包裹破损的检测方法、装置、电子设备及存储介质与流程

1.本技术涉及物流技术领域，具体涉及一种包裹破损的检测方法、装置、电子设备及存储介质。


背景技术：

2.破损件检测一直是一个重要但是很困难的问题，解决外包装破损检测的问题，会大幅度地提高物流的品质。传统的目标检测方法利用传统的图像处理方法，如特征提取，边缘检测，特征点配对，传统机器学习方法，但是针对破损件检测有很大的劣势：第一，破损的图样众多，不计其数，很难识别。第二，破损的数据量很小，使用机器学习方法很难训练。
3.深度学习在近几年发展迅速，具有特征易提取，泛化性能好的特点。但纯粹的目标检测对于破损区域的识别较粗糙，无法从图片整体去评估破损情况，例如使用目标检测方法进行破损检测时，可能一张图片会检测出数十个较小的破损区域，很难评估图片整体的情况。并且一个破损区域，也可能被目标检测方法识别成多个破损区域，结果不精准。
4.也即，现有技术中对包裹破损检测的准确率较低。


技术实现要素：

5.本技术旨在提供一种包裹破损的检测方法、装置、电子设备及存储介质，旨在解决现有技术中对包裹破损检测的准确率较低的问题。
6.一方面，本技术提供一种包裹破损的检测方法，所述包裹破损的检测方法包括：
7.获取包裹区域图像，其中，所述包裹区域图像中包含包裹特征；
8.识别所述包裹区域图像中的第一包裹破损区域；
9.当识别到所述包裹区域图像上存在至少两个第一包裹破损区域时，对所述至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
10.基于所述至少一个第二包裹破损区域确定所述包裹区域图像中包裹的破损状态。
11.其中，所述对所述至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域，包括：
12.获取所述至少两个第一包裹破损区域对应的至少两个破损区域最小外接圆；
13.获取所述至少两个破损区域最小外接圆的圆心位置和半径长度；
14.基于所述至少两个破损区域最小外接圆的圆心位置和半径长度对所述至少两个破损区域最小外接圆进行聚类，得到所述至少一个第二包裹破损区域。
15.其中，所述基于所述至少一个第二包裹破损区域确定所述包裹区域图像中包裹的破损状态，包括：
16.计算各个第二包裹破损区域在所述包裹区域图像的面积占比，得到各个第二包裹破损区域的计算面积占比；
17.基于所述计算面积占比和预设的面积等级对应关系对所述各个第二包裹破损区域进行破损等级划分，得到所述各个第二包裹破损区域的破损等级；
18.基于所述各个第二包裹破损区域的破损等级统计各个破损等级的第二包裹破损区域数量；
19.基于所述包裹区域图像中各个破损等级的第二包裹破损区域数量，确定所述包裹区域图像中包裹的破损状态。
20.其中，所述识别所述包裹区域图像中的第一包裹破损区域，包括：
21.调用训练好的破损包裹分割模型；
22.基于所述破损包裹分割模型对所述包裹区域图像进行实例分割，得到所述包裹区域图像中的第一包裹破损区域。
23.其中，所述调用训练好的破损包裹分割模型，之前，还包括：
24.获取破损包裹图像训练集，其中，所述破损包裹图像训练集中的图像为标注出破损区域的包裹区域图像；
25.基于所述破损包裹图像训练集对预设图像分割网络模型进行训练，得到破损包裹分割模型；
26.存储所述破损包裹分割模型。
27.其中，所述包裹破损的检测方法还包括:
28.当未识别到所述包裹区域图像上存在第一包裹破损区域时，确定所述包裹区域图像中的包裹为未破损，
29.和/或，当识别到所述包裹区域图像上存在仅一个第一包裹破损区域时，基于所述第一包裹破损区域在所述包裹区域图像上的面积占比确定所述包裹区域图像中包裹的破损状态。
30.其中，所述基于所述至少两个破损区域最小外接圆的圆心位置和半径长度对所述至少两个破损区域最小外接圆进行聚类，得到所述至少一个第二包裹破损区域，包括：
31.获取预设的破损区域最小外接圆样本集，其中，所述破损区域最小外接圆样本集中包括多个已分类最小外接圆；
32.将所述至少两个破损区域最小外接圆中半径长度最大的最小外接圆确定为目标最小外接圆；
33.将所述目标最小外接圆的圆心位置和半径长度作为计算欧式距离的向量，计算所述目标最小外接圆与各个所述已分类最小外接圆的欧式距离；
