[发明专利]物品检测方法、装置以及存储介质

说明书

本公开提供了一种物品检测方法、装置以及存储介质，涉及计算机技术领域，其中方法包括：构建GAN模型，GAN模型包括：分割网络模型和判别网络模型；将物品图像输入分割网络模型，获取分割网络模型输出的第一图像特征信息；获取与物品图像相对应的第二图像特征信息；使用判别网络模型并基于第一图像特征信息、第二图像特征信息以及物品图像，获得判别结果，并对分割网络模型进行调整。本公开的物品检测方法、装置以及存储介质，构建生成式对抗网络模型并对现有GAN进行了改进，通过物品图像对物品进行检测，能够提高物品检测的效率和准确性，有效提升了检测性能和鲁棒性；提高了模型运算效率，泛化性好，可以节省大量人工成本。

技术领域

本公开涉及计算机技术领域，尤其涉及一种物品检测方法、装置以及存储介质。

背景技术

目前，在物品生产、经营、加工过程中，破损检测是最重要环节之一。物品包括禽蛋、大理石建材、金属板材、太阳能电池板等。以鸡蛋为例，对于鸡蛋来说，及时发现并剔除破损鸡蛋，既能减少损耗，又能提高储藏、加工质量，而且有利于生产者和经营者采取科学的管理，增强企业及其产品的市场竞争力。现有的鸡蛋破损检测方法主要是利用DSP设计的鸡蛋破损检测系统进行检测，DSP是专门为快速实现各种数字信号处理算法而设计的微处理器，通过分析鸡蛋受敲击后发出的声音信号的功率谱来建立破损模型，基于破损模型对鸡蛋的破损进行检测。

发明内容

发明人发现目前的配送线路规划方案具有下述问题：现有的检测方法由于采集的数据量小，测验结果有偏差，而且泛化性差，并且检测的时间长，耗费人工巨大。

有鉴于此，本发明要解决的一个技术问题是提供一种物品检测方法、装置以及存储介质。

根据本公开的一个方面，提供一种物品检测方法，包括：构建用于进行物品检测的生成式对抗网络GAN模型；其中，所述GAN模型包括：分割网络模型和判别网络模型；将物品图像输入所述分割网络模型，获取所述分割网络模型输出的第一图像特征信息；获取与所述物品图像相对应的第二图像特征信息；使用所述判别网络模型并基于所述第一图像特征信息、所述第二图像特征信息以及所述物品图像，获得判别结果；基于所述判别结果以及模型调整策略对所述分割网络模型进行调整；使用调整好的所述分割网络模型并基于采集的物品图像进行物品检测。

可选地，所述第一图像特征信息包括：第一图像特征矩阵；所述第一图像特征矩阵中的第一元素与所述物品图像的像素点相对应，其中，与图像检测特征的像素点对应的第一元素值为预设第一类别值，与其它像素点对应的第一元素值为预设第二类别值。

可选地，所述分割网络模型包括：编码器和解码器；所述将物品图像输入所述分割网络模型，获取所述分割网络模型输出的第一图像特征信息包括：所述编码器从所述物品图像中提取图像特征并对所述物品图像进行编码，生成编码数据；所述解码器对所述编码数据进行解码处理，生成所述第一图像特征矩阵。

可选地，所述第二图像特征信息包括：通过人工标注生成的第二图像特征矩阵；所述第二图像特征矩阵中的第二元素与所述物品图像的像素点相对应，其中，与图像检测特征的像素点对应的第二元素值为预设第一类别值，与其它像素点对应的第二元素值为预设第二类别值。

可选地，所述使用所述判别网络模型并基于所述第一图像特征信息、所述第二图像特征信息以及所述物品图像，获得判别结果包括：将所述第一图像特征矩阵与所述物品图像进行乘法运算，获得与所述第一图像特征矩阵相对应的第一物品检测特征图像信息；将所述第二图像特征矩阵与所述物品图像进行乘法运算，获得与所述第二图像特征矩阵相对应的第二物品检测特征图像信息；将所述第一物品检测特征图像信息和所述第二物品检测特征图像信息输入所述判别网络模型，获得所述判决结果。