CN114170293B - 一种基于多属性标准标签的快递箱体积测量方法 - Google Patents

Abstract

本发明公开了一种多属性标准标签的快递箱体积测量方法，所述快递箱体积测量方法通过采集快递箱的图像信息，通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算到快递箱的体积参数V1，并根据快递单记载的内容得到快递箱的体积参数V2和托运物的重量，通过托运物的重量反向求出快递箱的体积参数V3，再引用对应的权重参数，求得最终的快递箱的体积V，通过使用该测量方法，可以精准地对快递箱的体积进行测量，从而为不同尺寸的快递计费方式提供更合理的标准，具有成本低、误差小、诊断精度高等优点。

Description

一种基于多属性标准标签的快递箱体积测量方法

技术领域

本发明涉及一种快递箱信息测量方法，具体为一种基于多属性标准标签的快递箱体积测量方法。

背景技术

箱体体积测量主要应用于物流、电商、仓库存储、航空货栈等领域，提供计算运费、货物摆放、箱体推荐等各种服务。

随着电商平台的不断发展，快递行业也随之逐渐发展，物流中快递箱的使用也逐渐增加。如何快速、准确、高效地测量出快递箱的体积是目前行业急需解决的问题。目前已有多种的测量方式：

(1)、人工检测，工作人员手动通过尺子测量，这不仅效率低而且容易出现错误；

(2)、光栅测量法，通过设备自动测量，测量精度高，但是需要人力将箱体搬到固定位置，对高于1米的箱体测量非常困难，耗费人力且仪器成本高；

(3)、基于双目立体视觉的体积测量法，算法复杂度高，立体匹配困难，测量大尺寸箱体精度低，不适用于物流等复杂的测量场景。

为此，申请公布号为CN110068270A的发明专利申请公开了“一种基于多线结构光图像识别的单目视觉箱体体积测量方法”，通过向测量箱体平面投射多线结构光(井字形，十字形，平行线形)，经过图像处理检测线结构光与箱子边缘的交点，根据结构光三角测量理论将点从二维坐标系换算到三维坐标系下计算规则箱体长度、宽度和高度，进而计算其体积。

然而上述的基于多线结构光图像识别的单目视觉箱体体积测量方法只是通过视觉去计算快递箱的体积，而没有充分利用快递单与快递箱之间的关联，为此测量所得到的体积的精度不高。

发明内容

本发明在于克服现有技术的不足，提供一种基于多属性标准标签的快递箱体积测量方法，所述快递箱体积测量方法可以通过多种参数对快递箱的体积进行测量，从而为不同尺寸的快递计费方式提供更合理的标准，具有成本低、误差小、诊断精度高等优点。

本发明解决上述技术问题的技术方案是：

一种基于多属性标准标签的快递箱体积测量方法，包括以下步骤：

(1)、图像采集装置采集传送带中的快递箱的图像，并将图像信息传递给图像处理装置；

(2)、图像处理装置对该图像信息进行处理，得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息，其中，快递单中所记载的信息包括托运物的体积和重量以及快递单的长度和宽度；

(3)、通过尺度比例算法对图像中的快递箱和快递单的尺寸参数进行计算，得到快递箱的体积参数V1；

(4)、通过识别快递单中记载的信息，得到快递单中记载的快递箱的体积参数V2；

(5)、通过快递箱的重量，计算快递箱的体积参数V3；

(6)、加入对应的权重系数，通过以下公式计算快递箱的体积：

V＝K1×V1+K2×V2+K3×V3；

其中，K1、K2、K3分别为与V1、V2、V3对应的权重系数。

优选的，在步骤(1)中，通过图像采集装置在不同的光照强度下拍摄600段视频，每段视频的时长在1.20min-2min之间；并将每段视频以5帧/s的频率切割成图片，且保证每张图片均包含快递单。

优选的，所述图像采集装置为RGB相机。

优选的，在步骤(2)中，在对采集到的图像信息进行处理时，首先使用分割算法将快递单和快递箱的骨架提取出。

优选的，在步骤(3)中，在将快递箱和快递单与背景图像分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn(n＝1,…,10，n>＝4)的像素坐标.并计算分割后的图像中的快递箱和快递单的边长。

