CN114273240A - 快递单件分离方法、装置、***和存储介质 - Google Patents
快递单件分离方法、装置、***和存储介质 Download PDFInfo
- Publication number
- CN114273240A CN114273240A CN202011031331.3A CN202011031331A CN114273240A CN 114273240 A CN114273240 A CN 114273240A CN 202011031331 A CN202011031331 A CN 202011031331A CN 114273240 A CN114273240 A CN 114273240A
- Authority
- CN
- China
- Prior art keywords
- express
- separated
- separation
- information
- single piece
- 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.)
- Pending
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 152
- 230000011218 segmentation Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种快递单件分离方法、装置、***和存储介质。所述方法包括：获取待分离快递的视频流图像；通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；向单件分离设备发送携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离。采用本方法能够提高快递单件分离效率和准确性。
Description
技术领域
本申请涉及物流管理技术领域，特别是涉及一种快递单件分离方法、装置、计算机设备和存储介质。
背景技术
随着物流快递行业的迅速发展，订单数量与日俱增。为了实现快递件的全自动化分拣，提升快递件的分拣效率和准确性，对快递进行单件分离至关重要。
然而，目前使用的快递单件分离设备存在准确率较低，设备稳定性差等特点。在单件分离设备工位要配备人工工位才能满足生产需求，导致单件分离的准确率和人工成本高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高快递单件分离效率和准确性的快递单件分离方法、装置、***和存储介质。
一种快递单件分离方法，所述方法包括：
获取待分离快递的视频流图像；
通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
根据各所述掩模信息确定各所述待分离快递件的位置信息；
向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
在其中一个实施例中，所述根据各所述掩模信息确定各所述待分离快递件的位置信息，包括：
根据各所述掩模信息提取各所述待分离快递的目标轮廓，得到目标轮廓信息；
根据所述目标轮廓信息确定各所述待分离快递的中心位置坐标和尺寸信息，得到各所述待分离快递件的位置信息。
在其中一个实施例中，所述向单件分离设备发送的携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离，包括：
向单件分离设备发送的携带各所述位置信息的分离指令
根据各所述位置信息与单件分离设备之间的距离，确定对应的各所述分离指令的优先级；
基于所述优先级，依次根据各所述分离指令控制单件分离设备对对应的待分离快递件进行分离。
在其中一个实施例中，所述获取待分离快递的视频流图像，包括：
根据获取的光电感应信息确定快递疏散设备上有待分离快递件时，触发相机进行图像采集，得到待分离快递件的视频流图像。
在其中一个实施例中，所述实例分割网络模型的训练过程，包括：
获取快递件样本图像，对所述快递件样本图像进行标注，得到标注样本数据集；
获取预置的实例分割网络模型；
通过所述标注样本数据集对所述实例分割网络模型进行训练至收敛，得到所述实例分割网络模型。
在其中一个实施例中，所述方法还包括：
当检测分离后的各所述待分离快递件不处于居中设备的目标位置时，生成提示指令；
根据所述提示指令对所述居中设备的输送角度进行调整，使得分离后的各所述待分离快递件处于居中设备的目标位置。
一种快递单件分离装置，所述装置包括：
获取模块，用于获取待分离快递的视频流图像；
分割模块，用于通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
确定模块，用于根据各所述掩模信息确定各所述待分离快递件的位置信息；
分离模块，用于向单件分离设备发送的携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
一种快递单件分离***，所述***包括图像采集设备、输送缓存设备、疏散设备、单件分离设备、居中设备和用于控制所述图像采集设备和所述单件分离机的控制主机，所述控制主机包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待分离快递的视频流图像；
通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
