CN109242874B - 一种准编织袋物流包裹快速识别方法及*** - Google Patents

一种准编织袋物流包裹快速识别方法及*** Download PDF

Info

Publication number
CN109242874B
CN109242874B CN201811125918.3A CN201811125918A CN109242874B CN 109242874 B CN109242874 B CN 109242874B CN 201811125918 A CN201811125918 A CN 201811125918A CN 109242874 B CN109242874 B CN 109242874B
Authority
CN
China
Prior art keywords
calculating
logistics
quasi
coordinate system
logistics packages
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811125918.3A
Other languages
English (en)
Other versions
CN109242874A (zh
Inventor
徐圣兵
陈广诚
王琳
汪净
徐杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201811125918.3A priority Critical patent/CN109242874B/zh
Publication of CN109242874A publication Critical patent/CN109242874A/zh
Application granted granted Critical
Publication of CN109242874B publication Critical patent/CN109242874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种准编织袋物流包裹快速识别方法及***，其中方法包括以下步骤：预设分类阈值R；相机拍摄获取物流包裹的图片；从物流包裹的图片中获取物流包裹的边缘轮廓图形；计算获取边缘轮廓图形的面积Se；计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn；计算获取面积比值r＝1‑Se/Sn；判断r是否≧R，若是，则判定物流包裹为准编织袋；若否，则判定物流包裹不为准编织袋。本发明提供了一种准编织袋物流包裹快速识别***及方法，可以通过相机拍摄的图片快速判断物流包裹是否为准编织袋，无需采用昂贵的高精度扫描仪，节约了成本，且判断快捷精确。

