基于RCNN的物流分拣算法

本发明涉及物流分拣、深度学习技术领域，其具体地公开一种基于RCNN的物流分拣算法，其模型由多个卷积层、三个残差块、金字塔池化层以及Softmax层有序堆叠而成。其通过引入“ResNet”解决在深度卷积神经网络训练过程中出现的梯度消失和梯度爆炸问题，使得网络在训练过程中更容易学习到数据的特征，提高了网络的性能和稳定性。该算法通过搜集并整合大规模包裹图像数据集对RCNN模型进行训练并在该过程中系统地调整模型参数，通过迭代优化模型，以此获取表现最优的模型参数。其能够实现根据包裹尺寸、包装材料以及外包装完整度对待分拣包裹进行有效分类，以此达到提高分拣效率，优化物流整体运营效果的目的。