[发明专利]一种自主学习识别新型违禁品的方法

权利要求书

1.一种自主学习识别新型违禁品的方法，其特征在于：该方法包括以下步骤：

划定新型违禁品的图片p，将图片p归纳于分类n、大类S，并标注危险等级；

将对应的图片p、分类n和大类S形成组合信息，并上传至自主学习初步数据集a1；

根据图片p提取新型违禁品的初步特征t1；

自动联网检索包括初步特征t1的相关图片，生成图片集，根据图片集提取和归纳新型违禁品的深层特征t2；

将对应的新型违禁品深层特征t2上传至自主学习初步数据集a1，更新后删除图片p，形成自主学习深层数据集a2；

根据该新型违禁品的危险等级，按照不同的频率进行设备间自主学习深层数据集a2的共享发送和学习更新；

生成新的违禁品检测模型Z。

2.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述划定新型违禁品的图片p，将图片p归纳于分类n、大类S，并标注危险等级，具体包括：

多角度拍摄，采集包裹不同角度的拍摄照片，并关联呈现在屏幕上；

在包裹图片中划定标注框，选择裁切出新型违禁品的图片p，并进行位置、时间和危险等级的标注；

新增并命名分类n，将图片p归纳至分类n；

将分类n归纳至所属的原有大类S，或为之新建大类S。

3.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述将对应的图片p、分类n和大类S形成组合信息，并上传至自主学习初步数据集a1，具体包括：

将新型违禁品图片p和其所属的分类n、大类S进行信息关联，匹配生成组合信息，然后将组合信息先保存在本地设备中，再无线上传成为云端的自主学习初步数据集a1。

4.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述根据图片p提取新型违禁品的初步特征t1，具体包括：

对新型违禁品的图片p进行图片处理，包括图像预处理、旋转平移和边缘检测，再进行特征提取处理，包括图像渲染、特征对齐、特征参数计算和精细化处理，最终得到新型违禁品的初步特征t1。

5.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述自动联网检索包括初步特征t1的相关图片，生成图片集，根据图片集提取和归纳新型违禁品的深层特征t2，具体包括：

以新型违禁品的初步特征t1为必要点，自动联网检索包括初步特征t1的相关图片，生成包括有大量相关图片的图片集，再对图片集中的图片依次进行包括图像渲染、特征对齐、特征参数计算、精细化处理的特征提取处理，重新提取出现频率较高的新特征，舍弃差异较大的非普遍特征，形成新型违禁品的深层特征t2。

6.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述将对应的新型违禁品深层特征t2上传至自主学习初步数据集a1，更新后删除图片p，形成自主学习深层数据集a2，具体包括：

将对应的新型违禁品深层特征t2与其初步特征t1相关联，再将初步特征t1和新型违禁品的图片p相关联，将新型违禁品的图片p与自主学习初步数据集a1相关联，最后将新型违禁品深层特征t2上传至对应的自主学习初步数据集a1，更新后删除图片p，形成包括有将新型违禁品深层特征t2、分类n和大类S的自主学习深层数据集a2。

7.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：根据该新型违禁品的危险等级，按照不同的频率进行设备间自主学习深层数据集a2的共享发送和学习更新，具体包括：

在相互关联、绑定的设备之间实行数据共享，将某台设备生成的自主学习深层数据集a2无线共享发送至其他设备的接收端，发送频率根据对该新型违禁品标注的危险等级而定，新型违禁品标注的危险等级越高，发送间隔越短，即发送频率越高，危险等级越低，则发送频率也越低；

发送之后其他设备接收自主学习深层数据集a2，再根据该新型违禁品标注的危险等级确定自身的更新频率，若新型违禁品标注的危险等级越高，则更新频率也越高，危险等级越低，则更新频率也越低。

8.根据权利要求1所述的自主学习识别新型违禁品的方法，其特征在于：所述生成新的违禁品检测模型Z，具体包括：

自主学习后生成新的违禁品检测模型Z；

选择是否在检测任务中使用新的违禁品检测模型Z。