[发明专利]装载率识别方法、装置、计算机设备和存储介质

权利要求书

1.一种装载率识别方法，所述方法包括：

获取载物厢体的厢内图像；

将所述厢内图像输入训练好的第一神经网络，通过所述第一神经网络的卷积层，提取得到所述厢内图像的车门特征；

将所述厢内图像输入训练好的第二神经网络，通过所述第二神经网络的卷积层，提取得到所述厢内图像的货物特征；

将所述厢内图像输入训练好的第三神经网络，通过所述第三神经网络的中间层，提取得到所述厢内图像的装载率分类特征；其中，所述第三神经网络的中间层与所述第一神经网络、第二神经网络的卷积层的大小相同；

融合所述车门特征、所述货物特征和所述装载率分类特征，得到所述厢内图像的融合特征；

将所述融合特征输入训练好的第四神经网络，得到所述厢内图像的装载率分类结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取载物厢体的样本集合，所述样本集合包括厢内图像样本、以及标注的所述厢内图像样本的车门掩模图像和货物掩模图像；

将所述厢内图像样本输入第一神经网络，通过所述第一神经网络的卷积层提取所述厢内图像样本的特征图，通过所述第一神经网络的反卷积层将所述特征图采样到原图大小，输出从所述厢内图像样本分割的车门掩模图像；

根据输出的所述车门掩模图像和标注的所述车门掩模图像调整第一神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第一神经网络；

将所述厢内图像样本输入第二神经网络，通过所述第二神经网络的卷积层提取所述厢内图像样本的特征图，通过所述第二神经网络的反卷积层将所述特征图采样到原图大小，输出从所述厢内图像样本分割的货物掩模图像；

根据输出的所述货物掩模图像和标注的所述货物掩模图像调整第二神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第二神经网络。

3.根据权利要求2所述的方法，其特征在于，所述样本集合还包括标注的所述厢内图像样本的装载率分类结果；所述方法还包括：

将所述厢内图像样本输入第三神经网络，输出得到所述厢内图像样本的装载率分类结果；

根据输出的所述厢内图像样本的装载率分类结果和标注的装载率分类结果，调整第三神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第三神经网络。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

将所述厢内图像样本输入训练好的第一神经网络，通过训练好的所述第一神经网络的卷积层，提取得到所述厢内图像样本的车门特征；

将所述厢内图像样本输入训练好的第二神经网络，通过训练好的所述第二神经网络的卷积层，提取得到所述厢内图像样本的货物特征；

将所述厢内图像样本输入训练好的第三神经网络，通过训练好的所述第三神经网络的中间层，提取得到所述厢内图像样本的装载率分类特征；

融合所述厢内图像样本的车门特征、货物特征和装载率分类特征，得到所述厢内图像样本的融合特征；

将所述厢内图像样本的融合特征输入第四神经网络，输出所述厢内图像样本的装载率分类结果；

根据输出的所述厢内图像样本的装载率分类结果和标注的所述厢内图像样本的装载率分类结果调整第四神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第四神经网络。

5.根据权利要求1所述的方法，其特征在于，获取载物厢体的厢内图像，包括：

接收载物厢体在厢门打开状态时拍摄的厢体图像；

对所述厢体图像进行识别，根据所述载物厢体的车门裁剪所述载物厢体的厢内图像区域；

将所述厢内图像区域进行缩放，得到厢内图像。

6.根据权利要求5所述的方法，其特征在于，对所述厢体图像进行识别，根据所述载物厢体的车门裁剪所述载物厢体的厢内图像区域，包括：

将所述厢体图像输入第五神经网络，通过第五神经网络对所述厢体图像进行识别，得到所述载物厢体的车门的坐标值；

根据所述载物厢体的车门的坐标值，从所述厢体图像中裁剪得到所述载物厢体的厢内图像区域。