物资盘点管理系统及方法与流程

本发明涉及物资管理领域，特别是涉及重要物资管理领域，更为具体的说是物资盘点管理系统及方法。

背景技术：

本发明所针对的是以大型物流中心为代表的具有高架立体仓库的物资盘点管理活动。目前，在高架立体仓库的管库工作中通常都是采用人工点库，由于仓库面积大，高架立体库的高度高，因此采用人工方式进行点库、管理，不仅效率低，而且时间和人工成本都很高。

因此，提供一种能够自动化的点库、管理的方法成为本领域技术人员研究的热点问题之一。

目前，已经有一些自动化盘点的方法和装置，但是这些方法相较于人工盘点效果来说还具有很大差别。譬如，以电力物资仓储行业中的变压器为例，不同批次、不同厂家的变压器有可能使用相同外壳。而不同型号的变压器价值相差巨大。目前现有的自动化盘点工具和系统无法区分这些不同。这就造成可能存在以低价值变压器调包高价值变压器，或者以旧的变压器调包新的变压器等问题发生，造成巨大的经济损失。

技术实现要素：

本发明所要解决的技术问题是无法自动化精确监控盘点仓库内物资，特别是无法自动化精确监控盘点仓库内外形相同、相近物资，对于以次充好，以旧换新等物资调包现象无法及时发现，造成仓库经济损失的问题。

为了解决上述技术问题，本发明公开了物资盘点管理系统，包括：

仓储物资信息数据库模块，所述仓储物资信息数据库模块中存储有仓库内每个货位的系统状态图像，所述系统状态图像是通过图像数据采集模块在对该货位最后一次出、入库操作后采集得到的图像，该系统状态图像与仓库的货位位置信息一一对应；

盘点图像数据缓冲模块，所述盘点图像数据库模块中缓存有盘点过程中图像数据采集模块采集的各个货位的即时图像，该即使图像与仓库的货位位置信息一一对应。

图像比对模块，所述图像比对模块通过货位位置信息，从仓储物资信息数据库模块中调取与盘点图像数据缓冲模块中需比对的即时图像同一货位的系统状态图像，并进行图像相似度比对，并将比对结果输出；

判断模块，所述判断模块接收图像比对模块传输来的比对结果，按照预先设定的判读阈值，得出一致或不一致的判断结论；

结果显示模块，所述结果显示模块用于将判断模块中的判断结果显示；

图像数据采集模块，所述图像数据采集模块用于采集货位的图像信息，并将采集到的图像信息传送至仓储物资信息数据库模块和/或盘点图像数据缓冲模块。

仓储物资信息数据库模块中存储着按照系统出、入库计划清单最后一次操作后的物资状态信息。盘点时，通过图像数据采集模块获取即时的货位物资状态信息，并通过与仓储物资信息数据库模块中存储着的系统状态图像进行比对，从而通过二者的相似度比对，得到相应货位上的物资是否变动的信息。这里的变动不仅包括有、无的变化，还包括有物资的位置是否移动、偏转等具体信息，从而判断该货位上物资是否有人工私自移动、调包等非系统计划内的操作。

进一步优选的，所述图像数据采集模块包括图像数据采集点位置数据子模块和图像信息获取模块，所述图像数据采集点位置数据与货位位置信息一一对应。

在一个优选的技术方案中，所述图像比对模块包括图像处理子模块，所述图像处理子模块对系统状态图像和/或即时图像进行轮廓识别，并对轮廓内的区域进行相似度比对。

由于每一个货位的图像获取位置是固定不变的，所以不存在不同采集时间点，由于图像获取位置不同造成的拍摄角度不同进而产生影响图像一致性的因素。

进一步优选的，所述图像比对模块中还包括有图像信息计算子模块，所述图像信息计算子模块根据轮廓线绘制最小外接矩形，并计算该外接矩形的面积、水平偏转角度、以及图像中心点坐标和矩形长、宽值。

在一个优选的技术方案中，所述结果显示模块为显示器和/声光报警。

声光报警是指以语音提示或者鸣笛声等声音方式进行报警，或者是以颜色变化的形式报警。显示器是指显示屏等装置，利用显示屏可以显示更加详细的信息或者是以可视化的方式来提示错误。通过结果显示模块将比对结果反馈给工作人员，从而使工作人员定点介入。

