[发明专利]快递物品的识别分类方法、装置、设备和存储介质

权利要求书

1.一种快递物品的识别分类方法，其特征在于，包括：

步骤S1：获取安检装置保存的快递物品的历史图像，对历史图像进行类别标注，建立图像数据集；

步骤S2：基于Retinex模型，对图像数据集进行数据增强，得到扩大数据量的图像数据集；

步骤S3：基于EfficientDet目标检测器，创建物品识别分类模型，将所述步骤S2中的图像数据集输入物品识别分类模型中进行训练，优化所述物品识别分类模型；

步骤S4：将待识别物品的图像输入所述物品识别分类模型中，输出待识别物品的类别。

2.如权利要求1所述的快递物品的识别分类方法，其特征在于，所述步骤S1进一步包括：

采用Labeling工具对历史图像进行类别标注；

将类别标注后的历史图像按voc数据集的格式进行存储。

3.如权利要求2所述的快递物品的识别分类方法，其特征在于，所述将类别标注后的历史图像按voc数据集的格式进行存储进一步包括：

创建voc数据集，将未标注的历史图像保存于JPEGImages文件夹中；

将标注后的历史图像保存于Annotations文件夹中；JPEGImages文件夹中的历史图像的名称与Annotations文件夹中的xml文件的名称一一对应；

在voc数据集的ImageSets\Main文件夹中建立四个txt文件，分别为test.txt、train.txt、val.txt及trainval.txt，依次作为模型测试集、模型训练集、模型验证集及模型训练+验证集；按预设的比例分别为四个txt文件分配图像数据。

4.如权利要求1所述的快递物品的识别分类方法，其特征在于，所述步骤S2进一步包括：

基于Retinex模型，通过图像反射、图像对比度变换及噪声扰动方法扩大图像数据集的数据量。

5.如权利要求1所述的快递物品的识别分类方法，其特征在于，所述步骤S3进一步包括：

物品识别分类模型将EfficientDet目标检测器中的EfficientNet作为主干网络，将BiFPN作为特征网络并接收来自主干网络的图像数据集，将图像的特征输入边界框或类别预测网络，分别输出边界框及目标类别的预测结果。

6.如权利要求5所述的快递物品的识别分类方法，其特征在于，所述物品识别分类模型将EfficientNet作为主干网络进一步包括：

采用SpatialDropout方法替换EfficientNet主干网络中的dropout方法。

7.一种快递物品的识别分类装置，其特征在于，包括：

图像获取模块，用于获取安检装置保存的快递物品的历史图像，对历史图像进行类别标注，建立图像数据集；

图像处理模块，用于基于Retinex模型，对图像数据集进行数据增强，得到扩大数据量的图像数据集；

模型创建模块，用于基于EfficientDet目标检测器，创建物品识别分类模型，将所述图像处理模块得到的图像数据集输入物品识别分类模型中进行训练，优化所述物品识别分类模型；

物品识别模块，用于将待识别物品的图像输入所述物品识别分类模型中，输出待识别物品的类别。

8.如权利要求7所述的快递物品的识别分类装置，其特征在于，所述图像获取模块包括数据集创建单元及类别标注单元；

所述数据集创建单元用于创建voc数据集，将未标注的历史图像保存于JPEGImages文件夹中；

所述类别标注单元用于采用Labeling工具对历史图像进行类别标注，将标注后的历史图像保存于Annotations文件夹中；JPEGImages文件夹中的历史图像的名称与Annotations文件夹中的xml文件的名称一一对应。