开云优惠体育网页版入口

专利名称：一种钱捆检测方法、入库方法及相关装置

专利类型：实用新型专利

专利申请号：CN202111604033.3

专利申请（专利权）人：南京紫津融畅信息开云优惠体育网页版入口服务有限公司
权利人地址：江苏省南京市建邺区江东中路359号国睿大厦一号楼A区12楼

专利发明（设计）人：张永,王志发,吴磊,姜卫岗,傅华山

专利摘要：本申请公开了一种钱捆检测方法、入库方法及相关装置，所述方法包括获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。本申请通过经过训练的检测网络模型对钱捆图片进行识别，可以自动获取钱捆图片中的钱捆摆放位置以及钱币类别，从而可以自动对栅格周转箱进行清点，这样一方面可以提供钱捆入库和出库核验流程中钱捆清点的速度，另一面可以面板人工清点所造成的漏点或者错点的现象。

主权利要求：
1.一种钱捆检测方法，其特征在于，所述的方法还包括：获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；
通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；
基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据；所述获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型具体包括：获取钱捆图片，对所述钱捆图片进行修正以使得修正后的钱捆图片中的钱捆的高度垂直于钱捆图片的边界；
将修正后的钱捆图片输入经过训练的检测网络模型；
所述基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据具体包括：将钱捆摆放位置进行拟合以生成栅格图；
将各栅格对应的钱捆摆放位置所对应的钱币类别添加至各栅格内，以得到所述钱捆图片对应的钱币存放数据；
所述钱币存放数据用于反映钱捆图片对应的钱捆的钱币类别和钱捆摆放位置。
2.根据权利要求1所述钱捆检测方法，其特征在于，所述检测网络模型的训练过程具体包括：获取训练样本集，其中，所述训练样本集包括若干训练钱捆图片；
基于所述训练样本集对预设网络模型进行训练，以得到所述检测网络模型。
3.根据权利要求2所述钱捆检测方法，其特征在于，所述获取训练样本集具体包括：获取训练钱捆图片集，并在所述训练钱捆图片集中选取部分训练钱捆图片进行标注，以得到具有标注信息的目标钱捆图片；
基于得到的若干目标钱捆图片对所述预设网络模型进行训练，得到候选网络模型；
通过所述候选网络模型为所述训练钱捆图片集中除目标钱捆图片外的各钱捆图片标注钱币类别，以得到训练样本集。
4.根据权利要求3所述钱捆检测方法，其特征在于，所述基于所述训练样本集对预设网络模型进行训练，以得到所述检测网络模型具体包括：将所述候选网络模型作为预设网络模型，基于所述训练样本集对所述候选网络模型进行训练，以得到所述检测网络模型。
5.一种入库方法，其特征在于，所述方法包括：
获取待入库的栅格周转箱对应的钱捆图片，并基于如权利要求1?4任一所述的钱捆检测方法确定所述钱捆图片对应的钱币存放数据；
将钱币存放数据与所述钱捆图片对应的目标数据进行比较；
当所述钱币存放数据与所述目标数据相同时，存储于所述目标数据并将所述栅格周转箱入库。
6.根据权利要求5所述入库方法，其特征在于，所述方法还包括：当所述钱币存放数据与所述目标数据不相同时，选取所述钱币存放数据与所述目标数据不同的区别栅格，并提示所述区别栅格钱币摆放错误。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1?4任意一项所述的钱捆检测方法中的步骤，和/或以实现如权利要求5?6任意一项所述的入库方法中的步骤。
8.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述通信总线实现处理器和存储器之间的连接通信；
所述处理器执行所述计算机可读程序时实现如权利要求1?4任意一项所述的钱捆检测方法中的步骤，和/或实现如权利要求5?6任意一项所述的入库方法中的步骤。 说明书 : 一种钱捆检测方法、入库方法及相关装置技术领域[0001] 本申请涉及人工智能技术领域，特别涉及一种钱捆检测方法、入库方法及相关装置。背景技术[0002] 对于目前的金库场景来说，大部分的场景都由人工进行操作，虽然现在也有类似清分机之类的机器帮助对金库内的钱捆进行清分。然而，对于最关键的钱捆入库和出库核验流程而言，目前通常是采用完全人工清点栅格周转箱的方式来确定栅格周转箱内的钱捆信息，这样一方面费时也费力，另一方还可能会出现因人为操作失误而造成的清点错误的问题。[0003] 因而现有技术还有待改进和提高。