本技术实施例涉及数据处理，尤其涉及一种基于图像识别的货物质量监测分析方法及系统。
背景技术：
1、随着现代物流业的发展，货物在运输过程中的质量监控变得尤为重要。传统的货物质量检测主要依赖于人工抽查的方式，这种方式不仅效率低下，而且容易受到主观因素的影响，难以满足现代高效物流的需求。因此，开发一种能够在运输过程中实时监控货物质量的技术成为了迫切需要解决的问题。特别是对于长途运输和高价值货物而言，实时监测货物状态的技术需求尤为突出，以确保货物安全无损地送达目的地。
2、目前，市面上有一些基于传感器和条形码/二维码扫描技术的解决方案，用于跟踪货物的位置和状态。然而，这些技术主要用于跟踪货物的位置信息，对于货物在运输途中的物理状态（如破损、变形等）无法提供有效的监控手段。此外，也有一些初步尝试利用固定位置的摄像头进行货物进出仓库时的质量检测，但这种方法无法覆盖货物在整个运输过程中的状态变化。
3、现有的基于传感器和条形码/二维码扫描的技术只能提供货物的位置信息，并不能直接反映货物的实际状态；而固定位置的摄像头虽然可以在一定程度上监测货物进出仓库时的状态，但由于缺乏全程跟踪的能力，无法保证在整个运输过程中货物的安全性。此外，这些方法在面对复杂光照条件时往往表现不佳，尤其是在运输途中遇到的多种光照环境下，传统方法的识别准确率会大幅下降，进而影响到整体的监测效果。因此，需要一种新的技术方案来克服这些问题，实现更加全面、准确的货物质量监测。
技术实现思路
1、本技术实施例提供一种基于图像识别的货物质量监测分析方法及系统，用以解决现有技术中货物质量监测效果差的问题。
2、第一方面，本技术实施例提供了一种基于图像识别的货物质量监测分析方法，包括：
3、获取待识别货物的实时视频流；
4、构建与所述待识别货物相关的多维度质量标准图谱库，其中，所述多维度质量标准图谱库包括缺陷类型图谱、合格品图谱以及不同光照条件下的参考图谱；
5、通过自适应对比算法将所述实时视频流与所述多维度质量标准图谱库中的图谱进行匹配，以确定所述实时视频流中是否存在与预设的质量缺陷相匹配的区域，并生成匹配结果；
6、若确定所述实时视频流中存在与预设的质量缺陷相匹配的区域，则自动触发针对所述区域对应的缺陷类型的响应策略，所述响应策略包括生成警报信息；
7、根据所述匹配结果和所述响应策略的执行情况，动态更新所述多维度质量标准图谱库，以优化货物质量的监测精度。
8、可选地，所述构建与所述待识别货物相关的多维度质量标准图谱库，包括：
9、获取包含各种预设质量缺陷的样本图像，并对每种缺陷进行分类标注，形成缺陷类型图谱；
10、从仓库或物流中心选取符合质量标准的货物样本，拍摄不同角度和状态下的合格品图像，并对所述合格品图像进行归类和标记，生成合格品图谱；
11、在不同的光照条件下拍摄同一产品的图像，确保覆盖产品在实际生产过程中遇到的所有光照环境，并将同一产品的图像根据光照条件进行分类，形成不同光照条件下的参考图谱；
12、将所述缺陷类型图谱、所述合格品图谱以及所述参考图谱整合成多维度质量标准图谱库。
13、可选地，所述通过自适应对比算法将所述实时视频流与所述多维度质量标准图谱库中的图谱进行匹配，以确定所述实时视频流中是否存在与预设的质量缺陷相匹配的区域，并生成匹配结果，包括：
14、从所述实时视频流中提取所述待识别货物的关键区域图像；
15、对所述关键区域图像进行归一化处理，并利用图像分割技术将所述归一化后的关键区域图像分割为多个子区域；
16、针对每个所述子区域，应用特征描述符提取方法获取所述子区域的视觉特征向量；
17、选取所述多维度质量标准图谱库中对应的参考图谱，并采用特征描述符提取方法得到所述参考图谱的视觉特征向量；
18、计算所述关键区域图像的每个所述子区域的视觉特征向量与所述参考图谱对应子区域的视觉特征向量之间的相似度得分；
19、根据预设相似度阈值判断所述相似度得分确定所述实时视频流中是否存在与预设的质量缺陷相匹配的区域；若存在，定位所述区域的具体位置以及所述区域对应缺陷类型，以生成匹配结果。
20、可选地，所述若确定所述实时视频流中存在与预设的质量缺陷相匹配的区域，则自动触发针对所述区域对应的缺陷类型的响应策略，包括：
21、根据所述区域的具体位置以及所述区域对应缺陷类型，生成包含缺陷详细信息的警报信息；
22、基于所述警报信息，根据预设规则库选择相匹配的响应策略，并在实施所述响应策略后利用自适应对比算法重新进行缺陷检测，以验证是否已降低或消除缺陷的发生；其中，所述预设规则库中存储有不同缺陷类型对应的响应策略。
23、可选地，所述根据所述匹配结果和所述响应策略的执行情况，动态更新所述多维度质量标准图谱库，以优化货物质量监测精度，包括：
24、收集执行所述响应策略后的执行情况，所述执行情况包括警报信息的准确性；
25、根据所述响应策略的执行情况，确定实施所述响应策略的执行效果；
26、分析所述匹配结果中的缺陷类型以及所述缺陷类型对应的缺陷特征，确定是否存在未被充分涵盖的缺陷类型，并将未被充分涵盖的缺陷类型作为缺陷样本添加至所述缺陷类型图谱中，以更新所述多维度质量标准图谱库；
27、结合更新后的多维度质量标准图谱库以及所述响应策略的执行效果，动态更新所述多维度质量标准图谱库的相关参数，以优化货物质量监测精度，所述相关参数至少包括缺陷类型权重系数。