34.对所述多个已分类最小外接圆按欧式距离从大到小排序，并获取欧式距离排序靠前的预设数量的已分类最小外接圆；
35.将所述预设数量的已分类最小外接圆中出现频率最高的类别确定为所述目标最小外接圆的类别；
36.在得到各个所述破损区域最小外接圆的类别之后，将同一类别的破损区域最小外接圆整体确定为所述第二包裹破损区域。
37.一方面，本技术提供一种包裹破损的检测装置，所述包裹破损的检测装置包括：
38.获取单元，用于获取包裹区域图像，其中，所述包裹区域图像中包含包裹特征；
39.识别单元，用于识别所述包裹区域图像中的第一包裹破损区域；
40.聚类单元，用于当识别到所述包裹区域图像上存在至少两个第一包裹破损区域时，对所述至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
41.确定单元，用于基于所述至少一个第二包裹破损区域确定所述包裹区域图像中包裹的破损状态。
42.其中，所述聚类单元，还用于获取所述至少两个第一包裹破损区域对应的至少两个破损区域最小外接圆；
43.获取所述至少两个破损区域最小外接圆的圆心位置和半径长度；
44.基于所述至少两个破损区域最小外接圆的圆心位置和半径长度对所述至少两个破损区域最小外接圆进行聚类，得到所述至少一个第二包裹破损区域。
45.其中，所述确定单元，还用于计算各个第二包裹破损区域在所述包裹区域图像的面积占比，得到各个第二包裹破损区域的计算面积占比；
46.基于所述计算面积占比和预设的面积等级对应关系对所述各个第二包裹破损区域进行破损等级划分，得到所述各个第二包裹破损区域的破损等级；
47.基于所述各个第二包裹破损区域的破损等级统计各个破损等级的第二包裹破损区域数量；
48.基于所述包裹区域图像中各个破损等级的第二包裹破损区域数量，确定所述包裹区域图像中包裹的破损状态。
49.其中，所述识别单元，还用于调用训练好的破损包裹分割模型；
50.基于所述破损包裹分割模型对所述包裹区域图像进行实例分割，得到所述包裹区域图像中的第一包裹破损区域。
51.其中，所述获取单元，还用于获取破损包裹图像训练集，其中，所述破损包裹图像训练集中的图像为标注出破损区域的包裹区域图像；
52.基于所述破损包裹图像训练集对预设图像分割网络模型进行训练，得到破损包裹分割模型；
53.存储所述破损包裹分割模型。
54.其中，所述确定单元，还用于当未识别到所述包裹区域图像上存在第一包裹破损区域时，确定所述包裹区域图像中的包裹为未破损，
55.和/或，当识别到所述包裹区域图像上存在仅一个第一包裹破损区域时，基于所述第一包裹破损区域在所述包裹区域图像上的面积占比确定所述包裹区域图像中包裹的破损状态。
56.其中，所述聚类单元，还用于获取预设的破损区域最小外接圆样本集，其中，所述破损区域最小外接圆样本集中包括多个已分类最小外接圆；
57.将所述至少两个破损区域最小外接圆中半径长度最大的最小外接圆确定为目标最小外接圆；
58.将所述目标最小外接圆的圆心位置和半径长度作为计算欧式距离的向量，计算所述目标最小外接圆与各个所述已分类最小外接圆的欧式距离；
59.对所述多个已分类最小外接圆按欧式距离从大到小排序，并获取欧式距离排序靠前的预设数量的已分类最小外接圆；
60.将所述预设数量的已分类最小外接圆中出现频率最高的类别确定为所述目标最小外接圆的类别；
61.在得到各个所述破损区域最小外接圆的类别之后，将同一类别的破损区域最小外
的含义是两个或两个以上，除非另有明确具体的限定。
75.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
76.需要说明的是，本技术实施例方法由于是在电子设备中执行，各电子设备的处理对象均以数据或信息的形式存在，例如时间，实质为时间信息，可以理解的是，后续实施例中若提及尺寸、数量、位置等，均为对应的数据存在，以便电子设备进行处理，具体此处不作赘述。
77.本技术实施例提供一种包裹破损的检测方法、装置、电子设备及存储介质，以下分别进行详细说明。
78.请参阅图1，图1为本技术实施例所提供的包裹破损的检测系统的场景示意图，该包裹破损的检测系统可以包括电子设备100，电子设备100中集成有包裹破损的检测装置，如图1中的电子设备。
