[发明专利]一种基于生成对抗网络的库位状态检测方法及系统、存储介质

权利要求书

1.一种基于生成对抗网络的库位状态检测方法，其特征在于，步骤包括：

步骤S100，采集库位空置及占用状态下的多张图片，分别定义为正、负样本；

步骤S200，将正样本作为输入来训练GANomaly对抗网络，直至确保正样本与其重构图相似度达成预期目标；

步骤S300，将库位当前真实图输入训练后的GANomaly对抗网络，获取重构图后进行后处理，以获取比较值；根据正、负样本在训练后的GANomaly对抗网络中所生成的对应重构图之间的差值边界定义出库位状态判断值 ；将比较值与进行比较，以判断出对应的库位状态反馈,其中所述库位状态判断值，其中为各正样本与其重构图之间的最大差异值，为各负样本与其重构图之间的最小差异值，其中alpha为阈值靠近上下边界的程度。

2.根据权利要求1所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中，重构图的后处理步骤包括：获取对应重构图后与真实图进行差值计算，然后对差值计算后的重构图进行灰值化及自适应阈值二值化处理，之后再进行求和统计，以获取比较值。

3.根据权利要求1所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中：

；

；

其中为：各正样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，m为正样本个数；为：各负样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，n为负样本个数；Gray为灰值化处理，AdaThresh自适应阈值二值化处理，sum为求和统计计算。

4.一种基于生成对抗网络的库位状态检测方法，其特征在于，步骤包括：

步骤S100，采集库位空置及占用状态下的多张图片，分别定义为正样本x、负样本y；

步骤S200，构建GANomaly对抗网络，将正样本x作为输入，获取正样本对应的重构图，并判别x与的真假，以生成对抗网络交替训练，直至确保x与相似度达成预期目标；

步骤S300，定义库位状态判断值，其中为各正样本与其重构图之间的最大差异值，为各负样本与其重构图之间的最小差异值；

步骤S400,将待检库位真实图x1输入训练完毕的GANomaly对抗网络中，获取重构图，并将与x1进行差值计算，然后对x1’进行灰值化处理及自适应阈值二值化处理后，再进行求和统计以获取比较值X2；

步骤S500,判断X2是否大于，若为是则库位为占用状态，反之为空置状态。

5.根据权利要求4所述的基于生成对抗网络的库位状态检测方法，其特征在于，所述步骤S300中：

；

；

其中为：各正样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，m为正样本个数；为：各负样本输入训练好的GANomaly对抗网络获取其重构图以与计算差值绝对值，，n为负样本个数；Gray为灰值化处理，AdaThresh自适应阈值二值化处理，sum为求和统计计算。

6.一种基于生成对抗网络的库位状态检测系统，其特征在于包括：

存储单元，用于存储包括如权利要求1至5中任一所述基于生成对抗网络的库位状态检测方法步骤的程序，以供控制单元，处理单元，适时调取执行；

控制单元，用于操控相机采集库位空置及占用状态下的多张图片，分别定义为正、负样本；

处理单元，用于将正样本作为输入来训练GANomaly对抗网络，直至确保正样本与其重构图相似度达成预期目标；

控制单元还用于操控相机采集库位当前真实图；

处理单元还将真实图输入训练后的GANomaly对抗网络，以计算真实图与其重构图的差值，并进行灰值化及自适应阈值二值化处理，然后再进行求和统计以获取比较值；将比较值与库位状态判断值进行比较，以判断出对应的库位状态反馈。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。