一种基于视觉识别的仓储物流检测系统的制作方法

1.本发明属于物流仓储领域，涉及基于视觉识别的仓储物流检测技术，具体是一种基于视觉识别的仓储物流检测系统。


背景技术：

2.仓储物流是利用自建或者租赁库房、场地对物资进行储存、保管和配送。随着快递行业的发展，仓储物流行业的体量也随之增长，如何在复杂的仓储环境中对物品进行追踪定位越来越重要。
3.现有技术一般是通过手持设备或者智能手机来对货物的储存、保管以及配送进行记录，每个货物均需要经过工作人员的手动操作。现有技术在仓储管理过程中，工作人员容易出现失误，造成货物信息的遗漏，而且在对货物存储管理过程中，经常会出现货物丢失的情况，因此现有技术会影响仓储效率，同时无法保证仓储质量；因此，亟须一种基于视觉识别的仓储物流检测系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于视觉识别的仓储物流检测系统，用于解决现有技术容易造成货物信息遗漏和货物丢失，导致仓储效率不高，无法保证仓储质量的技术问题。
5.为实现上述目的，本发明的第一方面提供了一种基于视觉识别的仓储物流检测系统，包括中央分析模块，以及与之连接的若干图像采集设备；若干图像采集设备设置在仓储区域的若干仓储功能区中，仓储功能区包括物流入仓区、物流存储区以及物流配送区；
6.中央分析模块通过物流入仓区中的图像采集设备对有序入仓的物流包裹进行图像采集，标记为入仓图像；其中，入仓图像中包括物流包裹的物流标签；
7.中央分析模块根据入仓图像确定物流包裹的标签特征和外观特征，建立二者之间的关联；接着通过物流存储区的图像采集设备采集物流包裹的存储图像；
8.中央分析模块分析存储图像中的物流包裹是否与外观特征相匹配；是，则从存储图像中提取存储位置，将存储位置与标签特征关联；否，则进行预警；
9.中枢分析模块通过物流配送区的图像采集设备获取物流包裹的配送图像，分析配送图像中的物流包裹是否与外观特征相匹配；是，则提取配送信息，将配送信息与标签特征进行关联；否，则持续检测。
10.优选的，所述中央分析模块分别与智能终端和若干图像采集设备通信和/或连接；其中，智能终端包括手机或者电脑；
11.若干所述图像采集设备合理设置在存储功能区；且物流入仓区、物流存储区和物流配送区之间通过智能小车连接。
12.优选的，所述中央分析模块在物流入仓区采集物流包裹的入仓图像，包括：
13.调整物流包裹的姿态和间距后，通过物流入仓区的包裹传送带上有序传送；
14.物流入仓区的若干图像采集设备依次采集物流包裹的入仓图像，对入仓图像进行预处理之后发送至中央分析模块；其中，若干图像采集设备拍摄角度不同。
15.优选的，所述中央分析模块基于入仓图像识别获取物流包裹的标签特征和外观特征，包括：
16.选择携带有物流标签的至少一幅入仓图像，通过该入仓图像识别获取标签特征；同时，根据若干入仓图像建立物流包裹的三维轮廓；
17.根据三维轮廓获取物流包裹的尺寸特征，结合物流包裹的颜色特征生成外观特征；将标签特征和外观特征进行关联之后，通过智能小车输送物流包裹。
18.优选的，所述中央分析模块基于三维轮廓获取物流包裹的尺寸特征，包括：
19.基于三维轮廓获取物流包裹至少三个非对称面的长度和宽度；
20.将三个非堆成面的长度分别标记为mc1、mc2和mc3，将宽度分别标记为mk1、mk2和mk3，生成尺寸特征为[(mc1，mk1，(mc2，mk2)，(mc3，mk3)]。
[0021]
优选的，所述中央分析模块通过若干入仓图像获取物流包裹的颜色特征，包括：
[0022]
确定三个非对称面，识别三个非对称面的特征点；
[0023]
计算获取特征点在对应对称面的位置数据，将位置数据与尺寸特征相结合生成外观特征。
[0024]
优选的，所述中央分析模块基于物流包裹的存储图像进行存储检测，包括：
[0025]
通过图像采集设备采集物流存储区的仓库图像，基于仓库图像识别提取出物流包裹的存储图像；其中，仓库图像中包括若干物流包裹；
[0026]
识别分析存储图像的特征是否与外观特征中至少一组数据相匹配；是，则提取该物流包裹的存储位置，建立存储位置与物流包裹对应标签特征的关联关系。
[0027]
优选的，所述中央分析模块基于物流包裹的配送图像进行配送检测，包括：
[0028]
