物料堆放的识别方法、装置、计算机设备及存储介质

技术领域

本公开涉及数据识别技术领域，具体涉及物料堆放的识别方法、装置、计算机设备及存储介质。

背景技术

在制造业和物流行业中，物料的正确放置和规范摆放对生产效率和物流运作至关重要。然而，由于人工操作的不确定性和疏忽，以及环境变化等因素的影响，物料放置往往存在着规范性的挑战。不符合规范的物料放置可能导致生产延误、损失和安全隐患。

为了解决物料放置规范性的问题，当前相关技术采用位置边缘检测或测算，比如使用颜色直方图、边缘角度、梯度变化、空间分拣和HOG(Histogram of OrientedGradient，方向梯度直方图)特征等多种特征提取方法进行融合得到有效的特征，然后根据这些特征判断物料的放置情况，但是这种方式容易受到周边障碍线条的影响，导致出现误检或漏检。

因此相关技术在物料规范摆放状态识别时，存在误检和漏检的问题。

发明内容

有鉴于此，本公开提供了一种物料堆放的识别方法、装置、计算机设备及存储介质，以解决相关技术在物料规范摆放状态识别时，存在误检和漏检的问题。

第一方面，本公开提供了一种物料堆放的识别方法，该方法包括：

在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息；

利用第一模型对图像信息中放置目标物料的物料框进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息或第二掩码信息，其中，第一掩码信息用于表征目标物料的形状和大小，第二掩码信息用于表征隔离部件的形状和大小；

根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。

在本公开实施例中，通过深度学习的方式对目标物料当前放置位置处的图像信息进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息和第二掩码信息第二位置信息或第二掩码信息，然后根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。这样基于深度学习的方法对料点区域进行状态检测，有准确率高和鲁棒性强的特点，避免出现物料规范摆放状态识别时，存在误检和漏检的问题。

在一种可选的实施方式中，在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息，包括：

获取目标物料当前放置位置的像素帧；

获取相邻的像素帧之间对应的像素值的变化值以及像素值变化的持续时长；

在变化值大于第一预设阈值且持续时长大于第二预设阈值的情况下，确定目标物料发生堆放，获取图像信息。

在本公开实施例中，基于帧差法和时间的同时判定，既可以避免一些路过的车辆或人员形成堆放橡胶事件，同时帧差法可以快速地检测到监控视频中发生的运动或变化，并且因为是简单的运动检测算法，帧差法的计算成本低，不需要复杂的图形处理或特征提取，可以有效的节省计算资源。

在一种可选的实施方式中，在获取目标物料当前放置位置处的图像信息之后，方法还包括：

获取多个已有物料以及与已有物料相关的物料框、隔离已有物料的隔离部件的多媒体数据；

对多媒体数据进行数据预处理，得到预处理后的多媒体数据；

将预处理后的多媒体数据输入初始实例分割模型和初始分类模型中进行训练，得到训练后的第一模型和第二模型。

在一种可选的实施方式中，根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果，包括：

将第二位置信息或者第二掩码信息与预定区域进行比较，确定隔离部件是否放置偏离了目标位置，得到目标物料堆放规范的第一识别判定结果，其中，预定区域为由目标位置所形成的空间区域；

获取每个目标物料的最小外接矩形；

根据最小外接矩形和第二掩码信息，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果；

根据第一掩码信息和第二模型，得到目标物料堆放规范的第三识别判定结果。

在本公开实施例中，根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型即可得到三种目标物料堆放规范的识别判定结果，利用摄像头、传统图形处理算法和深度学习算法的有机结合，即利用了传统算法实时检测的敏感、计算资源少的特点，同时结合了深度学习的准确分割、分类、鲁棒性强的特点，有效提高了算法识别的效率和准确率。

