一种基于深度学习的仓储货物图像识别方法

本发明公开了一种基于深度学习的仓储货物图像识别方法，具体涉及仓储货物识别技术领域，包括通过图像增强模块模拟昼夜光照差异，构建覆盖真实场景的训练数据集；利用改进的ResNet101模型进行特征提取，重构256维全连接层输出高区分度的货物专属特征向量；创新采用双分支分类结构：第一分支判定货物品类，第二分支判断包装状态，依据置信度阈值实现高置信度结果自动输出、低置信度触发复核的智能决策；系统集成误差分析、性能评估与模型动态优化模块，支持分场景定向增量更新。本发明克服了现有技术对复杂场景、光照变化及包装异常适应性差的缺点，显著提升了识别精度与作业效率，有效减少库存账实不符。