Description

一种准编织袋物流包裹快速识别方法及***
技术领域
本发明涉及物流领域，尤其涉及一种准编织袋物流包裹快速识别方法及***。
背景技术
我国快递业规模庞大，根据国家***预计，2018年中国快递业务量将完成490亿件，同比增长22.2％；快递业务收入完成5950亿元，同比增长20.2％。按2016年末中国大陆13.8亿人口计算，人均快递量达35件。在业务需求的推动下，部分大型快递公司已实现了部分快递包裹自动分拣的流水线，但针对准编织袋类物流包裹的处理，由于准编织袋的形变，快递单往往被过度弯曲甚至遮盖，需要人工分拣这类包裹。
过去识别准编织袋包裹，往往采用激光扫描的方式获取包裹的形状点云，通过分析点云的形状判断包裹是否为外形不规则的准编织袋，这类方法需要使用高精度扫描仪，而高精度扫描仪的价格往往需要十万以上，致使激光扫描的方式成本高昂。因此亟需一种低成本地准编制袋物流包裹快速识别方法。
发明内容
本发明的目的在于提供一种准编织袋物流包裹快速识别方法及***，可以低成本地识别准编织袋。
一种准编织袋物流包裹快速识别方法，其特征在于，包括以下步骤：
预设分类阈值R；
相机拍摄获取物流包裹的图片；
从物流包裹的图片中获取物流包裹的边缘轮廓图形；
计算获取边缘轮廓图形的面积Se；
计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn；
计算获取面积比值r＝1-Se/Sn；
判断r是否≧R，若是，则判定物流包裹为准编织袋；若否，则判定物流包裹为非准编织袋。
可选的，所述从物流包裹的图片中获取物流包裹的边缘轮廓图形，具体包括：
将物流包裹的图片进行二值化处理；
根据物流包裹的图片在二值化处理前后的图像像素变化获取物流包裹的边缘轮廓图形。
可选的，所述计算获取边缘轮廓图形的面积Se，具体包括：
在空白图片上裁剪已知面积为Sa的对比空白图，计算获取对比空白图的像素数Pa；
在空白图片上根据边缘轮廓图形对空白图片进行裁剪，获取边缘轮廓空白图；
计算获取边缘轮廓空白图的像素数Pe；
计算获取边缘轮廓图形的面积Se＝(Pe/Pa)*Sa。
可选的，所述计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn，具体包括：
选择多个坐标系，计算获取边缘轮廓图形的组成点在各坐标系中的坐标；
根据边缘轮廓图形的组成点在各坐标系中的坐标，计算获取各坐标系中边缘轮廓图形的外接矩形的面积；
比较各坐标系中边缘轮廓图形的外接矩形的面积，取其中的最小值储存为最小外接矩形的面积Sn。
可选的，所述计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn，具体包括：
预设坐标系旋转次数m，计算获取坐标系旋转角度a＝360/m；
预设第一坐标系，计算获取边缘轮廓图形的各组成点在第一坐标系中的坐标，其中，第一坐标系的坐标的表示方法为(X1，Y1)；
根据边缘轮廓图形的各组成点在第一坐标系中的坐标，计算获取各组成点的X1值的最大值与最小值之差Xd1＝X1max-X1min，计算获取各组成点的Y1值的最大值与最小值之差Yd1＝Y1max-Y1min；
计算获取第一坐标系中边缘轮廓图形的外接矩形的面积Sn1＝Xd1*Yd1；
定义i＝2；
第一坐标系围绕其原点沿预定方向旋转角度(i-1)a，获取第i坐标系，计算获取边缘轮廓图形的各组成点在第i坐标系中的坐标，其中，第i坐标系的坐标的表示方法为(Xi，Yi)；
根据边缘轮廓图形的各组成点在第i坐标系中的坐标，计算获取各组成点的Xi值的最大值与最小值之差Xdi＝Ximax-Ximin，计算获取各组成点的Yi值的最大值与最小值之差Ydi＝Yimax-Yimin；
计算获取第i坐标系中边缘轮廓图形的外接矩形的面积Sni＝Xdi*Ydi；
判断i是否<m，若是则比较各坐标系中边缘轮廓图形的外接矩形的面积，取其中的最小值储存为最小外接矩形的面积Sn；若否则重置i＝i+1，并返回至步骤：第一坐标系围绕其原点沿预定方向旋转角度(i-1)a，获取第i坐标系，计算获取边缘轮廓图形的各组成点在第i坐标系中的坐标，其中，第i坐标系的坐标的表示方法为(Xi，Yi)。
可选的，所述判定物流包裹为准编织袋，之后还包括一步骤：将判定为准编织袋的物流包裹自动分拣至人工分拣处。
可选的，所述相机拍摄获取物流包裹的图片，具体包括：拍摄传感器感应物流包裹经过相机的拍摄区时，相机拍摄获取物流包裹的图片。
一种准编织袋物流包裹快速识别***，包括相机和终端，所述相机电连接所述终端；
所述相机用于拍摄获取物流包裹的图片，并将图片传输至所述终端；
所述终端包括：
图片存储模块，用于获取并存储相机拍摄的物流包裹的图片；
分类阈值设定模块，用于预设分类阈值R；