根据各所述掩模信息确定各所述待分离快递件的位置信息；
向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待分离快递的视频流图像；
通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
根据各所述掩模信息确定各所述待分离快递件的位置信息；
向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
上述快递单件分离方法、装置、***和存储介质，通过获取待分离快递的视频流图像；利用训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；接收可编程逻辑控制器发送的携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离；基于深度学习和图像识别处理准确确定各待分离快递的位置信息，根据生成的位置信息对控制单件分离设备对各待分离快递件进行自动分离，提高了快递单件分离效率和准确性。
附图说明
图1为一个实施例中快递单件分离方法的应用环境图；
图2为一个实施例中快递单件分离方法的流程示意图；
图3为另一个实施例中快递单件分离方法的流程示意图；
图4为一个实施例中快递单件分离***的流程示意图；
图5为一个实施例中快递单件分离方法的应用场景示意图；
图6为一个实施例中快递单件分离装置的结构框图；
图7为另一个实施例中快递单件分离装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的快递单件分离方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104和单件分离设备106进行通信。终端102通过网络从服务器104中获取待分离快递的视频流图像；通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；向单件分离设备106发送携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。单件分离设备106用于对快递进行分离。
在一个实施例中，如图2所示，提供了一种快递单件分离方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤202，获取待分离快递的视频流图像。
其中，视频流图像是指视频传感器(例如，相机)采集视频传感器覆盖的区域的图像。
具体地，当感应设备感应到输送缓存设备有待分离快递时，终端发送启动指令启动输送缓存设备，通过启动皮带进行输送使待分离快件传输至疏散设备；疏散设备用于对待分离快递在与输送方向垂直的宽度方向上对待分离快递的间隔进行调节，使待分离快递之间相隔一定的距离，避免待分离快递重叠。当感应设备感应到待分离快递经过疏散设备时，终端接收到感应设备发送的“感应到待分离快递经过疏散设备”指令，触发图像采集设备采集待分离快递的视频流图像，将采集的视频流图像发送至服务器中进行存储，终端实时从服务器中获取采集的视频流图像。可选地，图像采集设备可以将采集待分离快递的视频流图像发送至终端。
步骤204，通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息。
其中，实例分割网络模型可以包括但不仅限于是Mask R-CNN、DeepMask、和YOLACT实例分割模型等。掩模是由0和1组成的一个二进制图像，掩模信息是指每个像素点的像素值。
实例分割网络模型的训练过程包括：获取快递件样本图像，对快递件样本图像进行标注，得到标注样本数据集；获取预置的实例分割网络模型；通过标注样本数据集对实例分割网络模型进行训练至收敛到设定的收敛值，得到训练好的实例分割网络模型。
具体地，终端将获取的待分离快递的视频流图像，对采集的视频流图像进行预处理，将预处理后的视频流图像输入至训练好的实例分割网络模型中进行分割，得到预处理后的视频流图像对应的特征图(feature map)，获取各特征图中的候选ROI feature，通过对候选ROI feature进行二值分类和回归处理，过滤掉不满足需求的候选ROI feature，对得到的ROI feature通过对ROI feature进行分类、回归处理和MASK(掩模)生成，输出待分离快递的视频流图像中各待分离快递件的掩模信息。
步骤206，根据各掩模信息确定各待分离快递件的位置信息。
具体地，将视频流图像输入至训练好的实例分割网络模型中进行分割，将视频流图像中每个待分离快递分离出来，得到视频流图像中各待分离快递件的掩模信息，即每个像素点的像素值；根据各掩模信息提取各待分离快递的目标轮廓，得到目标轮廓信息；调用终端OpenCV函数中坐标计算函数，通过坐标计算函数对目标轮廓信息进行计算，得到各待分离快递的中心位置坐标和尺寸信息，根据各待分离快递件的中心位置坐标和尺寸信息确定对应的位置信息。
步骤208，向单件分离设备发送携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离。
具体地，当终端获取视频流图像中每个待分离快递的中心位置坐标和尺寸信息后，终端中的可编程逻辑控制器单元(PLC)生成各个待分离快递的分离指令，将分离指令发送给单件分离设备；通过PLC控制单件分离设备上的驱动，依次对各待分离快递进行分离直到将所有待分离快递分离完成，通过输送设备对分离后的快递进行传输至快递分拣机，以使快递分拣机对快递进行分拣，使各快递投放至目标位置。
