预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共25页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN111415106A(43)申请公布日2020.07.14(21)申请号202010359178.0(22)申请日2020.04.29(71)申请人上海东普信息科技有限公司地址201700上海市青浦区外青松公路5045号508室U区44号(72)发明人李斯赵齐辉(74)专利代理机构北京市京大律师事务所11321代理人刘挽澜(51)Int.Cl.G06Q10/06(2012.01)G06Q10/08(2012.01)权利要求书3页说明书15页附图6页(54)发明名称货车装载率识别方法、装置、设备及存储介质(57)摘要本发明涉及物流管理领域,公开了一种货车装载率识别方法、装置、设备及存储介质。本方法包括:获取拍摄的货车装货场景的图像然后对其进行标注,得到标注文件,然后将图像和标注文件一起输入预置的,以ResNet-101为特征提取网络的MASKR-CNN模型中,通过图像和标注文件对其进行训练,得到货物识别模型;获取实时抓拍的货车装货场景中的图像输入货物识别模型,输出各已装载货物的区域范围并根据各货物的区域范围计算图像中对应货物的轮廓面积,根据已装载货物的堆放面积与预置货车车厢空载面积,计算装载率。本发明通过训练得到的货物识别模型提高了货物识别的准确率,从而提高货车装车装载率。CN111415106ACN111415106A权利要求书1/3页1.一种货车装载率识别方法,其特征在于,所述货车装载率识别方法包括:获取预先拍摄的货车装货场景中的多张样本图像,并将所述样本图像作为训练样本图像;对所述训练样本图像中的货物进行标注,得到各训练样本图像对应的标注信息并保存为标注文件,其中,所述标注信息用于标识所述训练样本图像中已装载货物的区域范围;将所述训练样本图像和对应标注文件输入预置MASKR-CNN模型进行训练,得到货物识别模型,其中,所述MASKR-CNN模型包括ResNet-101网络、RPN网络、ROIAlign层和分类网络;获取实时抓拍的货车装货场景中的多个现场图像,并输入所述货物识别模型进行识别,输出所述现场图像中已装载货物的区域范围;根据所述现场图像中已装载货物的区域范围,计算所述现场图像中已装载货物的堆放面积;根据当前货车的预置车厢空载面积与所述现场图像中已装载货物的堆放面积,计算当前货车的实时货物装载率。2.根据权利要求1所述的货车装载率识别方法,其特征在于,所述对所述训练样本图像中的货物进行标注,得到各训练样本图像对应的标注信息并保存为标注文件包括:采用预置图像标注模型以首尾相接的闭合线条方式圈定出所述训练样本图像中已装载货物的区域范围,得到所述训练样本图像的标注信息;将所述标注信息写入预置JSON格式的空白文件并保存为标注文件。3.根据权利要求1所述的货车装载率识别方法,其特征在于,所述将所述训练样本图像和对应标注文件输入预置MASKR-CNN模型进行训练,得到货物识别模型包括:将所述训练样本图像输入所述ResNet-101网络,并通过所述ResNet-101网络提取所述训练样本图像的图像特征,得到第一特征图;将所述第一特征图输入所述RPN网络,并获取预置锚框信息,所述RPN网络包括第一分类器;根据所述锚框信息,生成所述第一特征图的锚框;通过所述第一分类器判断所述锚框中是否存在货物;若是,则对所述锚框进行边框回归,得到所述第一特征图对应的预测框;将所述第一特征图和所述预测框输入所述ROIAlign层,并通过所述ROIAlign层对所述预测框和所述第一特征图进行预测,得到包含所述预测框的第二特征图;将所述第二特征图输入所述全连接层,以通过所述全连接层得到所述第二特征图对应的目标向量,所述分类网络包括全连接层和第二分类器;将所述目标向量输入所述第二分类器,以通过所述第二分类器得到所述预测框包含货物的预测概率;若所述预测概率大于预置阈值,则将所述预测框对应的区域范围作为预测区域,并将所述预测区域作为预测结果;根据所述预测结果和所述标注文件,对所述MASKR-CNN模型的参数进行调整,直至所述MASKR-CNN模型收敛,得到所述货物识别模型。4.根据权利要求1-3中任一项所述的货车装载率识别方法,其特征在于,所述根据所述现场图像中已装载货物的区域范围,计算所述现场图像中已装载货物的堆放面积包括:提取所述现场图像中已装载货物的区域范围对应的货物区域图像;采用边缘检测算法提取所述货物区域图像的轮廓特征,得到所述货物区域图像对应的2CN111415106A权利要求书2/3页闭合轮廓点;根据预置轮廓面积计算函数与所述闭合轮廓点,计算所述现场图像中已装载货物的堆放面积。5.根据权利要求4所述的货车装载率识别方法,其特征在于,在所述获取预先拍摄的货车装货场景中的多