一种基于目标检测的输送带上包裹阻塞滑落问题检测方法与流程

本发明涉及人工智能，具体为一种基于目标检测的输送带上包裹阻塞滑落问题检测方法。

背景技术：

1、现如今，随着经济的快速发展和网购的日益流行，物流行业也得到了飞速地发展，分拣机作为物流输送过程中极为重要的一环也在逐渐向自动化、智能化方向发展。而在分拣机对快递包裹进行分拣输送的过程中，由于包裹在输送带上位置偏移、或各个输送带之间的连接处存在间隙、或输送带转弯处设计问题等原因，常有包裹在分拣输送带上滑落或阻塞的情形出现。这种问题在寄递包裹的高峰期，如“双十一”、“双十二”等时期，会对物流输送造成巨大的压力和负担。

2、目前，目标检测算法作为计算机视觉领域的主要研究方向之一，逐渐得到了广泛的关注，其中，基于深度学习的目标检测算法成为发展的主流，其算法性能也远超手工设计特征的传统算法。经过长年的研究，基于深度学习的目标检测在算法识别精度和检测速度上取得了显著成就。

3、考虑到上述因素，结合基于深度学习的目标检测算法，提出了一种输送带上包裹阻塞滑落问题检测方法，以解决上述问题。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，提出了本发明。

3、因此，本发明解决的技术问题是：现有的快递包裹问题主要靠人工进行发现处理，成本高并且不够及时，在小目标的检测精度和跟踪效果上也不够理想。

4、为解决上述技术问题，本发明提供如下技术方案：一种基于目标检测的输送带上包裹阻塞滑落问题检测方法，包括：

5、采集图像，构建yolov5网络的训练数据集并进行训练，获得目标检测模型；

6、利用所述目标检测模型对快递包裹进行检测，获取空间信息和分类信息；

7、使用目标匹配算法将图像中的快递包裹进行目标匹配，并构建基于历史信息的快递包裹轨迹预测模型；

8、利用所述轨迹预测模型在快递包裹滑落和阻塞时发出警报。

9、作为本发明所述的基于目标检测的输送带上包裹阻塞滑落问题检测方法的一种优选方案，其中：所述的训练数据集包括不同时间段、不同位置上输送带对快递包裹的分拣输送图像，以及每一幅图像的标注信息，且要求图像中的快递包裹大小不一；所述的标注信息包括：快递包裹的位置信息、分类信息，输送带的位置信息、分类信息。

10、作为本发明所述的基于粒子群遗传算法的计算平台负载平衡方法的一种优选方案，其中：所述的目标匹配算法包括：

11、

12、其中，α为权重系数；xi表示快递包裹在时刻a时的横轴坐标；yi表示快递包裹在时刻a时的纵轴坐标；表示快递包裹在a时中心点的横轴坐标；表示快递包裹在时刻a时中心点的纵轴坐标；x'i表示快递包裹在时刻b时的横轴坐标；y'i表示快递包裹在时刻b时的纵轴坐标；表示快递包裹在时刻b时其中心点的横轴坐标；表示快递包裹在时刻b时其中心点的纵轴坐标；v表示快递包裹的平均移动速度；t表示时刻a和时刻b之间的时间差。

13、作为本发明所述的基于目标检测的输送带上包裹阻塞滑落问题检测方法的一种优选方案，其中：所述的轨迹预测模型包括：采样、更新、状态估计、重采样四个步骤；

14、所述采样包括：

15、

16、其中，p(qk|o1:k-1)表示k时快递包裹的先验概率密度；p(qk-1|o1:k-1)表示k-1时快递包裹的先验概率密度；p(qk|qk-1)表示状态转移模型；p(qk|o1:k)表示快递包裹的后验概率密度；p(ok|qk)表示在状态qk时测量结果概率分布的观测模型；qk表示在k时快递包裹的状态信息；qk-1表示在k-1时快递包裹的状态信息；o1:k-1表示在k-1时快递包裹的观测信息；

