一种产业协同仓储管理方法及系统与流程

本发明涉及数据处理领域，具体而言，涉及一种产业协同仓储管理方法及系统。

背景技术：

1、在产业仓储协同管理中，机器视觉和人工智能(ai)得到了广泛的应用，其源于对提高效率、降低成本以及优化供应链运作的迫切需求。传统的仓储管理往往依赖人工操作，存在诸多问题，如人为错误、劳动强度大、效率低下等。而机器视觉和ai技术的引入，则为仓储管理带来了革命性的改变。机器视觉通过摄像头、传感器等设备获取仓库内部的实时图像和数据，而ai则能够对这些数据进行高效的分析与处理。通过深度学习算法和模式识别技术，机器视觉和ai可以实现货物识别与分类、库存管理、智能导航与拣选、异常检测与安全监控、预测性维护等一系列功能。不仅提高了仓库操作的自动化程度和准确性，还加速了物流流程，降低了人力成本，并且有助于降低因人为操作带来的错误率，提高了整体管理水平和效率。

2、在货物的识别分类时，货物图像质量直接影响最终的识别准确性，而因为货物分拣、运输环节不可抗因素，货物自身可能产生污损，此外，设备拍摄和图像传输等环节也可能产生图像质量不合格的情况，利用人工智能对拍摄的包裹图像进行缺陷克服有着重要的意义，如何保障该过程的精度和效率是需要考虑的技术问题。

技术实现思路

1、本发明的目的在于提供一种

2、本发明实施例的技术方案是这样实现的：

3、第一方面，本发明实施例提供了一种产业协同仓储管理方法，应用于电子设备，所述方法包括：

4、获取目标货物图像的初始图像要素描述子；

5、将所述初始图像要素描述子加载到事先调校的货物图像处理网络，得到所述货物图像处理网络输出的目标图像要素描述子，所述货物图像处理网络为通过多层划簇代价函数和屏蔽预测代价函数进行的按序调校得到；

6、基于所述目标图像要素描述子，确定得到清除自因缺陷和外因扰动的目标货物图像；

7、其中，所述货物图像处理网络基于以下操作进行调校：

8、获取货物图像学习样例集，所述货物图像学习样例集包括自因缺陷图像要素描述子、无噪货物图像注释信息、自因缺陷图像注释信息以及多层划簇标记；

9、获取预设图像处理网络组件，所述预设图像处理网络组件包括中间网络模块、多层划簇模块以及屏蔽预测模块；

10、基于所述货物图像学习样例集对预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，得到调校后的目标图像处理网络组件，将其确定为所述货物图像处理网络。

11、可选的实施方式中，所述屏蔽预测模块包括图像屏蔽预测模块以及自因缺陷屏蔽预测模块，所述基于所述货物图像学习样例集对预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，包括：

12、将所述自因缺陷图像要素描述子加载到所述中间网络模块，基于所述中间网络模块生成深度调校描述子；

13、将所述深度调校描述子加载到所述多层划簇模块，基于所述多层划簇模块生成划簇调校标记；

14、将所述深度调校描述子加载到所述图像屏蔽预测模块，基于所述图像屏蔽预测模块生成无噪货物图像调校描述子；

15、将所述深度调校描述子加载到所述自因缺陷屏蔽预测模块，基于所述自因缺陷屏蔽预测模块生成自因缺陷图像调校描述子；

16、基于所述无噪货物图像注释信息、所述自因缺陷图像注释信息、所述多层划簇标记、所述无噪货物图像调校描述子、所述自因缺陷图像调校描述子以及所述划簇调校标记生成目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求。

17、可选的实施方式中，所述基于所述无噪货物图像注释信息、所述自因缺陷图像注释信息、所述多层划簇标记、所述无噪货物图像调校描述子、所述自因缺陷图像调校描述子以及所述划簇调校标记生成目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，包括：

18、基于所述划簇调校标记和所述多层划簇标记，确定第一代价函数；

19、基于所述无噪货物图像调校描述子和所述无噪货物图像注释信息，确定第二代价函数；

20、基于所述自因缺陷图像调校描述子和所述自因缺陷图像注释信息，确定第三代价函数；

21、基于所述第一代价函数，所述第二代价函数和所述第三代价函数，生成所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求。

22、可选的实施方式中，所述无噪货物图像注释信息包括第一无噪货物图像注释信息，所述基于所述无噪货物图像调校描述子和所述无噪货物图像注释信息，确定第二代价函数，包括：

23、基于所述无噪货物图像调校描述子和所述第一无噪货物图像注释信息，确定自因缺陷清除代价函数；

24、将所述自因缺陷清除代价函数作为第二代价函数，所述第一无噪货物图像注释信息为通过不包含自因缺陷包含外因扰动的货物图像获取的图像注释信息；

25、或者；

26、所述无噪货物图像注释信息包括第二无噪货物图像注释信息，所述基于所述无噪货物图像调校描述子和所述无噪货物图像注释信息，确定第二代价函数，包括：

27、基于所述无噪货物图像调校描述子和所述第二无噪货物图像注释信息，确定外因扰动清除代价函数；

28、将所述外因扰动清除代价函数作为第二代价函数，所述第二无噪货物图像注释信息为通过不包含自因缺陷不包含外因扰动的货物图像获取的图像注释信息。

29、可选的实施方式中，所述基于所述第一代价函数，所述第二代价函数和所述第三代价函数，生成所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，包括：