边缘轮廓图形计算模块，用于从物流包裹的图片中获取物流包裹的边缘轮廓图形，并计算获取边缘轮廓图形的面积Se；
外接矩形计算模块，用于计算获取与边缘轮廓图形外接的最小外接矩形的面积；
面积比值计算模块，用于计算获取面积比值r＝1-Se/Sh；
判断模块，用于根据r是否≥R判定物流包裹是否为准编织袋，若r≥R，判定物流包裹为准编织袋，若r＜R，判定物流包裹不为准编织袋。
可选的，所述准编织袋物流包裹快速识别***还包括传送带和拍摄传感器，所述传送带和所述拍摄传感器均电连接所述终端；
所述相机设于所述传送带上方，所述传送带用于传送物流包裹；
所述拍摄传感器，用于感应物流包裹，在感应到物流包裹经过所述相机的拍摄区时发射来料信号至所述终端；
所述终端还包括相机控制模块，所述相机控制模块用于接收所述拍摄传感器的来料信号，并控制所述相机对物流包裹进行拍摄。
可选的，所述准编织袋物流包裹快速识别***还包括分拣机械手和分拣传感器，所述分拣传感器用于感应物流包裹是否达到自动分拣处，并将到达信号传输至所述终端；所述分拣机械手用于将判定为准编织袋的物流包裹自动分拣至人工分拣处；
所述终端还包括分拣控制模块，所述分拣控制模块用于接收分拣感应器的到达信号和所述判断模块的判断结果，并控制所述分拣机械手将判定为准编织袋的物流包裹从自动分拣处分拣至人工分拣处。
与现有技术相比，本发明具有以下有益效果：
本发明提供了一种准编织袋物流包裹快速识别***及方法，可以通过相机拍摄的图片快速判断物流包裹是否为准编织袋，无需采用昂贵的高精度扫描仪，节约了成本，且判断快捷精确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的准编织袋物流包裹快速识别方法的流程图。
图2为本发明实施例提供的准编织袋物流包裹快速识别方法的过程示意图。
图3为本发明实施例提供的步骤S120的流程图。
图4为本发明实施例提供的步骤S130的流程图。
图5为本发明实施例提供的步骤S141的流程图。
图6为本发明实施例提供的准编织袋物流包裹快速识别***的结构示意图。
图中：10、终端；11、图片存储模块；12、分类阈值设定模块；13、边缘轮廓图形计算模块；14、外接矩形计算模块；15、面积比值计算模块；16、判断模块；18、分拣控制模块；20、相机；30、拍摄传感器；40、分拣传感器；50、分拣机械手。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
请参阅图1，本实施例提供了一种准编织袋物流包裹快速识别方法，可以低成本地快速识别物流包裹。请参考图1，该方法具体包括以下步骤：
S100、预设分类阈值R。
S110、相机20拍摄获取物流包裹的图片。
S120、从物流包裹的图片中获取物流包裹的边缘轮廓图形。
S130、计算获取边缘轮廓图形的面积Se。
S140、计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn。
S150、计算获取面积比值r＝1-Se/Sn。
S160、判断r是否≧R，若是，则执行步骤S170；若否，则执行步骤S180。
S170、判定物流包裹为准编织袋。
S180、判定物流包裹为非准编织袋。
其中，步骤S110中的相机20为普通相机，无需采用激光扫描。
在步骤S170之后还包括一步骤S171：将判定为准编织袋的物流包裹自动分拣至人工分拣处。
步骤S110具体包括：拍摄传感器30感应物流包裹经过相机20的拍摄区时，相机20拍摄获取物流包裹的图片。
图2为准编织袋物流包裹快速识别方法的过程效果图，如图2所示，通过准编织袋和纸箱的边缘轮廓图形可以获得各边缘轮廓图形的外接矩形。从图中可直观地看出，准编织袋的面积比值r明显大于纸箱的面积比值r。
请参考图3，步骤S120具体包括以下步骤：
S121、将物流包裹的图片进行二值化处理；
S122、根据二值化处理前后的图像像素变化获取物流包裹的边缘轮廓图形。
请参考图4，步骤S130具体包括以下步骤：
S131、在空白图片上裁剪已知面积为Sa的对比空白图，计算获取对比空白图的像素数Pa；
S132、在空白图片上根据边缘轮廓图形对空白图片进行裁剪，获取边缘轮廓空白图；
S133、计算获取边缘轮廓空白图的像素数Pe；
S134、计算获取边缘轮廓图形的面积Se＝(Pe/Pa)*Sa。
请参考图5，步骤S140具体包括以下步骤：
S141、选择多个坐标系，计算获取边缘轮廓图形的组成点在各坐标系中的坐标；根据边缘轮廓图形的组成点在各坐标系中的坐标，计算获取各坐标系中边缘轮廓图形的外接矩形的面积；
S142、比较各坐标系中边缘轮廓图形的外接矩形的面积，取其中的最小值储存为Sn。
其中，步骤S141具体包括以下步骤：