上述快递单件分离方法中，通过获取待分离快递的视频流图像；利用训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；接收可编程逻辑控制器发送的携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离；基于深度学习和图像识别处理准确确定各待分离快递的位置信息，根据生成的位置信息对控制单件分离设备对各待分离快递件进行自动分离，提高了快递单件分离效率和准确性。
在另一个实施例中，如图3所示，提供了一种快递单件分离方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤302，获取待分离快递的视频流图像。
具体地，根据获取的光电感应信息确定快递疏散设备上有待分离快递件时，触发相机进行图像采集，得到待分离快递件的视频流图像，其中，光电感应信息是通过上游皮带输送机将待分离快件输送到快递疏散设备时，光电感应器感应到有快递件，生成光电感应信息(光电感应信息可以但不仅限于是一个数字脉冲信号)；当光电感应信息为预设的光电感应信息号时，即可确定快递疏散设备上有待分离快递件，终端中的PLC控制器单元触发相机开始进行图像采集，得到待分离快递的视频流图像。通过光电感应器检测是否有待分离快递件进行检测，可以提高在不同应用场景中的单件分离设备的快递分离效率。例如，购物节的是快递件量比平常的快递件量大，根据灵敏度高的光电感应器的确定快递疏散设备是否有待分离快递件避免待分离快递堆积，提高单件分离设备的分离的效率和准确性。
步骤304，通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息。
步骤306，根据各掩模信息提取各待分离快递的目标轮廓，得到目标轮廓信息。
其中，目标轮廓是指各待分离快递的最小外接矩形。
具体地，通过调用终端中的函数，根据各掩模信息提取各待分离快递的目标轮廓，通过函数计算得到最小外接矩形信息，包括最小外接矩形各顶点的位置坐标。
步骤308，根据目标轮廓信息确定各待分离快递的中心位置坐标和尺寸信息，得到各待分离快递件的位置信息。
具体地，根据最小外接矩形各顶点的位置坐标可以确定各待分离快递的中心位置坐标和尺寸信息(尺寸信息包括待分离快递的长度和宽度)，即得到各待分离快递件的位置信息。
步骤310，向单件分离设备发送的携带各位置信息的分离指令。
步骤312，根据各位置信息与单件分离设备之间的距离，确定对应的各分离指令的优先级。
其中，分离指令的优先级由各待分离快递与单件分离设备之间的相对距离决定的，待分离快递与单件分离设备的相对距离越小，优先级越高。
步骤314，基于优先级，依次根据各分离指令控制单件分离设备对对应的待分离快递件进行分离。
具体地，根据各位置信息与单件分离设备之间的相对距离，确定各待分离快递的分离指令的优先级，根据分离指令的优先级，依次控制驱动，通过控制驱动对各待分离快递进行分离。
步骤316，当检测分离后的各待分离快递件不处于居中设备的目标位置时，生成提示指令。
具体地，当待分离设备输送至居中设备时，用于检测快递是否处于居中位置处对应的感应器没有感应到快递件处于居中位置时，终端生成提示信息，提示信息可以显示在终端的显示屏上，也可以通过语音的形式进行播放等。
步骤318，根据提示指令对居中设备的输送角度进行调整，使得分离后的各待分离快递件处于居中设备的目标位置。
具体地，根据提示指令对居中设备中斜滚筒输送机的输送角度进行调节，使得分离后的快递处于居中位置，通过输送设备进行将分离后的快递输送至快递分拣设备，便于快递分拣设备对快递进行分拣；通过居中设备使快递居中进行输送，避免快递之间相互挤压影响单件分离设备的稳定性，便于快递的分拣进而提高了分拣设备的分拣效率。
上述快递单件分离方法中，通过将获取待分离快递的视频流图像输入至训练好的实例分割网络模型对视频流图像进行分割，得到各待分离快递的掩模信息，根据各待分离快递的掩模信息确定各待分离快递的最小外接矩形的中心位置坐标和尺寸信息，即得到各待分离快递的位置信息；向单件分离设备发送的携带各位置信息的分离指令，基于各分离指令的优先级，依次根据各分离指令控制单件分离设备对对应的待分离快递件进行分离，完成快递的分离，并通过居中设备使分离后的快递居中传输至快递分拣设备，提高了快递的分拣效率；其中，通过训练好的实例分割网络模型的对待分离快递进行分割，确定各待分离快递的中心位置坐标和尺寸信息，提高了确定各待分离快递的中心位置坐标和尺寸信息的效率和准确性，进而提高了快递件的分离效率和准确性，节省人力成本。
在一个实施例中，如图4所示，提供一种快递单件分离***，快递单件分离***中包括：该***根据快递单件的运输方向依次设置了感应设备、输送缓存设备、疏散设备、图像采集设备、单件分离设备、居中设备、输送设备和用于控制图像采集设备和单件分离机的控制主机，其中：感应设备，用于检测疏散设备上是否有待分离快递件；图像采集设备，用于采集待分离快件的视频流图像。输送缓存设备，用于使用短皮带输送机，通过独立控制皮带机驱动实现快递件的缓存。可选地，输送缓存设备可以通过控制启停时间来控制快递件在长度方向的间隔。疏散设备由多排输送机构组成，相邻输送机构的输送方向均呈一定夹角，用于拉开快递件宽度方向间隔。单件分离设备7行4列独立控制的短皮带输送设备组成，通过控制主机控制，实现快递件的分离。居中设备，用于使分离后的快递件处于居中位置。
