【技术实现步骤摘要】
本专利技术涉及深度学习与工业物流供应链相结合的领域，具体涉及一种物流供应链品控缺陷检测方法及系统。
技术介绍
1、物流行业在经济和科技发展下逐渐成为现代社会不可或缺的一部分。随着业务增长，物流自动化和智能化成为研究热点。许多企业提供预约、追踪等服务，自动化分拣设备应用于运输流程中，物流供应链行业正朝数字化、智能化、自动化发展。然而，在运输过程中，工业物流纸箱包裹丢失或破损无法完全避免，可能导致纠纷。因此，有必要通过自动化技术在每个物流站点对工业纸箱包裹进行破损检测和追溯，减少人力投入和成本。
2、近年来，深度学习技术在计算机视觉领域不断取得新的发展，在图像分类、目标识别等任务均有出色的表现，并已广泛应用到工业供应链上的品控缺陷检测等任务。图像分类是计算机视觉领域的核心任务之一，目标是将输入的图像分为不同的类别；目标检测是另一个重要的计算机视觉任务，它不仅需要识别图像中存在的目标，还需要精确定位目标的位置。基于以上的图像分类和目标检测技术，可以将纸箱包裹破损检测任务划分为形变分类和穿透性破损目标检测两个子任务。而深度学习作为计...
【技术保护点】
1.一种物流供应链品控缺陷检测方法，其特征在于，步骤包括：
2.根据权利要求1所述的物流供应链品控缺陷检测方法，其特征在于，所述训练数据均为图像数据，所述缺陷特征包括：形变特征和穿透性破损特征。
3.根据权利要求1所述的物流供应链品控缺陷检测方法，其特征在于，所述形变检测模块包括：一个步长为2的3乘3卷积层和13个深度可分离卷积块；其中，每个卷积层采用批归一化，提取到的特征经由一个全局平均池化层和两个全连接层，最后再通过激活函数将的输出转换为概率。
4.根据权利要求3所述的物流供应链品控缺陷检测方法，其特征在于，所述深度可分离卷积块...
【技术特征摘要】
1.一种物流供应链品控缺陷检测方法，其特征在于，步骤包括：
2.根据权利要求1所述的物流供应链品控缺陷检测方法，其特征在于，所述训练数据均为图像数据，所述缺陷特征包括：形变特征和穿透性破损特征。
3.根据权利要求1所述的物流供应链品控缺陷检测方法，其特征在于，所述形变检测模块包括：一个步长为2的3乘3卷积层和13个深度可分离卷积块；其中，每个卷积层采用批归一化，提取到的特征经由一个全局平均池化层和两个全连接层，最后再通过激活函数将的输出转换为概率。
4.根据权利要求3所述的物流供应链品控缺陷检测方法，其特征在于，所述深度可分离卷积块包括：逐深度卷积和逐点卷积；其中，所述逐深度卷积独立地对每个输入通道应用3乘3的卷积核，得到与输入通道数相同的输出通道数；每个输入通道都会生成一个对应的输出通道，而卷积计算时不涉及不同通道之间的交互；所述逐点卷积使用1乘1卷积核对每个通道进行卷积运算，用于训练模型同时学习到包裹图片的局部和全局的特征。
5.根据权利要求2所述的物流供应链品控缺陷检测方法，其特征在于，所述穿透性破损检测模块包括：物流品控缺陷...
【专利技术属性】
技术研发人员：官全龙，陈智，何毅舟，方良达，黄秀姐，李哲夫，杜翠凤，蒋仕宝，巩志国，
申请(专利权)人：暨南大学，
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。