[发明专利]基于物联网的快递包裹破损识别方法及系统

说明书

本发明提供了基于物联网的快递包裹破损识别方法及系统，通过远距离、近距离摄像头获取快递包裹多个方位和角度的图片，建立图片模型并前置灰度值异常判断，比对获得疑似破损包裹的图片，对疑似破损包裹的图片进行稳定性处理优化图片质量，根据优化图片计算破损度。本发明基于物联网平台实现数据管理，采用全方位监控包裹，灰度值异常判断前置，对快递包括快速预检，采用多点矩阵对灰度稳定度进行提升，提高了异常灰度面图片质量，适应于处理大量快递并发检测场景，提高了包裹破损面识别检测的效率。

技术领域

本发明涉及大数据的技术领域，特别涉及基于物联网的快递包裹破损识别方法及系统。

背景技术

随着物流行业的迅猛发展，物流已经渗透人们平常生活的各个方面。随着电子商务的普及，越来越多的人通过网络进行商品选购。为应对越来越多的破损包裹识别需求，目前的包裹识别主要靠人工在流水线前端查看，无法通过视频流对分拣中心的破损包裹进行识别，而利用人工查看的方式无法保证检验结果的客观性。

现有技术中，通常通过标注图像训练得到的包裹缺陷识别模型对包裹分拣中心中的破损包裹进行识别，可以无法充分运用视频流对破损包裹进行识别的技术问题，但是现有的标注技术大部分都是需要借助人工实现，效率也有待提高。

发明内容

基于上述问题，本发明提出了一种基于物联网的快递包裹破损识别方法、系统及计算机可读存储介质，采用全方位监控包裹，灰度值异常判断前置，对大量快递进行快速预检，采用多点矩阵对灰度稳定度进行提升，提高异常灰度面图片质量，并通过对破损面建立坐标系，计算两个集合的双向距离，适应于处理大量快递并发检测场景，提高了包裹破损面识别检测的效率。

为实现上述目的，解决现有技术的问题，本发明提供了一种基于物联网的快递包裹破损识别方法，所述方法包括：

步骤101，获取快递包裹多角度图片，建立第一图片模型；

步骤102，获取广角快递包裹图片，并存储至第一图片模型；

步骤103，将所示第一图片模型转化为第二图片模型，计算第二图片模型中存储的每个图片所有像素的第一平均灰度以及对应待检测包裹所有图片的第二平均灰度，比对第一平均灰度值与第二平均灰度值获得第一破损图片；

步骤104，对所述第一破损图片进行稳定性处理，获得第二破损图片；

步骤105，对所述第二破损图片进行计算，获得破损度；

步骤106，对所述破损度超过预设阈值的包括进行预警提示，发送至物联网平台。

进一步地，建立第一图片模型具体为，当快递包裹通过检测设备时，检测设备提取设备编号，对快递包裹拍摄图片，建立第一图片模型M^k_g，其中k表示快递包裹的编号，g表示图片采集方位。

进一步地，所述获得第二破损图片具体为，对图片中每个像素，以该像素为中心，取上下、左右两列像素组成n*n的矩阵，计算矩阵中除了中心像素点的n*n-1个像素点的平均灰度值，并将该值赋值给中心像素点，公式如下：

其中S(x，y)为中心像素点灰度值。t为n*n-1，h(x，y)为中心像素点附近的像素的灰度值。

进一步地，所述获得破损度具体为，

建立平面坐标系，计算破损面所有像素的平均灰度值，标记灰度差异点，取所有差异点最大纵坐标值Y1和最小纵坐标值Y2，取Y1与Y2的平均值为分界线，将差异点分为两个集合，V{P1,P2……Ps}表示y值处于分界线以上的点集合，P1到Ps表示集合里s个差异点的灰度值，K{Q1,Q2……Qr}表示y值处于分界线以下的点集合，Q1到Qr表示集合里r个差异点的灰度值，计算集合V到集合K的距离：