(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211343315.7 (22)申请日 2022.10.31 (71)申请人 上海东普信息科技有限公司 地址 201700 上海市青浦区外 青松公路 5045号508室U区4 4号 (72)发明人 余刚　杨周龙　陈伟　胡大海　 金虎　陈乃翁　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 高茹 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/26(2022.01)G06Q 10/08(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 快件堆积异常预警方法、 装置、 设备及存储 介质 (57)摘要 本发明涉及图像识别技术领域， 公开了一种 快件堆积异常预警方法、 装置、 设备及存储介质。 本方法包括： 通过对目标场景在预设时间段内的 实时场景图像进行灰度处理， 得到灰度图像， 并 将灰度图像输入 预设快件 标注模型， 通过预设快 件标注模型对实时场景图像进行分割标注， 得到 实时场景图像中的目标快件图像； 基于预设图像 分析算法， 对目标快件图像进行解析， 得到目标 场景中的快件堆积数据； 基于快件堆积数据， 计 算目标场景中对应格口的快件容积率， 并根据快 件容积率判断是否进行预警。 本发 明通过快件 标 注模型和最短路径算法计算目标场景中快件堆 积率， 提高了货物识别的效率和准确率， 解决了 快件堆积量异常预警准确率低的技 术问题。 权利要求书2页 说明书14页 附图5页 CN 115512134 A 2022.12.23 CN 115512134 A 1.一种快件堆积异常预警方法， 其特 征在于， 所述快件堆积异常预警方法包括： 基于预设数据采集设备， 采集目标场景在预设时间段内的实时场景图像， 其中， 所述实 时场景图像中包 含有待分拣快件； 对所述实时场景图像进行灰度处理， 得到灰度图像， 并将所述灰度图像输入预设快件 标注模型， 通过预设快件标注模型对所述实时场景图像进行分割标注， 得到所述实时场景 图像中的目标 快件图像； 基于预设图像分析算法， 对所述目标快件图像进行解析， 得到所述目标场景中的快件 堆积数据； 基于所述快件堆积数据， 计算所述目标场景中对应格口的快件容积率， 并根据所述快 件容积率判断是否进行 预警。 2.根据权利要求1所述的快件堆积异常预警方法， 其特征在于， 所述将所述灰度图像输 入预设快件标注模型， 通过预设快件标注模型对所述实时场景图像进行分割标注， 得到所 述实时场景图像中的目标 快件图像， 包括： 基于预设快件标注模型， 对所述灰度图像进行检测， 得到所述灰度图像中包含的多个 目标快件； 基于所述快件标注模型， 对多个所述目标快件进行分类， 得到所述目标快件的特征类 别； 基于所述目标快件的特征类别， 对所述实时场景图像中的目标快件进行标注， 得到所 述实时场景图像数据中的目标 快件图像。 3.根据权利要求2所述的快件堆积异常预警方法， 其特征在于， 所述基于所述目标快件 的特征类别， 对所述实时场景图像中的目标快件进行标注， 得到所述实时场景图像数据中 的目标快件图像， 包括： 基于所述目标快件的特征类别， 将所述灰度图像输入预设快件标注模型进行预处理， 得到所述灰度图像的权值矩阵和所述灰度图像上的标记点； 基于所述权值矩阵和预设最短路径算法， 计算所述灰度图像上的标记点之间的最短路 径， 并根据所述 最短路径确定图像分割边界； 基于所述图像分割边界， 对所述灰度图像进行分割标注， 得到所述实时场景图像中的 目标快件图像。 4.根据权利要求1所述的快件堆积异常预警方法， 其特征在于， 所述基于预设图像分析 算法， 对所述目标 快件图像进行解析， 得到所述目标场景中的快件堆积数据， 包括： 基于预设图像分析算法， 对所述目标快件图像进行特征提取， 得到所述目标快件图像 中目标快件的特 征区域； 基于预设开源算法， 根据所述目标快件图像和所述目标快件的区域特征， 确定所述区 域特征对应的目标 快件轮廓范围； 根据所述目标 快件轮廓范围， 确定所述目标场景中的快件堆积数据。 5.根据权利要求4所述的快件堆积异常预警方法， 其特征在于， 所述基于预设开源算 法， 根据所述 目标快件图像和所述 目标快件的区域特征， 确定所述区域特征对应的目标快 件轮廓范围， 包括： 通过所述目标场景中的多个目标快件图像， 基于预设高斯函数和所述目标快件的特征权　利　要　求　书 1/2 页 2 CN 115512134 A 2区域， 从所述目标 快件图像中提取多个特 征轮廓值； 分别对多个所述特 征轮廓值进行提取， 得到目标 特征位置坐标； 基于预设开源算法和所述目标特征位置坐标， 确定所述 区域特征对应的目标快件轮廓 范围。 6.根据权利要求1所述的快件堆积异常预警方法， 其特征在于， 所述基于所述快件堆积 数据， 计算所述目标场景中对应格口的快件容积率， 并根据所述快件容积率判断是否进行 预警， 包括： 基于所述快件堆积数据， 计算所述目标场景中对应 格口的的快件容积率； 判断所述快件容积率是否大于预设容积率报警阈值； 若所述快件容积率大于预设容积率报 警阈值， 则发送告警邮件至预设告警中心进行告 警。 7.根据权利要求1所述的快件堆积异常预警方法， 其特征在于， 在所述基于预设数据采 集设备获取目标场景在预设时间段内的场景图像数据之前， 还 包括： 基于预设图像采集设备获取所述目标场景多帧历史场景图像， 并将所述历史场景图像 作为训练样本图像， 其中， 所述训练样本图像中包 含多个待分拣快件； 获取预先建立的图像标注网络， 并将所述训练样本 图像输入所述图像标注网络， 得到 所述训练样本图像的第一图像特 征和第二图像特 征； 对所述第一图像特 征和第二图像特 征进行域分离， 得到分离域特 征； 基于所述分离域特 征， 计算所述图像标注网络的损失函数； 基于所述图像标注网络的损失函数对所述图像标注网络进行训练， 直到所述图像标注 网络中的相关参数使得 所述损失函数收敛， 得到快件标注模型。 8.一种快件堆积异常预警装置， 其特 征在于， 所述快件堆积异常预警装置包括： 采集模块， 用于基于预设数据采集设备， 采集目标场景在预设时间段内的实时场景图 像， 其中， 所述实时场景图像中包 含有待分拣快件； 标注模块， 用于对所述实时场景图像进行灰度处理， 得到灰度图像， 并将所述灰度图像 输入预设快件标注模型， 通过预设快件标注模型对所述实时场景图像进行分割处理， 得到 所述实时场景图像中的目标 快件图像； 解析模块， 用于基于预设图像分析算法， 对所述目标快件图像进行解析， 得到所述目标 场景中的快件堆积数据； 第一计算模块， 用于基于所述快件堆积数据， 计算所述目标场景中对应格口的快件容 积率， 并根据所述快件容积率判断是否进行 预警。 9.一种快件堆积异常预警设备， 其特征在于， 所述快件堆积异常预警设备包括： 存储器 和至少一个处理器， 所述存储器中存储有指令， 所述存储器和所述至少一个处理器通过线 路互连； 所述至少一个处理器调用所述存储器中的所述指令， 以使得所述快件堆积异常预警设 备执行如权利要求1 ‑7中任一项所述的快件堆积异常预警方法的各个步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质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如权利要求1 ‑7中任一项所述的快件堆积异常 预警方法的各个步骤。权　利　要　求　书 2/2 页 3 CN 115512134 A 3