[发明专利]一种货物入库检测方法、仓储入库系统及存储介质

权利要求书

1.一种货物入库检测方法，其特征在于，包括：

S1，通过双目相机采集待入库货物的三维数据；

S2，对所述三维数据进行预处理；

S3，将预处理后的所述三维数据通过训练后的深度卷积模型，识别出所述三维数据对应的货物型号；

S4，根据所述货物型号获得货物信息条形码，并存储进仓储数据库中；

其中，所述通过训练后的深度卷积模型，识别出所述三维数据的货物型号具体包括：

通过特征提取模块提取预处理后的所述三维数据的左图图像特征和右图图像特征，采用权值共享法对所述左图图像特征和所述右图图像特征进行处理；

通过双目特征融合函数对处理后的所述左图图像特征和所述右图图像特征进行融合；

使用图像特征金字塔对融合后的图像特征进行特征挖掘；

通过分类模块对挖掘后的图像特征进行分类，输出对应的货物型号；

所述深度卷积模型包括: 所述特征提取模块和所述分类模块。

2.根据权利要求1所述的一种货物入库检测方法，其特征在于，还包括：

所述分类模块包括：全连接层和sigmoid层。

3.根据权利要求1或2所述的一种货物入库检测方法，其特征在于，所述使用图像特征金字塔对融合后的图像特征进行特征挖掘具体包括：

通过图像特征金字塔采用下采样和自上而下的连接路径进行特征挖掘，并通过横向连接保留原始特征信息。

4.根据权利要求1或2所述的一种货物入库检测方法，其特征在于，所述双目特征融合函数的公式如下:

其中，为双目特征融合函数；为所述左图图像特征经所述深度卷积模型的注意力卷积层后得到的特征向量；为所述右图图像特征经所述注意力卷积层后得到的特征向量。

5.根据权利要求1所述的一种货物入库检测方法，其特征在于，还包括：

在深度卷积模型中使用基于交叉熵的损失函数；

采用梯度反向传播更新所述深度卷积模型参数；

通过样本数据对更新后的所述深度卷积模型进行训练，获得训练后的所述深度卷积模型。

6.根据权利要求5所述的一种货物入库检测方法，其特征在于，所述损失函数包括：在多分类交叉熵损失的基础上，增加针对样本训练难易度的损失函数为：

其中，是模型输出，是输入样本对应的标签，是常规交叉熵损失。

7.根据权利要求1所述的一种货物入库检测方法，其特征在于，所述对所述三维数据进行预处理具体包括：

基于训练后的深度学习的生成对抗网络对所述三维数据进行预处理。

8.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至7中任一项所述的一种货物入库检测方法。

9.一种仓储入库系统，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如权利要求1至7中任一项所述的一种货物入库检测方法。