发明内容[0004] 本申请要解决的技术问题在于，针对现有技术的不足，提供一种钱捆检测方法、入库方法及相关装置。[0005] 为了解决上述技术问题，本申请实施例第一方面提供了一种钱捆检测方法，所述的方法还包括：[0006] 获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；[0007] 通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；[0008] 基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。[0009] 所述钱捆检测方法，其中，所述获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型具体包括：[0010] 获取钱捆图片，对所述钱捆图片进行修正以使得修正后的钱捆图片中的钱捆的高度垂直于钱捆图片的边界；[0011] 将修正后的钱捆图片输入经过训练的检测网络模型。[0012] 所述钱捆检测方法，其中，所述检测网络模型的训练过程具体包括：[0013] 获取训练样本集，其中，所述训练样本集包括若干训练钱捆图片；[0014] 基于所述训练样本集对预设网络模型进行训练，以得到所述检测网络模型。[0015] 所述钱捆检测方法，其中，所述获取训练样本集具体包括：[0016] 获取训练钱捆图片集，并在所述训练钱捆图片集中选取部分训练钱捆图片进行标注，以得到具有标注信息的目标钱捆图片；[0017] 基于得到的若干目标钱捆图片对所述预设网络模型进行训练，得到候选网络模型；[0018] 通过所述候选网络模型为所述训练钱捆图片集中除目标钱捆图片外的各钱捆图片标注钱币类别，以得到训练样本集。[0019] 所述钱捆检测方法，其中，所述基于所述训练样本集对预设网络模型进行训练，以得到所述检测网络模型具体包括：[0020] 将所述候选网络模型作为预设网络模型，基于所述训练样本集对所述候选网络模型进行训练，以得到所述检测网络模型。[0021] 所述钱捆检测方法，其中，所述基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据具体包括：[0022] 将钱捆摆放位置进行拟合以生成栅格图；[0023] 将各栅格对应的钱捆摆放位置所对应的钱币类别添加至各栅格内，以得到所述钱捆图片对应的钱币存放数据。[0024] 本申请实施例第二方面提供了一种入库方法，所述方法包括：[0025] 获取待入库的栅格周转箱对应的钱捆图片，并基于如上所述的钱捆检测方法确定所述钱捆图片对应的钱币存放数据；[0026] 将钱币存放数据与所述钱捆图片对应的目标数据进行比较；[0027] 当所述钱币存放数据与所述目标数据相同时，存储于所述目标数据并将所述栅格周转箱入库。[0028] 所述入库方法，其中，所述方法还包括：[0029] 当所述钱币存放数据与所述目标数据不相同时，选取所述钱币存放数据与所述目标数据不同的区别栅格，并提示所述区别栅格钱币摆放错误。[0030] 本申请实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的钱捆检测方法中的步骤，和/或以实现如上所述的入库方法中的步骤。[0031] 本申请实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；[0032] 所述通信总线实现处理器和存储器之间的连接通信；[0033] 所述处理器执行所述计算机可读程序时实现如上所述的钱捆检测方法中的步骤，和/或实现如上所述的入库方法中的步骤。[0034] 有益效果：与现有技术相比，本申请提供了一种钱捆检测方法、入库方法及相关装置，所述方法包括获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。本申请通过经过训练的检测网络模型对钱捆图片进行识别，可以自动获取钱捆图片中的钱捆摆放位置以及钱币类别，从而可以自动对栅格周转箱进行清点，这样一方面可以提供钱捆入库和出库核验流程中钱捆清点的速度，另一面可以面板人工清点所造成的漏点或者错点的现象。附图说明[0035] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0036] 图1为本申请提供的钱捆检测方法的流程图。[0037] 图2为本申请提供的钱捆检测装置的结构原理图。[0038] 图3为本申请提供的终端设备的结构原理图。具体实施方式[0039] 本申请提供一种钱捆检测方法、入库方法及相关装置，为使本申请的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本申请进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。