79.进一步的，包裹破损的检测系统与多个安装于包裹所处场地的拍照设备连接，从而获取多个拍照设备网络发送的信息。拍照设备采集的视频、图像、时间戳等信息以消息的形式传回到包裹破损的检测系统。多个拍照设备各自具有编号，包裹破损的检测系统根据拍照设备的编号对各个包裹所处场地进行监控。
80.本技术实施例中，该电子设备100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的电子设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
81.本领域技术人员可以理解，图1中示出的应用环境，仅仅是本技术方案的一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的电子设备，例如图1中仅示出1个电子设备，可以理解的，该包裹破损的检测系统还可以包括一个或多个其他服务器，具体此处不作限定。
82.另外，如图1所示，该包裹破损的检测系统还可以包括存储器200，用于存储数据。
83.需要说明的是，图1所示的包裹破损的检测系统的场景示意图仅仅是一个示例，本技术实施例描述的包裹破损的检测系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着包裹破损的检测系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
84.首先，本技术实施例中提供一种包裹破损的检测方法，该包裹破损的检测方法的执行主体为包裹破损的检测装置，该包裹破损的检测装置应用于电子设备，该包裹破损的检测方法包括：
85.获取包裹区域图像，其中，包裹区域图像中包含包裹特征；
86.识别包裹区域图像中的第一包裹破损区域；
87.当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
88.基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。
89.参阅图2，图2是本技术实施例提供的包裹破损的检测方法的一个实施例流程示意图。如图2所示，该包裹破损的检测方法包括：
90.s201、获取包裹区域图像，其中，包裹区域图像中包含包裹特征。
91.本技术实施例中，包裹区域图像指的是包裹所在区域的图像。
92.在一个具体的实施例中，获取拍摄包裹所处场地得到的包裹图像；对包裹图像进行包裹检测，得到包裹区域图像。其中，包裹区域图像中包含包裹特征。包裹图像指的是利用安装于包裹所处场地的相机等拍照设备对包裹所处场地拍照得到的含有包裹的图像。包裹所处场地可以是包裹分拣场地、包裹卸货场地、包裹装货场地以及包裹打包场地等。例如，包裹所处场地是包裹分拣场地，包裹图像是包裹在分拣传送带移动的图像。通过调整拍照设备的安装位置确保拍照设备能够拍到包裹。
93.具体的，利于经过训练的包裹检测网络模型对包裹图像进行包裹检测，得到包裹区域图像。包裹检测网络模型可以是利用包裹图像训练集对预设图像分割网络模型进行训练得到的。优选的，预设图像分割网络模型为maskrcnn。通过包裹检测网络模型对包裹图像进行包裹检测，得到包裹图像上多个包裹掩模，将多个包裹掩模分别确定为包裹区域图像。可以依次对多个包裹区域图像进行检测，也可以同时对多个包裹区域图像独立进行检测。
94.maskrcnn的检测流程如下：
95.首先，输入一幅你想处理的图片，然后进行对应的预处理操作，或者预处理后的图片；然后，将其输入到一个预训练好的神经网络中(resnet等)获得对应的feature map；接着，对这个feature map中的每一点设定预定个的roi，从而获得多个候选roi；接着，将这些候选的roi送入rpn网络进行二值分类(前景或背景)和bb回归，过滤掉一部分候选的roi；接着，对这些剩下的roi进行roialign操作(即先将原图和feature map的pixel对应起来，然后将feature map和固定的feature对应起来)；最后，对这些roi进行分类(n类别分类)、bb回归和掩模(mask)生成(在每一个roi里面进行fcn操作)。
96.当然，在其他实施例中，预设图像分割网络模型也可以是yolact、faster-rcnn等，根据具体情况选用即可。
