[发明专利]识别待检测货箱批次码的方法和装置

权利要求书

1.一种识别待检测货箱批次码的方法，其特征在于，包括：

采集整托待检测货物的正面图像，将所述正面图像输入分割模型，得到分割后的待检测货箱图像；其中，所述分割模型是基于整托货物的样本正面图像以及预先在所述样本正面图像上标注的各货箱的四角坐标标签进行训练后得到的；

将所述分割后的待检测货箱图像输入检测模型，得到输入待检测货箱图像中的批次码的检测框信息；其中，所述检测模型是基于样本货箱图像和预先在所述样本货箱图像上标注的批次码的检测框的四角坐标标签进行训练后得到的；

将所述检测框内的图像进行字母和数字的倾斜校正，进行二值化处理，得到校正后的二值化批次码图像；

将所述校正后的批次码图像输入识别模型，得到所述校正后的批次码图像对应的第一批次码真值；其中，所述识别模型是基于样本校正后的批次码图像和给所述样本校正后的批次码图像预先标注的批次码真值标签进行训练得到。

2.根据权利要求1所述的识别待检测货箱批次码的方法，其特征在于，还包括：

将所述第一批次码真值输入预测模型，输出当前时刻检测出所述第一批次码真值对应的类别货物的概率；

若所述概率大于第一阈值，则维持待检测货箱的批次码的真值为第一批次码真值；

若所述概率不大于第一阈值，则重新识别待检测货箱的批次码的真值；

其中，所述预测模型是根据样本批次码真值和预先确定的对应于样本批次码真值的货物类别标签和对应于样本批次码真值的货物检测时刻标签进行训练得到的。

3.根据权利要求1或2所述的识别待检测货箱批次码的方法，其特征在于，所述将所述检测框内的图像进行字母和数字的倾斜校正，具体包括：

将所述检测框内的图像输入倾斜校正模型，得到倾斜校正后的批次码图像；

其中，所述倾斜校正模型是基于样本原始批次码图像和对应于样本原始批次码图像的预先经过人工倾斜校正后的图像标签进行训练得到的。

4.根据权利要求3所述的识别待检测货箱批次码的方法，其特征在于，所述进行二值化处理，得到校正后的二值化批次码图像，具体包括：

将所述倾斜校正后的批次码图像灰度化，得到灰度图；

基于所述灰度图中所有像素点的灰度值，确定第二阈值；

基于第二阈值将所述灰度图二值化，得到校正后的二值化批次码图像。

5.一种识别待检测货箱批次码的装置，其特征在于，包括：

分割单元，用于采集整托待检测货物的正面图像，将所述正面图像输入分割模型，得到分割后的待检测货箱图像；其中，所述分割模型是基于整托货物的样本正面图像以及预先在所述样本正面图像上标注的各货箱的四角坐标标签进行训练后得到的；

检测单元，用于将所述分割后的待检测货箱图像输入检测模型，得到输入待检测货箱图像中的批次码的检测框信息；其中，所述检测模型是基于样本货箱图像和预先在所述样本货箱图像上标注的批次码的检测框的四角坐标标签进行训练后得到的；

校正二值化单元，用于将所述检测框内的图像进行字母和数字的倾斜校正，进行二值化处理，得到校正后的二值化批次码图像；

识别单元，用于将所述校正后的批次码图像输入识别模型，得到所述校正后的批次码图像对应的第一批次码真值；其中，所述识别模型是基于样本校正后的批次码图像和给所述样本校正后的批次码图像预先标注的批次码真值标签进行训练得到。

6.根据权利要求5所述的识别待检测货箱批次码的装置，其特征在于，还包括：校验单元，

用于将所述第一批次码真值输入预测模型，输出当前时刻检测出所述第一批次码真值对应的类别货物的概率；

若所述概率大于第一阈值，则维持待检测货箱的批次码的真值为第一批次码真值；

若所述概率不大于第一阈值，则重新识别待检测货箱的批次码的真值；

其中，所述预测模型是根据样本批次码真值和预先确定的对应于样本批次码真值的货物类别标签和对应于样本批次码真值的货物检测时刻标签进行训练得到的。