[0040] 本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。[0041] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。[0042] 应理解，本实施例中各步骤的序号和大小并不意味着执行顺序的先后，各过程的执行顺序以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。[0043] 发明人经过研究发现，对于目前的金库场景来说，大部分的场景都由人工进行操作，虽然现在也有类似清分机之类的机器帮助对金库内的钱捆进行清分。然而，对于最关键的钱捆入库和出库核验流程而言，目前通常是采用完全人工清点栅格周转箱的方式来确定栅格周转箱内的钱捆信息，这样一方面费时也费力，另一方还可能会出现因人为操作失误而造成的清点错误的问题。[0044] 为了解决上述问题，在本申请实施例中，获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。本申请通过经过训练的检测网络模型对钱捆图片进行识别，可以自动获取钱捆图片中的钱捆摆放位置以及钱币类别，从而可以自动对栅格周转箱进行清点，这样一方面可以提供钱捆入库和出库核验流程中钱捆清点的速度，另一面可以面板人工清点所造成的漏点或者错点的现象。[0045] 下面结合附图，通过对实施例的描述，对申请内容作进一步说明。[0046] 本实施例提供了一种钱捆检测方法，如图1所示，所述方法包括：[0047] S10、获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型。[0048] 具体地，所述钱捆图片中携带有若干钱捆区域，若干钱捆区域中的每个钱捆区域对应一钱捆，其中，各钱捆区域各自对应的钱捆的钱币种类可以全部相同，可以部分相同部分不相同，还可以全部不相同。例如，钱捆图片包括钱捆区域A和钱捆区域B，钱捆区域A对应的钱捆的钱币种类为10元种类，钱捆区域B对应的钱捆的钱币种类为20元种类。在一个实现方式中，钱捆图片可以通过拍摄装置对栅格周转箱进行拍摄得到的，也就是说，在需要对栅格周转箱进行清点时，可以通过拍摄装置对栅格周转箱进行拍摄以得到钱捆图片，然后在基于本实施例提供的钱捆检测方法来确定栅格周转箱所携带的钱捆的钱币存放数据。[0049] 在本实施例的一个实现方式中，由于在钱捆图片的拍摄过程中，可能会出现图片内容倾斜等问题，从而在将钱捆图片输入经过训练的检测网络模型之前，可以对钱捆图片进行预处理以矫正钱捆图片中的图片内容，这样可以降低钱捆图片的识别难度，从而可以提高检测网络的识别速度以及准确性。基于此，所述获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型具体包括：[0050] 获取钱捆图片，对所述钱捆图片进行修正以使得修正后的钱捆图片中的钱捆的高度垂直于钱捆图片的边界；[0051] 将修正后的钱捆图片输入经过训练的检测网络模型。[0052] 具体地，在对钱捆图片进行修正时可以修正钱捆图片中的图片内容的角度和位置，以使得修正后的钱捆图片中的钱捆的高度垂直于钱捆图片的边界。在一个实现方式中，可以采用水平矫正算法(例如，霍夫变换等)对钱捆图片进行修正，将钱捆图片中的图片内容的角度和位置修正在预设的固定角度和固定位置，其中，当钱捆图片的图片内容处于固定角度和固定位置时，钱捆图片中的钱捆的高度垂直于钱捆图片的边界。此外，为了提供钱捆图片的检测速度，在获取到钱捆图片后，可对钱捆图片进行压缩以减少钱捆图片的数量，从而可以提高检测网络模型的运算速度。当然，在实际应用中，钱捆图片对栅格周转箱整体进行拍摄得到的，也可以是根据实际情况对部分栅格周转箱进行拍摄得到，也就是说，可以根据实际情况将栅格周转箱划分为若干箱体区域，然后分别对每个箱体区域进行拍摄以得到各箱体区域各自对应的钱捆图片，再分别对钱捆图片进行检测来的整个栅格周转箱对应的钱币存放数据，这样通过划分的方式来分区域检测的方式可以避免因栅格周转箱过大而导致整体图片不清楚而影响检测准确性的问题。[0053] 所述检测网络模型为经过训练的深度学习网络模型，例如，检测网络模型采用SSD网络模型等。在一个实现方式中，检测网络模型基于预设的训练样本集训练得到所述检测网络模型的训练过程具体包括：[0054] 获取训练样本集；[0055] 基于所述训练样本集对预设网络模型进行训练，以得到所述检测网络模型。[0056] 具体地，所述训练样本集包括若干训练钱捆图片，若干训练钱捆图片中的每个训练钱捆图片均携带有钱捆区域，每个钱捆区域对应一个钱捆。其中，各训练钱捆图片各自携带钱捆区域所形成的钱捆区域集合可以按照钱币种类划分为若干钱捆区域类，若干钱捆区域类中的每个钱捆区域类对应一种钱币种类，并且各钱捆区域类各种对应的钱包种类互不相同。