[发明专利]集装箱检测方法、装置及计算机可读存储介质

权利要求书

1.一种集装箱检测方法，其特征在于，所述集装箱检测方法包括：

获取关于集装箱的图像信息；

通过图像质量评定模型对所述图像信息进行图像质量评定；

在所述图像信息的图像质量评定为合格时，根据所述图像信息进行验箱操作，以获取验箱结果，所述验箱结果包括质量评估结果和/或异常检测结果；

根据所述验箱结果获取集装箱信息，以根据所述集装箱信息进行响应。

2.如权利要求1所述的集装箱检测方法，其特征在于，所述在所述图像信息的图像质量评定为合格时，根据所述图像信息进行验箱操作，以获取验箱结果的步骤中，包括：

通过集装箱异常检测模型对所述图像信息进行检测以获取所述异常检测结果；和/或

通过集装箱质量评估模型对所述图像信息进行检测以获取所述质量评估结果。

3.如权利要求2所述的集装箱检测方法，其特征在于，

所述通过图像质量评定模型对所述图像信息进行图像质量评定的步骤之前，包括：

使用图像质量评定样本集对第一深度神经网络进行模型训练，以获取并存储所述图像质量评定模型；和/或

所述通过集装箱异常检测模型对所述图像信息进行检测以获取所述异常检测结果的步骤之前，包括：

使用集装箱异常学习样本集对第二深度神经网络进行模型训练，以获取并存储所述集装箱异常检测模型；和/或

所述通过集装箱质量评估模型对所述图像信息进行检测以获取所述质量评估结果的步骤之前，包括：

使用集装箱质量评估学习样本集对第三深度神经网络进行模型训练，以获取并存储所述集装箱质量评估模型。

4.如权利要求3所述的集装箱检测方法，其特征在于，

所述第一深度神经网络包括VGGNet、ResNet、darknet、SEnet及mobilenet中的一个；和/或

所述第二深度神经网络包括RFBNet、YOLO、Fast-RCNN、Faster-RCNN及SSD中的一个；和/或

所述第三深度神经网络包括ResNet,VGGNet,inception、QENet以及mobilenet中的一个。

5.如权利要求3或4所述的集装箱检测方法，其特征在于，所述使用图像质量评定样本集对第一深度神经网络进行模型训练，以获取并存储所述图像质量评定模型的步骤中，包括：

将所述图像质量评定样本集转化为ImageNet标准数据集格式；

使用格式转化后的图像质量评定样本集对所述第一深度神经网络进行模型训练；和/或

所述使用集装箱异常学习样本集对第二深度神经网络进行模型训练，以获取并存储所述集装箱异常检测模型的步骤中，包括：

将所述集装箱异常学习样本集转化为VOC标准数据集格式；

使用格式转化后的集装箱异常学习样本集对所述第二深度神经网络进行模型训练。

6.如权利要求1所述的集装箱检测方法，其特征在于，所述集装箱检测方法还包括：

在所述图像信息的图像质量评定为不合格时，输出重拍命令，以使得拍摄单元重新获取关于所述集装箱的图像信息。

7.如权利要求1所述的集装箱检测方法，其特征在于，所述集装箱信息中包括异常信息和/或集装箱质量评分信息；

所述根据所述验箱结果获取集装箱信息，以根据所述集装箱信息进行响应的步骤中，包括：

在根据所述验箱结果中的异常检测结果获取到所述异常信息时，根据所述异常信息进行响应；和/或

根据所述验箱结果中的质量评估结果获取所述集装箱质量评分信息，以根据所述集装箱质量评分信息进行响应。

8.如权利要求7所述的集装箱检测方法，其特征在于，根据所述集装箱信息进行响应的步骤中，包括：

将所述集装箱信息加入云端服务器的数据库，以进行大数据大数据管理；和/或

展示所述集装箱信息中的异常信息，并突出展示所述异常信息中的异常区域。