本发明专利技术提供了一种分拨中心流水线堵货识别方法，方法包括：制作样本数据集，用于通过采集流水线监控视频制作样本数据集；数据处理，对样本数据集进行处理，生成训练数据和验证数据列表；构建BlendMask模型；训练堵货识别模型，读取训练数据和验证数据列表中的训练数据，并基于读取的训练数据对BlendMask网络模型进行训练，得到堵货识别模型；识别是否堵货，用于对分拨中心流水线的监测图像是否存在堵货情况进行识别，并生成相应的识别结果。本发明专利技术能够对分拨中心流水线上货物的输送情况进行有效地监测和识别，当货物堵塞时，向分拨中心及时发生预警和提醒，提升了工作效率，加快了派送速度，节省了人力物力。
【技术实现步骤摘要】
本专利技术涉及物流，尤其涉及一种分拨中心流水线堵货识别方法、装置、设备及存储介质。
技术介绍
1、随着人们购物方式的转变，线上购物越来越广泛，对快递行业的运输效率也越来越高。目前，快递行业中使用了一些自动化分拣设备，但对于流水线上货物的堵塞问题的解决还不够彻底。现有技术大多依赖人工监控，一旦发现堵货情况，需要人工介入进行处理，工作效率低下且容易出错。同时，一些传感器技术虽然能够监测流水线上的包裹流动情况，但针对堵货问题的不能够精准识别和进行预警提醒。
2、因此，为了能够解决对分拨中心流水线上的货物包裹发生堵塞时进行精准识别、监测并能够对分拨中心及时进行预警提醒，有必要专利技术一种分拨中心流水线堵货识别方法、装置、设备及存储介质。
技术实现思路
1、本专利技术的主要目的在于解决现有技术中无法对分拨中心流水线上的货物包裹发生堵塞时进行精准识别、监测并能够对分拨中心及时进行预警提醒的技术问题。
2、本专利技术第一方面提供了一种分拨中心流水线堵货识别方法，所述方法包括：
3、制作样本数据集，用于通过采集流水线监控视频制作样本数据集；
4、数据处理，对所述样本数据集进行处理，生成训练数据和验证数据列表；
5、构建blendmask模型，用于构建blendmask网络模型；
6、训练堵货识别模型，读取训练数据和验证数据列表中的训练数据，并基于读取的训练数据对blendmask网络模型进行训练，得到堵货识别模型；
>7、识别是否堵货，用于根据所述堵货识别模型，对分拨中心流水线的监测图像是否存在堵货情况进行识别，并生成相应的识别结果。8、可选的，在本专利技术第一方面的第一种实现方式中，所述制作样本数据集，包括：
9、采集分拨中心流水线视频数据；
10、对采集到的流水线视频按帧截取若干图像，获取流水线视频图像；
11、对所述流水线视频图像进行标注，获得标注好的流水线无货区域和有货区域图像样本数据；
12、对存在堵货情况的有货区域图像样本进行分割，制作样本数据集。
13、可选的，在本专利技术第一方面的第二种实现方式中，所述数据处理，包括：
14、获取所述样本数据集中所有样本数据的路径和标签信息；
15、打乱所述样本数据集中的样本数据，并按预设的训练数据和验证数据的比例计算训练数据的大小和验证数据的大小；
16、创建csv表格，遍历所述训练数据并写入所述csv表格，以及遍历所述验证数据并写入所述csv表格，得到csv样本文件；
17、将所述csv样本文件转换为pkl样本文件，根据所述pkl样本文件生成训练数据和验证数据列表。
18、可选的，在本专利技术第一方面的第三种实现方式中，所述构建blendmask模型，包括：
19、搭建blendmask网络模型的基本架构；
20、使用交叉熵损失函数作为所述blendmask网络模型的损失函数；
21、确定所述blendmask网络模型的数据增强方法为随机平移，构建所述blendmask网络模型。
22、可选的，在本专利技术第一方面的第四种实现方式中，所述训练堵货识别模型，包括：
23、读取所述训练数据和验证数据列表中的训练数据；
24、利用训练数据对所述blendmask网络模型进行训练，获得堵货识别模型。
25、可选的，在本专利技术第一方面的第五种实现方式中，所述识别是否堵货，包括：
26、预设堵货阈值；
27、获取所述分拨中心流水线的监测图像，将所述分拨中心流水线的监测图像输入堵货识别模型；