在一个优选的技术方案中，所述图像数据获取模块为摄像机。

进一步优选的，所述摄像机装置在出、入库运输堆垛机或者agv小车上。利用堆垛机或者agv小车，无需增加新的机器人等设备，就可以获得所需的货位图像。特别的是在进行出、入库操作后，可以直接获取系统状态图，提高效率和可靠度。

同时，在发明中还公开了物资盘点管理方法，包括以下步骤：

s1：当仓库内完成一次出、入库工作后，载有图像信息获取模块的设备按照图像数据采集模块中的图像数据采集点位置数据子模块中的位置信息，在指定的货位位置处采集该货位处的图像，并作为该货位的系统状态图像，存储、更新至仓储物资信息数据库模块中，并将对应的系统状态图像标注为no-p-q(其中o、p、q均为自然数，o代表货架号，p代表货位所在层数、q代表货位所在列数)；

s2：管理人在任意感兴趣时间发起盘点指令；

s3：载有图像信息获取模块的设备按照图像数据采集模块中的图像数据采集点位置数据子模块中的位置信息，依次在每个货位位置处采集该货位处的图像，并标注为即时图像mo-p-q(其中o、p、q均为自然数，o代表货架号，p代表货位所在层数、q代表货位所在列数)；

s4：图像比对模块根据货位位置信息，分别从仓储物资信息数据库模块中和盘点图像数据缓冲模块中调取同一货位处的系统状态图像no-p-q和即时图像mo-p-q，对两张图像进行相似度比对，并形成相似度比对结果数据；

s5：判断模块根据图像比对模块中传输来的相似度比对结果数据，结合预设的相似度判断阈值，如果超过阈值，判断比对结果为不一致；如果未超过阈值，判断比对结果为一致；

s6：判断比对结果由显示模块显示；

s7：管理人根据显示模块中显示的“一致”、“不一致”结果，确认是否需要人工介入核实，以及需要人工介入的货位位置；

作为优选，当人工选择不需要介入时，将该货位的即时图像作为系统状态图存储、更新至仓储物资信息数据库模块中。

在一个优选的技术方案中，所述步骤s4中相似度比对采用基于机器学习的轮廓识别方法，将物资轮廓勾出，并将轮廓内的区域和轮廓外的区域以高色差颜色标记出来。

机器学习的识别方法具有准确度高，能够排除光线等影响因素的优势，因此利用机器学习的方法进行轮廓学习能够提高本发明物资盘点管理的准确度和精确度。

通过对系统状态图像no-p-q和即时图像mo-p-q中轮廓内的区域进行比对，得到相似度比对结果。

进一步，在一个优选的技术方案中，我们以物资轮廓为基础，绘制该物资轮廓的最小外接矩形，并分别计算系统状态图像no-p-q和即时图像mo-p-q中最小外接矩形的水平偏转角度、面积、图像中心点坐标和矩形长、宽值。

采用最小外接矩形进行相似度判断，相较于直接的图形比对来说，具有计算量小，判断快速等优点。同时，根据发明人大量的研究发现利用最小外接矩形替代支架按照物资轮廓判断，结果的准确度基本一致，因此，是一种更为优选的方式。

作为一种优选的技术方案，在步骤s6中判断比对结果由显示器通过可视化方式显示。譬如，一致标记为绿色，不一致标记为红色。当然，标记的颜色可以根据需要和喜好设定，只要能够区分即可。

进一步优选的，还包括有声光提示，当比对结果存在不一致结果时，发出报警声音和/或提示光。譬如，可以提示发出“有不一致”的声音。

采用本发明公开的物资盘点管理系统和方法后，可以在感兴趣的时间点发起盘点，并确认是否存在有非系统统筹下的物资变动。从而将未经系统确认的人工操作造成的货位物资变动筛选审核出来，及时监控物资的变动状态，保证物资仓储安全，及时发现非经许可的人工私自操作，减少由此造成的经济损失。