30、获取图像精度约束条件；

31、基于所述图像精度约束条件确定对应的按序调校方式；

32、通过所述按序调校方式，基于所述第一代价函数、所述第二代价函数和所述第三代价函数，生成所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求。

33、可选的实施方式中，所述按序调校方式包括第一按序调校方式，所述通过所述按序调校方式，基于所述第一代价函数，所述第二代价函数和所述第三代价函数，生成所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，包括：

34、在所述按序调校方式为第一按序调校方式时，基于所述第一代价函数、所述第二代价函数以及所述第三代价函数，确定所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件反复进行自因缺陷清除调校，直到所述预设图像处理网络组件符合设定收敛要求，得到自因缺陷清除网络组件，其中，所述第二代价函数为自因缺陷清除代价函数确定得到；

35、基于所述第一代价函数、所述第二代价函数以及所述第三代价函数，确定所述自因缺陷清除网络组件的目标代价函数，并基于所述目标代价函数对所述自因缺陷清除网络组件反复进行外因扰动清除调校，直到所述自因缺陷清除网络组件符合设定收敛要求，其中，所述第二代价函数为外因扰动清除代价函数确定得到。

36、可选的实施方式中，所述按序调校方式包括第二按序调校方式，所述通过所述按序调校方式，基于所述第一代价函数，所述第二代价函数和所述第三代价函数，生成所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件按序进行自因缺陷清除调校以及外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，包括：

37、在所述按序调校方式为第二按序调校方式时，基于所述第一代价函数、所述第二代价函数以及所述第三代价函数，确定所述预设图像处理网络组件的目标代价函数，并基于所述目标代价函数对所述预设图像处理网络组件反复进行外因扰动清除调校，直到所述预设图像处理网络组件符合设定收敛要求，得到外因扰动清除网络组件，其中，所述第二代价函数为外因扰动清除代价函数确定得到；

38、基于所述第一代价函数、所述第二代价函数以及所述第三代价函数，确定所述外因扰动清除网络组件的目标代价函数，并基于所述目标代价函数对所述外因扰动清除网络组件反复进行自因缺陷清除调校，直到所述外因扰动清除网络组件符合设定收敛要求，其中，所述第二代价函数为自因缺陷清除代价函数确定得到。

39、可选的实施方式中，所述获取货物图像学习样例集，包括：

40、获取第一货物图像学习样例，所述第一货物图像学习样例为通过拍摄设备拍摄的具有自因缺陷和外因扰动的货物图像；

41、对所述第一货物图像学习样例进行图像要素描述子挖掘，得到自因缺陷图像要素描述子；

42、获取第二货物图像学习样例，所述第二货物图像学习样例包括不包含自因缺陷包含外因扰动的无噪货物图像以及不包含自因缺陷不包含外因扰动的无噪货物图像；

43、对所述第二货物图像学习样例进行图像要素描述子挖掘，得到第一无噪货物图像注释信息以及第二无噪货物图像注释信息；

44、基于所述第一货物图像学习样例以及所述第二货物图像学习样例，确定多层划簇标记。

45、可选的实施方式中，所述货物图像处理网络包括中间网络模块、多层划簇模块、图像屏蔽预测模块以及自因缺陷屏蔽预测模块，所述将所述初始图像要素描述子加载到事先调校的货物图像处理网络，得到所述货物图像处理网络输出的目标图像要素描述子，包括：

46、将所述初始图像要素描述子加载到所述中间网络模块，基于所述中间网络模块生成深度描述子；

47、将所述深度描述子加载到所述图像屏蔽预测模块，基于所述图像屏蔽预测模块生成无噪图像要素描述子，并将所述无噪图像要素描述子作为目标图像要素描述子；

48、所述基于所述目标图像要素描述子，确定得到清除自因缺陷和外因扰动的目标货物图像，包括：

49、对所述目标图像要素描述子进行图像重建，确定得到清除自因缺陷和外因扰动的目标货物图像。

50、第二方面，本发明提供了一种产业协同仓储管理系统，包括图像采集设备和电子设备，所述图像采集设备和所述电子设备通信连接，所述图像采集设备用于采集货物图像发送至所述电子设备，所述电子设备包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以上所述的方法。

51、本发明至少具有的有益效果：

52、本发明实施例提供的产业协同仓储管理方法及系统，通过获取目标货物图像的初始图像要素描述子，将初始图像要素描述子加载到事先调校的货物图像处理网络，得到货物图像处理网络输出的目标图像要素描述子，货物图像处理网络为通过多层划簇代价函数和屏蔽预测代价函数进行的按序调校得到，然后基于目标图像要素描述子，确定得到清除自因缺陷和外因扰动的目标货物图像。本发明实施例基于两个不同的代价函数对事先部署的货物图像处理网络进行调校，促使网络对图像要素描述子中的自因缺陷和外因扰动进行高效清除，不仅缓解了网络的运算开销，还令图像处理的能力得到强化。

53、在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。