97.进一步的，获取拍摄包裹所处场地得到的包裹视频，对包裹视频解码后提取包裹视频中的关键帧，作为包裹图像。帧就是动画中最小单位的单幅影像画面，相当于电影胶片上的每一格镜头。在动画软件的时间轴上帧表现为一格或一个标记。关键帧相当于二维动画中的原画。指角色或者物体运动或变化中的关键动作所处的那一帧。关键帧与关键帧之间的动画可以由软件来创建，叫做过渡帧或者中间帧。
98.当然，在其他实施例中，也可以设置拍照设备的拍照频率，按拍照频率获取包裹图像，例如，拍照频率为0.5秒拍一次、0.2秒拍一次等，根据实际情况确定。
99.s202、识别包裹区域图像中的第一包裹破损区域。
100.本技术实施例中，调用破损包裹分割模型；基于破损包裹分割模型对包裹区域图像进行实例分割，得到包裹区域图像中的第一包裹破损区域。
101.具体的，获取破损包裹图像训练集，其中，破损包裹图像训练集中的图像为标注出破损区域的包裹区域图像，例如，破损包裹图像训练集中包裹区域图像中标注的类分为两个，0类-破损；1类-未破损。基于破损包裹图像训练集对预设图像分割网络模型进行训练，得到破损包裹分割模型；存储破损包裹分割模型。即，预先训练好破损包裹分割模型，在使用时调用即可。
102.优选的，预设图像分割网络模型为maskrcnn。通过破损包裹分割模型对包裹区域图像进行破损检测，得到包裹区域图像上多个破损掩模，将破损掩模确定为第一包裹破损区域。
103.s203、当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域。
104.本技术实施例中，识别包裹区域图像中的第一包裹破损区域，可以能有三种结果：
105.(1)包裹区域图像上不存在第一包裹破损区域。当包裹区域图像上不存在第一包裹破损区域时，则可直接确定包裹区域图像中的包裹为未破损。
106.(2)包裹区域图像上存在仅一个第一包裹破损区域。当识别到包裹区域图像上存在仅一个第一包裹破损区域时，此时，不需要进行聚类，直接基于第一包裹破损区域在包裹区域图像上的面积占比确定包裹区域图像中包裹的破损状态。
107.(3)包裹区域图像上存在至少两个第一包裹破损区域。当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域。
108.本技术实施例中，当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域，可以包括：
109.(1)获取至少两个第一包裹破损区域对应的至少两个破损区域最小外接圆。
110.其中，破损区域最小外接圆内为包围第一包裹破损区域的最小圆形，例如，第一包裹破损区域为三角形，则破损区域最小外接圆为过三角形三个顶点的圆形。
111.(2)获取至少两个破损区域最小外接圆的圆心位置和半径长度。
112.具体的，在包裹区域图像上建立直角坐标系，圆心位置为破损区域最小外接圆的圆心坐标，获取至少两个破损区域最小外接圆的圆心位置和半径长度。
113.(3)基于至少两个破损区域最小外接圆的圆心位置和半径长度对至少两个破损区域最小外接圆进行聚类，得到至少一个第二包裹破损区域。
114.优选地，利用knn法基于至少两个破损区域最小外接圆的圆心位置和半径长度对至少两个破损区域最小外接圆进行聚类。knn(k-nearest neighbor)法即k最邻近法，最初由cover和hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路非常简单直观：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
115.在其他实施例中，也可以采用k-means等其他聚类算法进行聚类，根据具体情况选用即可。
116.本技术实施例中，基于至少两个破损区域最小外接圆的圆心位置和半径长度对至少两个破损区域最小外接圆进行聚类，得到至少一个第二包裹破损区域，可以包括：
117.1)获取预设的破损区域最小外接圆样本集，其中，破损区域最小外接圆样本集中包括多个已分类最小外接圆。破损区域最小外接圆样本集事先预设好，标注有已分类外接圆的圆心位置、半径长度以及类别。
118.2)将至少两个破损区域最小外接圆中半径长度最大的最小外接圆确定为目标最小外接圆。