S1411、预设坐标系旋转次数m，计算获取坐标系旋转角度a＝360/m；
S1412、预设第一坐标系，计算获取边缘轮廓图形的各组成点在第一坐标系中的坐标，其中，第一坐标系的坐标的表示方法为(X1，Y1)；
S1413、根据边缘轮廓图形的各组成点在第一坐标系中的坐标，计算获取各组成点的X1值的最大值与最小值之差Xd1＝X1max-X1min，计算获取各组成点的Y1值的最大值与最小值之差Yd1＝Y1max-Y1min；
S1414、计算获取第一坐标系中边缘轮廓图形的外接矩形的面积Sn1＝Xd1*Yd1；
S1415、定义i＝2；
S1416、第一坐标系围绕其原点沿预定方向旋转角度(i-1)a，获取第i坐标系，计算获取边缘轮廓图形的各组成点在第i坐标系中的坐标，其中，第i坐标系的坐标的表示方法为(Xi，Yi)；
S1417、根据边缘轮廓图形的各组成点在第i坐标系中的坐标，计算获取各组成点的Xi值的最大值与最小值之差Xdi＝Ximax-Ximin，计算获取各组成点的Yi值的最大值与最小值之差Ydi＝Yimax-Yimin；
S1418、计算获取第i坐标中边缘轮廓图形的外接矩形的面积Sni＝Xdi*Ydi；
S1419、判断i是否<m，若是则执行步骤S1420，若否则执行步骤S142；
S1420、i＝i+1，返回步骤S1416。
请参考图6，本实施例还提供了一种准编织袋物流包裹快速识别***，包括相机20和终端10，相机20电连接终端10。
相机20用于拍摄获取物流包裹的图片，并将图片传输至终端10。
终端10包括：
图片存储模块11，用于获取并存储相机20拍摄的物流包裹的图片。
分类阈值设定模块12，用于预设分类阈值R。
边缘轮廓图形计算模块13，用于从物流包裹的图片中获取物流包裹的边缘轮廓图形，并计算获取边缘轮廓图形的面积Se。
外接矩形计算模块14，用于计算获取与边缘轮廓图形外接的最小外接矩形的面积。
面积比值计算模块15，用于计算获取面积比值r＝1-Se/Sh。
判断模块16，用于根据r是否≥R判定物流包裹是否为准编织袋，若r≥R，判定物流包裹为准编织袋，若r＜R，判定物流包裹为非准编织袋。
准编织袋物流包裹快速识别***还包括传送带和拍摄传感器30，传送带和拍摄传感器30均电连接终端10。相机20设于传送带上方。传送带用于传送物流包裹。拍摄传感器30用于感应物流包裹，在感应到物流包裹经过相机20的拍摄区时，发射来料信号至终端10。
终端10还包括相机控制模块，相机控制模块用于接收拍摄传感器30的来料信号，并控制相机20对物流包裹进行拍摄。
准编织袋物流包裹快速识别***还包括分拣机械手50和分拣传感器40，分拣传感器40用于感应物流包裹是否达到自动分拣处，并将到达信号传输至终端10。分拣机械手50用于将判定为准编织袋的物流包裹自动分拣至人工分拣处。
终端10还包括分拣控制模块18，分拣控制模块18用于接收分拣传感器40的到达信号和判断模块16的判断，并控制分拣机械手50将判定为准编织袋的物流包裹从自动分拣处分拣至人工分拣处。
本发明实施例提供了一种准编织袋物流包裹快速识别***及方法，可以通过相机20拍摄的图片快速判断物流包裹是否为准编织袋，无需采用昂贵的高精度扫描仪，节约了成本，且判断快捷精确。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种准编织袋物流包裹快速识别方法，其特征在于，包括以下步骤：
预设分类阈值R；
相机拍摄获取物流包裹的图片；
从物流包裹的图片中获取物流包裹的边缘轮廓图形；
计算获取边缘轮廓图形的面积Se；
计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn；
计算获取面积比值r＝1-Se/Sn；
判断r是否≧R，若是，则判定物流包裹为准编织袋；若否，则判定物流包裹为非准编织袋；
所述计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn，具体包括：
选择多个坐标系，计算获取边缘轮廓图形的组成点在各坐标系中的坐标；
根据边缘轮廓图形的组成点在各坐标系中的坐标，计算获取各坐标系中边缘轮廓图形的外接矩形的面积；
比较各坐标系中边缘轮廓图形的外接矩形的面积，取其中的最小值储存为最小外接矩形的面积Sn。
2.根据权利要求1所述的准编织袋物流包裹快速识别方法，其特征在于，所述从物流包裹的图片中获取物流包裹的边缘轮廓图形，具体包括：
将物流包裹的图片进行二值化处理；
根据物流包裹的图片在二值化处理前后的图像像素变化获取物流包裹的边缘轮廓图形。
3.根据权利要求1所述的准编织袋物流包裹快速识别方法，其特征在于，所述计算获取边缘轮廓图形的面积Se，具体包括：
在空白图片上裁剪已知面积为Sa的对比空白图，计算获取对比空白图的像素数Pa；