在一种可选的实施方式中，将第二位置信息或者第二掩码信息与预定区域进行比较，确定隔离部件是否放置偏离了目标位置，得到目标物料堆放规范的第一识别判定结果，包括：

获取第二位置信息或者第二掩码信息与预定区域之间的重叠部分；

在重叠部分大于或者等于第三预设阈值的情况下，确定隔离部件的放置偏离了目标位置，得到第一识别判定结果。

在一种可选的实施方式中，根据最小外接矩形和第二掩码信息，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果，包括：

若最小外接矩形内未包含第二掩码信息，则确定目标物料着地，得到目标物料堆放规范的第二识别判定结果。

在一种可选的实施方式中，根据第一掩码信息和第二模型，得到目标物料堆放规范的第三识别判定结果，包括：

根据第一掩码信息得到目标物料的图像边缘纹理特征；

将图像边缘纹理特征输入第二模型，根据输出的褶皱特征确定目标物料的堆放重叠情况；

根据堆放重叠情况确定目标物料堆放规范的第三识别判定结果。

第二方面，本公开提供了一种物料堆放的识别装置，该装置包括：

第一获取模块，用于在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息；

第一得到模块，用于利用第一模型对图像信息中放置目标物料的物料框进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息或第二掩码信息，其中，第一掩码信息用于表征目标物料的形状和大小，第二掩码信息用于表征隔离部件的形状和大小；

第二得到模块，用于根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。

第三方面，本公开提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的物料堆放的识别方法。

第四方面，本公开提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的物料堆放的识别方法。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出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。

图1是根据本公开一些实施例的针对物料放置是否规范的视觉平台示意图；

图2是根据本公开一些实施例的物料堆放的识别方法的流程示意图；

图3是根据本公开一些实施例的物料堆放的识别方法的完整流程示意图；

图4是根据本公开一些实施例的物料堆放的识别装置的结构框图；

图5是本公开实施例的计算机设备的硬件结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

在制造业和物流行业中，物料的正确放置和规范摆放对生产效率和物流运作至关重要。为了解决物料放置规范性的问题，当前相关技术采用位置边缘检测或测算，但是这些方式容易受到周边障碍线条的影响，导致出现误检或漏检。

为了解决上述问题，根据本公开实施例，提供了一种物料堆放的识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本公开实施例涉及一种针对物料放置是否规范的视觉平台，通过该视觉平台获取对物料堆放的识别结果。具体的，如图1所示，以物料为轮胎橡胶片为例，该视觉平台由料点检测规范区域及顶部三个不同角度的摄像头组成，其中，中间摄像头拍摄轮胎片放置隔离布的俯视视角，用来判断轮胎橡胶片是否重叠、着地等状态，边缘两个方向的摄像头分别获得隔离布耷拉在料框外部分的两个视图，侧边的两组摄像头对耷拉在外的隔离布和料框本身进行观察，如能明显观察到料框，则判定隔离布没有着地。

从服务器侧角度，本实施例提供了一种物料堆放的识别方法，图2是根据本公开实施例的物料堆放的识别方法的流程图，如图2所示，该方法可以应用于服务器侧，该方法流程包括如下步骤：

步骤S201，在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息。

可选地，如果服务器接收到关于目标物料(如前述实施例轮胎橡胶片，以下可简称为橡胶)发生了堆放情况时，利用摄像头获取目标物料当前放置位置处的图像信息。从图1中可以得出，当前是控制中间摄像头来获取目标物料的图像信息的。

步骤S202，利用第一模型对图像信息中放置目标物料的物料框进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息或第二掩码信息，其中，第一掩码信息用于表征目标物料的形状和大小，第二掩码信息用于表征隔离部件的形状和大小。

可选地，从图1可以看出，料框、轮胎橡胶片、隔离布都是叠放在一起的，所以为了识别出轮胎橡胶片是否堆放规范，需要对图像信息进行实例分割。在这里，可以采用第一模型(可以是实例分割模型)对图像信息中放置目标物料的物料框进行分割，进而可以得到目标物料的第一掩码信息，也可以得到目标物料的位置信息(可选)，同时还可以得到隔离目标物料的隔离部件(可以是隔离布)的第二位置信息或第二掩码信息。其中，掩码信息可以表征出识别物体的大小和形状轮廓，所以第一掩码信息用于表征目标物料的形状和大小，第二掩码信息用于表征隔离部件的形状和大小。

