CN119478694A 一种面向无人仓货架的货物自动盘点方法及系统 （国网冀北电力有限公司唐山供电公司）

司一种面向无人仓货架的货物自动盘点方法一种面向无人仓货架的货物自动盘点方法用目标检测算法从捕获到的连续货物图像中提签，并通过损失函数迭代优化所述目标检测算2采用目标检测算法从捕获到的连续货物图像中提取货物针对每一个货物边界框，计算所述货物边界框中货物的形预定义不同类型货物的货物模板，将货物模板与所述货物的特征向采用YOLO或SSD算法从所述连续货物图像中提取货物对所述货物边界框内的图像进行颜色空间转换，计算不同颜色空间下所利用MDNet在线跟踪CNN，将所述货物边界框所述预定义不同类型货物的货物模板，将货物模板与所述货物的特征向量进行匹配，所述不同类型货物的货物模板是不同类型货物的标所述标准特征向量是通过预先采集不同类型货物的标准图像并对所述标准图像进行所述将货物模板与所述货物的特征向量进行匹配是通过欧式距离、曼3分析当前一个货物边界框与一种类型货物模板之间的匹配结所述利用卡尔曼滤波目标跟踪算法对目标检测算法提取出的货物计算所述连续货物图像中不同时刻的目标位置，关联为所述系统利用权利要求1_8任一项权利要求所述的一种面向无人仓货架的货物自动盘所述匹配模块，用于预定义不同类型货物的货物模板，将货物模板所述跟踪模块，用于利用卡尔曼滤波目标跟踪算法对目标检测算法所述处理器用于根据所述指令进行操作以执行根据权利要求1_8任一项所述方法的步45[0007]随着条形码技术的发展，手持PDA(PersonalDigitalAssistant)设备被引入仓[0008]RFID(RadioFrequencyIdentification)技术的出现和发展为仓储管理带来了67[0025]优选的，利用卡尔曼滤波目标跟踪算法对目标检测算法8[0035]图1为本发明一种面向无人仓货架的货物自动盘点方法中自动盘点系统的部署示[0037]图3为本发明一种面向无人仓货架的货物自动盘点方法中货物模板匹配的示意9[0040]图1为本发明一种面向无人仓货架的货物自动盘点方法中自动盘点系统的部署示[0048]图2为本发明一种面向无人仓货架的货物自动盘点方法中图像降噪的示意图。使[0057]检测图像中的边缘信息可为后续的图像分割和特征提取做准备，使用Canny边缘使用Sobel算子或其他边缘检测算子计算每个像素的梯度幅值和方向。梯度幅值计算公式网格单元负责预测其内部的目标。每个网格单元预测固定数量的边界框及其置信度分数，[0068]无人仓需要实时处理大量货物信息，因此采用YOLO算法能有效提升目标检测效[0071]形状特征提取，需要选择一个适合边缘检测的深度学习模型，如卷积神经网络)2+(3η21_η03)2在某个颜色空间中的值)。颜色矩是一种简单的颜色特征表示方法，它使用颜色分布的矩[0084]预训练深度CNN，应用了多域训练的网络结构(Multi_DomainNetwMDNet就是指将一种来自多个领域和域信息的训练数据应用到学习过程中的学习方法。在区分每个域中的目标和背景。VGG_M网络是基于VGG_16架构的一个变体，它通过使用多个[0085]Dropout是一种在神经网络训练过程中用于防止过拟合的技术，它通过在每次迭[0093]步骤3，预定义不同类型货物的货物模板，将货物模板与货物的特征向量进行匹多个样本图像中提取并平均得到。货物模板定义的主要目的是为了提供一个标准或参考，[0096]特征匹配将从待识别货物图像中提取出的特征向量与预定义的货物模板进行匹[0103]图3为本发明一种面向无人仓货架的货物自动盘点方法中货物模板匹配的示意[0108]YOLO的损失函数由三部分组成：定位损失、置信度损失和分类损失。定位损失[0117]优选的，利用卡尔曼滤波目标跟踪算法对目标检测算法