通过图像采集设备采集物流配送区的工作图像；基于工作图像识别提取出物流包裹的配送图像；其中，工作图像中包括若干物流包裹；
[0029]
识别分析配送图像的特征是否与外观特征中的至少一组数据相匹配；是，则提取配送信息，建立配送信息与物流包裹对应标签特征的关联关系。
[0030]
与现有技术相比，本发明的有益效果是：本发明通过设置在物流入仓区中的图像采集设备获取入仓图像，根据入仓图像识别物流包裹的标签特征和外观特征；在物流存储区和物流配送区通过全局图像识别出物流包裹，进而匹配记录存储位置和配送信息，实现仓储物流的自动化；本发明能够实现仓储物流的自动化检测，提高仓储物流效率，降低人力成本。
附图说明
[0031]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]
图1为本发明的工作步骤示意图。
具体实施方式
[0033]
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
[0034]
请参阅图1，本发明第一方面实施例提供了一种基于视觉识别的仓储物流检测系统，包括中央分析模块，以及与之连接的若干图像采集设备；若干图像采集设备设置在仓储区域的若干仓储功能区中，仓储功能区包括物流入仓区、物流存储区以及物流配送区；中央分析模块通过物流入仓区中的图像采集设备对有序入仓的物流包裹进行图像采集，标记为入仓图像；中央分析模块根据入仓图像确定物流包裹的标签特征和外观特征，建立二者之间的关联；接着通过物流存储区的图像采集设备采集物流包裹的存储图像；中央分析模块分析存储图像中的物流包裹是否与外观特征相匹配；是，则从存储图像中提取存储位置，将存储位置与标签特征关联；否，则进行预警；中枢分析模块通过物流配送区的图像采集设备获取物流包裹的配送图像，分析配送图像中的物流包裹是否与外观特征相匹配；是，则提取配送信息，将配送信息与标签特征进行关联；否，则持续检测。
[0035]
现有技术在进行仓储物流检测时，大多是通过手持设备或者智能手机来扫描物流包裹上的物流标签，识别出信息之后人工入库，将物流包裹存放在固定区域，在配送时根据配送信息从存储位置取出，进而完成配送。现有技术在仓储物流整个流程中，需要不断通过工作人员去操作，不仅浪费人力，而且还会影响工作效率；同时工作人员难免会犯错，也会影响仓储质量。
[0036]
本发明中中央分析模块分别与智能终端和若干图像采集设备通信和/或连接；其中，智能终端包括手机或者电脑；若干图像采集设备合理设置在存储功能区；且物流入仓区、物流存储区和物流配送区之间通过智能小车连接。
[0037]
中央分析模块是整个仓储物流流程的核心控制部分，主要对采集的图像数据进行分析，建立物流包裹的整个仓储流程，主要与各图像采集设备进行数据交互。图像采集设备主要包括摄像头，分布在各个存储功能区中，且每个存储功能区中均包括不止一个摄像头。存储功能区按照物流包裹的检测顺序依次是物流入仓区、物流存储区和物流配送区，各功能存储区之间通过智能小车来运送物流包裹。
[0038]
在一个优选的实施例中，中央分析模块在物流入仓区采集物流包裹的入仓图像，包括：调整物流包裹的姿态和间距后，通过物流入仓区的包裹传送带上有序传送；物流入仓区的若干图像采集设备依次采集物流包裹的入仓图像，对入仓图像进行预处理之后发送至中央分析模块。
[0039]
在进行入仓图像采集之前，需要保证图像采集设备能够采集到物流包裹的物流标签，也就是尽可能在保证物流包裹间距的情况下，避免物流标签朝着传送带。物流包裹有序进入图像采集设备的工作区域，则图像采集设备采集物流包裹的入仓图像。需要说明的是，若干图像采集设备拍摄角度不同，也就说入仓图像也会有多幅，而且需要保证多幅入仓图像能够建立三维轮廓。
[0040]
在一个优选的实施例中，中央分析模块基于入仓图像识别获取物流包裹的标签特征和外观特征，包括：选择携带有物流标签的至少一幅入仓图像，通过该入仓图像识别获取
标签特征；同时，根据若干入仓图像建立物流包裹的三维轮廓；根据三维轮廓获取物流包裹的尺寸特征，结合物流包裹的颜色特征生成外观特征；将标签特征和外观特征进行关联之后，通过智能小车输送物流包裹。
[0041]
