[发明专利]装载率识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种装载率识别方法、装置、计算机设备和存储介质。包括：获取载物厢体的厢内图像；将厢内图像输入训练好的第一神经网络，通过第一神经网络的卷积层，提取得到厢内图像的车门特征；将厢内图像输入训练好的第二神经网络，通过第二神经网络的卷积层，提取得到厢内图像的货物特征；将厢内图像输入训练好的第三神经网络，通过第三神经网络的中间层，提取得到厢内图像的装载率分类特征；其中，第三神经网络的中间层与第一神经网络、第二神经网络的卷积层的大小相同；融合车门特征、货物特征和装载率分类特征，得到厢内图像的融合特征；将融合特征输入训练好的第四神经网络，得到厢内图像的装载率分类结果。采用本方法能够提高识别精度。

技术领域

本申请涉及计算机领域，特别是涉及一种装载率识别方法、装置、计算机设备和存储介质。

背景技术

在物流领域，装载率一般指实际所载货物体积除以车厢最大可载货体积。装载率可分为瞬时装载率和过程装载率，瞬时装载率是指车厢到港或者离港时给出的车厢装载率值，过程装载率指的是货物装卸过程中车厢的实时装载率。装载率是一种评估营运效率的方法，可以用于反映物流中转场的工作情况。从而可以根据装载率来合理调度车辆，以便充分利用车辆资源，降低物流成本且提高运行效率。

装载率传统上依靠测量设备或者人工进行测量。然而，测量设备的使用不仅需要专门搭建专用的测量平台，并且对场地有一定的要求。而且无论是依靠测量设备还是人工都需要较大的人力成本，导致成本高且测量速度慢。为了节省人力成本和提高测量的速度，以及随着人工智能的发展，利用神经网络识别装载率成为了一种新方法。但是，现有神经网络通常依靠单张图像的信息进行装载率的识别，导致识别的精度低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高识别精度的装载率识别方法、装置、计算机设备和存储介质。

一种装载率识别方法，所述方法包括：

获取载物厢体的厢内图像；

将所述厢内图像输入训练好的第一神经网络，通过所述第一神经网络的卷积层，提取得到所述厢内图像的车门特征；

将所述厢内图像输入训练好的第二神经网络，通过所述第二神经网络的卷积层，提取得到所述厢内图像的货物特征；

将所述厢内图像输入训练好的第三神经网络，通过所述第三神经网络的中间层，提取得到所述厢内图像的装载率分类特征；其中，所述第三神经网络的中间层与所述第一神经网络、第二神经网络的卷积层的大小相同；

融合所述车门特征、所述货物特征和所述装载率分类特征，得到所述厢内图像的融合特征；

将所述融合特征输入训练好的第四神经网络，得到所述厢内图像的装载率分类结果。

在其中一个实施例中，所述方法还包括：

获取载物厢体的样本集合，所述样本集合包括厢内图像样本、以及标注的所述厢内图像样本的车门掩模图像和货物掩模图像；

将所述厢内图像样本输入第一神经网络，通过所述第一神经网络的卷积层提取所述厢内图像样本的特征图，通过所述第一神经网络的反卷积层将所述特征图采样到原图大小，输出从所述厢内图像样本分割的车门掩模图像；

根据输出的所述车门掩模图像和标注的所述车门掩模图像调整第一神经网络的参数；

当达到训练的结束条件时，停止迭代，得到训练好的第一神经网络；

将所述厢内图像样本输入第二神经网络，通过所述第二神经网络的卷积层提取所述厢内图像样本的特征图，通过所述第二神经网络的反卷积层将所述特征图采样到原图大小，输出从所述厢内图像样本分割的货物掩模图像；

根据输出的所述货物掩模图像和标注的所述货物掩模图像调整第二神经网络的参数；