所述控制主机包括存储器和处理器，所述处理器执行所述计算机程序时执行时实现以下步骤：获取待分离快递的视频流图像；通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；根据各所述掩模信息确定各所述待分离快递件的位置信息；向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
以下为一个实施例中快递单件分离方法的应用场景，终端中包括PLC控制单元，待分离快递在进入单件分离设备之前依次经过输缓存设备、疏散设备、图像采集设备、单件分离设备、居中设备和输送设备，如图5所示，其中1为输缓存设备，2为疏散设备、3为图像采集设备、4为单件分离设备、5为机架、6为居中设备、7为输送设备。
当快递件进入输缓存设备时，输缓存设备感应器检测到快递件，启动皮带进行输送使待分离快件传输至疏散设备，使待分离快递之间相隔一定的距离；当感应器感应到待分离快递经过疏散设备时，终端向图像采集设备发送图像采集指令，以使图像采集设备采集待分离快递的视频流图像，并将采集的视频流图像发送至服务器中进行存储；终端实时从服务器中获取采集的视频流图像，并将视频流图像输入至训练好的实例分割网络模型对进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各所述掩模信息确定各所述待分离快递件的位置信息；向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离；通过居中设备使分离后的快递通过输送设备居中输送至快递分拣设备。即基于深度学习和图像识别处理准确确定各待分离快递的位置信息，根据生成的位置信息对控制单件分离设备对各待分离快递件进行自动分离，提高了快递单件分离效率和准确性，进而提高了快递单件的分拣效率。
上述快递单件分离***中，当快递件进入输缓存设备时，输缓存设备感应器检测到快递件，启动皮带进行输送使待分离快件传输至疏散设备，使待分离快递之间相隔一定的距离；当感应器感应到待分离快递经过疏散设备时，终端向图像采集设备发送图像采集指令，以使图像采集设备采集待分离快递的视频流图像，并将采集的视频流图像发送至服务器中进行存储；通过获取待分离快递的视频流图像；利用训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；接收可编程逻辑控制器发送的携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离；基于深度学习和图像识别处理准确确定各待分离快递的位置信息，根据生成的位置信息对控制单件分离设备对各待分离快递件进行自动分离，提高了快递单件分离效率和准确性。
关于快递单件分离***的具体限定可以参见上文中对于快递单件分离方法的限定，在此不再赘述。
应该理解的是，虽然图2、图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种快递单件分离装置，包括：获取模块602、分割模块604、确定模块606和分离模块608，其中：
获取模块602，用于获取待分离快递的视频流图像。
分割模块604，用于通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息。
确定模块606，用于根据各掩模信息确定各待分离快递件的位置信息。
分离模块608，用于向单件分离设备发送的携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离。
上述快递单件分离装置中，通过获取待分离快递的视频流图像；利用训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；根据各掩模信息确定各待分离快递件的位置信息；接收可编程逻辑控制器发送的携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离；基于深度学习和图像识别处理准确确定各待分离快递的位置信息，根据生成的位置信息对控制单件分离设备对各待分离快递件进行自动分离，提高了快递单件分离效率和准确性。
在另一个实施例中，如图7所示，提供了一种快递单件分离装置，除包括获取模块602、分割模块604、确定模块606和分离模块608之外，还包括：提取模块610、采集模块612、居中模块614和模型训练模块616，其中：
提取模块610，根据各掩模信息提取各待分离快递的目标轮廓，得到目标轮廓信息。
在一个实施例中，确定模块606还用于根据目标轮廓信息确定各待分离快递的中心位置坐标和尺寸信息，得到各待分离快递件的位置信息。
在一个实施例中，确定模块606还用于向单件分离设备发送的携带各位置信息的分离指令根据各位置信息与单件分离设备之间的距离，确定对应的各分离指令的优先级。
在一个实施例中，分离模块608还用于基于优先级，依次根据各分离指令控制单件分离设备对对应的待分离快递件进行分离。
采集模块612，用于根据获取的光电感应信息确定快递疏散设备上有待分离快递件时，触发相机进行图像采集，得到待分离快递件的视频流图像。
居中模块614，用于当检测分离后的各待分离快递件不处于居中设备的目标位置时，生成提示指令；根据提示指令对居中设备的输送角度进行调整，使得分离后的各待分离快递件处于居中设备的目标位置。
模型训练模块616，用于获取快递件样本图像，对快递件样本图像进行标注，得到标注样本数据集；获取预置的实例分割网络模型；通过标注样本数据集对实例分割网络模型进行训练至收敛，得到实例分割网络模型。