优选的，若Pa和Pb为图像中快递箱的长度方向上的两个端点，PaPb的像素长度为l₁；Pc和Pd为图像中快递单的长度方向上的两个端点，PcPd的像素长度为l₂,通过识别快递单中记载的信息，得到Pc和Pd之间的实际长度为l,则Pa与Pb之间的实际长度L为：同理，可求得快递箱的宽度和高度，进而得到快递箱的体积V1＝长度×宽度×高度。

优选的，在步骤(4)中，快递单的信息识别的步骤为：首先采集垂直视角下的含有快递单的图像，对其进行预处理和阈值分割，得到快递单的文字区域类型，其次根据内容类型，分离快递单的信息，然后按个别字符切分，得到单个字符信息，并提取字符特征，最后基于统计模式识别，得到快递单所记载的具体内容。

优选的，在步骤(5)中，在获取快递单中记载的托运物的重量G后，计算体积参数V3：

其中，λ为常数。

优选的，在步骤(5)中，托运物的重量通过识别快递单中记载的信息得到，或者直接通过称重装置现场称重得到。

优选的，在步骤(6)中，权重参数的选择包括以下步骤：

首先赋予一组初始权重值：K1＝0.33、K2＝0.33、K3＝0.33，在已知的一组快递箱体积测量的情况下，得到V1、V2和V3；接着，根据公式V＝K1×V1+K2×V2+K3×V3得到体积测量值V_C，根据快递箱实际的体积V_T，计算体积的损失函数并设置学习率Vr＝0.001m³，不断更新权重系数K1、K2和K3,直至V_R≤0.001m³时，停止更新权重系数，并将满足该条件的权重系数K1、K2和K3代入V＝K1×V1+K2×V2+K3×V3中，完成后续体积测量。

本发明与现有技术相比具有以下的有益效果：

1、本发明的基于多属性标准标签的快递箱体积测量方法通过采集快递箱中的图像信息，通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算到快递箱的体积参数V1，并根据快递单得到快递箱的体积参数V2和托运物的重量，通过托运物的重量求出快递箱的体积参数V3，再引用对应的权重参数，求得最终的快递箱的体积，通过使用该测量方法，可以精准地对快递箱的体积进行测量，测量误差更小。

2、本发明的基于多属性标准标签的快递箱体积测量方法利用快递单的标签尺度的属性信息，通过字符识别技术提取快递单标签内容属性信息，数值计算计算属性信息，融合三者信息权重，快速准确判断快递箱体的体积，为不同尺寸的快递计费方式提供更合理的标准，具有成本低、误差小、诊断精度高等优点。

附图说明

图1为本发明的基于多属性标准标签的快递箱体积测量方法的流程示意图。

图2为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单的示意图。

图3为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单尺度测量的流程示意图。

图4为本发明的基于多属性标准标签的快递箱体积测量方法中的快递单字符识别的流程示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

目前物流行业采用流水线式处理快递箱，通过视觉去估计快递箱的体积，而没有充分利用快递单与快递箱之间的关联；为此，本发明基于实际所需箱体信息，设计了一种新型快递单设计图(参见图2)，与现有的快递单相比，本发明中的快递单增加体积一栏；其中，快递单的尺寸和设置位置可以灵活选择；并利用流水线的作业模式，在流水线的某段地方放置，当快递箱在传送带传输过程中，摄像头采集快递箱和快递单的信息，即使用图像立体几何，测量，估计快递箱的体积参数V1，使用字符提取技术估计快递箱的体积参数V2、以及利用托运物的重量反向推导出快递箱的体积参数V3；最后，赋予不同属性一定的权重因素(K1，K2，K3)，将V1、V2、V3关联起来，最后得到快递箱的体积V＝K1×V1+K2×V2+K3×V3，具体步骤如下。

