针对物流中心货物拥堵行识别，判断皮带传输设备上是否出现货物包裹的堆积拥堵。货物拥堵识别算法是物流中心货物运输环节视频监控场景下的算法，算法通过提取监控皮带设备的运动状态及皮带上货物运动情况，设计了一套识别货物包裹是否在皮带上传输过程中出现拥堵的算法。对实时视频流画面进行准实时检测，对画面内皮带设备上是否有货物包裹拥堵进行识别显示。
货物拥堵识别算法采用自定义深度神经网络，高效分析皮带设备上拥堵货物的特征以及运动状态，通过视频图像中投影空间的下的尺度变分识别算法，高精确率检测皮带货物阻塞的风险，并及时向上层应用推送预警。根据用户对报警频率及时间间隔上的感知程度，对报警间隔和频次进行策略上的调整，使得用户使用感受良好，同时达到更高率管理的效果。
在实验室测试环境下（共2000段视频，正负样本比例为1：33.09），精确率为93.6%（即100条报警中约有93条真实报警），召回率为100%，准确率为99.80%。真实商用场景数据统计，精确率在90%左右。
传统的货物拥堵事件处理方式中，需要投入一定量的人力来人工查看情况，效率较低。货物拥堵识别算法的使用，可代替人工值守，更加快速、及时的发现风险情况，在这一环节减少人员的投入，降低运营成本，提升效率。
| 交付方式 | License | 版本 | V1.1 |
| 操作系统 | linux桌面应用 | 适配语言 | 中文 |
| 上架日期 | 2023-11-07 19:17:02 |