119.3)将目标最小外接圆的圆心位置和半径长度作为计算欧式距离的向量，计算目标最小外接圆与各个已分类最小外接圆的欧式距离。
120.其中，欧式距离，即两点间的空间距离，为两点向量差的l2范数。两个n维向量a(x11,x12,...,x1n)和b(x21，x22,...,x2n)间的欧氏距离为：
[0121][0122]
当然，也可以将欧式距离替换为曼哈顿距离、切比雪夫距离等。
[0123]
4)对多个已分类最小外接圆按欧式距离从大到小排序，并获取欧式距离排序靠前的预设数量的已分类最小外接圆。
[0124]
预设数量可以根据具体情况设定。对knn算法来说，预设数量即为k。
[0125]
5)将预设数量的已分类最小外接圆中出现频率最高的类别确定为目标最小外接圆的类别。
[0126]
例如，预设数量为10，属于类别e的数量为2，属于类别f的数量为5，属于类别g的数量为3，则目标最小外接圆的类别的类别为f。
[0127]
进一步的，在的到目标最小外接圆的类别后，将目标最小外接圆从至少两个破损区域最小外接圆中剔除，并添加预设的破损区域最小外接圆样本集中。
[0128]
6)在得到各个破损区域最小外接圆的类别之后，将同一类别的破损区域最小外接圆整体确定为第二包裹破损区域。
[0129]
在逐一将各个破损区域最小外接圆作为目标最小外接圆判断得到类别之后，将同一类别的破损区域最小外接圆整体确定为第二包裹破损区域，每个第二包裹破损区域为距离较近的至少一个破损区域最小外接圆的集合，能够将离的较近的破损区域连成一整片区域，避免了纯粹目标检测方法把单个破损区域识别成多个破损区域以及多个破损区域过于分散导致包裹破损检测准确率降低的问题，能够提高包裹破损检测的准确率。
[0130]
本技术利用破损区域的最小外接圆进行聚类，能较好地克服了传统目标检测算法定位破损区域时形态变化较大、模式众多的劣势，提高包裹破损检测的准确度。当然，在其他实施例中，也可以直接对至少两个第一包裹破损区域进行聚类，本技术对此不作限定。
[0131]
s204、基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。
[0132]
本技术实施例中，基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态，可以包括：
[0133]
(1)计算各个第二包裹破损区域在包裹区域图像的面积占比，得到各个第二包裹破损区域的计算面积占比。
[0134]
例如，第二包裹破损区域的数量为4个，各个第二包裹破损区域的计算面积占比分别为6％、4％、3％，1％。
[0135]
(2)基于计算面积占比和预设的面积等级对应关系对各个第二包裹破损区域进行破损等级划分，得到各个第二包裹破损区域的破损等级。
[0136]
在一个具体的实施例中，预设的面积等级对应关系可以是：
[0137]
当第二包裹破损区域的计算面积占比大于第一预设阈值时，确定该第二包裹破损区域的破损等级为严重破损；
[0138]
当第二包裹破损区域的计算面积占比不大于第一预设阈值且大于第二预设阈值时，确定该第二包裹破损区域的破损等级为一般破损；
[0139]
当第二包裹破损区域的计算面积占比不大于第二预设阈值时，确定该第二包裹破损区域的破损等级为轻微破损。
[0140]
例如，第一预设阈值为5％，第二预设阈值为2％，可根据实际情况调整。
[0141]
(3)基于各个第二包裹破损区域的破损等级统计各个破损等级的第二包裹破损区域数量。
[0142]
例如，各个第二包裹破损区域的计算面积占比分别为6％、4％、3％，1％。则破损等级为严重破损的有1个，破损等级为一般破损的有2个，破损等级为轻微破损的有1个。
[0143]
(4)基于包裹区域图像中各个破损等级的第二包裹破损区域数量，确定包裹区域图像中包裹的破损状态，
[0144]
具体的，按从高到低的排序分别将各个破损等级确定为目标破损等级，判断目标破损等级的第二包裹破损区域数量是否大于目标破损等级评估数量，当目标破损等级的第二包裹破损区域数量大于目标破损等级评估数量，则将目标破损等级确定为包裹区域图像的破损等级，得到包裹区域图像的破损状态。其中，破损等级越高表示破损区域越大。严重破损等级、一般破损等级、轻微破损等级的破损等级逐渐降低。
[0145]