优先从选择的入仓图像中识别出物流标签，基于物流标签提取出物流信息，也就是标签特征。接着根据若干入仓图像识别出尺寸特征，进而生成外观特征。尺寸特征主要是为了识别物流包裹的大致形状，规则形状，如长方体，很容易获取尺寸特征；对于不规则形状，根据入仓图像识别出其形状特征即可。
[0042]
在一个可选的实施例中，中央分析模块基于三维轮廓获取物流包裹的尺寸特征，包括：基于三维轮廓获取物流包裹至少三个非对称面的长度和宽度；将三个非堆成面的长度分别标记为mc1、mc2和mc3，将宽度分别标记为mk1、mk2和mk3，生成尺寸特征为[(mc1，mk1，(mc2，mk2)，(mc3，mk3)]。
[0043]
针对规则形状，可以计算其三个非对称面的长和宽即可，然后根据各个面的长和宽建立尺寸特征。不规则形状由于较少，在同一仓库里面很少有完全相同的，仅需要确定其形状，以及必要的尺寸数据即可。
[0044]
在一个可选的实施例中，中央分析模块通过若干入仓图像获取物流包裹的颜色特征，包括：确定三个非对称面，识别三个非对称面的特征点；计算获取特征点在对应对称面的位置数据，将位置数据与尺寸特征相结合生成外观特征。
[0045]
在确定尺寸特征之后，并不能根据尺寸特征完全将物流包裹区分开来，因此需要获取颜色特征。本实施例识别出各个面的颜色，如果出现特殊标记，如黄色纸壳上存在红色标记，则该红色标记作为特征，也就是特征点，计算该红色标记在对应面的位置作为颜色特征。如果某个面不存在特殊标记，则预处理之后计算其灰度均值作为颜色特征。
[0046]
在一个优选的实施例中，中央分析模块基于物流包裹的存储图像进行存储检测，包括：通过图像采集设备采集物流存储区的仓库图像，基于仓库图像识别提取出物流包裹的存储图像；识别分析存储图像的特征是否与外观特征中至少一组数据相匹配；是，则提取该物流包裹的存储位置，建立存储位置与物流包裹对应标签特征的关联关系。
[0047]
智能小车将物流包裹从入流入仓区运送到物流存储区中存储，此时并不需要工作人员或者智能小车对物流包裹进行信息采集。物流存储区的图像采集设备获取全局图像，也就是存储图像，识别存储图像中的若干物流包裹，以及对应的外观特征，此时识别到的外观特征由于存储环境的影响可能只有一个面的尺寸特征和颜色特征，将这个面的尺寸特征和颜色特征与各物流包裹的外观特征进行比较，只有外观特征中的一组数据与这个面的尺寸特征和颜色特征相符合，则可以确定这个面对应的物流包裹，进而提取其存储位置，并于对应物流包裹的标签特征相关联。本实施例能够快速定位物流包裹的位置，不要人工处理。
[0048]
在一个优选的实施例中，中央分析模块基于物流包裹的配送图像进行配送检测，包括：通过图像采集设备采集物流配送区的工作图像；基于工作图像识别提取出物流包裹的配送图像；识别分析配送图像的特征是否与外观特征中的至少一组数据相匹配；是，则提取配送信息，建立配送信息与物流包裹对应标签特征的关联关系。
[0049]
本实施例识别工作图像中的物流包裹，提取对应的配送图像，进而可以根据配送图像确定配送的是哪个物流包裹，进而将其配送信息与对应物流包裹的标签特征相关联。当然，也可以在获取配送信息之后根据先前获取的存储位置将物流包裹运输到物流配送
区。在配送过程中不需要人工参与，即可完成配送信息的记录，降低了成本。
[0050]
本发明中的预警具体是指存储区域存储有物流包裹，但是没有系统中没有该物流包裹对应的标签特征和外观特征，有可能是中央分析模块处理失误，因此需要进行预警。
[0051]
本发明的工作原理：
[0052]
中央分析模块通过物流入仓区中的图像采集设备对有序入仓的物流包裹进行图像采集，标记为入仓图像；中央分析模块根据入仓图像确定物流包裹的标签特征和外观特征，建立二者之间的关联；接着通过物流存储区的图像采集设备采集物流包裹的存储图像。
[0053]
中央分析模块分析存储图像中的物流包裹是否与外观特征相匹配；是，则从存储图像中提取存储位置，将存储位置与标签特征关联；否，则进行预警。
[0054]
中枢分析模块通过物流配送区的图像采集设备获取物流包裹的配送图像，分析配送图像中的物流包裹是否与外观特征相匹配；是，则提取配送信息，将配送信息与标签特征进行关联；否，则持续检测。
[0055]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。