在一个实现方式中，若干钱捆区域类至少包括市面上流通的流通券100元，50元，20元，10元，5元，1元以及人行调拨而来的原封券100元，50元，20元，10元，5元，1元。此外，在实际应用中，为了提高检测网络模型的训练速度，训练样本集中的每个训练钱捆图片均携带有一个钱捆区域，也就是说，每个训练钱捆图片中均携带一个钱捆，这样可以降低训练钱捆图片的识别难度，从而可以提高预设网络模型的学习速度，进而提高测网络模型的训练速度。[0057] 在本实施例的一个实现方式中，所述获取训练样本集具体包括：[0058] 获取训练钱捆图片集，并在所述训练钱捆图片集中选取部分训练钱捆图片进行标注，以得到具有标注信息的目标钱捆图片；[0059] 基于得到的若干目标钱捆图片对所述预设网络模型进行训练，得到候选网络模型；[0060] 通过所述候选网络模型为所述训练钱捆图片集中除目标钱捆图片外的各钱捆图片标注钱币类别，以得到训练样本集。[0061] 具体地，所述目标钱捆图片的标注信息可以通过人工手动标注所形成的，其中，标注信息可以包括钱捆区域对应的钱币种类，以及钱捆区域在钱捆图片中的位置信息，以便于预设网络模型可以学习到目标钱捆图片所携带的钱币种类特征以及钱捆区域特征，进而可以预测钱捆摆放位置以及钱币类别。此外，目标钱捆图片各自携带钱捆区域所形成的钱捆区域集合按照钱币种类也划分为若干候选钱捆区域类，若干候选钱捆区域类与上述的若干钱捆区域类一一对应，并且候选钱捆区域类对应的钱币种类与其对应的钱捆区域类对应的钱币种类相同。例如，若干钱捆区域类包括市面上流通的流通券100元，50元，20元，10元，5元，1元以及人行调拨而来的原封券100元，50元，20元，10元，5元，1元，那么若干候选钱捆区域类包括市面上流通的流通券100元，50元，20元，10元，5元，1元以及人行调拨而来的原封券100元，50元，20元，10元，5元，1元。[0062] 在获取到具有标注的目标钱捆图片后，基于具有标注的目标钱捆图片对预设网络模型进行预训练，以得到候选网络模型，其中，候选网络模型可以学习钱捆图片中的图片特征以预测钱捆图片中的钱捆摆放位置以及钱币种类。然后，采用候选网络模型预测训练图片集中除目标钱捆图片的各训练钱捆图片的预测摆放位置以及钱币种类，并将预测摆放位置以及钱币种类作为训练钱捆图片的标注信息，以得到训练样本集。本实施例通过候选网络模型对其余全部原始图片数据进行自动标注大大减少了人工标注的时间。[0063] 本实施例在确定训练样本集时，确定预训练的候选网络模型，而训练样本集中的部分训练钱捆图片的标注信息是通过候选网络模型确定的，也就是说，训练样本集中的部分训练钱捆图片的标注信息可能存在准确性低的问题。由此，为了保证检测网络模型的模型精度，在基于训练样本集训练检测网络模型时，可以将候选网络模型作为预设网络模型，这样可以利用候选网络模型预训练时学习到的钱捆图片特征识别能力，从而可以保证检测网络模型的模型精度。[0064] 基于此，将所述候选网络模型作为预设网络模型，基于所述训练样本集对所述候选网络模型进行训练，以得到所述检测网络模型。[0065] 具体地，候选网络模型的模型参数为基于目标钱捆图片训练后的模型参数，候选网络模型可以学习训练钱捆图片的图片特征，从而将候选网络模型作为预设网络模型，可以提高训练得到的检测网络模型的训练精度。其中，在基于所述训练样本集对所述候选网络模型进行训练时，将训练钱捆图片输入候选网络模型，通过候选网络模型确定训练钱捆图片对应的预测钱捆摆放位置以及预测钱币类别，然后基于训练钱捆图片携带标注信息确定损失项，再基于损失项对候选网络模型进行训练，以得到检测网络模型。[0066] S20、通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别。[0067] 具体地，所述钱捆图片可以携带一个钱捆区域，也可以携带多个钱捆区域，当携带一个钱捆区域时，钱捆摆放位置以及钱币类别可以为该钱捆区域的摆放位置以及钱捆区域内的钱捆的钱币种类；当携带个钱捆区域时，钱捆摆放位置以及钱币类别也为多个，多个钱捆摆放位置以及钱币类别与多个钱捆区域一一对应，该钱捆摆放位置以及钱币类别为其对应的钱捆区域在钱捆图片中的位置，以及钱捆区域内的钱捆的钱币种类。[0068] S30、基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。[0069] 具体地，所述钱币存储数据用于反映钱捆图片对应的钱捆存放装置中的钱币存放信息，其中，钱币存放信息包括钱捆存放位置以及钱捆对应的钱币类别。在一个实现方式中，由于钱捆普遍是通过栅格周转箱存放，从而钱币存放数据为栅格周转箱中钱捆存放信息，也就是说，钱币存储数据包括栅格周转箱中每个栅格存放的钱捆的钱币类别，以及每个钱捆在栅格周转箱中的存放位置。