参见图1-图4，本发明的基于多属性标准标签的快递箱体积测量方法，包括以下步骤：

(1)、图像采集装置采集传送带中的快递箱的图像，并将图像信息传递给图像处理装置，其中，所述图像采集装置为RGB相机，通过RGB相机在不同的光照强度下拍摄600段视频，每段视频的时长在1.20min-2min之间；并将每段视频以5帧/s的频率切割成图片，且保证每张图片均包含快递单，用于属性信息解析；

(2)、图像处理装置在对采集到的图像信息进行处理时，首先使用分割算法将快递单和快递箱的骨架提取出来，为算法做预处理，包括尺度测量和字符识别，以此得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息；

(3)、通过尺度比例算法对图像中快递箱和快递单的尺寸参数进行计算，得到快递箱的体积参数V1，具体为：在将快递箱和快递单与背景分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn(n＝1,…,10，n>＝4)的像素坐标.并计算分割后的图像中的快递箱和快递单的边长；在图2中，P7和P9的像素长度为l₁，P2和P5的像素长度为l₂,通过识别快递单中记载的信息，得到P7和P9之间的实际长度为l,则P2与P5之间的实际长度L为：

同理，可求得快递箱的宽度和高度，进而得到快递箱的体积V1＝长度×宽度×高度，其中，步骤(3)可以以如下例子进行说明：

如图3所示，假设快递单尺寸(hxw＝0.5x0.5m)，快递箱(正方体)的尺寸(AxBxC)，且图像中像素距离为l₁＝1单位，l₂＝5单位，则快递箱中；

同理可以B＝2.5m，C＝2.5m；

因此，快递箱的体积参数V1＝2.5x2.5x2.5＝15.625m³。

(4)、通过识别快递单中记载的信息，具体步骤为：首先使用Grabcut采集垂直视角下的含有快递单的图像，对其进行预处理和阈值分割，得到快递单的文字区域类型，其次根据内容类型，分离快递单的信息，然后按个别字符切分，得到单个字符信息，并基于梯度等提取字符特征，最后基于统计模式识别，得到快递单所记载的具体内容，以此得到快递单中记载的快递箱的体积参数V2；

(5)、通过获取快递单中记载的重量信息，用计算体积重量的逆运算得到求体积，其中标准化计算体积重量的方法为V3＝长度L(cm)×宽度W(cm)×高度H(cm)/5000＝重量(kg)，由于可以获得精准的重量信息，因此由重量(kg)×5000可以反过来求得体积值V3，所述快递箱的体积参数V3；

其中，λ为常数，例如λ＝5000。

(6)、赋予不同属性初始的权重(K1＝0.5，K2＝0.5，K3＝0.5)，计算快递箱的体积：

V＝K1×V1+K2×V2+K3×V3；

其中，K1、K2、K3分别对应V1、V2、V3，且每个权重系数可以根据各属性的重要度去评判，进而调节权重比。

其中，在步骤(6)中，权重参数的选择包括以下步骤：

首先赋予一组初始权值：K1＝0.33、K2＝0.33、K3＝0.33(要求K1+K2+K3＝1)在已知的一组快递箱体积测量的情况下，得到V1、V2和V3；其次，根据步骤(6)中的公式计算得到快递箱的体积测量值V_C，根据快递箱实际的体积V_T，将V_C和V_T代入到体积损失函数中，且同时设置学习率Vr＝0.001m³，不断更新权重系数K1、K2和K3,直至V_R≤0.001m³时，停止更新权重系数，并将满足该条件的权重系数K1、K2和K3代入V＝K1×V1+K2×V2+K3×V3中，完成后续体积测量。

本发明主要注重快递单的尺度属性，而不是利用尺度比例算法，通过增强快递单的尺度作用，快速得到快递箱的体积；其次，快递单可以只设置在快递箱的一面，但是考虑实到实际情况下，快递箱体的大小不可限定，为此，可以在快递箱的多个面，例如三个面(对称)贴有快递单，充分利用快递单的尺度属性。

