CN107358388A - 一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法 - Google Patents
一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法 Download PDFInfo
- Publication number
- CN107358388A CN107358388A CN201710532964.4A CN201710532964A CN107358388A CN 107358388 A CN107358388 A CN 107358388A CN 201710532964 A CN201710532964 A CN 201710532964A CN 107358388 A CN107358388 A CN 107358388A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- unit
- storage
- rfid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 239000000463 material Substances 0.000 claims abstract description 60
- 238000013528 artificial neural network Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000007726 management method Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000012502 risk assessment Methods 0.000 claims description 13
- 238000013523 data management Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000002045 lasting effect Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000012384 transportation and delivery Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 15
- 230000005764 inhibitory process Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000035800 maturation Effects 0.000 description 4
- 238000012913 prioritisation Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000001038 ionspray mass spectrometry Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000010948 quality risk assessment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
Abstract
本发明公开了一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法,涉及冷链物流和智能仓储领域,包括仓储环境与物资信息感知单元、RFID中间件单元、仓储现场作业单元、数据中心单元及云服务中心单元。仓储环境与物资信息感知单元,集成在传感标签上;RFID中间件单元,集成在RFID读写器上;仓储现场作业单元,集成在读写器和库房工作端等关联设备上;数据中心单元,部署在数据服务器上;云服务中心单元,部署在应用服务器上。本系统创造性地将BP神经网络算法应用在仓储管理系统的风险预警上,实现了冷链仓储物资的实时状态分析与预警,有效解决了冷链仓储中的生鲜农产品仓储质量风险评估与报警,具有广阔的应用前景。
Description
技术领域
本发明涉及冷链物流和智能仓储领域,特别是指一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法。
背景技术