17、所述更新包括：

18、

19、其中，e表示快递包裹的预测轨迹；g(qk)表示快递包裹的位置信息预测值；

20、根据状态转移模型p(qk|qk-1)，确定不同预测轨迹的重要性程度，表示为：

21、

22、其中，μk(i)表示k时预测轨迹的重要性程度；n表示自然数μk-1(i)表示k-1时预测轨迹的重要性程度。

23、所述状态估计包括：

24、

25、表示k时快递包裹的运动状态估计；qk(i)表示在k时快递包裹的状态信息；

26、所述重采样为根据粒子的重要性程度μk(i)，丢弃权重低的粒子，复制权重高的粒子，重新生成粒子群，以供下一时刻的采样使用。

27、作为本发明所述的基于目标检测的输送带上包裹阻塞滑落问题检测方法的一种优选方案，其中：所述快递包裹滑落和阻塞包括：将获得的预测快递包裹位置信息与所采集图像中输送带的位置信息进行比对判断；

28、当预测的快递包裹位置与所采集到的图像中包裹位置几乎一致时，则认为快递包裹在输送带上堵塞；当预测的快递包裹位置不在输送带的范围内时，则认为快递包裹从输送带上滑落。

29、作为本发明所述的基于目标检测的输送带上包裹阻塞滑落问题检测方法的一种优选方案，其中：所述滑落的可能性表示为：

30、

31、其中，s1表示快递包裹滑落的可能性，s1越接近0表示包裹滑落的可能性越大；β表示输送带的类型，β＝0表示为环型输送带，β＝1表示为直线型输送带；x表示a时快递包裹在x轴上的位置信息，x'表示b时快递包裹在x轴上的位置信息；xs表示a时输送带在x轴上的位置信息，x's表示b时输送带在x轴上的位置信息；c表示快递包裹的离心率，cs表示环型输送带的离心率。

32、作为本发明所述的基于目标检测的输送带上包裹阻塞滑落问题检测方法的一种优选方案，其中：所述阻塞的可能性表示为：

33、

34、

35、其中，s2表示快递包裹阻塞的可能性；xk-xk-1表示快递包裹移动的距离；xk表示k时快递包裹在x轴上的位置，xk-1表示k-1时快递包裹在x轴上的位置；yk表示k时快递包裹在y轴上的位置，yk-1表示k-1时快递包裹在y轴上的位置；vδt表示输送带移动的距离，v表示输送带的移速，δt表示k时和k-1时的时间间隔；

36、当快递包裹移动的距离远小于输送带在相同时间间隔内移动的距离，快递包裹处于阻塞状态；当快递包裹移动的距离与输送带在相同时间间隔内移动的距离基本相同，快递包裹未处于阻塞状态。

37、第二方面，本发明还提供了一种基于目标检测的输送带上包裹阻塞滑落问题检测的装置，包括，

38、图像采集模块，采集包含待检测目标的图像，确定分拣机输送带及快递包裹的种类，将图像传输到信息处理模块；

39、信息处理模块，利用采集到的图像构建yolov5网络的训练数据集并训练，获得目标检测模型，利用目标检测模型获取快递包裹的空间信息和分类信息，传输到轨迹预测模块；

40、轨迹预测模块，目标匹配算法将所采集到的快递包裹前后两个时刻的位置信息进行目标匹配，基于历史信息的快递轨迹预测模型对匹配完成的同一快递包裹在不同时刻的运动轨迹进行分析，获得快递包裹下一时刻的位置信息并传输到报警模块；

41、报警模块，将获得的预测快递包裹位置信息与所采集图像中输送带的位置信息进行比对判断，在快递包裹阻塞和滑落时发出警报信号。

42、第三方面，本发明还提供了一种计算设备，包括：存储器和处理器；

43、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于目标检测的输送带上包裹阻塞滑落问题检测方法的步骤。

44、第四方面，本发明还提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于目标检测的输送带上包裹阻塞滑落问题检测方法的步骤。

45、本发明的有益效果：本发明采用了yolo技术对物流仓储的分拣输送环节进行检测，能够及时地发现环节中快递包裹阻塞滑落等问题，提高了分拣输送的效率；对输送带上每一个快递包裹在连续时间段内采集的图像进行目标匹配和跟踪性预测分析，为输送过程中的潜在失误提前做出示警。