[发明专利]基于人工智能深度学习的自动识别物体的方法及其装置

权利要求书

1.一种基于人工智能深度学习的自动识别物体的方法，其中，主要包括以下步骤：

步骤1、由设置在物品识别区域不同方位的X光机采集得到待识别物品的X光图像；

步骤2、将采集得到的各个方位的X光图像同时输入预设的深度学习模型，以提取所述X光图像中对应的待识别物品的多维度数据；

步骤3、将步骤2得到的多维度数据进行融合，生成多维度数据对应的数据特征；

步骤4、由步骤3得到的数据特征中分别提取得到分类特征和位置特征；

步骤5、计算步骤4得到的分类特征的置信度值，并将置信度值大于预设的最小值的分类特征和相应的位置特征组合作为识别结果输出；

其中，执行所述的基于人工智能深度学习的自动识别物体的方法的装置包括：

第一传送机构，其包括机架、第一传送带和驱动电机；所述第一传送带架设在所述机架上方；所述驱动电机设置在所述第一传送带的下方，并驱动所述第一传送带运动；

识别机构，其包括主机和至少两台X光机；所述X光机分别设置于所述第一传送带的上方和侧方，以对所述第一传送带上的物品进行识别；所述主机内内置有深度学习模型和与所述深度学习模型相连接的分析模块，所述深度学习模型连接于所述X光机，以提取所述X光机拍摄的X光图像中对应的待识别物品的数据特征，并将所述数据特征发送至所述分析模块进行分析处理，以得到识别结果；

防护机构，其包括防护罩和防护帘；所述防护罩设置为两端具有开口的拱形的罩体，所述罩体扣合在所述第一传送带上，并使边缘连接于所述机架，所述防护帘设置于所述罩体两端的开口上，以使所述罩体、防护帘和第一传送带组成一个用于物品识别的密闭空间；

第二传送机构，其包括第二传送带、第三传送带和升降台；所述第二传送带相对地面呈35-50°倾斜，所述第二传送带的较高一端与所述第一传送带位于同一水平面上，且所述第二传送带的较高一端与所述第一传送带的入口端相距8-15cm；沿所述第二传送带的宽边方向，在所述第二传送带上逐行竖直设置有限位柱，每行所述限位柱的底部均设置有弹簧，以使所述限位柱在受到向下的外力挤压时收缩至所述第二传送带内，并在无外力作用时凸出于所述第二传送带的表面；所述第三传送带相对地面呈15-35°倾斜，所述第三传送带的较高一端连接于所述第一传送带的出口端，较低一端连接升降台的一端；所述升降台设置为水平的平台，所述平台的底部设置有重量感应器，所述重量感应器的下方设置有可伸缩的伸缩轴，以将所述平台撑离地面，所述重量感应器在感应到平台上的重量超过所述重量感应器内设置的重量上限时，控制所述伸缩轴收缩，以使所述平台降低至靠近地面。

2.如权利要求1所述的基于人工智能深度学习的自动识别物体的方法，其中，至少在所述物品识别区域的顶部和一侧设置有X光机，且设置的所述X光机均位于同一横切面上。

3.如权利要求1所述的基于人工智能深度学习的自动识别物体的方法，其中，所述深度学习模型为基于卷积神经网络的深度学习模型，且通过各种违禁品的样本数据训练得到。

4.如权利要求1所述的基于人工智能深度学习的自动识别物体的方法，其中，所述步骤3中对多维度数据的融合依据所述数据特征的特征价值；

其中，所述特征价值在给定目标位置后由所述深度学习模型自动确定。

5.如权利要求4所述的基于人工智能深度学习的自动识别物体的方法，其中，所述特征价值通过特征向量进行表示。

6.如权利要求1所述的基于人工智能深度学习的自动识别物体的方法，其中，所述步骤1中还需对得到的X光图像进行图像归一化处理和预处理。

7.如权利要求1所述的基于人工智能深度学习的自动识别物体的方法，其中，相邻两行所述限位柱间间距20-40cm；所述限位柱在无外力作用时凸出于所述第二传送带的表面的高度为8-15cm。