在一个实施例中，通过将获取待分离快递的视频流图像输入至训练好的实例分割网络模型对视频流图像进行分割，得到各待分离快递的掩模信息，根据各待分离快递的掩模信息确定各待分离快递的最小外接矩形的中心位置坐标和尺寸信息，即得到各待分离快递的位置信息；向单件分离设备发送的携带各位置信息的分离指令，基于各分离指令的优先级，依次根据各分离指令控制单件分离设备对对应的待分离快递件进行分离，完成快递的分离，并通过居中设备使分离后的快递居中传输至快递分拣设备，提高了快递的分拣效率；其中，通过训练好的实例分割网络模型的对待分离快递进行分割，确定各待分离快递的中心位置坐标和尺寸信息，提高了确定各待分离快递的中心位置坐标和尺寸信息的效率和准确性，进而提高了快递件的分离效率和准确性，节省人力成本。
关于快递单件分离装置的具体限定可以参见上文中对于快递单件分离方法的限定，在此不再赘述。上述快递单件分离装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种快递单件分离方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待分离快递的视频流图像；
通过训练好的实例分割网络模型对视频流图像进行分割，得到视频流图像中各待分离快递件的掩模信息；
根据各掩模信息确定各待分离快递件的位置信息；
向单件分离设备发送携带各位置信息的分离指令，根据分离指令控制单件分离设备对各待分离快递件进行分离。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据各掩模信息提取各待分离快递的目标轮廓，得到目标轮廓信息；
根据目标轮廓信息确定各待分离快递的中心位置坐标和尺寸信息，得到各待分离快递件的位置信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
向单件分离设备发送的携带各位置信息的分离指令
根据各位置信息与单件分离设备之间的距离，确定对应的各分离指令的优先级；
基于优先级，依次根据各分离指令控制单件分离设备对对应的待分离快递件进行分离。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据获取的光电感应信息确定快递疏散设备上有待分离快递件时，触发相机进行图像采集，得到待分离快递件的视频流图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取快递件样本图像，对快递件样本图像进行标注，得到标注样本数据集；
获取预置的实例分割网络模型；
通过标注样本数据集对实例分割网络模型进行训练至收敛，得到实例分割网络模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当检测分离后的各待分离快递件不处于居中设备的目标位置时，生成提示指令；
根据提示指令对居中设备的输送角度进行调整，使得分离后的各待分离快递件处于居中设备的目标位置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种快递单件分离方法，其特征在于，所述方法包括：
获取待分离快递的视频流图像；
通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
根据各所述掩模信息确定各所述待分离快递件的位置信息；
向单件分离设备发送携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述掩模信息确定各所述待分离快递件的位置信息，包括：
根据各所述掩模信息提取各所述待分离快递的目标轮廓，得到目标轮廓信息；
根据所述目标轮廓信息确定各所述待分离快递的中心位置坐标和尺寸信息，得到各所述待分离快递件的位置信息。
3.根据权利要求1所述的方法，其特征在于，所述向单件分离设备发送的携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离，包括：
向单件分离设备发送的携带各所述位置信息的分离指令
根据各所述位置信息与单件分离设备之间的距离，确定对应的各所述分离指令的优先级；
基于所述优先级，依次根据各所述分离指令控制单件分离设备对对应的待分离快递件进行分离。
4.根据权利要求1所述的方法，其特征在于，所述获取待分离快递的视频流图像，包括：
根据获取的光电感应信息确定快递疏散设备上有待分离快递件时，触发相机进行图像采集，得到待分离快递件的视频流图像。
5.根据权利要求1所述的方法，其特征在于，所述实例分割网络模型的训练过程，包括：
获取快递件样本图像，对所述快递件样本图像进行标注，得到标注样本数据集；
获取预置的实例分割网络模型；
通过所述标注样本数据集对所述实例分割网络模型进行训练至收敛，得到所述实例分割网络模型。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测分离后的各所述待分离快递件不处于居中设备的目标位置时，生成提示指令；
根据所述提示指令对所述居中设备的输送角度进行调整，使得分离后的各所述待分离快递件处于居中设备的目标位置。
7.一种快递单件分离装置，其特征在于，所述装置包括：
获取模块，用于获取待分离快递的视频流图像；
分割模块，用于通过训练好的实例分割网络模型对所述视频流图像进行分割，得到所述视频流图像中各待分离快递件的掩模信息；