步骤S203，根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。

可选地，在本公开实施例中，对目标物料堆放规范的识别判定结果主要包括料框是否按定位放置、目标物料是否着地、目标物料是否重叠这三类。这时采用的是目标物料的第一掩码信息、隔离布的第二位置信息或者第二掩码信息以及第二模型(可以是分类模型)这些数据得到上述三种识别判定结果。

在本公开实施例中，通过深度学习的方式对目标物料当前放置位置处的图像信息进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息或第二掩码信息，然后根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。这样基于深度学习的方法对料点区域进行状态检测，有准确率高和鲁棒性强的特点，避免出现物料规范摆放状态识别时，存在误检和漏检的问题。

在一些可选的实施方式中，在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息，包括：

获取目标物料当前放置位置的像素帧；

获取相邻的像素帧之间对应的像素值的变化值以及像素值变化的持续时长；

在变化值大于第一预设阈值且持续时长大于第二预设阈值的情况下，确定目标物料发生堆放，获取图像信息。

可选地，本公开实施例在识别隔离布上堆放橡胶事件时：用帧差法检测目标物料(即橡胶)所处监控视频中需要规范放置的料点位置，当画面中相邻像素帧之间对应像素发生的变化大于设定的第一阈值(如0.8)并且持续的时间也超过了第二阈值(如6s),则判定该料点发生了堆放橡胶事件，获取橡胶当前的图像信息。

在本公开实施例中，基于帧差法和时间的同时判定，既可以避免一些路过的车辆或人员形成堆放橡胶事件，同时帧差法可以快速地检测到监控视频中发生的运动或变化，并且因为是简单的运动检测算法，帧差法的计算成本低，不需要复杂的图形处理或特征提取，可以有效的节省计算资源。

在一些可选的实施方式中，在获取目标物料当前放置位置处的图像信息之后，方法还包括：

获取多个已有物料以及与已有物料相关的物料框、隔离已有物料的隔离部件的多媒体数据；

对多媒体数据进行数据预处理，得到预处理后的多媒体数据；

将预处理后的多媒体数据输入初始实例分割模型和初始分类模型中进行训练，得到训练后的第一模型和第二模型。

可选地，在本公开实施例中，在利用第一模型和第二模型之前，需要基于初始模型进行训练，然后将训练完成的第一模型和第二模型投入使用。进一步地，在数据准备阶段，收集多个已有物料以及与已有物料相关的物料框、隔离已有物料的隔离部件的多媒体数据(包括图像、视频等数据)，根据需求对多媒体数据进行数据预处理，包括去噪、图像增强、尺寸调整等操作。其中，去噪操作：去除被工作人员、AGV(Automated Guided Vehicle，自动导向车)小车或其他非橡胶物体把需要检测的料点、料框位置给遮挡住的图片；图像增强操作：对有效的料点料框图片做一些小的譬如旋转、平移、图片的亮度等变化的增强；尺寸调整操作：由原来的1280*720调整到640*640。

将预处理后的多媒体数据输入初始实例分割模型和初始分类模型中进行训练，在初始实例分割模型和初始分类模型实际运用时，根据重点分析产生的原因，得出解决的办法，并回流这部分的数据，迭代新的模型，得到训练后的第一模型和第二模型。

在一些可选的实施方式中，根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果，包括：

将第二位置信息或者第二掩码信息与预定区域进行比较，确定隔离部件是否放置偏离了目标位置，得到目标物料堆放规范的第一识别判定结果，其中，预定区域为由目标位置所形成的空间区域；

