收货管理系统和方法与流程

本公开涉及收货管理系统和方法，更特别地，涉及自动化管理仓库中商品接收的系统和方法。

背景技术：

1、仓库可储存大量商品，以供随后配送。因此，库存水平的监控是仓库管理的一个重要方面。目前的自动化仓库管理系统通常使用印在单个库存物品或其货柜上的唯一条形码，以跟踪大量的商品。在使用中，条形码通过与计算机系统接口的激光束扫描仪读取，以解释扫描的条形码图案；并相应地更新仓库库存记录。然而，读取数千/数万个商品的单个条形码的过程可能非常耗时。类似地，仓库操作员犯下的人为错误也限制了所得的库存数据的完整性。其他仓库管理方法可能涉及手工清点单个商品，并将所获得的清点数据手工输入至计算机化的收货管理系统中。然而，这是一项费力且费时的任务，其中在清点和数据输入期间发生的错误限制了所获得的库存数据的完整性。

2、在现今的零售业环境中，一种给定产品的年销量可能超过1000万-2000万件(也称为商品)。这些商品可能价格高昂，在购买之前可能会在经销商的商店里存储很长时间。因此，经销商可能要求供应商为这些商品出资。为了保护他们的投资，供应商和/或仓库所有者必须密切关注商品的库存情况。

3、在仓库中，从制造商到分销商和经销商网络，直到销售点，必须对每件商品进行识别和跟踪。虽然制造商为每件商品提供了唯一的序列号，以便随后进行识别，但检查大量商品的单个序列号的过程既费力又耗时。

4、此外，经销商位置的库存控制特别困难，因为现场检查费用(由需要计算的商品数量决定)的成本使得每月至少一次计数商品的成本非常高昂。在供应链各个阶段中缺乏商品数量的最新信息则意味着销售、生产、运输、仓储等之间几乎没有有效的相关性。因此，遗留模型、库存放错仓库等问题严重影响了供应链系统。

5、更一般而言，仓库管理和供应链管理中的关键阶段是通过交货或退货方式，对收入仓库或经销商位置的商品进行检查。因此，显然需要一个系统来消除或减少以划算的方式管理货物接收的问题，更特别地，检查在经销商位置收到的商品数量。

技术实现思路

1、提供本
技术实现要素：
以介绍与仓库中的收货管理系统和方法有关的概念。在下述详细描述中进一步描述这些概念。本发明内容并非旨在识别所要求保护的主题的关键特征或基本特征，也并非旨在限制所要求保护的主题的范围。

2、根据本发明的第一方面，提供了一种收货管理系统，所述收货管理系统包括非临时性存储设备，所述非临时性存储设备中包含一个或多个例程以管理在一个位置的商品的接收；以及一个或多个处理器，所述一个或多个处理器耦合至所述非临时性存储设备并可操作以执行所述一个或多个例程。所述一个或多个例程包括人脸识别引擎，当由所述一个或多个处理器执行时，所述人脸识别引擎使用用户的一个或多个面部特征将所述用户识别为被授权人。所述一个或多个例程还包括对话管理器引擎，当由所述一个或多个处理器执行时，所述对话管理器引擎从所述被授权人获得声明数量的正在交付的商品。所述一个或多个例程还包括量化引擎，当由所述一个或多个处理器执行时，所述量化引擎接收所述商品的图像并计算出现在所述图像中的商品的数量。所述一个或多个例程还包括比较引擎，当由所述一个或多个处理器执行时，所述比较引擎将计算出的商品数量与所述商品的声明数量进行比较，并且在实质性匹配的情况下，记录计算出的商品数量。所述一个或多个例程还包括性能改进引擎，当由所述一个或多个处理器执行时，在计算出的商品数量与商品的声明数量不匹配的情况下，所述性能改进引擎使用所述商品的图像来重新调整所述量化引擎的一个或多个配置变量。

3、根据本发明的第二方面，提供了一种用于在一个位置管理收货的方法。所述方法包括使用用户的一个或多个面部特征将所述用户识别为被授权人。所述方法还包括从所述被授权人获得声明数量的正在交付的商品。所述方法还包括接收所述商品的图像。所述方法还包括计算出现在所述图像中的商品的数量。所述方法还包括将计算出的商品数量与所述商品的声明数量进行比较。所述方法还包括在计算出的商品数量与商品的声明数量实质性匹配的情况下，记录计算出的商品数量。所述方法还包括在计算出的商品数量与商品的声明数量不匹配的情况下，使用所述商品的图像来重新调整所述方法的一个或多个配置变量。

4、根据本发明的第三方面，提供了一种非临时性计算机可读媒介，所述非临时性计算机可读媒介被配置为存储程序，所述程序使计算机管理在一个位置的商品的接收。所述程序被配置为使用用户的一个或多个面部特征将所述用户识别为被授权人，从所述被授权人获得正在交付的声明数量的商品，接收所述商品的图像，计算出现在所述图像中的商品数量，将计算出的商品数量与所述商品的声明数量进行比较，在计算出的商品数量与商品的声明数量实质性匹配的情况下，记录计算出的商品数量，以及在计算出的商品数量与商品的声明数量不匹配的情况下，使用所述商品的图像来重新调整一个或多个配置变量。