28、可选地，还包括：
29、通过以下计算公式动态更新所述多维度质量标准图谱库中的缺陷类型权重系数：
30、；
31、其中，是预设的调节因子，是基础权重系数，是在时间时第种缺陷类型的检测频率，是该缺陷类型的历史最大检测频率，是与第种缺陷类型相关的非线性影响因子，是标准化检测频率提升到次方，是第种缺陷类型的严重程度评分，是与第种缺陷类型严重程度相关的影响因子，是一个正的平滑参数，对权重系数的影响，是指数衰减函数，是缺陷类型总数；是在时间时第个关键区域图像的平均颜色强度，是参考图谱中对应的关键区域图像的平均颜色强度，是第个关键区域图像的颜色强度的标准差，是关键区域图像的数量，是调整因子，是一个基于机器学习的时间序列预测模型，是一个基于贝叶斯优化的自适应调整函数。
32、可选地，还包括：
33、通过以下计算公式动态更新所述预设相似度阈值：
34、；
35、其中，是基础相似度阈值，是预设的调节因子，是在时间时第个关键区域图像的平均颜色强度，是参考图谱中对应的关键区域图像的平均颜色强度，是第个关键区域图像的颜色强度的均方根误差，是关键区域图像的数量，是在时间时第个子区域的特征向量与参考图谱中对应子区域特征向量之间的欧氏距离，是理想的欧氏距离，是第个子区域特征向量的欧氏距离的标准差，是子区域的数量，是一个周期性调整因子，是当前的时间点，是一个基于机器学习的自适应调整函数，是一个基于强化学习的自适应调整函数，
36、是颜色强度差异项，
37、是特征向量差异项，是周期性调整项。
38、第二方面，本技术实施例提供了一种基于图像识别的货物质量监测分析系统，包括：
39、获取模块，用于获取待识别货物的实时视频流；
40、构建模块，用于构建与所述待识别货物相关的多维度质量标准图谱库，其中，所述多维度质量标准图谱库包括缺陷类型图谱、合格品图谱以及不同光照条件下的参考图谱；
41、匹配模块，用于通过自适应对比算法将所述实时视频流与所述多维度质量标准图谱库中的图谱进行匹配，以确定所述实时视频流中是否存在与预设的质量缺陷相匹配的区域，并生成匹配结果；
42、触发模块，用于若确定所述实时视频流中存在与预设的质量缺陷相匹配的区域，则自动触发针对所述区域对应的缺陷类型的响应策略，所述响应策略包括生成警报信息；
43、更新模块，用于根据所述匹配结果和所述响应策略的执行情况，动态更新所述多维度质量标准图谱库，以优化货物质量的监测精度。
44、第三方面，本技术实施例提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面任一项所述的一种基于图像识别的货物质量监测分析方法及系统。
45、第四方面，本技术实施例提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现如上述第一方面任一项所述的一种基于图像识别的货物质量监测分析方法及系统。
46、本技术实施例中，获取待识别货物的实时视频流；构建与待监测产品相关的多维度质量标准图谱库；通过自适应对比算法将实时视频流与多维度质量标准图谱库中的图谱进行匹配，以确定实时视频流中是否存在与预设的质量缺陷相匹配的区域，并生成匹配结果；若确定实时视频流中存在与预设的质量缺陷相匹配的区域，则自动触发针对区域对应的缺陷类型的响应策略，响应策略包括生成警报信息和/或调整生产线上的相关工艺参数以减少缺陷的发生率；动态更新多维度质量标准图谱库，以优化货物质量的监测精度。本技术提供的技术方案提升了货物质量和生产效率，为企业带来显著的成本节约和竞争优势。
47、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
1.一种基于图像识别的货物质量监测分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述构建与所述待识别货物相关的多维度质量标准图谱库，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过自适应对比算法将所述实时视频流与所述多维度质量标准图谱库中的图谱进行匹配，以确定所述实时视频流中是否存在与预设的质量缺陷相匹配的区域，并生成匹配结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述若确定所述实时视频流中存在与预设的质量缺陷相匹配的区域，则自动触发针对所述区域对应的缺陷类型的响应策略，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述匹配结果和所述响应策略的执行情况，动态更新所述多维度质量标准图谱库，以优化货物质量监测精度，包括：
6.根据权利要求5所述的方法，其特征在于，还包括：
7.根据权利要求3所述的方法，其特征在于，还包括：
8.一种基于图像识别的货物质量监测分析系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1~7任一项所述的一种基于图像识别的货物质量监测分析方法及系统。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1~7任一项所述的一种基于图像识别的货物质量监测分析方法及系统。