获取每个目标物料的最小外接矩形；

根据最小外接矩形和第二掩码信息，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果；

根据第一掩码信息和第二模型，得到目标物料堆放规范的第三识别判定结果。

可选地，本公开实施例设定一预定区域，该预定区域是一个用来确定隔离布是否放置偏离了目标位置的区域，其是基于目标位置所形成的空间范围。这时，将隔离布的第二位置信息或者第二掩码信息与预定区域进行比较，根据比较结果确定目标物料堆放规范的第一识别判定结果：即料框是否按照定位进行放置。如果未按照定位进行放置，则触发报警。可以理解的是，料框未按照定位进行放置，那目标物料也不会堆放规范，所以第一识别判定结果就是目标物料未堆放规范。

还有一种得到目标物料堆放规范的识别判定结果的方式：获取每个目标物料的最小外接矩形，对于每个橡胶物料，根据其最小外接矩形和隔离布的第二掩码，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果；若目标物料着地，则触发报警。可以理解的是，目标物料着地，那目标物料就是未堆放规范，所以第二识别判定结果就是目标物料未堆放规范。

还有一种得到目标物料堆放规范的识别判定结果的方式：根据目标物料的第一掩码信息，将第一掩码信息输入第二模型内进行分类，判断目标物料是否发生重叠，得到目标物料堆放规范的第三识别判定结果。同时，如果分类结果为“重叠”，则触发重叠报警。可以理解的是，目标物料重叠，那目标物料就是未堆放规范，所以第三识别判定结果就是目标物料未堆放规范。

在本公开实施例中，根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型即可得到三种目标物料堆放规范的识别判定结果，利用摄像头、传统图形处理算法和深度学习算法的有机结合，即利用了传统算法实时检测的敏感、计算资源少的特点，同时结合了深度学习的准确分割、分类、鲁棒性强的特点，有效提高了算法识别的效率和准确率。

在一些可选的实施方式中，将第二位置信息或者第二掩码信息与预定区域进行比较，确定隔离部件是否放置偏离了目标位置，得到目标物料堆放规范的第一识别判定结果，包括：

获取第二位置信息或者第二掩码信息与预定区域之间的重叠部分；

在重叠部分大于或者等于第三预设阈值的情况下，确定隔离部件的放置偏离了目标位置，得到第一识别判定结果。

可选地，预定区域一般是长方形或者正方形区域，在将第二位置信息或者第二掩码信息与预定区域进行比较时，获取第二位置信息或者第二掩码信息与预定区域之间的重叠部分，如果重叠部分大于或者等于第三预设阈值(比如设置为隔离布的三分之一的面积)，则认为隔离布的放置偏移了目标位置，超出了料点区域，进而确定料框未按照定位进行放置。

在一些可选的实施方式中，根据最小外接矩形和第二掩码信息，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果，包括：

若最小外接矩形内未包含第二掩码信息，则确定目标物料着地，得到目标物料堆放规范的第二识别判定结果。

可选地，对于每个橡胶物料，根据其最小外接矩形和隔离布的第二掩码信息，判断是否有隔离布的存在，如果目标物料的最小外接矩形中没有隔离布的第二掩码信息，则表示目标物料着地，触发着地报警。

在一些可选的实施方式中，根据第一掩码信息和第二模型，得到目标物料堆放规范的第三识别判定结果，包括：

根据第一掩码信息得到目标物料的图像边缘纹理特征；

将图像边缘纹理特征输入第二模型，根据输出的褶皱特征确定目标物料的堆放重叠情况；

根据堆放重叠情况确定目标物料堆放规范的第三识别判定结果。

可选地，将每个目标物料从其第一掩码信息抠出，由于其褶皱特征可能并不明显，经过灰度共生矩阵或灰度差异矩阵计算像素之间的灰度差异、共生矩阵的纹理统计量(如对比度、能量、熵等)来得到图像的边缘纹理特征，并将图像边缘纹理特征送入第二模型中，来判断橡胶物料是否有褶皱特征，进而确定橡胶物料是否发生重叠，如果分类结果为“重叠”，则触发重叠报警。