确定模块，用于根据各所述掩模信息确定各所述待分离快递件的位置信息；
分离模块，用于向单件分离设备发送的携带各所述位置信息的分离指令，根据所述分离指令控制所述单件分离设备对各所述待分离快递件进行分离。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
提取模块，用于根据各所述掩模信息提取各所述待分离快递的目标轮廓，得到目标轮廓信息；
确定模块还用于根据所述目标轮廓信息确定各所述待分离快递的中心位置坐标和尺寸信息，得到各所述待分离快递件的位置信息。
9.一种快递单件分离***，其特征在于，所述***包括感应设备、图像采集设备、输送缓存设备、疏散设备、单件分离设备、居中设备和用于控制所述图像采集设备和所述单件分离机的控制主机，所述控制主机包括存储器和处理器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031331.3A CN114273240A (zh) | 2020-09-27 | 2020-09-27 | 快递单件分离方法、装置、***和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031331.3A CN114273240A (zh) | 2020-09-27 | 2020-09-27 | 快递单件分离方法、装置、***和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114273240A true CN114273240A (zh) | 2022-04-05 |
Family
ID=80867660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011031331.3A Pending CN114273240A (zh) | 2020-09-27 | 2020-09-27 | 快递单件分离方法、装置、***和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114273240A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090141934A1 (en) * | 2006-10-12 | 2009-06-04 | Solystic | Method of Processing Postal Items Using a Separator Representing a Region of Interest (ROI) |
| CN108491892A (zh) * | 2018-04-05 | 2018-09-04 | 聊城大学 | 基于机器视觉的水果分拣*** |
| CN109242849A (zh) * | 2018-09-26 | 2019-01-18 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、***和存储介质 |
| CN110516672A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 卡证信息识别方法、装置及终端 |
| CN110743815A (zh) * | 2019-10-29 | 2020-02-04 | 河南工学院 | 一种工程机械液压元件排放装置 |
| CN111127476A (zh) * | 2019-12-06 | 2020-05-08 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN111144322A (zh) * | 2019-12-28 | 2020-05-12 | 广东拓斯达科技股份有限公司 | 一种分拣方法、装置、设备和存储介质 |
| CN111359915A (zh) * | 2020-03-24 | 2020-07-03 | 广东弓叶科技有限公司 | 基于机器视觉的物料分选方法及*** |
| CN111421539A (zh) * | 2020-04-01 | 2020-07-17 | 电子科技大学 | 一种基于计算机视觉的工业零件智能识别与分拣*** |
| CN111515133A (zh) * | 2020-04-30 | 2020-08-11 | 上海中通吉网络技术有限公司 | 快递异形件自动拣选方法、装置、设备和存储介质 |
| CN111553951A (zh) * | 2020-04-30 | 2020-08-18 | 山东新北洋信息技术股份有限公司 | 包裹处理设备和包裹处理方法 |
-
2020
- 2020-09-27 CN CN202011031331.3A patent/CN114273240A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090141934A1 (en) * | 2006-10-12 | 2009-06-04 | Solystic | Method of Processing Postal Items Using a Separator Representing a Region of Interest (ROI) |
| CN108491892A (zh) * | 2018-04-05 | 2018-09-04 | 聊城大学 | 基于机器视觉的水果分拣*** |
