一种基于生成对抗网络的库位状态检测方法及系统、存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984285A(43)申请公布日2023.04.18(21)申请号202310277991.7(22)申请日2023.03.21(71)申请人上海仙工智能科技有限公司地址201206上海市浦东新区锦绣东路2777弄11号全幢(72)发明人陈忠伟石岩李华伟赵越(74)专利代理机构北京中济纬天专利代理有限公司11429专利代理师季永康(51)Int.Cl.G06T7/00(2017.01)G06T7/70(2017.01)G06N3/0475(2023.01)G06N3/0464(2023.01)G06N3/094(2023.01)权利要求书2页说明书8页附图3页(54)发明名称一种基于生成对抗网络的库位状态检测方法及系统、存储介质(57)摘要本发明提供了一种基于生成对抗网络的库位状态检测方法及系统、存储介质，其中方法步骤包括：采集库位空置及占用状态下的多张图片，分别定义为正、负样本；将正样本作为输入来训练GANomaly对抗网络，直至正样本与其重构图相似度达成预期目标，将库位当前真实图输入训练后的GANomaly对抗网络，获取重构图后进行后处理，以获取比较值；根据正、负样本在训练后的GANomaly对抗网络中所生成的对应重构图之间的差值边界定义出库位状态判断值；将比较值与进行比较，以判断出对应的库位状态反馈，籍此实现基于对抗网络来判断库位状态，以降低制作训练集及训练的要求，并提高检测适应性。CN115984285ACN115984285A权利要求书1/2页1.一种基于生成对抗网络的库位状态检测方法，其特征在于，步骤包括：步骤S100，采集库位空置及占用状态下的多张图片，分别定义为正、负样本；步骤S200，将正样本作为输入来训练GANomaly对抗网络，直至确保正样本与其重构图相似度达成预期目标；步骤S300，将库位当前真实图输入训练后的GANomaly对抗网络，获取重构图后进行后处理，以获取比较值；根据正、负样本在训练后的GANomaly对抗网络中所生成的对应重构图之间的差值边界定义出库位状态判断值；将比较值与进行比较，以判断出对应的库位状态反馈。2.根据权利要求1所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中，重构图的后处理步骤包括：获取对应重构图后与真实图进行差值计算，然后对差值计算后的重构图进行灰值化及自适应阈值二值化处理，之后再进行求和统计，以获取比较值。3.根据权利要求1所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中，库位状态判断值，其中为各正样本与其重构图之间的最大差异值，为各负样本与其重构图之间的最小差异值，其中alpha为阈值靠近上下边界的程度，其取值区间为[0.1，0.9]。4.根据权利要求3所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中：；；其中为：各正样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，m为正样本个数；为：各负样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，n为负样本个数；Gray为灰值化处理，AdaThresh自适应阈值二值化处理，sum为求和统计计算。5.一种基于生成对抗网络的库位状态检测方法，其特征在于，步骤包括：步骤S100，采集库位空置及占用状态下的多张图片，分别定义为正样本x、负样本y；步骤S200，构建GANomaly对抗网络，将正样本x作为输入，获取正样本对应的重构图，并判别x与的真假，以生成对抗网络交替训练，直至确保x与相似度达成预期目标；步骤S300，定义库位状态判断值，其中为各正样本与其重构图之间的最大差异值，为各负样本与其重构图之间的最小差异值；步骤S400将待检库位真实图x1输入训练完毕的GANomaly对抗网络中，获取重构图，2CN115984285A权利要求书2/2页并将其与x1进行差值计算，然后对其进行灰值化处理及自适应阈值二值化处理后，再进行求和统计以获取比较值X2；步骤S500判断X2是否大于，若为是则库位为占用状态，反之为空置状态。6.根据权利要求5所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中：；；其中为：各正样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，m为正样本个数；为：各负样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，n为负样本个数；Gray为灰值化处理，AdaThresh自适应阈值二值化处理，sum为求和统计计算。7.一种基于生成对抗网络的库位状态检测系统，其特征在于包括：存储单元，用于存储包括如权利要求1至6中任一所述基于生成对抗网络的库位状态检测方法步骤的程序，以供控