例如，严重破损等级评估数量为1，一般破损等级评估数量为1，轻微破损等级评估数量为1。当然，严重破损等级评估数量、一般破损等级评估数量以及轻微破损等级评估数量根据具体情况设定，例如，严重破损等级评估数量为2，一般破损等级评估数量为2，轻微破损等级评估数量为2。
[0146]
对包裹区域图像进行统计，将严重破损等级确定为目标破损等级，判断严重破损等级的第二包裹破损区域数量是否大于严重破损等级评估数量；若严重破损等级的第二包裹破损区域数量大于严重破损等级评估数量，即存在一个第二包裹破损区域的面积大于5％，整个包裹区域图像记为严重破损。
[0147]
若严重破损等级的第二包裹破损区域数量不大于严重破损等级评估数量，即不存在一个第二包裹破损区域的面积大于5％，判断一般破损等级的第二包裹破损区域数量是否大于一般破损等级评估数量；若一般破损等级的第二包裹破损区域数量大于一般破损等级评估数量，即存在一个第二包裹破损区域的面积不大于5％且大于2％，整个包裹区域图像记为一般破损。
[0148]
若一般破损等级的第二包裹破损区域数量不大于一般破损等级评估数量，即不存在一个第二包裹破损区域的面积不大于5％且大于2％，判断轻微破损等级的第二包裹破损区域数量是否大于轻微破损等级评估数量；若轻微破损等级的第二包裹破损区域数量大于
轻微破损等级评估数量，即存在一个第二包裹破损区域的面积不大于2％，整个包裹区域图像记为轻微破损。
[0149]
本技术提供了一种包裹破损的检测方法、装置、电子设备及存储介质，该包裹破损的检测方法包括：获取包裹区域图像，其中，包裹区域图像中包含包裹特征；识别包裹区域图像中的第一包裹破损区域；当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。本技术能够将离的较近的破损区域连成一整片区域，避免了纯粹目标检测方法把单个破损区域识别成多个破损区域以及多个破损区域过于分散导致包裹破损检测准确率降低的问题，能够提高包裹破损检测的准确率。
[0150]
为了更好实施本技术实施例中包裹破损的检测方法，在包裹破损的检测方法基础之上，本技术实施例中还提供一种包裹破损的检测装置，如图3所示，图3是本技术实施例中提供的包裹破损的检测装置一个实施例结构示意图，该包裹破损的检测装置包括：
[0151]
获取单元301，用于获取包裹区域图像，其中，包裹区域图像中包含包裹特征；
[0152]
识别单元302，用于识别包裹区域图像中的第一包裹破损区域；
[0153]
聚类单元303，用于当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
[0154]
确定单元304，用于基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。
[0155]
其中，聚类单元303，还用于获取至少两个第一包裹破损区域对应的至少两个破损区域最小外接圆；
[0156]
获取至少两个破损区域最小外接圆的圆心位置和半径长度；
[0157]
基于至少两个破损区域最小外接圆的圆心位置和半径长度对至少两个破损区域最小外接圆进行聚类，得到至少一个第二包裹破损区域。
[0158]
其中，确定单元304，还用于计算各个第二包裹破损区域在包裹区域图像的面积占比，得到各个第二包裹破损区域的计算面积占比；
[0159]
基于计算面积占比和预设的面积等级对应关系对各个第二包裹破损区域进行破损等级划分，得到各个第二包裹破损区域的破损等级；
[0160]
基于各个第二包裹破损区域的破损等级统计各个破损等级的第二包裹破损区域数量；
[0161]
基于包裹区域图像中各个破损等级的第二包裹破损区域数量，确定包裹区域图像中包裹的破损状态。
[0162]
其中，识别单元302，还用于调用训练好的破损包裹分割模型；
[0163]
基于破损包裹分割模型对包裹区域图像进行实例分割，得到包裹区域图像中的第一包裹破损区域。
[0164]
其中，获取单元301，还用于获取破损包裹图像训练集，其中，破损包裹图像训练集中的图像为标注出破损区域的包裹区域图像；
[0165]
基于破损包裹图像训练集对预设图像分割网络模型进行训练，得到破损包裹分割模型；
[0166]
存储破损包裹分割模型。
[0167]