参见图2，本实施例中的快递单包括以下信息：

1.发件人信息：(1)寄件人始发地、发件时间、姓名、电话；(2)寄件人单位名称；(3)寄件人地址；

2、收件人信息：(1)收件人目的地、姓名、电话：请详细填写收件人姓名、有效的联系电话；(2)收件人单位名称；(3)收件人地址；

3、交运物品描述(1)物品名称：请注明内装物品的具体名称；

(2)物品需清点：请注明内装物品的具体数量；

4、托运物信息：(1)体积；(2)重量；

5、快递单的详细信息：内外边框的长宽

6、业务类型

7、费用

8、付款方式

最后，本发明中的字符提取技术用于自定义快递单信息提取中，从而增加其他属性的体积测量，以此增强准确性。

上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、块合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于多属性标准标签的快递箱体积测量方法，其特征在于，包括以下步骤：

(1)、图像采集装置采集传送带中的快递箱的图像，并将图像信息传递给图像处理装置；

(2)、图像处理装置对该图像信息进行处理，得到图像中快递箱和快递单的尺寸参数以及快递单中所记载的信息，其中，快递单中所记载的信息包括托运物的体积和重量以及快递单的长度和宽度；

(3)、通过尺度比例算法对图像中的快递箱和快递单的尺寸参数进行计算，得到快递箱的体积参数V1；在将快递箱和快递单与背景图像分割后,利用图像处理技术在分割后的图像中找到快递箱和快递单中的各个边长上的端点Pn的像素坐标，其中，n＝1,…,10；并计算分割后的图像中的快递箱和快递单的边长；

(4)、通过识别快递单中记载的信息，得到快递单中记载的快递箱的体积参数V2；

(5)、通过快递箱的重量，计算快递箱的体积参数V3；

(6)、加入对应的权重系数，通过以下公式计算快递箱的体积：

V＝K1×V1+K2×V2+K3×V3；

其中，计算快递箱的体积V1的步骤为：Pa和Pb为图像中快递箱的长度方向上的两个端点，PaPb的像素长度为l₁；Pc和Pd为图像中快递单的长度方向上的两个端点，PcPd的像素长度为l₂,通过识别快递单中记载的信息，得到Pc和Pd之间的实际长度为l,则Pa与Pb之间的实际长度L为：同理，可求得快递箱的宽度和高度，进而得到快递箱的体积V1＝长度×宽度×高度；

其中，K1、K2、K3分别为与V1、V2、V3对应的权重系数；

权重参数的选择包括以下步骤：

首先赋予一组初始权重值：K1＝0.33、K2＝0.33、K3＝0.33，在已知的一组快递箱体积测量的情况下，得到V1、V2和V3；接着，根据公式V＝K1×V1+K2×V2+K3×V3得到体积测量值V_C，根据快递箱实际的体积V_T，计算体积的损失函数并设置学习率Vr＝0.001m³，不断更新权重系数K1、K2和K3,直至V_R≤0.001m³时，停止更新权重，并将满足条件的权重系数K1、K2和K3代入V＝K1×V1+K2×V2+K3×V3中，完成后续体积测量。

2.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，在步骤(1)中，通过图像采集装置在不同的光照强度下拍摄600段视频，每段视频的时长在1.20min-2min之间；并将每段视频以5帧/s的频率切割成图片，且保证每张图片均包含快递单。

3.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，所述图像采集装置为RGB相机。

4.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，在步骤(2)中，在对采集到的图像信息进行处理时，首先使用分割算法将快递单和快递箱的骨架提取出。

5.根据权利要求4所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，在步骤(4)中，快递单的信息识别的步骤为：首先采集垂直视角下的含有快递单的图像，对其进行预处理和阈值分割，得到快递单的文字区域类型，其次根据内容类型，分离快递单的信息，然后按个别字符切分，得到单个字符信息，并提取字符特征，最后基于统计模式识别，得到快递单所记载的具体内容。

6.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，在步骤(5)中，在获取快递单中记载的托运物的重量G后，计算体积参数V3，其中，

其中，λ为常数。

7.根据权利要求1所述的基于多属性标准标签的快递箱体积测量方法，其特征在于，在步骤(5)中，托运物的重量通过识别快递单中记载的信息得到，或者直接通过称重装置现场称重得到。