一种基于货物图像识别技术的仓库货物智能识别系统的制作方法

本发明涉及一种智能识别系统，具体是一种基于货物图像识别技术的仓库货物智能识别系统。

背景技术：

图像匹配技术最初是由美国提出的，从20世纪70年代开始，美国开始从事飞行器辅助导航系统、武器投射系统的制导及搜索等应用的研究。目前，这项技术的应用已经逐渐从最初的军事应用扩展到计算机视觉、医学诊断、目标识别、异源图像中的目标定位和跟踪等领域。图像匹配技术分为同源图像匹配和异源图像匹配，分类依据是图像是否是由同类成像设备获得。

目前，在现代化生产企业中，采用了大量的机械化生产设备，提高了生产效率。为了与企业生产效率相配套，往往会给企业配备足够大的仓库。大型的仓库对仓储管理人员带来了较大的压力，完全采用人工检验分类管理的方式往往难以跟上企业的生产速度或是造成严重的人力浪费。并且稍有疏忽将不良品出库售出也会给企业造成声誉和经济上的损失。

技术实现要素：

本发明的目的在于提供一种基于货物图像识别技术的仓库货物智能识别系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于货物图像识别技术的仓库货物智能识别系统，包括数据输入模块、数据储存模块、分析对比模块、采相模块、输出模块和异常报警模块，其具体步骤为：

S1、原图预存：将仓库内仓储的货物的良品样本的原图通过数据输入模块预先除存在数据储存模块内；

S2、货物识别：通过采相模块将仓库内储存的货物实物的实际影像采集并上传；

S3、分析对比：分析对比模块将从采相模块处上传的货物实物的实际影像与数据储存模块内的预存的良品样本原图进行对比；

S4、结果输出：将货物实物的实际影像显示在输出模块的显示屏上，并在显示屏上对影像与原图的异常之处做偏红处理；

S5、结果处理：根据分析对比的结果来判断被检测的货物是否为正确良品，若是则通过，若否则异常报警模块报警。

作为本发明进一步的方案：所述步骤S1中，在数据储存模块中储存的样本原图为全方位三维图。

作为本发明再进一步的方案：所述步骤S2中，货物通过输送带输送向特定的仓库区域，在输送带上方设有若干高清摄像头，通过高清摄像头对输送过程中的货物进行采相，并将采集到的图像上传。

作为本发明再进一步的方案：所述步骤S3中，分析对比模块将高清摄像头采集到的二维图片与自动调整到同角度的数据储存模块内储存的三维模型做对比。

作为本发明再进一步的方案：所述步骤S5中，当出现货物的不良品，或输送错误的货物时，异常报警模块报警。

作为本发明再进一步的方案：所述步骤S5中，异常报警模块为声音、灯光双重报警。

作为本发明再进一步的方案：所述步骤S5中，异常报警模块报警的同时，输送带及与输送带相关的机械停止运行等待人工排查不良品或混料物品。

与现有技术相比，本发明的有益效果是：

本发明通过图像识别技术将良品样本的图像与实际货物的图像进行对比，来判断被检测的货物是否为正确的良品，准确率高且检测速度较快。

附图说明

图1为基于货物图像识别技术的仓库货物智能识别系统的结构模块示意图。

图2为基于货物图像识别技术的仓库货物智能识别系统的工作流程图。

图中：数据输入模块1、数据储存模块2、分析对比模块3、采相模块4、输出模块5和异常报警模块6。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。

请参阅图1～2，本发明实施例中，一种基于货物图像识别技术的仓库货物智能识别系统，包括数据输入模块1、数据储存模块2、分析对比模块3、采相模块4、输出模块5和异常报警模块6，其具体步骤为：

S1、原图预存：将仓库内仓储的货物的良品样本的原图通过数据输入模块1预先除存在数据储存模块2内；

S2、货物识别：通过采相模块4将仓库内储存的货物实物的实际影像采集并上传；

S3、分析对比：分析对比模块3将从采相模块4处上传的货物实物的实际影像与数据储存模块2内的预存的良品样本原图进行对比；

S4、结果输出：将货物实物的实际影像显示在输出模块5的显示屏上，并在显示屏上对影像与原图的异常之处做偏红处理；

S5、结果处理：根据分析对比的结果来判断被检测的货物是否为正确良品，若是则通过，若否则异常报警模块6报警。

本发明的工作原理是：

基于特征的图像匹配方法常常通过提取图像中的点特征、线特征等进行匹配。特征是对图像信息更高层次的描述，可以在异源图像中稳定存在。基于特征的图像匹配算法不直接对灰度信息进行采集处理，而是通过提取图像上有代表性的特征信息，如点特征、线特征等，进行相似性度量完成图像匹配。由于异源图像中检测到的特征点一般含有较多的干扰点，因此需要鲁棒性较强的点特征匹配算法。与点特征相比，线特征在异源图像中表现得更加稳定，因此线特征在异源图像匹配中应用也较为广泛。

分析对比模块3将良品样本的图像与实际货物的图像进行对比，来判断被检测的货物是否为正确的良品。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。