买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜清华大学;北自所(北京)科技发展股份有限公司申请的专利基于机器视觉的仓库堆垛物品盘库计数方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114548868B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210156816.8，技术领域涉及：G06Q10/087；该发明授权基于机器视觉的仓库堆垛物品盘库计数方法及装置是由黄必清;陈传军;殷昊男设计研发完成，并于2022-02-21向国家知识产权局提交的专利申请。

本基于机器视觉的仓库堆垛物品盘库计数方法及装置在说明书摘要公布了：本申请涉及计算机视觉技术领域，特别涉及一种基于机器视觉的仓库堆垛物品盘库计数方法及装置，其中，方法包括：通过采集检测堆垛图像数据并划分训练集与验证集；对图像数据进行预处理和数据扩充；使用深度神经网络检测模型对堆垛的正面、顶面进行定位与分类，在训练集上进行训练，直至迭代到达预设条件；使用训练好的网络在线地对其它堆垛图片数据进行检测；通过提出的三维计数算法将深度神经网络得到的检测结果转化为计数结果。从而实现了对仓库堆垛物品的自动盘库计数任务，在有较强的鲁棒性的同时能取得很高的准确率。由此，解决了设备成本或存储成本较高，智能化成度较低，不易推广等问题。

本发明授权基于机器视觉的仓库堆垛物品盘库计数方法及装置在权利要求书中公布了：1.一种基于机器视觉的仓库堆垛物品盘库计数方法，其特征在于，包括以下步骤：构建对堆垛正面和顶面进行分类及标注的目标检测模型，所述目标检测模型为基于FasterR-CNN的模型结构，所述目标检测模型包括特征提取网络和检测分类网络，所述基于FasterR-CNN的模型结构的特征提取网络为VGG16网络、ResNet网络或ResNeXt网络；采集堆垛图像划分为训练集和验证集；将堆垛图像的训练集和验证集划分为预定大小的Batch，并进行预处理；选取预处理后的训练集中任一Batch输入所述目标检测模型进行前向传播，计算所述目标检测模型的输出值与分类标签的多任务损失，基于损失值和预设优化器反向传播更新所述目标检测模型的权重，通过多次更新直至满足更新结束条件得到堆垛目标检测模型，并且在每一轮迭代完成后计算目标检测模型并在所述验证集上预测目标检测的精度，直至到达预设的训练步骤；具体地，在将一个堆垛图像输入所述目标检测模型后，先经过一个卷积特征提取网络，通过卷积层和池化层将输入图片变为尺寸更小、通道维度更高的特征图，并对该特征图进行建议区域提取，将建议区域与原特征图共同输入候选区域池化层中，通过ROIPooling操作将不同大小的特征区域归到同一大小，最后通过分类头和边框回归头做进一步的分类和边框回归，得到输出检测框结果，所述检测框结果为顶面框和正面框的分类与定位结果；对所述堆垛目标检测模型得到的检测框结果，使用基于密度聚类的计数统计算法将所述检测框结果转化为计数结果；以及利用所述堆垛目标检测模型和所述计数统计算法对仓库堆垛数据进行在线的堆垛物品盘库计数；所述密度聚类算法为基于DBSACN的聚类算法，其中，检测框样本间距离表示如下：Distance1bbox1,bbox2＝|y1min-y2min|+|y1max-y2max|，Distance2bbox1,bbox2＝1|y1min-y2max|+1|y1max-y2min|，Distancebbox1,bbox2＝Distance1bbox1,bbox2+λDistance2bbox1,bbox2，其中，Distance1bbox1,bbox2为两个框的上下边距离之和，Distance2bbox1,bbox2第二个距离为上下层框距离惩罚项，Distancebbox1,bbox2为Distance1bbox1,bbox2和Distance2bbox1,bbox2这两个距离的加权和，其中λ取1；并且，所述计数统计算法为：N＝Nlayer-1*Ncargo-perlayer+Ntop，其中，Ncargo-perlayer是每层堆垛的箱子个数，Nlayer是聚类算法得到的正面的总层数，所述正面的总层数为对所述正面框的检测结果经过密度聚类算法得到，Ntop是目标检测模型得到的顶层箱子，所述顶层箱子的计数结果为所述顶面框的检测结果的总和。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学;北自所(北京)科技发展股份有限公司，其通讯地址为：100084 北京市海淀区清华园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。