[0070] 在一个实现方式中，所述基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据具体包括：[0071] 将钱捆摆放位置进行拟合以生成栅格图；[0072] 将各栅格对应的钱捆摆放位置所对应的钱币类别添加至各栅格内，以得到所述钱捆图片对应的钱币存放数据。[0073] 具体地，在获取到各钱捆的钱捆摆放位置之后，可以将各钱捆摆放位置进行直线拟合，得到若干横纵交叉的拟合直线，若干横纵交叉的拟合直线可以像素栅格图，并栅格图中的每个栅格对应一个钱捆摆放位置，即每个栅格图对应搞一个钱捆区域。在一个具体实现方式，对钱捆图片进行检测之前，对钱捆图片进行修正使得钱捆图片中的钱捆的高度垂直于钱捆图片的边界。由此，各钱捆区域的区域边缘均在在X,Y轴上，从而在将钱捆摆放位置进行拟合以生成栅格图时，可以采用直线拟合以得到若干沿X轴方向和沿Y轴方向交叉的拟合直线，以得到模拟栅格周转箱中栅格的栅格图。在获取到的栅格图后，将将各栅格对应的钱捆摆放位置所对应的钱币类别添加至各栅格内，以得到所述钱捆图片对应的钱币存放数据。[0074] 综上所述，本实施例提供了一种钱捆检测方法，所述方法包括获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。本申请通过经过训练的检测网络模型对钱捆图片进行识别，可以自动获取钱捆图片中的钱捆摆放位置以及钱币类别，从而可以自动对栅格周转箱进行清点，这样一方面可以提供钱捆入库和出库核验流程中钱捆清点的速度，另一面可以面板人工清点所造成的漏点或者错点的现象。[0075] 基于上述钱捆检测方法，本实施例提供了一种入库方法，所述方法包括：[0076] 获取待入库的栅格周转箱对应的钱捆图片，并基于如上所述的钱捆检测方法确定所述钱捆图片对应的钱币存放数据；[0077] 将钱币存放数据与所述钱捆图片对应的目标数据进行比较；[0078] 当所述钱币存放数据与所述目标数据相同时，存储于所述目标数据并将所述栅格周转箱入库。[0079] 在一个实现方式中，所述方法还包括：[0080] 当所述钱币存放数据与所述目标数据不相同时，选取所述钱币存放数据与所述目标数据不同的区别栅格，并提示所述区别栅格钱币摆放错误。[0081] 具体地，所述钱捆图片为通过对待入库的栅格周转箱进行图像采集所得到。所述目标数据为预先存储的用于记录栅格周转箱所存储的钱捆的钱捆信息，在获取到的钱币存放数据可以将钱币存放数据与目标数据进行比较，来对栅格周转箱内存储的钱捆与目标数据记录的钱捆进行比较，以使得钱捆清点，这样可以检测栅格周转箱中是否存在钱捆乱放、钱捆缺失以及钱捆调换的问题，从而实现了自动入库清点。[0082] 基于上述钱捆检测方法，本实施例提供了一种钱捆检测装置，如图2所示，所述的装置包括：[0083] 获取模块100，用于获取钱捆图片，并将所述钱捆图片输入经过训练的检测网络模型；[0084] 检测模块200，用于通过所述检测网络模型检测所述钱捆图片对应的钱捆摆放位置以及钱币类别；[0085] 确定模块300，用于基于检测的钱捆摆放位置以及钱币类别确定所述钱捆图片对应的钱币存放数据。[0086] 基于上述钱捆检测方法，本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的钱捆检测方法中的步骤。[0087] 基于上述钱捆检测方法，本申请还提供了一种终端设备，如图3所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(CommunicationsInterface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。[0088] 此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。[0089] 存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。[0090] 存储器22可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；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22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，U盘、移动硬盘、只读存储器(Read?OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。[0091] 此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。[0092] 最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

专利地区：江苏

专利申请日期：2021-12-24

专利公开日期：2024-11-29

专利公告号：CN114445340B