(19)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 202210248818.X (22)申请日 2022.03.14 (71)申请人 珠海格力电器股份有限公司 地址 519070 广东省珠海市前山金鸡西路 (72)发明人 陆华章　周叶笛　徐强　李致亮　 熊伟　王晓琳　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 蔡良伟 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06K 7/10(2006.01) G06K 7/14(2006.01) G06N 3/04(2006.01) (54)发明名称 一种标签自动建模的方法及装置、 存储介 质、 电子设备 (57)摘要 本发明公开了一种标签自动建模的方法及 装置、 存储介质、 电子设备， 属于自动建模技术领 域。 其中， 该方法包括从目标箱体的包装图片上 获取疑似边框图集合； 采用卷积神经网络对所述 疑似边框图集合进行过滤， 得到候选边框图集 合； 根据先验条件对候选边框图集合进行过滤， 得到若干个目标边框图， 其中， 所述目标边框图 内包括所述目标箱体的标签信息； 采用所述若干 个目标边框图和所述包装图片创建所述目标箱 体的标签模板， 其中， 所述标签模板用于定位标 签信息在所述目标箱体上的粘贴位置。 通过本发 明， 解决了现有技术中人为对标签建模效率低， 不能保证建模一致性的技术问题， 增加了建模效 率， 确保建模的一 致性。 权利要求书2页 说明书11页 附图3页 CN 114723936 A 2022.07.08 CN 114723936 A 1.一种标签自动建模的方法， 其特 征在于， 包括： 从目标箱体的包 装图片上获取疑似边框图集 合； 采用卷积神经网络对所述疑似边框图集 合进行过滤， 得到候选边框图集 合； 根据先验条件对所述候选边框图集合进行过滤， 得到若干个目标边框图， 其中， 所述目 标边框图内包括所述目标箱体的标签信息； 采用所述若干个目标边框 图和所述包装图片创建所述目标箱体的标签模板， 其中， 所 述标签模板用于 定位标签信息在所述目标箱体上的粘贴位置 。 2.如权利要求1所述的方法， 其特征在于， 从目标箱体的包装图片上获取疑似边框图集 合包括： 获取目标箱体的箱体外表面的包 装图片； 对所述包 装图片进行平 滑滤波降噪处 理， 得到第一中间图片； 对所述第一中间图片进行边 缘检测， 提取疑似边框图集 合。 3.如权利要求2所述的方法， 其特征在于， 对所述第一中间图片进行边缘检测， 提取疑 似边框图集 合包括： 检测所述第一中间图片的边 缘直线特征； 根据所述边缘直线特征查找所述第一中间图片中的多条短直线， 其中， 所述短直线为 长度小于预设长度的直线； 针对所述多条短直线中的每条第 一短直线， 在其他短直线中查找与其轨迹平行且长度 相同的第二 直线段， 将所述第一短直线和所述第二 直线段两 两组合后存 入平行线组； 对所述平行线组中的直线 进行平行四边形组合， 得到疑似边框图集 合。 4.如权利要求1所述的方法， 其特征在于， 采用卷积神经网络对所述疑似边框图集合进 行过滤， 得到候选边框图集 合包括： 针对所述 候选边框图中的每 个疑似边框图， 将所述疑似边框图转换为图片向量； 采用所述图片向量循环执行以下步骤， 直到最后一层池化层： 将所述图片向量作为输 入量通过第一卷积层对所述图片向量进行特征提取， 输出第一特征图； 将所述第一特征图 作为输入量通过在第一池化层对所述第一特征图进行下采样， 输出降维后的第二特征图； 将所述第二特 征图确定为下一个卷积层的输入量； 将最后一层池化层输出的目标特征图输入分类模型， 输出所述疑似边框图的分类信 息， 其中， 所述分类信息用于指示对应的疑似边框图是否为 候选边框图。 5.如权利要求4所述的方法， 其特征在于， 将所述图片向量作为输入量通过第 一卷积层 对所述图片向量进行 特征提取， 输出第一特 征图包括： 将所述图片向量依次输入第一卷积层的M个滑动窗口， 输出M张第一特征图， 其中， 所述 第一卷积层 包括M个不同权重的滑动窗口， 所述图片向量在每个滑动窗口内执行以下步骤： 将当前滑动窗口的权重值和所述疑似边框图的灰度值相乘并求和得到特征值， M为大于1的 整数。 6.如权利要求4所述的方法， 其特征在于， 将所述第 一特征图作为输入量通过在第 一池 化层对所述第一特 征图进行 下采样， 输出降维后的第二特 征图包括： 将所述M张第一特征图输入第一池化层的M个滑动窗口， 输出M张第二特征图， 其中， 所 述第一池化层 包括M个相同权重的滑动窗口， 所述M张第一特征图在每个滑动窗口内执行以权　利　要　求　书 1/2 页 2 CN 114723936 A 2下步骤： 获取当前滑动窗口内第一特征图的第一特征值， 比较第一特征值与上一滑动窗口 内第二特征图的第二特征值， 将特征值最大的特征图确定为降维后的第二特征图， M为大于 1的整数。 7.如权利要求1所述的方法， 其特征在于， 根据先验条件对所述候选边框图集合进行过 滤， 得到若干个目标边框图包括： 针对所述 候选边框图集 合中的每 个候选边框图， 计算所述 候选边框图的标签参数； 判断所述标签参数是否满足先验条件， 其中所述先验条件包括以下至少之一： 标签的 最小宽高、 标签的最大宽高、 标签的最大宽高比、 标签的最小宽高比、 标签内具有字符、 标签 整体色调与箱体的色调差异比； 若满足所述先验条件， 则判断所述 候选边框图为目标边框图。 8.如权利要求7所述的方法， 其特征在于， 计算所述候选边框图的标签参数包括以下至 少之一： 计算所述候选边框 图中两平行直线的间距值， 将横向间距确定为宽度值， 纵向间距确 定为高度值， 所述横向间距与所述 纵向间距之 间的比值确定为宽高比， 其中， 所述标签参数 包括： 宽度值， 高度值， 宽高比； 通过光学字符识别OCR判断所述 候选边框图内是否包 含字符； 计算所述候选边框 图的第一灰度值， 以及计算所述包装图片的第二灰度值， 将所述第 一灰度值与所述第二灰度值之间的比值确定为色调差异比。 9.一种标签自动建模的装置， 其特 征在于， 包括： 获取模块， 用于从目标箱体的包 装图片上获取疑似边框图集 合； 第一过滤模块， 用于采用卷积神经网络对所述疑似边框 图集合进行过滤， 得到候选边 框图集合； 第二过滤模块， 用于根据先验条件对所述候选边框 图集合进行过滤， 得到若干个目标 边框图， 其中， 所述目标边框图内包括所述目标箱体的标签信息； 创建模块， 用于采用所述若干个目标边框图和所述包装图片创建所述目标箱体的标签 模板， 其中， 所述标签模板用于 定位标签信息在所述目标箱体上的粘贴位置 。 10.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 所述程序运行时 执行上述权利要求1至7中任一项所述的方法步骤。 11.一种电子设备， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理器， 通信接 口， 存储器通过通信总线完成相互间的通信； 其中： 存储器， 用于存放计算机程序； 处理器， 用于通过运行存储器上所存放的程序来执行权利要求1至7中任一项所述的方 法步骤。权　利　要　求　书 2/2 页 3 CN 114723936 A 3