[发明专利]一种烟框重复过磅行为识别方法及装置

说明书

本发明公开了一种烟框重复过磅行为识别方法及装置，涉及烟叶收购技术领域，该方法包括以下步骤：卷积神经网络模型训练，得到训练后的卷积神经网络模型；通过摄像头获取烟框过磅过程中的时序连续的实时图像集；标记所述实时图像集中磅所在区域的位置；通过训练后的卷积神经网络模型对所述实时图像集中的每一帧实时图像进行处理，获取所述实时图像集中的每个烟框的位置；采用最近邻跟踪算法，获得每个所述烟框的运动轨迹；根据每个所述烟框的运动轨迹以及所述磅所在区域的位置，对重复过磅行为进行识别。本发明利用卷积神经网络及基于最近邻关联的多目标跟踪技术实现多目标烟框的跟踪识别，提高了烟框重复过磅行为的识别准确率，实现了自动化。

技术领域

本发明涉及烟叶收购技术领域，具体涉及一种烟框重复过磅行为识别方法及装置。

背景技术

早在2002年，我国烟草企业就开始了探索，湖北省保康县烟草公司在马良烟草站建立了烟叶自动化收购控制系统，经实际应用，效果良好。随着国家局“建设现代烟草农业”宏伟目标的提出，近年来，山东临沂、云南曲靖、河南南阳、漯河、湖南郴州、邵阳、福建三明、龙岩等地市烟草公司纷纷开始研究自动化输送线系统，以加快烟叶收购管理现代化进程，降低烟叶收购劳动强度、提高收购效率。

但是目前国内烟叶收购自动化输送线系统大部分只是覆盖到评级区和司磅结算区，烟叶入库时仍需要人工抬烟，个别站点虽然有覆盖到仓储区，但是没有自动分拣功能，只能由人工将入库的烟叶堆放到相应的等级区。

目前烟叶收购过程中可能出现烟框重复过磅行为，会给采购者造成一定的经济损失。目前通常采用人工监视的方法判断烟框是否重复过磅，但是该方法耗费人力成本，且识别效率和识别准确性都比较低。

发明内容

本发明提出一种烟框重复过磅行为识别方法及装置，以解决上述烟叶收购过程中烟框重复过磅人工监视方法存在的问题。因此，本发明采用以下技术方案。

第一方面，本发明提供一种烟框重复过磅行为识别方法，包括以下步骤：

S1：卷积神经网络模型训练：得到训练后的卷积神经网络模型；

S2：数据采集：通过摄像头获取烟框过磅过程中的时序连续的实时图像集；

S3：磅所在区域的位置确定：标记所述实时图像集中磅所在区域的位置；

S4：烟框位置检测：通过训练后的卷积神经网络模型对所述实时图像集中的每一帧实时图像进行处理，获取所述实时图像集中的每个烟框的位置，根据所述每个烟框初次获取到的先后顺序对所述每个烟框进行顺序编号。

S5：烟框轨迹建立：采用最近邻跟踪算法对所述实时图像集中的每个烟框的运动轨迹进行跟踪，获得每个所述烟框的运动轨迹；

S6：烟框重复过磅行为识别：根据每个所述烟框的运动轨迹以及所述磅所在区域的位置，判断每个所述烟框进入所述磅所在区域的次数，若烟框的运动轨迹进入所述磅所在的区域的次数大于1，则判定所述烟框出现重复过磅行为。

进一步的，所述步骤S1具体步骤包括：

S11：通过摄像头采集图像样本集；

S12：对所述图像样本集进行预处理；

S13：构建卷积神经网络；

S14：对所述预处理后的图像样本集进行训练，得到所述训练后的卷积神经网络模型。

进一步的，对所述图像样本集的预处理步骤包括：

第一步，标记所述图像样本集中所有图像中目标的位置所在的区域，制作训练样本的标签，所述目标为烟框；

第二步，对经过所述第一步处理后的所述图像样本进行灰度调整，不改变标记的所述目标的位置；