包裹检测方法、装置及系统.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CN114187501A(43)申请公布日2022.03.15(21)申请号202010959777.6G06N3/04(2006.01)(22)申请日2020.09.14G06N3/08(2006.01)G06Q10/08(2012.01)(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.G06V20/10(2022.01)G06V10/774(2022.01)G06V10/762(2022.01)G06V10/82(2022.01)权利要求书1页说明书5页附图2页(54)发明名称包裹检测方法、装置及系统(57)摘要本发明涉及一种包裹检测方法、装置及系统；其中，包裹检测方法通过将待检测包裹的现场图像输入一轻量化目标检测模型进行检测并得出检测结果；该轻量化目标检测模型采用以下步骤进行轻量化训练：对YOLOv3目标检测模型的批量归一化层的权重的梯度进行稀疏训练，获得稀疏化目标检测模型；对所述稀疏化目标检测模型根据其批量归一化层的权重按预设比例进行裁剪，获得轻量化目标检测模型；基于聚类训练得到的预置数据集对所述轻量化目标检测模型进行训练。本发明可以提高包裹检测的速度及准确性。CN114187501ACN114187501A权利要求书1/1页1.一种包裹检测方法，其特征在于，通过将待检测包裹的现场图像输入一轻量化目标检测模型进行检测并得出检测结果；其中，所述轻量化目标检测模型通过以下轻量化训练步骤训练而成：A1：对YOLOv3目标检测模型的批量归一化层的权重的梯度进行稀疏训练，获得稀疏化目标检测模型；A2：对所述稀疏化目标检测模型根据其批量归一化层的权重按预设比例进行裁剪，获得轻量化目标检测模型；A3：基于聚类训练得到的预置数据集对所述轻量化目标检测模型进行训练。2.如权利要求1所述的一种包裹检测方法，其特征在于，所述聚类训练得到的预置数据集通过以下聚类训练步骤训练而成：B1：获取供聚类训练用的多幅具有包裹的现场图像，形成聚类训练图像集；B2：对聚类训练图像集中的各现场图像，根据包裹所处位置进行边界框标注，获得各组边界框信息，形成边界框信息集；B3：对所述边界框信息集进行聚类运算，获得多组锚框信息，形成锚框信息集；将所述锚框信息集及其对应的现场图像作为所述预置数据集。3.如权利要求2所述的一种包裹检测方法，其特征在于，步骤A3中基于预置数据集对所述轻量化目标检测模型的训练包括基于数据增益方面优化的训练。4.如权利要求3所述的一种包裹检测方法，其特征在于，步骤A3中基于预置数据集对所述轻量化目标检测模型的训练包括基于超参数自动搜索以及余弦退火的学习率调节算法的训练。5.如权利要求1-4任一项所述的一种包裹检测方法，其特征在于，所述轻量化目标检测模型在所述轻量化训练之后，还通过以下半监督训练步骤训练而成：C1：获取供半监督训练用的多幅具有包裹的现场图像，形成半监督训练图像集；C2：将半监督训练图像集中的现场图像分为标注图像和未标注图像；其中，所述标注图像根据包裹所处位置进行边界框标注而具有边界框信息；C3：基于所述标注图像和未标注图像对所述轻量化目标检测模型进行半监督训练。6.如权利要求5所述的一种包裹检测方法，其特征在于，所述半监督训练图像集中标注图像的比例为30％，未标注图像的比例为70％。7.如权利要求1-4任一项所述的一种包裹检测方法，其特征在于，所述边界框信息集中的每一组边界框信息包括四维度的坐标值和一维度的类型值；所述锚框信息集中的每一组锚框信息包括四维度的坐标值。8.如权利要求7所述的一种包裹检测方法，其特征在于，所述锚框信息集包括九组锚框信息。9.一种包裹检测装置，其特征在于，配置有权利要求1-9任一项所述的轻量化目标检测模型，通过将待检测包裹的现场图像输入所述轻量化目标检测模型进行检测，得出检测结果。10.一种包裹检测系统，其特征在于，包括相机、工控机和服务器，三者依次电连接；所述服务器包括权利要求9所述的包裹检测装置；所述相机用于获取待检测包裹的现场图像并通过所述工控机中输入所述服务器中；所述服务器利用所述包裹检测装置执行包裹检测。2CN114187501A说明书1/5页包裹检测方法、装置及系统技术领域[0001]本发明涉及物流运输技术领域，具体涉及一种包裹检测方法，同时还涉及相应的包裹检测装置及系统。背景技术[0002]目前，物流运输行业的发展越来越智能化，主流的物流公司大多拥有自动分拣线，能够实现快速地对包裹进行检测以及分拣，从而节省人力以及提高效