一种包裹数量检测方法、装置及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114255199A(43)申请公布日2022.03.29(21)申请号202010946745.2G06V10/82(2022.01)(22)申请日2020.09.10G01G19/414(2006.01)(71)申请人顺丰科技有限公司地址518000广东省深圳市南山区学府路（以南）与白石路（以东）交汇处深圳市软件产业基地1栋B座6-13层(72)发明人韩演(74)专利代理机构深圳紫藤知识产权代理有限公司44570代理人官建红(51)Int.Cl.G06T7/00(2017.01)G06V10/774(2022.01)G06V10/764(2022.01)G06K9/62(2022.01)权利要求书2页说明书7页附图4页(54)发明名称一种包裹数量检测方法、装置及存储介质(57)摘要本发明涉及一种包裹数量检测方法、装置及存储介质，其中，检测方法包括：获取一组包裹的现场图像及现场重量；根据所述现场图像中的包裹识别号搜索到对应的预存重量；若所述现场重量与所述预存重量不匹配，将所述现场图像输入目标检测模型进行目标预测，获得所述现场图像中包裹的边界框信息；根据所述边界框信息识别出包裹的数量。本发明能够实现对大部分发生堆叠的包裹进行数量检测，从而有助于确定包裹的准确重量。本发明同时还具备检测效率及精度较高等优点。CN114255199ACN114255199A权利要求书1/2页1.一种包裹数量检测方法，其特征在于，包括以下步骤：A1：获取一组包裹的现场图像及现场重量；A2：根据所述现场图像中的包裹识别号搜索到对应的预存重量；A3：若所述现场重量与所述预存重量不匹配，将所述现场图像输入目标检测模型进行目标预测，获得所述现场图像中包裹的边界框信息；A4：根据所述边界框信息识别出包裹的数量。2.如权利要求1所述的物品数量检测方法，其特征在于，步骤A4之后，还包括：A5：若根据所述边界框信息识别出包裹的数量为单件，基于所述边界框信息对所述现场图像进行裁剪，获得包裹图像；A6：将所述包裹图像输入分类检测模型进行分类预测，相应获得包裹的数量分类结果为单件或多件。3.如权利要求2所述的包裹数量检测方法，其特征在于，所述边界框信息包括一结果向量；所述结果向量包括包裹相关的坐标值、置信度及类型值。4.如权利要求1-3任一项所述的包裹数量检测方法，其特征在于，所述包裹识别号为能够使包裹与其他包裹相区分的符号、编号或标识性信息。5.如权利要求4所述的包裹数量检测方法，其特征在于,所述现场图像为包裹分拣线上对当前过秤的一组包裹自动采集得到的图像，所述现场重量为该组包裹过秤得到的重量。6.如权利要求1-3任一项所述的包裹数量检测方法，其特征在于,所述目标检测模型通过训练后用于执行步骤A3中目标预测；所述目标检测模型的训练包括以下步骤：B1:在供训练用的现场图像中标注出包裹的边界框信息；B2:将所述边界框信息导出为与采用的训练框架所需格式相适配的标注文件；B3:将所述标注文件转换成标准文件并添加到训练集中；基于所述训练框架利用目标检测算法及所述训练集进行训练。7.如权利要求6所述的包裹数量检测方法，其特征在于,在步骤B1之前还包括：B0：通过目标检测模型对训练用的现场图像进行目标预测，获得所述训练用的现场图像中包裹的边界框信息。8.如权利要求2-3任一项所述的包裹数量检测方法，其特征在于,所述分类检测模型通过训练后用于执行步骤A6中分类预测；所述分类检测模型的训练包括以下步骤：C1：对目标检测模型执行目标预测后输出的现场图像，根据其中包裹的边界框进行裁剪，得到训练用包裹图像；C2:根据其中包裹的数量，将所述训练用包裹图像对应存储在单件和多件两个图像集的其中一个；C3:通过深度学习分类算法利用所述两个图像集进行训练。9.一种包裹数量检测装置，其特征在于，包括以下功能模块：图像采集模块：用于获取一组包裹的现场图像；重量采集模块：用于获取所述一组包裹的现场重量；搜索模块：用于根据所述现场图像中的包裹识别号匹配到对应的预存重量；目标预测模块：用于在所述现场重量与所述预存重量不匹配时，将所述现场图像输入目标检测模型进行目标预测，获得所述现场图像中包裹的边界框信息；以及根据所述边界2CN114255199A权利要求书2/2页框信息识别出包裹的数量。10.如权利要求9所述的包裹数量检测装置，其特征在于，还包括：裁剪模块：用于在所述边界框信息识别出包裹的数量为单件时，基于所述边界框信息对所述现场图像进行裁剪，获得包裹图像；分类预测模块：用于将所述包裹图像输入分类检测模型进行分类预测，相应获得包裹的数量分类结果为单件或多件。11.一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