附图说明

图1为一组系统状态图像和即时图像的示意图。

图2为图1中所示系统状态图像和即时图像经过边缘识别和最小内接矩形绘制后的示意图。

具体实施方式

为了更好的理解本发明，下面我们结合具体的实施例对本发明进行进一步的阐述。

实施例1

在本实施例中公开的物资盘点管理系统，包括：

仓储物资信息数据库模块，所述仓储物资信息数据库模块中存储有仓库内每个货位的系统状态图像，所述系统状态图像是通过图像数据采集模块在对该货位最后一次出、入库操作后采集得到的图像，该系统状态图像与仓库的货位位置信息一一对应；

盘点图像数据缓冲模块，所述盘点图像数据库模块中缓存有盘点过程中图像数据采集模块采集的各个货位的即时图像，该即使图像与仓库的货位位置信息一一对应。

图像比对模块，所述图像比对模块通过货位位置信息，从仓储物资信息数据库模块中调取与盘点图像数据缓冲模块中需比对的即时图像同一货位的系统状态图像，并进行图像相似度比对，并将比对结果输出；

判断模块，所述判断模块接收图像比对模块传输来的比对结果，按照预先设定的判读阈值，得出一致或不一致的判断结论；

结果显示模块，所述结果显示模块用于将判断模块中的判断结果显示；

图像数据采集模块，所述图像数据采集模块用于采集货位的图像信息，并将采集到的图像信息传送至仓储物资信息数据库模块和/或盘点图像数据缓冲模块。

优选的，在本实施例中所述图像数据采集模块包括图像数据采集点位置数据子模块和图像信息获取模块，所述图像数据采集点位置数据与货位位置信息一一对应。

优选的，在本实施例中所述图像比对模块包括图像处理子模块，所述图像处理子模块对系统状态图像和/或即时图像进行轮廓识别，并将轮廓内的区域和轮廓外的区域以高色差颜色标记出来。

由于每一个货位的图像获取位置是固定不变的，所以不存在不同采集时间点，由于图像获取位置不同造成的拍摄角度不同进而产生影响图像一致性的因素。

同时，进一步优选的，在本实施例中所述图像比对模块中还包括有图像信息计算子模块，所述图像信息计算子模块根据已经标记好的具有高色差的图片，根据轮廓线绘制最小外接矩形，并计算该外接矩形的面积、水平偏转角度、以及图像中心点坐标和矩形长、宽值。

同时，在本实施例中还优选所述结果显示模块为显示器和/声光报警。

声光报警是指以语音提示或者鸣笛声等声音方式进行报警，或者是以颜色变化的形式报警。显示器是指显示屏等装置，利用显示屏可以显示更加详细的信息或者是以可视化的方式来提示错误。通过结果显示模块将比对结果反馈给工作人员，从而使工作人员定点介入。

在本实施例中所述图像数据获取模块为摄像机。并且优选的，所述摄像机装置在出、入库运输堆垛机或者agv小车上。利用堆垛机或者agv小车，无需增加新的机器人等设备，就可以获得所需的货位图像。

下面我们进一步来阐述该物资盘点管理系统的工作流程，也就是基于该物资盘点管理系统的物资盘点管理方法，包括以下步骤：

s1：当仓库内完成一次出、入库工作后，载有图像信息获取模块的设备按照图像数据采集模块中的图像数据采集点位置数据子模块中的位置信息，在指定的货位位置处采集该货位处的图像，并作为该货位的系统状态图像，存储、更新至仓储物资信息数据库模块中，并将对应的系统状态图像标注为no-p-q(其中o、p、q均为自然数，o代表货架号，p代表货位所在层数、q代表货位所在列数)；

譬如针对第一货架，第三层，第二列的货位来说，在3月5日有一次入库操作，存储物资为5kw变压器一台，然后，在4月3日有一次出库操作，出库物资为5kw变压器一台；后在5月6日有一次入库操作，入库存储物资为2kw变压器一台。在该过程中，载有图像信息获取模块(在本实施例中为摄像机)的设备(在本实施例中为堆垛机)分别在3月5日获取一张系统状态图像n1-3-2存储在仓储物资信息数据库模块中，然后在4月3日又获取一张系统状态图像n1-3-2，该图像替换原3月5日的数据，并存储在仓储物资信息数据库模块，同理，经过第三次操作，仓储物资信息数据库模块中存有的是5月6日更新后的系统状态图像n1-3-2；

s2：管理人在任意感兴趣时间发起盘点指令；

譬如，在本实施例中，在6月2日管理人发起盘点指令，此时仓储物资信息数据库模块中存有的仍然是5月6日更新后的系统状态图像n1-3-2；

s3：载有图像信息获取模块的设备按照图像数据采集模块中的图像数据采集点位置数据子模块中的位置信息，依次在每个货位位置处采集该货位处的图像，并标注为即时图像mo-p-q(其中o、p、q均为自然数，o代表货架号，p代表货位所在层数、q代表货位所在列数)；

