[发明专利]快递流水线的堵塞识别方法、系统、电子设备及可读存储介质

权利要求书

1.一种快递流水线的堵塞识别方法，其特征在于，所述堵塞识别方法包括：

获取所述快递流水线的监测图像；

根据预先训练的识别模型，对所述监测图像中是否存在堵塞情况进行识别，生成相应的识别结果；

根据所述识别结果，在所述监测图像中存在所述堵塞情况时，生成相应的提示信息；

其中，所述识别模型通过以下步骤训练得到；

获取多个存在所述堵塞情况的监测图像；

对存在所述堵塞情况的监测图像进行预处理，以得到标注有堵塞情况发生区域的训练样本；

根据所述训练样本，采用基于SpinalNet架构的Retinanet目标检测模型对所述堵塞情况进行识别训练，以生成所述识别模型。

2.如权利要求1所述的堵塞识别方法，其特征在于，对存在所述堵塞情况的监测图像的所述预处理具体包括：

对所述监测图像中的所述堵塞情况发生区域进行标注划分，生成相应的.xml格式的标注文件；

将所述.xml格式的标注文件转化为.csv格式的训练集，所述.csv格式的训练集包括所述监测图像的图像信息和所述堵塞情况发生区域于所述监测图像中的分布信息。

3.如权利要求1所述的堵塞识别方法，其特征在于，所述基于SpinalNet架构的Retinanet目标检测模型包括：

基于SpinalNet架构的主干网络，用于对所述监测图像的图像特征进行提取；

第一子网，用于对所述堵塞情况发生区域和其他区域进行区分；

第二子网，用于对所述堵塞情况发生区域的边缘进行回归确定。

4.如权利要求3所述的堵塞识别方法，其特征在于，对所述监测图像中是否存在堵塞情况进行识别的具体步骤包括：

所述主干网络对所述监测图像进行图像特征提取和图像金字塔的处理，以获取多个有效特征层；

将每个所述有效特征层分别经过所述第一子网和所述第二子网，以获取所述监测图像中是否存在所述堵塞情况的预测结果；

根据所述预测结果，在所述监测图像中存在所述堵塞情况时，对所述监测图像中的所述堵塞情况发生区域进行标注。

5.如权利要求3所述的堵塞识别方法，其特征在于，所述主干网络包括依次序设置的多个输入行、依次序设置的多个中间行和输出行，所述输入行和所述中间行一一对应；

所述中间行接收对应的所述输入行的输入内容，并将输出内容输出至所述输出行和依次序的下一个所述中间行。

6.如权利要求1所述的堵塞识别方法，其特征在于，采用RAdam优化器对所述基于SpinalNet架构的Retinanet目标检测模型中的优化器进行替换；

所述RAdam优化器用于加快所述基于SpinalNet架构的Retinanet目标检测模型的识别训练速度。

7.如权利要求1所述的堵塞识别方法，其特征在于，所述训练样本包括第一预设比例的训练集、第二预设比例的验证集和第三预设比例的测试集。

8.一种快递流水线的堵塞识别系统，其特征在于，应用于如权利要求1至7中任意一项所述的堵塞识别方法中，所述堵塞识别系统具体包括：

监测模块，用于获取所述快递流水线的监测图像；

识别模块，连接所述监测模块，用于根据预先训练的识别模型，对所述监测图像中是否存在堵塞情况进行识别，生成相应的识别结果；

提示模块，连接所述识别模块，用于根据所述识别结果，在所述监测图像存在所述堵塞情况时，生成相应的提示信息。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器用于存储处理程序；

处理器，所述处理器执行所述处理程序时实现如权利要求1至7中任意一项所述的堵塞识别方法。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有处理程序，所述处理程序被处理器执行时实现如权利要求1至7中任意一项所述的堵塞识别方法。