[发明专利]运输车辆到站检测方法、装置、设备及存储介质

权利要求书

1.一种运输车辆到站检测方法，其特征在于，所述运输车辆到站检测方法包括：

获取多个待检测图像，所述待检测图像用于显示车辆停靠位置上是否停靠运输车辆；

通过预置的特征提取器对每个待检测图像进行卷积计算，得到所述多个待检测图像对应的多个待检测特征向量；

根据预置的分类函数确定每个待检测特征向量的类别标签，得到多个类别标签，并利用预置的迁移学习模型对所述多个类别标签进行训练，得到待检测图像的训练结果；

获取目标待识别图像，采用预置深度学习网络解析所述目标待识别图像，得到目标待确认结果，将所述目标待确认结果与所述待检测图像的训练结果进行比对，得到目标待识别图像的目标识别结果，其中，所述目标识别结果包括第一识别结果与第二识别结果，所述第一识别结果用于指示车辆停靠位置上已停靠运输车辆，所述第二识别结果用于指示车辆停靠位置上未停靠运输车辆。

2.根据权利要求1所述的运输车辆到站检测方法，其特征在于，所述根据预置的分类函数确定每个待检测特征向量的类别标签，得到多个类别标签，并利用预置的迁移学习模型对所述多个类别标签进行训练，得到待检测图像的训练结果包括：

采用卷积神经网络计算所述多个待检测特征向量的基础特征值，得到多个基础特征值；

通过所述多个基础特征值以及预置的分类函数，计算每个待检测特征向量对应的类别标签，得到多个类别标签，其中，每个类别标签与待检测图像一一对应；

利用预置的迁移学习模型对所述多个类别标签进行训练，得到待检测图像的训练结果。

3.根据权利要求2所述的运输车辆到站检测方法，其特征在于，所述通过所述多个基础特征值以及预置的分类函数，计算每个待检测特征向量对应的类别标签，得到多个类别标签，其中，每个类别标签与待检测图像一一对应包括：

采用预置的分类函数分别计算所述多个基础特征值中目标基础特征值与多个预置类别特征值之间的相似匹配值，得到多个相似匹配值；

在所述多个相似匹配值中选取数值最大的目标相似匹配值，将计算所述目标相似匹配度的预置类别特征值所对应的标准类别标签确定为目标基础特征值的类别标签，得到多个类别标签，其中，每个类别标签与待检测图像一一对应。

4.根据权利要求2所述的运输车辆到站检测方法，其特征在于，所述利用预置的迁移学习模型对所述多个类别标签进行训练，得到待检测图像的训练结果包括：

采用数据集划分函数将多个类别标签进行划分，得到训练标签集、验证标签集及测试标签集；

配置预置的初始脚本的设置参数，得到配置后的初始脚本；

将所述训练标签集中的多个类别标签输入到所述配置后的初始脚本中，通过所述配置后的初始脚本对所述训练标签集中的多个类别标签进行训练，得到所述多个类别标签的待验证模型；

将所述验证标签集中的多个类别标签输入到所述待验证模型中，得到所述验证标签集中的多个类别标签对应的多个验证结果，计算所述多个验证结果的准确度，并判断所述多个验证结果的准确度是否大于标准预测准确度；

若所述多个验证结果的准确度大于标准预测准确度，则将所述待验证模型确定为待测试模型，将所述测试标签集中的多个类别标签输入到所述待测试模型中，得到所述测试标签集中的多个类别标签对应的多个测试结果，计算所述多个测试结果的准确度，并判断所述多个测试结果的准确度是否大于预期预测准确度；

若所述待测试模型的准确度大于预期预测准确度，则将所述待测试模型确定为迁移学习模型，将所述测试结果确定为待检测图像的训练结果。

5.根据权利要求4所述的方法，其特征在于，在配置预置的初始脚本的设置参数，得到配置后的初始脚本包括：

在预置的初始脚本输入基础特征值的维度以及类别标签的维度，得到基础脚本；

在所述基础脚本中分别添加一个多维全连接层以及一个二维全连接层，得到候选脚本；

计算所述候选脚本的交叉熵数值，并计算所述交叉熵数值的损失函数，通过函数优化器对所述交叉熵数值的损失函数进行优化，得到配置后的初始脚本。