譬如，在本实施例中在6月2日由于管理人发起了盘点指令，因此载有图像信息获取模块(在本实施例中为摄像机)的设备(在本实施例中为堆垛机)针对第一货架，第三层，第二列的货位获取到一张即时图像m1-3-2；

s4：图像比对模块根据货位位置信息，分别从仓储物资信息数据库模块中和盘点图像数据缓冲模块中调取同一货位处的系统状态图像no-p-q和即时图像mo-p-q，对两张图像进行相似度比对，并形成相似度比对结果数据；

也即是说，针对第一货架，第三层，第二列的货位，图像比对模块从仓储物资信息数据库模块中调取系统状态图像n1-3-2与即时图像m1-3-2进行比对。如图1中所示的那样，分别为系统状态图像n1-3-2与即时图像m1-3-2。

在本实施例仍然优选采用基于机器学习的轮廓识别方法，将物资轮廓勾出。如图2中所示的那样，其中a为系统状态图像n1-3-2，b为即时图像m1-3-2。

在本实施例中，我们优选的是，采用像素点的对比方式。也就是说，分别计算a图像中轮廓内包含的像素点和b图像中轮廓内包含的像素点。并且将二者进行差值计算。

s5：判断模块根据图像比对模块中传输来的相似度比对结果数据，结合预设的相似度判断不一致阈值，如果超过阈值，判断比对结果为不一致；如果未超过阈值，判断比对结果为一致；

由于在本实施例中经过比对，二者之间的差值已经超出阈值，因此，判断结果为不一致。

s6：判断比对结果由显示模块显示；

譬如，在本实例中我们以显示器显示，该货位数据不一致，优选的，在本实例中我们以红色显示，从而快速识别到该货位的不一致信息；

s7：管理人根据显示模块中显示的“一致”、“不一致”结果，确认是否需要人工介入核实，以及需要人工介入的货位位置；

在本实例中，管理人获得第一货架，第三层，第二列的货位物资被人为移动或调包的信息，然后管理人可以到现场进行进一步的核实。

当管理人对此变动知晓时，可以不去现场进行核实，而将此时的即时图像作为系统状态图像，存储、更新至仓储物资信息数据库模块中。

实施例2

在本实施例中，我们对图像比对模块的工作流程进行另一技术方案的说明，其他未特别说明的部分，与实施例1中相同。

譬如，还是针对第一货架，第三层，第二列的货位，图像比对模块从仓储物资信息数据库模块中调取系统状态图像n1-3-2与即时图像m1-3-2进行比对，如图1中所示的那样，分别为系统状态图像n1-3-2与即时图像m1-3-2。

在本实施例仍然优选采用基于机器学习的轮廓识别方法，将物资轮廓勾出。如图2中所示的那样，其中a为系统状态图像n1-3-2，b为即时图像m1-3-2。

不同于实施例1中的是，在本实施例中我们进一步以物资轮廓为基础，绘制该物资轮廓的最小外接矩形，并分别计算系统状态图像no-p-q(a’)和即时图像mo-p-q(b’)中最小外接矩形的水平偏转角度、面积、图像中心点坐标和矩形长、宽值。

同样的，可以得出不一致的结论。该信息进一步通过s5、s6将不一致信息反馈出来，管理人由此获得第一货架，第三层，第二列的货位物资被人为移动或调包的信息，然后管理人可以到现场进行进一步的核实。当管理人对此变动知晓时，可以不去现场进行核实，而将此时的即时图像作为系统状态图像，存储、更新至仓储物资信息数据库模块中。

在本实例中采用最小外接矩形进行相似度判断，相较于直接的图形比对来说，具有计算量小，判断快速等优点。

以上所述是本发明的具体实施方式。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。