在空白图片上根据边缘轮廓图形对空白图片进行裁剪，获取边缘轮廓空白图；
计算获取边缘轮廓空白图的像素数Pe；
计算获取边缘轮廓图形的面积Se＝(Pe/Pa)*Sa。
4.根据权利要求1所述的准编织袋物流包裹快速识别方法，其特征在于，所述计算获取与边缘轮廓图形外接的最小外接矩形的面积Sn，具体包括：
预设坐标系旋转次数m，计算获取坐标系旋转角度a＝360/m；
预设第一坐标系，计算获取边缘轮廓图形的各组成点在第一坐标系中的坐标，其中，第一坐标系的坐标的表示方法为(X1，Y1)；
根据边缘轮廓图形的各组成点在第一坐标系中的坐标，计算获取各组成点的X1值的最大值与最小值之差Xd1＝X1max-X1min，计算获取各组成点的Y1值的最大值与最小值之差Yd1＝Y1max-Y1min；
计算获取第一坐标系中边缘轮廓图形的外接矩形的面积Sn1＝Xd1*Yd1；
定义i＝2；
第一坐标系围绕其原点沿预定方向旋转角度(i-1)a，获取第i坐标系，计算获取边缘轮廓图形的各组成点在第i坐标系中的坐标，其中，第i坐标系的坐标的表示方法为(Xi，Yi)；
根据边缘轮廓图形的各组成点在第i坐标系中的坐标，计算获取各组成点的Xi值的最大值与最小值之差Xdi＝Ximax-Ximin，计算获取各组成点的Yi值的最大值与最小值之差Ydi＝Yimax-Yimin；
计算获取第i坐标系中边缘轮廓图形的外接矩形的面积Sni＝Xdi*Ydi；
判断i是否<m，若是则比较各坐标系中边缘轮廓图形的外接矩形的面积，取其中的最小值储存为最小外接矩形的面积Sn；若否则重置i＝i+1，并返回至步骤：第一坐标系围绕其原点沿预定方向旋转角度(i-1)a，获取第i坐标系，计算获取边缘轮廓图形的各组成点在第i坐标系中的坐标，其中，第i坐标系的坐标的表示方法为(Xi，Yi)。
5.根据权利要求1所述的准编织袋物流包裹快速识别方法，其特征在于，所述判定物流包裹为准编织袋，之后还包括一步骤：将判定为准编织袋的物流包裹自动分拣至人工分拣处。
6.根据权利要求1所述的准编织袋物流包裹快速识别方法，其特征在于，所述相机拍摄获取物流包裹的图片，具体包括：拍摄传感器感应物流包裹经过相机的拍摄区时，相机拍摄获取物流包裹的图片。
7.一种准编织袋物流包裹快速识别***，其特征在于，包括相机和终端，所述相机电连接所述终端；
所述相机用于拍摄获取物流包裹的图片，并将图片传输至所述终端；
所述终端包括：
图片存储模块，用于获取并存储相机拍摄的物流包裹的图片；
分类阈值设定模块，用于预设分类阈值R；
边缘轮廓图形计算模块，用于从物流包裹的图片中获取物流包裹的边缘轮廓图形，并计算获取边缘轮廓图形的面积Se；
外接矩形计算模块，用于计算获取与边缘轮廓图形外接的最小外接矩形的面积；
面积比值计算模块，用于计算获取面积比值r＝1-Se/Sh；
判断模块，用于根据r是否≥R判定物流包裹是否为准编织袋，若r≥R，判定物流包裹为准编织袋，若r＜R，判定物流包裹不为准编织袋。
8.根据权利要求7所述的准编织袋物流包裹快速识别***，其特征在于，所述准编织袋物流包裹快速识别***还包括传送带和拍摄传感器，所述传送带和所述拍摄传感器均电连接所述终端；
所述相机设于所述传送带上方，所述传送带用于传送物流包裹；
所述拍摄传感器，用于感应物流包裹，在感应到物流包裹经过所述相机的拍摄区时发射来料信号至所述终端；
所述终端还包括相机控制模块，所述相机控制模块用于接收所述拍摄传感器的来料信号，并控制所述相机对物流包裹进行拍摄。
9.根据权利要求8所述的准编织袋物流包裹快速识别***，其特征在于，所述准编织袋物流包裹快速识别***还包括分拣机械手和分拣传感器，所述分拣传感器用于感应物流包裹是否达到自动分拣处，并将到达信号传输至所述终端；所述分拣机械手用于将判定为准编织袋的物流包裹自动分拣至人工分拣处；
所述终端还包括分拣控制模块，所述分拣控制模块用于接收分拣感应器的到达信号和所述判断模块的判断结果，并控制所述分拣机械手将判定为准编织袋的物流包裹从自动分拣处分拣至人工分拣处。
CN201811125918.3A 2018-09-26 2018-09-26 一种准编织袋物流包裹快速识别方法及*** Active CN109242874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811125918.3A CN109242874B (zh) 2018-09-26 2018-09-26 一种准编织袋物流包裹快速识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811125918.3A CN109242874B (zh) 2018-09-26 2018-09-26 一种准编织袋物流包裹快速识别方法及***

