[发明专利]物流货车准时到站识别方法、装置、设备和存储介质

说明书

本发明公开了物流货车准时到站识别方法、装置、设备和存储介质，该方法包括：S1：对物流货车的站台进行图像采集，获取样本图像集；S2：基于Xception网络架构搭建Xception模型，其中，将模型的学习率调整为自适应，并对模型加入用于减弱深层神经网络的过拟合效应的Dropout层；S3：加载预先训练好的预训练模型，输入搭建好的模型中，通过样本图像集从预训练模型开始训练；S4：对训练完成之后的模型进行测试，输出得到准时到站识别模型；S5：通过准时到站识别模型对车站场景进行监控识别。本发明解决了现有物流行业货车入场速度较慢、进站识别慢、容易造成货车运输晚点，从而影响快递派送效率的技术问题，能够提高货车进站效率高、识别速度快，实现物流的智能化。

技术领域

本发明属于物流智能化技术领域，尤其涉及物流货车准时到站识别方法、装置、设备和存储介质。

背景技术

在物流行业，随着近年来物流总需求的平稳增长，物流运输网络越来越繁荣，次日达、当日达等快速的物流运输服务也越来越频繁，给人们带来了实实在在的方便，为满足物流运输的日异月新需求，整个物流行业都向着速度更快、服务质量更高的方向不断发展。

但是相对地，随着物流运输网络越来越繁荣，物流运输网络的复杂程度也越来越高，这对于物流运输的监控管控要求也越来越高，尤其是货车运输，作为物流运输中重要的一环节，其每天都需要在各个物流站点进行装货卸货，因此，物流站点经常是货车拥堵排队的地方，经常影响货车准时到站，从而影响整个物流运输的效率。

针对货车准时到站而言，目前现有的自动化的货车到站系统也是依靠停车场车牌识别和门禁系统，但是货车入场速度较慢，而且还需要进行排队等待，在此情况下容易造成货车运输晚点的情况，影响快递派送效率。同时现有技术中对于货车准时到站识别的智能化水平不高，识别的图片有大小、分辨率的限制，识别速度往往慢，不能满足快递行业时效性的要求。

发明内容

本发明为解决上述技术问题，提供了物流货车准时到站识别方法、装置、设备和存储介质，具有货车进站效率高、识别速度快、物流智能化的技术特点。

本发明的技术方案为：

一种物流货车准时到站识别方法，包括以下步骤：

S1：对物流货车的站台进行图像采集，获取样本图像集；

S2：基于Xception网络架构搭建Xception模型，Xception模型包括输入层、卷积层、池化层、全连接层和输出层，其中，将Xception模型的学习率调整为自适应，并对Xception模型加入用于减弱深层神经网络的过拟合效应的Dropout层；

S3：加载预先通过同类数据集训练好的预训练模型，输入搭建好的Xception模型中，通过样本图像集从预训练模型开始训练；

S4：对训练完成之后的模型进行测试，输出得到准时到站识别模型；

S5：通过准时到站识别模型对车站场景进行监控识别，判断是否有物流货车到站。

根据本发明一实施例，步骤S2中，输入层包括以下图像处理步骤：

对输入的图像进行归一化的预处理，之后输入至卷积层。

根据本发明一实施例，步骤S2中，卷积层包括以下图像处理步骤：

对预处理之后的图像进行大小统一，并通过卷积进行初步特征提取，得到特征提取图；

通过尺寸不同的深度可分离卷积对特征提取图进行特征的进一步提取，依次提取得到初级特征、中级特征和高级特征。

根据本发明一实施例，步骤S2中，池化层包括以下图像处理步骤：