近年来,随着物联网与智能技术的应用,现代物流也朝着智能化的方向发展。仓储是现代物流中的关键环节,仓储管理在生鲜农产品冷链物流中的地位尤其重要,因为生鲜农产品大都具有生命特性,易腐、易熟,有严格的保质期,对温度、湿度、光照等环境条件要求较高,不易贮藏,难以搬运,所以在物流的仓储阶段会产生诸多难题。在传统的农产品物流仓储模式下,由于投入的技术力度不够,往往会形成高成本、低效益的粗放式管理。主要体现在生鲜产品入库、储存和出库的作业过程中,经常由于信息数据收集、分析的不及时,导致生鲜农产品损坏。比如:需要特定环境保鲜的生鲜农产品不能做到有效的环境监控,造成生鲜农产品变质、腐化等。这使得仓储管理问题增多,浪费大量时间,增加管理的成本,服务质量难以得到保证,从而影响企业的竞争力。
发明内容
为了解决上述问题,本发明提供一种可实现冷链产品快速识别、盘点以及仓储环境监测和预警等功能的基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法,从而减少生鲜食品在仓储中的损失,提升企业的仓储管理水平。
为了达成此目的,本发明的解决方案是:
一种基于物联网的仓储管理系统,包括:仓储环境与物资信息感知单元、RFID中间件单元、仓储现场作业单元、数据中心单元及云服务中心单元;所述的仓储环境与物资信息感知单元与所述的RFID中间件单元连接;所述的RFID中间件单元与所述的仓储现场作业单元连接;所述的RFID中间件单元与所述的数据中心单元之间、所述的仓储现场作业单元与所述的云服务中心单元之间、所述的数据中心单元与所述的云服务中心单元之间分别通过网络进行连接。
所述的仓储环境与物资信息感知单元与所述的RFID中间件单元之间,采用无线射频进行数据通信;
所述的RFID中间件单元与所述的仓储现场作业单元之间,采用应用程序接口进行数据通信;
所述的RFID中间件单元与所述的数据中心单元之间,采用4G网络进行数据通信;
所述的仓储现场作业单元与所述的云服务中心单元之间,采用4G网络进行数据通信;
所述的数据中心单元与所述的云服务中心单元之间,采用Internet/Intranet网络进行数据通信;
所述的云服务中心单元,采用Internet/4G网络,向用户提供WEB/APP/WAP界面的云服务。
所述的仓储环境与物资信息感知单元,包括传感器模块、处理器模块、RFID模块,集成在传感标签上;
所述的传感标签,是根据农产品冷链物流仓储管理的实际需求而定制设计,应用先进的低功耗技术,利用成熟的2.45G有源标签集成传感器,在完成物资信息识别的同时,又能对其所处环境的温度、湿度、空气中的CO2、光照度进行测量和记录;
所述的传感器模块,按照预设的采集频率,实时测量仓储中各个货位的温度、湿度、光照强度等环境数据,传送给处理器模块;
所述的处理器模块,实时接收传感器模块所传送的仓储环境数据,按照数据格式协议封装成标准数据包,并传送给RFID模块;
所述的RFID模块,实时接收处理器模块所传送的数据包,并附上物资信息数据,通过无线射频,一并发送给RFID中间件单元。
所述的RFID中间件单元,包括RFID读写模块、数据处理模块、无线通讯模块,集成在RFID读写器上;
所述的读写器,支持4G网络,主要有门禁读写器、固定读写器、手持读写器等;安装在库房出入口的门禁读写器,读写区域为定向范围,主要用于防盗报警;与库房工作端相连接的固定读写器,读写区域为定向范围,主要用于标签管理、物资出入库等操作;而部署在各分区监测点的固定读写器,读写区域为全向范围,主要用于实时接收附近标签上报的数据信息,对各货位的温度、湿度、空气中的CO2含量、光照度等数据进行持续的动态监测;作为便携式手持设备的手持读写器,读写区域为定向范围,主要用于物资盘点、安全巡检等操作;
所述的RFID读写模块,实时接收仓储环境与物资信息感知单元上报的仓储环境与物资信息数据,传送给数据处理模块;
所述的数据处理模块,实时接收RFID读写模块所传送的数据,采用数据预处理技术,提升数据质量,并将预处理后得到的数据,实时传送给无线通讯模块,或通过应用程序接口提供给仓储现场作业单元;
所述的无线通讯模块,实时接收数据处理模块所传送的数据,并遵循通讯协议,将数据发送给数据中心单元。
所述的仓储现场作业单元,包括标签管理模块、入库作业模块、出库作业模块、库存盘点模块、防盗报警模块、安全巡检模块,集成在读写器和库房工作端等关联设备上;
所述的标签管理模块,提供对电子标签的开通、变更、注销等操作;
所述的入库作业模块,当贴在物资的电子标签被固定读写器读取到数据信息时,物资信息显示在库房工作端的系统界面上,由库房操作员完成物资入库信息的录入操作;
所述的出库作业模块,当贴在物资的电子标签被固定读写器读取到数据信息时,物资信息显示在库房工作端的系统界面上,由库房操作员完成物资出库信息的录入操作;
