本发明涉及仓储管理,特别是一种库存资产管理方法及系统。
背景技术:
1、仓储管理,是指对仓库和仓库中储存的物资进行管理。现代企业的仓库已成为企业的物流中心。仓库是企业连接供应方和需求方的桥梁,对于供应方,仓库是物资的流通中心、存储中心,对于需求方,仓库又是物流起点、中转点。因此,对于企业来说,仓储管理的意义重大,高效、精准的仓储管理能够有效控制和降低流通和库存成本。
2、现在的仓储管理通常是通过人工在仓储系统中输入对应产品的仓储信息,当仓库的产品的出入库数量多时,人工往往需要更多的时间进行信息的输入。而在进行仓库数量的核对时,还需要人工走到对应的产品区域内进行核对,核对完的信息还要再次录入系统,导致效率仓储管理的效率低下。
技术实现思路
1、针对上述缺陷,本发明的目的在于提出一种库存资产管理方法及系统,实现出入库信息的自动录入,减少人工录入量,提高出入库信息录入的速度。
2、为达此目的,本发明采用以下技术方案:一种库存资产管理方法,包括如下步骤:
3、获取公司现有的仓储数据,以现有的仓储数据作为训练模型的训练底层数据;
4、对训练底层数据进行标签的输入,确定每一个训练底层数据的标签;
5、对训练模型进行训练,得到自然语言模型;
6、根据标签的种类构建出对应的表格;
7、获取出入库信息,将出入库信息输入至自然语言模型中,对出入库信息进行分类,并将分类好的数据按照标签存储在对应的表格。
8、优选的,对训练模型进行训练的步骤如下:
9、将训练底层数据输入至训练模型中,其中所述训练模型是基于bert训练构建的;
10、按照预设的比例将训练底层数据进行分组,分别得到训练集与验证集;
11、将训练集输入至训练模型进行训练,得到自然语言模型;
12、使用验证集输入至自然语言模型中,对模型进行验证。
13、优选的,其中训练模型构建的步骤如下:
14、基于标签的类型设置每种自然语言理解任务的训练语料的子特征;
15、基于子特征分别构建出对预设的多层感知机模型,并进行模型训练,得到处理对应每一种标签的自然语言理解任务的对应自然语言理解子模型;
16、其中自然语言理解子模型的训练过程如下:
17、将输入的训练集数据中每个文本样本的初始特征输入到池化层,得到所述每个文本样本的池化特征;
18、将所述每个文本样本的池化特征输入到拼接层,得到拼接特征;
19、将所述拼接特征输入到词典模型bert中,对拼接特征进行分类,将分类后的拼接特征附上对应的标签类型,得到对应的子特征;
20、将对应的子特征输入到模型中进行训练,得到对应的自然语言理解子模型。
21、优选的,还包括如下步骤:
22、在仓储按照产品进行分组,得到多个仓储区域,在每一个仓储区域内安装至少一个摄像头,周期内获取仓储区域内的照片,获取的照片赋予对应产品的标签;
23、对仓储区域内的照片进行识别,获取仓储区域内产品的数量,作为第一数量,获取表格内对应产品的库存数据作为第二数量,判断第一数量与第二数量是否一致,若不一致,则发出库存有问题的提醒信息。
24、优选的,获取仓储区域内产品的数量的步骤如下:
25、在规定的角度与高度对产品进行拍摄,获取产品的长度值,作为第一参数;通过yolo算法学习训练的目标产品模型通过获取照片单列产品的总长度作为第二参数;
26、第二参数与第一参数的倍数;根据倍数选择对应的调节系数;根据调节系数对第二参数进行调节;
27、使用调节后的第二参数除以第一参数,得到单列产品中产品的个数;
28、统计每一列产品的个数的总和作为该产品的总数量;
29、其中规定的角度为摄像头朝向仓储区域的角度,所述限定的高度为摄像头所在的高度。
30、一种库存资产管理系统,使用所述一种库存资产管理方法,包括模型模块、表格构建模块以及录入模块;
31、所述模型模块用于获取公司现有的仓储数据,以现有的仓储数据作为训练模型的训练底层数据;
32、对训练底层数据进行标签的输入,确定每一个训练底层数据的标签;
33、对训练模型进行训练,得到自然语言模型;
34、所述表格构建模块用于根据标签的种类构建出对应的表格;
35、所述录入模块用于获取出入库信息,将出入库信息输入至自然语言模型中,对出入库信息进行分类,并将分类好的数据按照标签存储在对应的表格。
36、优选的,所述模型模块包括模型构建模块、分组模块以及训练模块;
37、所述模型构建模块用于将训练底层数据输入至训练模型中,其中所述训练模型是基于bert训练构建的;
38、所述分组模块用于按照预设的比例将训练底层数据进行分组,分别得到训练集与验证集;
39、所述训练模块用于将训练集输入至训练模型进行训练,得到自然语言模型;
40、使用验证集输入至自然语言模型中,对模型进行验证。
41、优选的,所述模型构建模块包括特征获取子模块以及训练子模块;
42、所述特征获取子模块用于基于标签的类型设置每种自然语言理解任务的训练语料的子特征;
43、训练子模块用于基于子特征分别构建出对预设的多层感知机模型,并进行模型训练,得到处理对应每一种标签的自然语言理解任务的对应自然语言理解子模型;
44、其中自然语言理解子模型的训练过程如下:
45、将输入的训练集数据中每个文本样本的初始特征输入到池化层,得到所述每个文本样本的池化特征;
46、将所述每个文本样本的池化特征输入到拼接层,得到拼接特征;
47、将所述拼接特征输入到词典模型bert中,对拼接特征进行分类,将分类后的拼接特征附上对应的标签类型,得到对应的子特征;
48、将对应的子特征输入到模型中进行训练,得到对应的自然语言理解子模型。
49、优选的,还包括盘点模块,所述盘点模块用于周期内获取仓储区域内的照片,获取的照片赋予对应产品的标签;
50、对仓储区域内的照片进行识别,获取仓储区域内产品的数量,作为第一数量,获取表格内对应产品的库存数据作为第二数量,判断第一数量与第二数量是否一致,若不一致,则发出库存有问题的提醒信息。
51、优选的,所述盘点模块包括数量识别子模块,所述数量识别子模块用于在规定的角度与高度对产品进行拍摄,获取产品的长度值,作为第一参数;
52、通过yolo算法学习训练的目标产品模型通过获取照片单列产品的总长度作为第二参数;
53、第二参数与第一参数的倍数;根据倍数选择对应的调节系数;根据调节系数对第二参数进行调节;
54、使用调节后的第二参数除以第一参数,得到单列产品中产品的个数;
55、统计每一列产品的个数的总和作为该产品的总数量;
56、其中规定的角度为摄像头朝向仓储区域的角度,所述限定的高度为摄像头所在的高度。
57、上述技术方案中的一个技术方案具有如下优点或有益效果:本发明中所采用的方法能够有效提高人工在进行出入库信息录入的速度,无需人工手动对照出入库信息足个输入到对应的表格的单元内,减轻工人的工作压力。