28、计算货物面积与流水线面积之比；
29、若所述货物面积与流水线面积之比低于堵货阈值，则生成的识别结果为不存在堵货；
30、若所述货物面积与流水线面积之比高于堵货阈值，则生成的识别结果为存在堵货。
31、可选的，在本专利技术第一方面的第六种实现方式中，所述分拨中心流水线堵货识别方法，还包括：
32、预警提醒，用于在所述识别结果为存在堵货时，对分拨中心进行预警和提醒处理。
33、本专利技术第二方面提供了一种分拨中心流水线堵货识别装置，包括：
34、制作样本数据集模块，用于通过采集流水线监控视频制作样本数据集；
35、数据处理模块，对样本数据集进行处理，生成训练数据和验证数据列表；
36、构建blendmask模型模块，用于构建blendmask网络模型；
37、训练堵货识别模型模块，读取训练数据和验证数据列表中的训练数据，并基于读取的训练数据对blendmask网络模型进行训练，得到堵货识别模型；
38、识别是否堵货模块，用于根据所述堵货识别模型，对分拨中心流水线的监测图像是否存在堵货情况进行识别，并生成相应的识别结果。
39、本专利技术第三方面提供了一种计算机设备，所述计算机设备包括存储器和至少一个处理器，所述存储器中存储有指令；
40、所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行如上述所述的分拨中心流水线堵货识别方法。
41、本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行如上述所述的分拨中心流水线堵货识别方法。
42、本专利技术的分拨中心流水线堵货识别方法，能够有效地对各分拨中心流水线上货物的输送情况进行监测和识别，当流水线上的包裹货物发生堵塞时，能够向分拨中心及时地发生预警和提醒，使得分拨中心大大提升了货物输送、分拣包裹货物的工作效率，加快了货物包裹的整体派送速度，节省了分拨中心的人力物力。
本文档来自技高网...
【技术保护点】
1.一种分拨中心流水线堵货识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的分拨中心流水线堵货识别方法，其特征在于，所述制作样本数据集，包括：
3.根据权利要求2所述的分拨中心流水线堵货识别方法，其特征在于，所述数据处理，包括：
4.根据权利要求1所述的分拨中心流水线堵货识别方法，其特征在于，所述构建BlendMask模型，包括：
5.根据权利要求3所述的分拨中心流水线堵货识别方法，其特征在于，所述训练堵货识别模型，包括：
6.根据权利要求5所述的分拨中心流水线堵货识别方法，其特征在于，所述识别是否堵货，包括：
7.根据权利要求6所述的分拨中心流水线堵货识别方法，其特征在于，所述分拨中心流水线堵货识别方法，还包括：
8.一种分拨中心流水线堵货识别装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和至少一个处理器，所述存储器中存储有指令；
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1-7任一项所述的分拨中心流水线堵货识别方法。
...
【技术特征摘要】
1.一种分拨中心流水线堵货识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的分拨中心流水线堵货识别方法，其特征在于，所述制作样本数据集，包括：
3.根据权利要求2所述的分拨中心流水线堵货识别方法，其特征在于，所述数据处理，包括：
4.根据权利要求1所述的分拨中心流水线堵货识别方法，其特征在于，所述构建blendmask模型，包括：
5.根据权利要求3所述的分拨中心流水线堵货识别方法，其特征在于，所述训练堵货识别模型，包括：
6.根据权利要求5所述的分拨...
【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：
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。