所述的库存盘点模块,通过固定读写器或手持读写器同时大批量的读取物资数据,能够极大的节省盘点时间,提高盘点准确率,同时自动生成盘点结果报告;
所述的防盗报警模块,当贴有电子标签的物资经过门禁读写器的识别区域时,电子标签将被读写器读取到,对于物资非法出入库的情形,能够自动报警并生成记录,从而防止物资在仓储过程中出现调换、丢失等现象;
所述的安全巡检模块,通过定期巡查和不定期抽查各库房的安全情况,包括建筑安全、消防安全、设备安全和器材安全等,并将检查结果录入或更新到系统中。
所述的数据中心单元,包括数据管理服务模块、数据检索服务模块、数据加密服务模块,部署在数据服务器上;
所述的数据管理服务模块,实时接收RFID中间件单元所发送的数据,存储到相应的数据库中;
所述的数据检索服务模块,实时接收云服务中心单元所发送的查询请求,采用数据检索技术,从数据库中获取目标数据,并将目标数据返回给云服务中心单元;
所述的数据加密服务模块,采用成熟的商密加密技术,为某些敏感或关键的数据存储,提供可靠的加密、解密服务。
所述的云服务中心单元,包括基础服务模块、监测服务模块、预警服务模块、统计服务模块、审计服务模块、决策服务模块,部署在应用服务器上;
所述的基础服务模块,提供物资分类管理、库房管理、分区管理、排架管理、货位管理、库管人员管理等基础信息管理服务;
所述的监测服务模块,根据分区内各货位上报的数据,通过服务器端的数据融合处理,持续的自动监测分区温度、分区湿度、分区空气CO2含量、分区光照度等数据;
所述的预警服务模块,通过结合BP神经网络算法,对传感器节点收集到的温度、湿度、空气中CO2含量、光照强度等数据进行分析,其分析算法思想如下:
将样本数据输入BP神经网络结构进行训练,建立BP神经网络模型,经过训练迭代,在迭代过程中不断修正参数,最后通过神经网络对应参数的调整使得模型期望输出与实际输出之间的误差达到最小值,将得到的BP神经网络算法的输出值作为风险评估指数,依据该风险评估指数。
其算法步骤如下:
步骤1:在预警服务模块中采用有导师的三层BP神经网络构建冷链仓储质量风险评估模型,三层BP神经网络分别为输入层、隐含层、输出层;
步骤2:定义BP神经网络输入层的节点数为p,隐含层的节点数为q,针对有导师学习的导师值设为Ok,则用Wij表示隐含层和输入层之间的权值向量,Wjk表示隐含层与输出层之间的权值向量,隐含层、输出层的阈值分别为δj、δk;
步骤3:网络学习,包括以下步骤:
步骤S1:针对BP神经网络仓储质量风险评估权值和阈值进行初始化,对Wij、Wjk、δj、δk进行相应的赋值,赋值范围为(0,1)之间的任意数;
步骤S2:确定BP神经网络输入的学习样本数据,学习样本数据以序列方式表示如下:(X1,O1),…,(Xn,On),其中n∈{1,2,…,N},N表示学习样本数量;
步骤S3:将一对学习样本数据输入神经网络输入层,由此计算隐含层节点值:输出层节点值:j∈{1,2,...,p},k∈{1,2,...,q},f(·)表示转移函数;
步骤S4:计算隐含层和输出层之间的连接权值、输入层与隐含层之间的连接权值;
步骤S5:针对隐含层和输出层之间的连接权值进行相应调整,结合权值向量Wjk(t)及阈值δκ(t),计算Wjk(t+1)和δκ(t+1);
步骤S6:利用公式计算整体误差E;
步骤S7:若E满足训练误差条件,则网络学习结束,保存最终权值作为预警分析的对应权值,并得到预警分析的算法模型,进入步骤4;反之,则调整隐含层和输出层之间的连接权值,返回步骤S3继续学习,依此类推,直至偏差E符合条件;
步骤4:利用训练后的BP神经网络模型对传感器节点收集到的温度、湿度、空气中CO2含量、光照强度的数据进行计算并得到输出值,将该输出值作为风险评估指数;
步骤5:按预置的风险评估指数与风险等级的对照关系进行风险等级评估,若达到预置预警条件,则启动告警;
步骤6:预警通知,当预警模块进行告警时,系统会将预警信息通过声音告警、邮件通知、短信通知、自动语音电话中的任意一种形式,及时告知相关人员。
所述的统计服务模块,提供仓储查询管理、综合统计分析等数据统计服务,根据物流企业的统计制度和报表要求,对仓储运营情况进行统计汇总,并以标准报表的形式进行展现和输出;
所述的审计服务模块,根据企业的库存盘点制度,定期和不定期的对在库物资进行盘点,并生成盘点报告,同时系统中记录详细的日志,包括登陆日志、操作日志、登录失败日志、配置日志等,所有的操作做到有据可查;
