[发明专利]一种基于深度学习的快递包裹检测识别算法在审
| 申请号： | 202211045780.2 | 申请日： | 2022-08-30 |
| 公开（公告）号： | CN115311626A | 公开（公告）日： | 2022-11-08 |
| 发明（设计）人： | 尹皓;陈鑫;陈路;张贵平;王紫浩;汤斌;葛道凯;梁西波;狄波;王成 | 申请（专利权）人： | 金锋馥（滁州）科技股份有限公司;电子科技大学 |
| 主分类号： | G06V20/52 | 分类号： | G06V20/52;G06V10/20;G06V10/25;G06V10/82 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 239000 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及物流检测识别技术领域，具体是一种基于深度学习的快递包裹检测识别算法，包括以下步骤：S1.预处理步骤：在预处理阶段对数据分别进行了hsv色彩空间增强、尺度变换增强与180度图片翻转增强，赋予了整个网络旋转不变性以及提升了网络对光照变化的鲁棒性以及快件角度变化的鲁棒性；S2.更换算法：在YOLOv5n网络的基础上将CSPDarknet53中的普通卷积层(CONV)换成了GhostConv，减少了网络整体的FLOPs，从而有效减少了检测算法推理时的花销，并且对比原有算法。本发明将YOLOv5中CSPDarknet53的普通卷积层替换成GhostConv，并使用了GIoU loss作为损失函数后运行帧数提升为32帧，mAP0.5的检测精度提升为99.31%，mAP0.5:0.95的检测精度提升为84.85%，可以满足多快件分离系统的实时运行要求和精度要求，并且已经超出同类产品检测算法的16帧检测效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 快递 包裹 检测 识别 算法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于金锋馥（滁州）科技股份有限公司;电子科技大学，未经金锋馥（滁州）科技股份有限公司;电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202211045780.2/，转载请声明来源钻瓜专利网。
