System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及物流监测,尤其涉及一种物流仓储的工装识别方法、装置、设备及存储介质。
技术介绍
1、随着互联网的迅速发展,电商和物流行业发展越来越迅速。仓储是物流中非常重要的一环,仓储工作的良好运转有利于物流工作的良好运行,同时,人员的不规范工装也会导致存在外来人员侵入的情况,不利于企业管理。为进一步规范仓储中员工行为,区分操作人员和非操作人员,提升企业服务,展示集团公司良好形象,培育和弘扬优秀企业文化,对物流仓储的员工着装提出要求,在工作时间和工作场合需要规范穿工装。
2、以往都是安保员进行巡逻检查,但是通过设置安保员进行巡逻检查的方式不仅耗时耗力,而且容易出现漏检的情况,从而导致仓储巡检存在安全隐患。
3、因此,现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于解决现有技术通过设置安保员对员工着装进行巡检效率以及准确率不高,从而导致仓储巡检存在安全隐患的问题。
2、本专利技术第一方面提供了一种物流仓储的工装识别方法,包括:获取仓储场景中的监控样本图像,并对所述监控样本图像进行分类,得到多类别的监控样本训练数据;根据预设目标检测网络和注意力机制模块构建着装识别模型,并根据所述监控样本训练数据对所述着装识别模型进行训练;获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型进行检测,得到检测结果;当判定所述检测结果为不规范工装时,进行告警提示。
3、可选的,在本专利技术第一方面的第一种实现方式中,所述获
4、可选的,在本专利技术第一方面的第二种实现方式中,所述根据预设目标检测网络和注意力机制模块构建着装识别模型,并根据所述监控样本训练数据对所述着装识别模型进行训练的步骤包括:采用yolov5-seg网络作为所述预设目标检测网络,并根据所述监控样本图像对所述yolov5-seg网络进行参数配置;当所述yolov5-seg网络的参数配置完成时,将配置完成的yolov5-seg网络和所述注意力机制模块共同构建得到着装识别模型;当所述着装识别模型构建完成时,根据所述监控样本训练数据和所述类别标签对所述着装识别模型进行训练,得到训练完成的着装识别模型。
5、可选的,在本专利技术第一方面的第三种实现方式中,所述获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型进行检测,得到检测结果的步骤包括:获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型中yolov5-seg网络进行特征提取,得到第一特征图;对所述第一特征图进行卷积降维,得到第二特征图;将所述第二特征图输入到所述注意力机制模块进行全局的上下文信息提取,得到第三特征图;根据所述第一特征图和所述第三特征图进行特征分割,得到检测结果。
6、可选的,在本专利技术第一方面的第四种实现方式中,所述yolov5-seg网络包括骨干网络、颈部网络以及头部网络;所述获取目标检测图像,将所述目标检测图像输入已训练完成的着装识别模型中yolov5-seg网络进行特征提取,得到第一特征图的步骤包括:获取目标检测图像,将所述目标检测图像输入到所述yolov5-seg网络的骨干网络,提取所述目标检测图像的第一特征;将所述目标检测图像输入到所述yolov5-seg网络的颈部网络,提取所述目标检测图像的第二特征;通过所述yolov5-seg网络的头部网络对所述第一特征和所述第二特征进行特征预测,得到所述第一特征图。
7、可选的,在本专利技术第一方面的第五种实现方式中,所述注意力机制模块包括二维交叉注意力模块和三维交叉注意力模块;所述将所述第二特征图输入所述注意力机制模块进行全局的上下文信息提取,得到第三特征图的步骤包括:将所述第二特征图输入到所述二维交叉注意力模块,通过所述二维交叉注意力模块对所述第二特征图中的第一像素进行提取,得到所述第一像素在水平方向和垂直方向的上下文信息以及中间特征图;将所述中间特征图输入到所述三维交叉注意力模块,通过所述三维交叉注意力模块对所述中间特征图中的第二像素进行提取,得到所述第二像素在全局范围内的上下文信息以及第三特征图。
8、可选的,在本专利技术第一方面的第六种实现方式中,所述当判定所述检测结果为不规范工装时,进行告警提示的步骤包括:将所述检测结果与预设结果进行对比,根据所述预设结果判断所述检测结果为规范工装或不规范工装;当判定所述检测结果为不规范工装时,进行告警提示。