所述的决策服务模块,通过建立分级评价指标体系和总体评价分析模型,对仓储运营情况进行专题分析,并给出运营水平的评价等级,为管理部门提供辅助决策支持。
作为本发明的优化方案,所述的数据中心单元,采用分布式数据库、服务器集群和负载均衡技术部署,以支持海量数据管理和高并发访问。
作为本发明的优化方案,所述的云服务中心单元,采用服务器集群和负载均衡技术部署,以支持高并发访问。
本发明的优点及积极效果在于:
(1)本发明采用物联网技术,面向冷链物流仓储过程的信息管理,覆盖信息的感知、融合、传输、处理、存储和展示等各个环节,实现了核心业务的应用功能,有效解决了冷链物流仓储管理中所存在的突出问题;
(2)本发明应用传感器技术,来实时测量货位的温度、湿度、空气中CO2含量、光照强度等,以便及时监控并自动判断各分区的物资保管条件是否符合标准,由此形成常态化的主动预警机制,提高预警效率和准确率,提升自动化和智能化程度,从而减少物资损耗;
(3)本发明创造性地运用了BP神经网络算法结合物联网传感器技术,用于进行冷链仓储质量风险的分析,并针对分析结果进行有效预警,大大地提高了该冷链仓储管理系统的实用性及先进性。
附图说明
图1为本发明的结构示意图。
图2为本发明的仓储环境与物资信息感知单元结构图。
图3为本发明的RFID中间件单元结构图。
图4为本发明的仓储现场作业单元结构图。
图5为本发明的数据中心单元结构图。
图6为本发明的云服务中心单元结构图。
图7为本发明的预警服务模块的数据流程图。
图8为本发明的预警算法流程图。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
本实施例以RT-ISMS智能仓储管理系统为原型,详细描述本发明的实施方式。RT-ISMS智能仓储管理系统,运用现代物流理念和物联网技术,面向冷链物流仓储过程的信息管理,采用基于物联网的冷链物流仓储模式,对信息、资源、行为、存货和出入库作业等进行更有效的管理。利用该系统可以有效解决物流仓储管理中所存在的突出问题,特别是仓储环境监测和报警等功能,从而减少农产品在物流仓储中的损失,提升企业的仓储管理水平。
如图1所示,一种基于物联网的仓储管理系统,包括仓储环境与物资信息感知单元100、RFID中间件单元200、仓储现场作业单元300、数据中心单元400及云服务中心单元500。
所述的仓储环境与物资信息感知单元100与所述的RFID中间件单元200之间,采用无线射频进行数据通信;
所述的RFID中间件单元200与所述的仓储现场作业单元300之间,采用应用程序接口进行数据通信;
所述的RFID中间件单元200与所述的数据中心单元400之间,采用4G网络进行数据通信;
所述的仓储现场作业单元300与所述的云服务中心单元500之间,采用4G网络进行数据通信;
所述的数据中心单元400与所述的云服务中心单元500之间,采用Internet/Intranet网络进行数据通信;
所述的云服务中心单元500,采用Internet/4G网络,向用户提供WEB/APP/WAP界面的云服务。
如图2所示,所述的仓储环境与物资信息感知单元100,包括传感器模块101、处理器模块102及RFID模块103,各模块101、102、103集成在传感标签上。
所述的传感标签,是根据农产品冷链物流仓储管理的实际需求而定制设计,应用先进的低功耗技术,利用成熟的2.45G有源标签集成传感器,在完成物资信息识别的同时,又能对其所处环境的温度、湿度、光照度进行测量和记录。
所述的传感器模块101,按照预设的采集频率,实时测量仓储中各个货位的温度、湿度、光照强度等环境数据,传送给处理器模块102;
所述的处理器模块102,实时接收传感器模块101所传送的仓储环境数据,按照数据格式协议封装成标准数据包,并传送给RFID模块103;
所述的RFID模块103,实时接收处理器模块102所传送的数据包,并附上物资信息数据,通过无线射频,一并发送给RFID中间件单元200。
如图3所示,所述的RFID中间件单元200,包括RFID读写模块201、数据处理模块202、无线通讯模块203,各模块201、202、203集成在RFID读写器上;
所述的读写器,支持4G网络,主要有门禁读写器、固定读写器、手持读写器等;安装在库房出入口的门禁读写器,读写区域为定向范围,主要用于防盗报警;与库房工作端相连接的固定读写器,读写区域为定向范围,主要用于标签管理、物资出入库等操作;而部署在各分区监测点的固定读写器,读写区域为全向范围,主要用于实时接收附近标签上报的数据信息,对各货位的温度、湿度、光照度等数据进行持续的动态监测;作为便携式手持设备的手持读写器,读写区域为定向范围,主要用于物资盘点、安全巡检等操作;
