货物检测方法及装置、电子设备和计算机可读介质.pdf

货物检测方法及装置、电子设备和计算机可读介质.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
(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 CN 111461152 A (43)申请公布日 2020.07.28 (21)申请号 201910053206.3 (22)申请日 2019.01.21 (71)申请人 同方威视技术股份有限公司 地址 100084 北京市海淀区双清路同方大 厦A座2层 申请人 同方威视科技江苏有限公司 (72)发明人 刘阳 邢宇翔 戴诗语  (74)专利代理机构 北京律智知识产权代理有限 公司 11438 代理人 袁礼君 阚梓瑄 (51)Int.Cl. G06K 9/62(2006.01) G06N 3/04(2006.01) 权利要求书3页 说明书15页 附图12页 (54)发明名称 货物检测方法及装置、电子设备和计算机可 读介质 (57)摘要 本公开涉及人工智能神经网络领域,提供了 一种货物检测方法、装置以及电子设备和计算机 可读介质,该货物检测方法包括:通过辐射成像 技术获取集装箱车厢图像,基于所述集装箱车厢 图像确定货物图像块;将所述货物图像块输入基 于卷积神经网络训练的特征提取器以提取所述 货物图像块的图像特征;将所述货物图像块的图 像特征与所述特征提取器提取的对比货物的特 征库作比较以确定所述集装箱车厢图像中的货 物类别与所述对比货物类别的一致性。采用本公 开提供的货物检测方法,可以快速、有效的确认 A 集装箱车厢中货物类别与对比货物类别是否一 2 致。 5 1 1 6 4 1 1 1 N C CN 111461152 A 权 利 要 求 书 1/3页 1.一种货物检测方法,其特征在于,包括: 通过辐射成像技术获取集装箱车厢图像,基于所述集装箱车厢图像确定货物图像块; 将所述货物图像块输入基于卷积神经网络训练的特征提取器以提取所述货物图像块 的图像特征; 将所述货物图像块的图像特征与所述特征提取器提取的对比货物的特征库作比较以 确定所述集装箱车厢图像中的货物类别与所述对比货物类别的一致性。 2.根据权利要求1所述方法,其特征在于,所述基于所述集装箱车厢图像确定货物图像 块包括; 使用固定大小的滑窗,按照固定步长在所述集装箱车厢图像中提取图像块; 判断所述图像块的最大灰度值和最小灰度值的差值是否大于差值阈值,如果是,则将 所述图像块平均分为多个灰度小块; 判断所述图像块的灰度小块中空小块的个数是否小于个数阈值,如果是,则判断所述 图像块为货物图像块。 3.根据权利要求2所述方法,其特征在于,所述判断所述图像块的灰度小块中空小块的 个数是否小于个数阈值包括: 获取所述灰度小块中灰度值大于灰度阈值的点的个数比例; 如果所述个数比例大于个数比例阈值,则判断所述灰度小块为空小块。 4.根据权利要求1所述方法,其特征在于,还包括: 获取对比货物的辐射图像,基于所述对比货物的辐射图像确定对比货物图像块; 将所述对比货物图像块输入所述基于卷积神经网络训练的特征提取器以提取所述对 比货物图像块的图像特征; 多次使用多层次k-means聚类方法对所述对比货物图像块的图像特征聚类,以获得多 个所述对比货物图像块的图像特征的聚类集合; 选择聚类类别最少的聚类集合作为所述对比货物的特征库。 5.根据权利要求4所述方法,其特征在于,所述使用多层次k-means聚类方法对所述对 比货物图像块的图像特征聚类包括: 使用聚类中心个数为K的k-means聚类方法对所述对比货物图像块

文档评论(0)

10301556 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档