| CN109242849A (zh) * | 2018-09-26 | 2019-01-18 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、***和存储介质 |
| CN110516672A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 卡证信息识别方法、装置及终端 |
| CN110743815A (zh) * | 2019-10-29 | 2020-02-04 | 河南工学院 | 一种工程机械液压元件排放装置 |
| CN111127476A (zh) * | 2019-12-06 | 2020-05-08 | Oppo广东移动通信有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN111144322A (zh) * | 2019-12-28 | 2020-05-12 | 广东拓斯达科技股份有限公司 | 一种分拣方法、装置、设备和存储介质 |
| CN111359915A (zh) * | 2020-03-24 | 2020-07-03 | 广东弓叶科技有限公司 | 基于机器视觉的物料分选方法及*** |
| CN111421539A (zh) * | 2020-04-01 | 2020-07-17 | 电子科技大学 | 一种基于计算机视觉的工业零件智能识别与分拣*** |
| CN111515133A (zh) * | 2020-04-30 | 2020-08-11 | 上海中通吉网络技术有限公司 | 快递异形件自动拣选方法、装置、设备和存储介质 |
| CN111553951A (zh) * | 2020-04-30 | 2020-08-18 | 山东新北洋信息技术股份有限公司 | 包裹处理设备和包裹处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 陈慧岩: "智能车辆理论与应用", 31 July 2018, 北京理工大学出版社, pages: 79 * |
| 魏学将 等: "智慧物流概论", 31 May 2020, 机械工业出版社, pages: 159 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10936911B2 (en) | Logo detection | |
| CN110738101B (zh) | 行为识别方法、装置及计算机可读存储介质 | |
| US9852363B1 (en) | Generating labeled images | |
| CN108388879B (zh) | 目标的检测方法、装置和存储介质 | |
| US11062124B2 (en) | Face pose detection method, device and storage medium | |
| WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
| WO2019033571A1 (zh) | 面部特征点检测方法、装置及存储介质 | |
| US8730157B2 (en) | Hand pose recognition | |
| CN110991261A (zh) | 交互行为识别方法、装置、计算机设备和存储介质 | |
| CN107633205A (zh) | 嘴唇动作分析方法、装置及存储介质 | |
| CN111724336B (zh) | 图像处理装置、图像处理方法及图像处理*** | |
| WO2019033567A1 (zh) | 眼球动作捕捉方法、装置及存储介质 | |
| CN111666816A (zh) | 物流件状态的检测方法、装置以及设备 | |
| EP3635632B1 (en) | Detecting font size in a digital image | |
| JP7134331B2 (ja) | 計数システム、計数装置、機械学習装置、計数方法、部品配置方法、および、プログラム | |
| CN111178310A (zh) | 手掌特征识别方法、装置、计算机设备和存储介质 | |
| CN114273240A (zh) | 快递单件分离方法、装置、***和存储介质 | |
| CN114255347A (zh) | 图像检测方法、装置、电子设备及计算机可读存储介质 | |
| KR102170416B1 (ko) | 컴퓨터와 크라우드 소싱을 이용한 비디오 사전 처리 방법 | |
| CN114764897A (zh) | 行为识别方法、装置、终端设备以及存储介质 | |
| CN109040774B (zh) | 一种节目信息提取方法、终端设备、服务器及存储介质 | |
| CN114066564A (zh) | 服务推荐时间确定方法、装置、计算机设备、存储介质 | |
| CN114693735B (zh) | 一种基于目标识别的视频融合方法及装置 | |
| CN115424095B (zh) | 基于废旧物资的质量分析方法及装置 | |
| CN111860475B (zh) | 图像处理方法和装置、电子设备及存储介质 |
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 |