其中，确定单元304，还用于当未识别到包裹区域图像上存在第一包裹破损区域时，确定包裹区域图像中的包裹为未破损，
[0168]
和/或，当识别到包裹区域图像上存在仅一个第一包裹破损区域时，基于第一包裹破损区域在包裹区域图像上的面积占比确定包裹区域图像中包裹的破损状态。
[0169]
其中，聚类单元303，还用于获取预设的破损区域最小外接圆样本集，其中，破损区域最小外接圆样本集中包括多个已分类最小外接圆；
[0170]
将至少两个破损区域最小外接圆中半径长度最大的最小外接圆确定为目标最小外接圆；
[0171]
将目标最小外接圆的圆心位置和半径长度作为计算欧式距离的向量，计算目标最小外接圆与各个已分类最小外接圆的欧式距离；
[0172]
对多个已分类最小外接圆按欧式距离从大到小排序，并获取欧式距离排序靠前的预设数量的已分类最小外接圆；
[0173]
将预设数量的已分类最小外接圆中出现频率最高的类别确定为目标最小外接圆的类别；
[0174]
在得到各个破损区域最小外接圆的类别之后，将同一类别的破损区域最小外接圆整体确定为第二包裹破损区域。
[0175]
本技术实施例还提供一种电子设备，其集成了本技术实施例所提供的任一种包裹破损的检测装置。如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，具体来讲：
[0176]
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0177]
处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
[0178]
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
[0179]
电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理
系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0180]
该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0181]
尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
[0182]
获取包裹区域图像，其中，包裹区域图像中包含包裹特征；
[0183]
识别包裹区域图像中的第一包裹破损区域；
[0184]
当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
[0185]
基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。
[0186]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0187]
为此，本技术实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。其上存储有计算机程序，计算机程序被处理器进行加载，以执行本技术实施例所提供的任一种包裹破损的检测方法中的步骤。例如，计算机程序被处理器进行加载可以执行如下步骤：
[0188]
获取包裹区域图像，其中，包裹区域图像中包含包裹特征；
[0189]
识别包裹区域图像中的第一包裹破损区域；
[0190]
当识别到包裹区域图像上存在至少两个第一包裹破损区域时，对至少两个第一包裹破损区域进行聚类，得到至少一个第二包裹破损区域；
[0191]
基于至少一个第二包裹破损区域确定包裹区域图像中包裹的破损状态。
[0192]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
[0193]
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
[0194]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0195]
以上对本技术实施例所提供的一种包裹破损的检测方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本技术的限制。