设分拣模型中查找该特征，可以减少错误识别和漏识别的可能性，提高识别的准确性。通过预设分拣模型的使用，可以自动化地完成特征识别和仓储位置信息的获取，大大提高了分拣过程的自动化程度，减少了人工参与和错误的可能性。预设分拣模型中存储了实体特征与仓储位置信息之间的对应关系，可以快速查找和匹配相应的仓储位置信息，使得整个分拣过程更加快捷高效。同时，减少了对于大量人力劳动的需求，降低了人工成本，并且减少了错误和延误的可能性，提高了整体的经济效益。
12、可选地，在所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果之前，训练所述预设分拣模型；所述训练所述预设分拣模型，具体包括：获取训练信息，所述训练信息包括实体特征和仓储位置信息；将所述训练信息输入至自适应特征融合网络中进行训练，得到第一训练结果；将所述第一训练结果与所述训练信息进行叠加与标准化处理后，得到第二训练结果；将所述第二训练结果输入至所述自适应特征融合网络中进行处理，得到第三训练结果；将所述第三训练结果与所述第二训练结果进行叠加与标准化处理，直至输出所述训练信息相似度矩阵，所述训练信息相似度矩阵满足预设逻辑回归条件。
13、通过采用上述技术方案，通过训练预设分拣模型，可以利用大量的训练信息来优化模型的性能，提高特征识别的准确性和鲁棒性。通过自适应特征融合网络进行训练，可以自动地学习和适应特征图像数据的特性，进一步提高了模型的适应性。通过将训练信息与第一训练结果进行叠加与标准化处理，以及将第三训练结果再次输入到自适应特征融合网络中进行处理，可以加快训练速度，提高训练效率。并且，利用自适应特征融合网络进行训练，可以减少人为干预和错误的可能性，提高训练的可靠性和一致性。
14、可选地，在所述基于所述识别结果，确定所述待分拣物料的仓储位置信息之后，所述方法还包括：向物料运输设备发送控制指本文档来自技高网...
【技术保护点】
1.一种物料分拣方法，其特征在于，所述方法包括：
2.根据权利要求1所述的物料分拣方法，其特征在于，所述获取物料图像数据，具体包括：
3.根据权利要求1所述的物料分拣方法，其特征在于，所述对所述物料图像数据进行特征提取和特征融合，得到特征图像数据，具体包括：
4.根据权利要求3所述的物料分拣方法，其特征在于，所述将所述灰度特征和所述纹理特征进行特征融合，得到所述特征图像数据，具体包括：
5.根据权利要求1所述的物料分拣方法，其特征在于，所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果，具体包括：
6.根据权利要求1所述的物料分拣方法，其特征在于，在所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果之前，训练所述预设分拣模型；所述训练所述预设分拣模型，具体包括：
7.根据权利要求1所述的物料分拣方法，其特征在于，在所述基于所述识别结果，确定所述待分拣物料的仓储位置信息之后，所述方法还包括：
8.一种物料分拣装置，其特征在于，所述物料分拣装置包括获取模块(21)和处理模块
9.一种电子设备，其特征在于，所述电子设备包括处理器(31)、存储器(35)、用户接口(33)以及网络接口(34)，所述存储器(35)用于存储指令，所述用户接口(33)和所述网络接口(34)均用于给其他设备通信，所述处理器(31)用于执行所述存储器(35)中存储的指令，以使所述电子设备执行如权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的方法。
...【技术特征摘要】
1.一种物料分拣方法，其特征在于，所述方法包括：
2.根据权利要求1所述的物料分拣方法，其特征在于，所述获取物料图像数据，具体包括：
3.根据权利要求1所述的物料分拣方法，其特征在于，所述对所述物料图像数据进行特征提取和特征融合，得到特征图像数据，具体包括：
4.根据权利要求3所述的物料分拣方法，其特征在于，所述将所述灰度特征和所述纹理特征进行特征融合，得到所述特征图像数据，具体包括：
5.根据权利要求1所述的物料分拣方法，其特征在于，所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果，具体包括：
6.根据权利要求1所述的物料分拣方法，其特征在于，在所述采用预设分拣模型对所述特征图像数据进行特征识别，得到识别结果之前，训练所述预设分拣模型；所述训练所述预设分拣模型，具...
【专利技术属性】
技术研发人员：王伦木，魏冬艳，
申请(专利权)人：佳康捷科技江苏有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。