Publications (2)

Publication Number Publication Date
CN109242874A CN109242874A (zh) 2019-01-18
CN109242874B true CN109242874B (zh) 2022-02-15

Family

ID=65056734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811125918.3A Active CN109242874B (zh) 2018-09-26 2018-09-26 一种准编织袋物流包裹快速识别方法及***

Country Status (1)

Country Link
CN (1) CN109242874B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502966B (zh) * 2019-07-01 2023-06-30 广州市川流信息科技有限公司 包裹的分类信息获取设备、方法以及存储装置
CN112052847B (zh) * 2020-08-17 2024-03-26 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备和计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228546A (zh) * 2016-07-13 2016-12-14 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN107816943A (zh) * 2017-10-23 2018-03-20 广东工业大学 一种物流箱体积重量测量***及其实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100377163C (zh) * 2004-08-09 2008-03-26 佳能株式会社 用于处理图像的方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228546A (zh) * 2016-07-13 2016-12-14 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN107816943A (zh) * 2017-10-23 2018-03-20 广东工业大学 一种物流箱体积重量测量***及其实现方法

Also Published As

Publication number Publication date
CN109242874A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
US10489900B2 (en) Inspection apparatus, inspection method, and program
US9364865B2 (en) System and method for sorting parcel
US6614928B1 (en) Automatic parcel volume capture system and volume capture method using parcel image recognition
EP2915596B1 (en) Delivery sorting processing system
CN106407863B (zh) 一种条烟快速识别装置及方法
US20180056335A1 (en) Workpiece sorting system and method
CN109242874B (zh) 一种准编织袋物流包裹快速识别方法及***
US20150360877A1 (en) System for loading parcel and method thereof
CN109949331B (zh) 货箱边缘检测方法及装置
CN110779928A (zh) 缺陷检测装置及方法
CN103198705A (zh) 车位状态自动检测方法
CN110580459B (zh) 一种安全检查的方法、以及控制设备
CN103729631A (zh) 一种基于视觉的连接器表面特征自动识别方法
CN108596115A (zh) 一种基于卷积神经网络的车辆检测方法、装置及***
CN116494253B (zh) 目标物体抓取位姿获取方法及机器人抓取***
CN115019160A (zh) 一种工厂仓库入库物流智能控制方法
CN112581452A (zh) 工业配件表面缺陷检测方法、***、智能设备和存储介质
KR101991464B1 (ko) 인식정보를 인식하는 인식시스템, 인식 장치 및 인식 방법.
US9628659B2 (en) Method and apparatus for inspecting an object employing machine vision
US10223587B2 (en) Pairing of images of postal articles with descriptors of singularities of the gradient field
CN110807354A (zh) 一种工业流水线产品计数方法
CN114332622A (zh) 一种基于机器视觉的标签检测方法
CN117671498A (zh) 一种雷电防护用无人机自动检测***
CN111862050A (zh) 一种物料检测***、方法及设备
JP2017148751A (ja) コード認識システム、コード認識方法、コード認識プログラム、及び荷物仕分システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant