(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111435773.9 (22)申请日 2021.11.29 (71)申请人 云南迦南飞奇科技有限公司 地址 650000 云南省昆明市富民工业园区 哨箐机械加工园 (72)发明人 王晓明　吴昌昊　刘应波　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 代理人 崔自京 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01)G06N 20/00(2019.01) G06T 5/00(2006.01) G06T 7/62(2017.01) (54)发明名称 一种基于机器视觉的输送线物品拥挤在线 感知系统及方法 (57)摘要 本发明公开了一种基于机器视觉的输送线 物品拥挤在线感知系统及方法， 其中系统包括： 图像采集模块、 图像智 能分类模块、 拥堵评估模 块和故障决策模块； 方法包括： S1.采集输送线的 运输过程中物品运输图像， 并进行存储； S2.通过 训练后的机器学习模型来识别物品运输图像， 从 而获取输送线上物品堆积情况， 并得到物品堆积 总面积， 根据物品堆积总面积的大小来判定输送 线上是否发生了输送拥堵； S3.根据物品运输图 像获取拥挤形态参数， 根据拥挤形态 参数量化拥 堵程度， 其中， 拥挤形态参数包括拥堵范围、 拥堵 强度和拥堵时间； S4.根据拥堵程度分析处理决 策， 并对拥堵原因进行分析。 本发明能够提供高 效和简便的输送线物品输送拥挤在线感知系统 及方法。 权利要求书2页 说明书5页 附图2页 CN 114170505 A 2022.03.11 CN 114170505 A 1.一种基于机器视觉的输送线物品输送拥挤在线感知系统， 其特征在于， 包括： 图像采 集模块、 图像智能分类模块、 拥堵评估 模块和故障决策模块； 所述图像采集模块， 用于采集输送线的运输过程中物品运输图像， 并进行存 储； 所述图像智能分类模块， 用于通过训练后的机器学习模型来识别所述物品运输 图像， 从而获取所述输送线上物品堆积情况， 并得到所述物品堆积总面积， 根据所述物品堆积总 面积的大小来判定所述输送线上 是否发生了 输送拥堵； 所述拥堵评估模块， 用于根据所述物品运输 图像获取拥挤形态参数， 根据所述拥挤形 态参数量化拥堵程度， 其中， 所述拥挤形态参数包括拥堵范围、 拥堵强度和拥堵时间， 所述 拥堵范围为所述物品堆积总面积， 所述拥堵强度为物品重叠部分面积， 所述拥堵时间为始 末拥堵图像帧所经历的总时长， 始图像 帧为最初识别到拥堵的图像 帧， 末图像 帧为识别到 当前拥堵的物品输送至 输送线尾部的图像帧； 所述故障决策模块， 用于根据所述拥堵程度分析处 理决策， 并对拥堵原因进行分析。 2.根据权利要求1所述的一种基于机器视觉的输送线物品输送拥挤在线感知系统， 其 特征在于， 所述图像采集模块包括至少一个摄像机， 所述摄像机 设置于所述输送线 上方， 且 所述摄像机采集图像的频率至少满足所述输送线单位时间内通过输送线的物品输送效率。 3.根据权利要求1所述的一种基于机器视觉的输送线物品输送拥挤在线感知系统， 其 特征在于， 还包括服务器， 所述图像采集模块将所采集到的所述物品运输图像存储于所述 服务器内， 并向所述图像智能分类模块 提供所述物品运输图像。 4.根据权利要求1所述的一种基于机器视觉的输送线物品输送拥挤在线感知系统， 其 特征在于， 还 包括图像分析模块； 所述图像分析模块包括图像预处理单元和图像降噪单元， 所述图像预处理单元对所述 物品运输图像数据进 行图像预 处理， 筛选空白物品图像； 所述图像降噪单元， 对 预处理后的 图像进行图像降噪。 5.根据权利要求1所述的一种基于机器视觉的输送线物品输送拥挤在线感知系统， 其 特征在于， 还 包括图像特 征提取模块； 所述图像特征提取模块， 用于对降噪后的所述物品运输 图像进行图像特征提取， 其中 包括通过收集预设时间范围内的图像数据， 对于拥挤的类型进行标注， 对所述机器学习模 型进行训练， 还包括对实际待检测时间段内所获取到的降噪后的所述物品运输图像进 行特 征提取， 输入至训练后的所述机器学习模型中。 6.一种基于机器视觉的输送线物品输送拥挤在线感知方法， 其特征在于， 包括以下步 骤： S1.采集输送线的运输过程中物品运输图像， 并进行存 储； S2.通过训练后的机器学习模型来识别所述物品运输图像， 从而获取所述输送线上物 品堆积情况， 并得到所述物品堆积总面积， 根据所述物品堆积总面积的大小来判定所述输 送线上是否发生了 输送拥堵； S3.根据所述物品运输图像获取拥挤形态参数， 根据所述拥挤形态参数量化拥堵程度， 其中， 所述拥挤形态参数包括拥堵范围、 拥堵强度和拥堵时间， 所述拥堵范围为所述物品堆 积总面积， 所述拥堵强度为物品重叠部分面积， 所述拥堵时间为始末拥堵 图像帧所经历的 总时长， 始图像 帧为最初识别到拥堵的图像 帧， 末图像 帧为识别到当前拥堵的物品输送至权　利　要　求　书 1/2 页 2 CN 114170505 A 2输送线尾部的图像帧； S4.根据所述拥堵程度分析处 理决策， 并对拥堵原因进行分析。 7.根据权利要求6所述的一种基于机器视觉的输送线物品输送拥挤在线感知方法， 其 特征在于， S1中， 采集图像的频率至少满足所述输送线单位时间内通过输送线的物品输送 效率。 8.根据权利要求6所述的一种基于机器视觉的输送线物品输送拥挤在线感知方法， 其 特征在于， 在进行S2之前还 包括图像分析， 具体包括以下内容： 对所述物品运输图像数据进行图像预处 理， 筛选空白物品图像； 对预处理后的图像进行图像降噪。 9.根据权利要求6所述的一种基于机器视觉的输送线物品输送拥挤在线感知方法， 其 特征在于， 在进行S2之前还 包括特征提取， 具体包括以下内容： 对降噪后的所述物品运输图像进行图像特征提取， 其中包括通过收集预设时间范围内 的图像数据， 对于拥挤的类型进 行标注， 对所述机器学习模型进 行训练， 还包括对实际待检 测时间段内所获取到的降噪后的所述物品运输图像进 行特征提取， 输入至训练后的所述机 器学习模型中。权　利　要　求　书 2/2 页 3 CN 114170505 A 3