以上各实施例中，在检测时，均设置一个实时监测和报警机制，当检测到不符合规范的情况时，服务器触发警报，向操作员发送提示信息，确保目标物料能够正确放置。操作人员得到报警的料点信息后，及时通知工作人员进行规范操作纠正，避免层层堆积后找不到错误点。

另外，基于上述各实施例，本公开实施例还可以根据不同视角图计算视差估计隔离布高度，判定隔离布是否着地，其中有不规范的地方进行报警输出。

具体地，视差法是一种基于人类双眼视觉差异的原理来估测物体远近的方法。人类的双眼位于头部的两侧，因此每只眼睛所看到的图像略微不同。这种差异可以用来估计物体的远近，进而得出物体的高度信息。下面是使用视差法和不同视角的图片来判断图片中物体高度的详细描述：

基本原理：当物体距离越近时，在用户左右眼之间产生的视差就越大。视差是指当眼睛焦点从一个物体转移到另一个物体时，物体在视野中的位置的变化。通过比较这些视差差异，可以估计物体的远近关系。

创建不同视角的图片：为了利用视差法来估计物体的高度，需要创建至少两幅图像，模拟双眼的视角差异。可以通过以下两种方法来获得这些图像：

双摄像头：使用具有一定距离的双摄像头，分别捕捉左右视角的图像。

单摄像头模拟：通过捕捉一张图像，然后稍微移动摄像头的位置，再次捕捉另一张图像，以模拟双眼的视角。

计算视差图像：将两幅视角图像对齐，使得它们在空间中对应同一位置的物体重叠。然后，通过比较两幅图像中相同位置的像素的差异，生成一个视差图像。在视差图像中，较大的视差值表示物体距离观察者较近，较小的视差值表示物体距离较远。

计算流程：

1.获取视差图像：

通过捕捉不同视角的图片并生成视差图像。在视差图像中，每个像素的值表示对应位置的视差。

2.计算深度图：

利用视差图像，可以计算每个像素的深度信息。一种常见的方法是使用三角测量法，其中通过相机参数和视差值来计算深度。

3.计算物体高度：

一旦获得了深度图，可以通过比较物体顶部和底部的深度值来估计物体的高度。以此估计隔离布高度，判定隔离布是否着地。

在一些可选的实施方式中，如图3，图3是根据本公开一些实施例的物料堆放的识别方法的完整流程示意图，图中一共包含4个模块：堆料事件检测模块、数据回流模块、纠错模块、算法检测模块。具体流程如下：

摄像头多视角安装：俯拍、侧拍料点，实时监控，拍摄所需要的料点区域，采集样本数据；

对采集样本数据进行数据预处理，形成物料实例分割数据集、橡胶重叠分类数据集，然后利用物料实例分割数据集训练实例分割模型，利用橡胶重叠分类数据集训练分类模型；

在堆料事件检测模块内，实时监测视频流，在发现变化帧后，在帧差变化大于第一预设阈值且持续时间大于第二预设阈值时，判定发生了物料堆放事件；

获取多视角监测的物料堆放规范状态图片；

将物料堆放规范状态图片输入实例分割模型，得到每块隔离布的位置信息或掩码信息以及每块橡胶物料的位置信息或掩码信息；若隔离布的掩码信息与预定区域的重叠部分大于第三预设阈值，则认为料框为定位放置，触发报警；若橡胶物料的最小外接矩形内未包含隔离布的掩码信息，则认为橡胶物料着地，触发报警；若根据橡胶物料的掩码信息得到橡胶物料图片，对橡胶物料边缘纹理特征提取，并输入深度学习分类模型中，判断是否有褶皱特征，若有，则确定橡胶物料重叠，触发报警；其中，实例分割模型和深度学习分类模型在运用时会对针对不好用例进行重点原因分析，得出解决的办法，并回流这部分的数据，迭代新的模型。