5、本公开的其他和进一步的方面和特征将从阅读以下实施例的详细描述中变得明显，这些实施例旨在说明而非限制本公开。

技术特征：

1.一种收货管理系统，包括：

2.根据权利要求1所述的系统，其中，所述量化引擎被配置为：

3.根据权利要求1所述的系统，其中，所述性能改进引擎被配置为：

4.根据权利要求3所述的系统，其中，所述性能改进引擎被配置为：

5.根据权利要求1所述的系统，其中，所述对话管理器引擎被配置为：

6.根据权利要求5所述的系统，其中，所述对话管理器引擎被配置为使用从语音合成算法集中选择的语音合成算法，所述语音合成算法集包括基于卷积神经网络、递归神经网络或基于两者的串联本地语音合成算法、参数化语音合成算法和音频生成模型。

7.根据权利要求5所述的系统，其中，所述对话管理器引擎被配置为使用从语音识别算法集中选择的语音识别算法，所述语音识别算法集包括基于高斯混合模型的隐马尔可夫模型(gmm-hmm)、k-均值聚类、期望最大化(em)、核主成分分析、深度信念神经网络(dbn)、递归神经网络和时延神经网络(tdnn)。

8.根据权利要求1所述的系统，其中，所述人脸识别引擎被配置为接收所述用户的图像，并使用人脸识别算法从所述图像计算所述用户的一个或多个面部特征；以及将每个计算出的面部细节与一个或多个被授权人的一个或多个存储的面部细节进行比较。

9.根据权利要求8所述的系统，其中，所述人脸识别引擎被配置为使用从人脸识别算法集中选择的人脸识别算法，所述人脸识别算法集包括支持向量机、主成分分析/核主成分分析、独立成分分析、隐马尔可夫模型、卷积神经网络和生成对抗网络。

10.根据权利要求8所述的系统，其中，所述人脸识别引擎被配置为在由此计算用户的一个或多个面部特征之前，使用人脸检测算法来检测所述图像中人脸的存在。

11.根据权利要求10所述的系统，其中，所述人脸识别引擎被配置为使用从人脸检测算法集中选择的人脸检测算法，所述人脸检测算法集包括维奥拉-琼斯人脸检测器、加速鲁棒特征(surf)级联、支持向量机(svm)和卷积神经网络。

12.一种用于在一个位置管理收货的方法，所述方法包括下述步骤：

13.根据权利要求12所述的方法，其中，所述计算出现在所述图像中的商品数量的步骤包括下述步骤：

14.根据权利要求12所述的方法，其中，所述重新调整一个或多个配置变量的步骤包括下述步骤：

15.根据权利要求14所述的方法，其中，所述使用所述重新训练的模型重新评估所述方法的性能的步骤包括下述步骤：

16.根据权利要求12所述的方法，其中，所述从所述被授权人获得声明数量的正在交付的商品的步骤包括下述步骤：

17.根据权利要求16所述的方法，其中，所述将一个或多个预先配置的叙述组件转换成合成语音并向所述被授权人播放所述语音的步骤包括下述步骤：使用从语音合成算法集中选择的语音合成算法，所述语音合成算法集包括基于卷积神经网络、递归神经网络或基于两者的串联本地语音合成算法、参数化语音合成算法和音频生成模型。

18.根据权利要求16所述的方法，其中，所述接收并解释来自所述被授权人的话语的步骤包括下述步骤：使用从语音识别算法集中选择的语音识别算法，所述语音识别算法集包括基于高斯混合模型的隐马尔可夫模型(gmm-hmm)、k-均值聚类、期望最大化(em)、核主成分分析、深度信念神经网络(dbn)、递归神经网络和时延神经网络(tdnn)。

19.根据权利要求12所述的方法，其中，所述使用用户的一个或多个面部特征将所述用户识别为被授权人的步骤包括下述步骤：

20.一种非临时性计算机可读媒介，所述非临时性计算机可读媒介被配置为存储程序，所述程序使计算机管理在一个位置的货物的接收，且所述程序被配置为：

技术总结
一种收货管理系统包括处理器，所述处理器耦合至非临时性存储设备并可操作以执行例程，所述例程包括人脸识别引擎，所述人脸识别引擎使用用户的面部特征将所述用户识别为被授权人，对话管理器引擎，所述对话管理器引擎从所述被授权人获得声明数量的正在交付的商品，量化引擎，所述量化引擎接收所述商品的图像并计算出现在所述图像中的商品数量，比较引擎，所述比较引擎将计算出的商品数量与所述商品的声明数量进行比较，并且在实质性匹配的情况下，记录计算出的商品数量；以及性能改进引擎，在计算出的商品数量与商品的声明数量不匹配的情况下，所述性能改进引擎使用所述商品的图像来重新调整配置变量。

技术研发人员：A·奥赫利希,S·A·弗拉德,V·巴伊库
受保护的技术使用者：埃尔森有限公司
技术研发日：
技术公布日：2024/1/13