一种基于点云数据的AI深度自学习的包裹ID追踪系统的制作方法

本发明涉及一种追踪系统，特别涉及一种基于点云数据的ai深度自学习的包裹id追踪系统。

背景技术：

目前的包裹追踪系统大多数都是利用多个传感器的配合实现的，这样会有较大的误差，并且工序复杂，容易出现错误，而且需要大量的传感器，耗费大量的物质。

技术实现要素：

本发明的目的是为了克服现有技术中的不足之处，提供一种基于点云数据的ai深度自学习的包裹id追踪系统。

为了达到上述目的，本发明采用以下方案：

一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：包括有激光雷达模块、读码模块、照片裁剪模块、深度自学抠取面单照片模块、深度自学习识别面单条码模块、人工数据采集模块、客户服务器模块、信息导出及追踪模块，所述传送包裹，所述激光雷达模块的输出端连接读码模块，读码模块的输出端分别与客户服务器模块和照片裁剪模块的输入端连接，照片裁剪模块的输出端连接深度自学抠取面单照片模块的输入端，深度自学抠取面单照片模块的输出端与深度自学习识别面单条码模块的输入端连接，深度自学习识别面单条码模块分别与客户服务器模块和人工数据采集模块的输入端连接，人工数据采集模块的输出端与客户服务器模块的输入端连接，客户服务器的输出端与信息导出及追踪模块输入端连接。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述激光雷达对包裹进行轮廓扫描拍照。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述读码模块自动读取识别激光雷达模块拍到的照片上的信息进行读码，并且判断是否读码成功，读码成功时会把信息发送到客户服务器模块，若读码不成功就会把激光雷达模块所拍的照片发送到照片裁剪模块。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述照片裁剪模块会根据物体的轮廓裁剪照片。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述深度自学抠取面单照片模块通过自学习技术抠取面单照片。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述深度自学习识别面单条码模块利用深度自学习技术对照片进行识别并且会判断是否识别成功，若识别成功会把信息发送到客户服务器模块，若识别不成功会把包裹送去人工数据采集模块。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述客户服务器模块存储读码模块和人工数据采集模块的信息。

本发明所述一种基于点云数据的ai深度自学习的包裹id追踪系统，其特征在于：所述信息导出及追踪模块读取客户服务器模块所存储的信息。

综上所述，本发明相对于现有技术其有益效果是：

本发明利用激光雷达对包裹进行轮廓扫描，通过读码器对扫描得到的数据进行读码解析，并采用深度学习技术对读码不成功的扫描数据进行抠取面单照片和识别面单信息已得到包裹的数据信息，再使用服务器储存数据，通过信息导出及追踪模块实现对包裹进行追踪。在节省了成本的同时还提高了准确性。

附图说明

图1为本发明的流程图之一；

图2为本发明的流程图之二。

具体实施方式

下面结合附图说明和具体实施方式对本发明作进一步描述：

如图1至2所示的一种基于点云数据的ai深度自学习的包裹id追踪系统，包括有、激光雷达模块11、读码模块21、照片裁剪模块22、深度自学抠取面单照片模块32、深度自学习识别面单条码模块42、人工数据采集模块52、客户服务器模块51、信息导出及追踪模块61，所述传送包裹，所述激光雷达模块11的输出端连接读码模块21，读码模块21的输出端分别与客户服务器模块51和照片裁剪模块22的输入端连接，照片裁剪模块22的输出端连接深度自学抠取面单照片模块32的输入端，深度自学抠取面单照片模块32的输出端与深度自学习识别面单条码模块42的输入端连接，深度自学习识别面单条码模块42分别与客户服务器模块51和人工数据采集模块52的输入端连接，人工数据采集模块52的输出端与客户服务器模块51的输入端连接，客户服务器的输出端与信息导出及追踪模块61输入端连接。各个模块之间的连接可以实现数据的传送。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述激光雷达对包裹进行轮廓扫描拍照，得到包裹表面的照片信息。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述读码模块21自动读取识别激光雷达模块11拍到的照片上的信息进行读码，并且判断是否读码成功，读码成功时会把信息发送到客户服务器模块51，若读码不成功就会把激光雷达模块11所拍的照片发送到照片裁剪模块22。通过实时的判断可以区分开读码成功和读码不成功的包裹，防止有包裹的信息漏掉。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述照片裁剪模块22会根据物体的轮廓裁剪照片，对照片进行预处理，剔除一些干扰的信息，便于对照片信息的提取。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述深度自学抠取面单照片模块32通过自学习技术抠取面单照片，通过不断的深度学习提高抠取面单照片的效率及有效性。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述深度自学习识别面单条码模块42利用深度自学习技术对照片进行识别并且会判断是否识别成功，若识别成功会把信息发送到客户服务器模块51，若识别不成功会把包裹送去人工数据采集模块52。通过不断的深度学习提高对照片信息的提取以提高识别率。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述客户服务器模块51存储读码模块21和人工数据采集模块52的信息。

如上所述一种基于点云数据的ai深度自学习的包裹id追踪系统，所述信息导出及追踪模块61读取客户服务器模块51所存储的信息。

以上显示和描述了本发明的基本原理和主要特征以及本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

技术特征：

技术总结
本发明公开了一种基于点云数据的AI深度自学习的包裹ID追踪系统，包括有输送线模块、激光雷达模块、读码模块、照片裁剪模块、深度自学抠取面单照片模块、识别面单条码模块、人工数据采集模块、客户服务器模块、信息导出及追踪模块，本发明利用激光雷达对包裹进行轮廓扫描，通过读码器对扫描得到的数据进行读码解析，并采用深度学习技术对读码不成功的扫描数据进行抠取面单照片和识别面单信息已得到包裹的数据信息，再使用服务器储存数据，通过信息导出及追踪模块实现对包裹进行追踪。在节省了成本的同时还提高了准确性。

技术研发人员：尹迪良
受保护的技术使用者：广州德泰克自动化科技有限公司
技术研发日：2018.10.08
技术公布日：2019.03.08