在上述触发报警后，上报到纠错模块，操作员得到相应的报警，通知工人及时纠正摆放错误。

另外，在获取多视角监测的物料堆放规范状态图片后，针对多视角图片集进行特征提取和匹配，计算视差，得到隔离布的高度、倾斜角度估计，然后判定隔离布是否着地，若隔离布着地，触发报警。

在本实施例中还提供了一种物料堆放的识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种物料堆放的识别装置，如图4所示，包括：

第一获取模块401，用于在确定目标物料发生堆放的情况下，获取目标物料当前放置位置处的图像信息；

第一得到模块402，用于利用第一模型对图像信息中放置目标物料的物料框进行分割，得到目标物料的第一掩码信息，以及用于隔离目标物料的隔离部件的第二位置信息或第二掩码信息，其中，第一掩码信息用于表征目标物料的形状和大小，第二掩码信息用于表征隔离部件的形状和大小；

第二得到模块403，用于根据第一掩码信息、第二位置信息或者第二掩码信息以及第二模型，得到对目标物料堆放规范的识别判定结果。

在一些可选的实施方式中，第一获取模块401包括：

第一获取单元，用于获取目标物料当前放置位置的像素帧；

第二获取单元，用于获取相邻的像素帧之间对应的像素值的变化值以及像素值变化的持续时长；

第三获取单元，用于在变化值大于第一预设阈值且持续时长大于第二预设阈值的情况下，确定目标物料发生堆放，获取图像信息。

在一些可选的实施方式中，该装置还包括：

第二获取模块，用于在获取目标物料当前放置位置处的图像信息之后，获取多个已有物料以及与已有物料相关的物料框、隔离已有物料的隔离部件的多媒体数据；

预处理模块，用于对多媒体数据进行数据预处理，得到预处理后的多媒体数据；

训练模块，用于将预处理后的多媒体数据输入初始实例分割模型和初始分类模型中进行训练，得到训练后的第一模型和第二模型。

在一些可选的实施方式中，第二得到模块403包括：

第一确定单元，用于将第二位置信息或者第二掩码信息与预定区域进行比较，确定隔离部件是否放置偏离了目标位置，得到目标物料堆放规范的第一识别判定结果，其中，预定区域为由目标位置所形成的空间区域；

第四获取单元，用于获取每个目标物料的最小外接矩形；

第二确定单元，用于根据最小外接矩形和第二掩码信息，确定目标物料是否着地，得到目标物料堆放规范的第二识别判定结果；

得到单元，用于根据第一掩码信息和第二模型，得到目标物料堆放规范的第三识别判定结果。

在一些可选的实施方式中，第一确定单元包括：

获取子模块，用于获取第二位置信息或者第二掩码信息与预定区域之间的重叠部分；

第一确定子模块，用于在重叠部分大于或者等于第三预设阈值的情况下，确定隔离部件的放置偏离了目标位置，得到第一识别判定结果。

在一些可选的实施方式中，第二确定单元包括：

第一得到子模块，用于若最小外接矩形内未包含第二掩码信息，则确定目标物料着地，得到目标物料堆放规范的第二识别判定结果。

在一些可选的实施方式中，得到单元包括：

第二得到子模块，用于根据第一掩码信息得到目标物料的图像边缘纹理特征；

第三得到子模块，用于将图像边缘纹理特征输入第二模型，根据输出的褶皱特征确定目标物料的堆放重叠情况；

第二确定子模块，用于根据堆放重叠情况确定目标物料堆放规范的第三识别判定结果。

本实施例中的物料堆放的识别装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本公开实施例还提供一种计算机设备，具有上述图4所示的物料堆放的识别装置。

请参阅图5，图5是本公开可选实施例提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器10为例。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以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、至少一个功能所需要的应用程序；存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。

本公开实施例还提供了一种计算机可读存储介质，上述根据本公开实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本公开的实施例，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。