9、本专利技术第二方面提供了一种物流仓储的工装识别装置,包括:监控样本图像采集模块,用于获取仓储场景中的监控样本图像,并对所述监控样本图像进行分类,得到多类别的监控样本训练数据;着装识别模型训练模块,用于根据预设目标检测网络和注意力机制模块构建着装识别模型,并根据所述监控样本训练数据对所述着装识别模型进行训练;目标检测图像检测模块,用于获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型进行检测,得到检测结果;检测结果判定模块,用于当判定所述检测结果为不规范工装时,进行告警提示。
10、可选的,在本专利技术第二方面的第一种实现方式中,所述监控样本图像采集模块包括:监控样本图像标注单元,用于获取仓储场景中的监控系统随机采集的监控样本图像,并使用图像标注工具对所述监控样本图像进行标注,得到标注结果;监控样本图像分类单元,用于根据标注结果对所述监控样本图像进行分类,得到多类别的监控样本训练数据,其中,所述监控样本训练数据包括预设数量的规范工装数据和不规范工装数据;类别标签设置单元,用于对所述预设数量的规范工装数据和不规范工装数据设置对应的类别标签,并将所述监控样本训练数据与所述类别标签一一对应。
11、可选的,在本专利技术第二方面的第二种实现方式中,所述着装识别模型训练模块包括:网络参数配置单元,用于采用yolov5-seg网络作为所述预设目标检测网络,并根据所述监控样本图像对所述yolov5-seg网络进行参数配置;着装识别模型构建单元,用于当所述yolov5-seg网络的参数配置完成时,将配置完成的yolov5-seg网络和所述注意力机制模块共同构建得到着装识别模型;着装识别模型训练单元,用于当所述着装识别模型构建完成时,根据所述监控样本训练数据和所述类别标签对所述着装识别模型进行训练,得到训练完成的着装识别模型。
12、可选的,在本专利技术第二方面的第三种实现方式中,所述目标检测图像检测模块:第一特征图生成单元,用于获取目标检测图像,将所述目标检测图像输入到已训练完成的本文档来自技高网...
【技术保护点】
1.一种物流仓储的工装识别方法,其特征在于,所述物流仓储的工装识别方法包括:
2.根据权利要求1所述物流仓储的工装识别方法,其特征在于,所述获取仓储场景中的监控样本图像,并对所述监控样本图像进行分类,得到多类别的监控样本训练数据的步骤包括:
3.根据权利要求2所述物流仓储的工装识别方法,其特征在于,所述根据预设目标检测网络和注意力机制模块构建着装识别模型,并根据所述监控样本训练数据对所述着装识别模型进行训练的步骤包括:
4.根据权利要求1所述物流仓储的工装识别方法,其特征在于,所述获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型进行检测,得到检测结果的步骤包括:
5.根据权利要求4所述物流仓储的工装识别方法,其特征在于,所述YOLOv5-seg网络包括骨干网络、颈部网络以及头部网络;所述获取目标检测图像,将所述目标检测图像输入已训练完成的着装识别模型中YOLOv5-seg网络进行特征提取,得到第一特征图的步骤包括:
6.根据权利要求4所述物流仓储的工装识别方法,其特征在于,所述注意力机制模块包括二维交叉
7.根据权利要求1所述物流仓储的工装识别方法,其特征在于,所述当判定所述检测结果为不规范工装时,进行告警提示的步骤包括:
8.一种物流仓储的工装识别装置,其特征在于,包括:
9.一种物流仓储的工装识别设备,其特征在于,包括存储器和至少一个处理器,所述存储器中存储有计算机可读指令;
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1-7中任一项所述物流仓储的工装识别方法的各个步骤。
...【技术特征摘要】
1.一种物流仓储的工装识别方法,其特征在于,所述物流仓储的工装识别方法包括:
2.根据权利要求1所述物流仓储的工装识别方法,其特征在于,所述获取仓储场景中的监控样本图像,并对所述监控样本图像进行分类,得到多类别的监控样本训练数据的步骤包括:
3.根据权利要求2所述物流仓储的工装识别方法,其特征在于,所述根据预设目标检测网络和注意力机制模块构建着装识别模型,并根据所述监控样本训练数据对所述着装识别模型进行训练的步骤包括:
4.根据权利要求1所述物流仓储的工装识别方法,其特征在于,所述获取目标检测图像,将所述目标检测图像输入到已训练完成的着装识别模型进行检测,得到检测结果的步骤包括:
5.根据权利要求4所述物流仓储的工装识别方法,其特征在于,所述yolov5-seg网络包括骨干网络、颈部网络以及头部网络;所述获取目标检测图像,将所述目标检测图像输入已训练完成的着装识...
【专利技术属性】
技术研发人员:徐梦佳,李斯,杨周龙,
申请(专利权)人:上海东普信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。