所述的RFID读写模块201,实时接收仓储环境与物资信息感知单元100上报的仓储环境与物资信息数据,传送给数据处理模块202;
所述的数据处理模块202,实时接收RFID读写模块201所传送的数据,采用数据预处理技术,提升数据质量,并将预处理后得到的数据,实时传送给无线通讯模块203,或通过应用程序接口提供给仓储现场作业单元300;
所述的无线通讯模块203,实时接收数据处理模块202所传送的数据,并遵循通讯协议,将数据发送给数据中心单元400。
如图4所示,所述的仓储现场作业单元300,包括标签管理模块301、入库作业模块302、出库作业模块303、库存盘点模块304、防盗报警模块305、安全巡检模块306,各模块301、302、303、304、305、306集成在读写器和库房工作端等关联设备上。
所述的标签管理模块301,提供对电子标签的开通、变更、注销等操作;
所述的入库作业模块302,当贴在物资的电子标签被固定读写器读取到数据信息时,物资信息显示在库房工作端的系统界面上,由库房操作员完成物资入库信息的录入操作;
所述的出库作业模块303,当贴在物资的电子标签被固定读写器读取到数据信息时,物资信息显示在库房工作端的系统界面上,由库房操作员完成物资出库信息的录入操作;
所述的库存盘点模块304,通过固定读写器或手持读写器同时大批量的读取物资数据,能够极大的节省盘点时间,提高盘点准确率,同时自动生成盘点结果报告;
所述的防盗报警模块305,当贴有电子标签的物资经过门禁读写器的识别区域时,电子标签将被读写器读取到,对于物资非法出入库的情形,能够自动报警并生成记录,从而防止物资在仓储过程中出现调换、丢失等现象;
所述的安全巡检模块306,通过定期巡查和不定期抽查各库房的安全情况,包括建筑安全、消防安全、设备安全和器材安全等,并将检查结果录入或更新到系统中。
如图5所示,所述的数据中心单元400,包括数据管理服务模块401、数据检索服务模块402及数据加密服务模块403,各模块401、402、403部署在数据服务器上。
所述的数据管理服务模块401,实时接收RFID中间件单元200所发送的数据,存储到相应的数据库中;
所述的数据检索服务模块402,实时接收云服务中心单元500所发送的查询请求,采用数据检索技术,从数据库中获取目标数据,并将目标数据返回给云服务中心单元500;
所述的数据加密服务模块403,采用成熟的商密加密技术,为某些敏感或关键的数据存储,提供可靠的加密、解密服务;
如图6所示,所述的云服务中心单元500,包括基础服务模块501、监测服务模块502、预警服务模块503、统计服务模块504、审计服务模块505及决策服务模块506,各模块501、502、503、504、505、506部署在应用服务器上。
所述的基础服务模块501,提供物资分类管理、库房管理、分区管理、排架管理、货位管理、库管人员管理等基础信息管理服务;
所述的监测服务模块502,根据分区内各货位上报的数据,通过服务器端的数据融合处理,持续的自动监测分区温度、分区湿度、分区光照度等保管条件是否正常;
配合图8所示,所述的预警服务模块503,通过结合BP神经网络算法,对传感器节点收集到的温度、湿度、空气中CO2含量、光照强度等数据进行分析并预警。其分析算法思想如下:
将样本数据输入BP神经网络结构进行训练,建立BP神经网络模型,经过训练迭代,在迭代过程中不断修正参数,最后通过神经网络对应参数的调整使得模型期望输出与实际输出之间的误差达到最小值,从而完成神经网络训练并对冷链仓储质量进行风险评估。
其算法实施如下:
步骤1:在预警服务模块中采用有导师的三层BP神经网络构建冷链仓储质量风险评估模型,三层BP神经网络分别为输入层、隐含层、输出层;
步骤2:定义BP神经网络输入层的节点数为p,隐含层的节点数为q,针对有导师学习的导师值设为Ok,则用Wij表示隐含层和输入层之间的权值向量,Wjk表示隐含层与输出层之间的权值向量,隐含层、输出层的阈值分别为δj、δk;
步骤3:网络学习,包括以下步骤:
步骤S1:针对BP神经网络仓储质量风险评估权值和阈值进行初始化,对Wij、Wjk、δj、δk进行相应的赋值,赋值范围为(0,1)之间的任意数;
步骤S2:确定BP神经网络输入的学习样本数据,学习样本数据以序列方式表示如下:(X1,O1),…,(Xn,On),其中n∈{1,2,…,N},N表示学习样本数量;
步骤S3:将一对学习样本数据输入神经网络输入层,由此计算隐含层节点值:输出层节点值:j∈{1,2,...,p},k∈{1,2,...,q},f(·)表示转移函数;
步骤S4:计算隐含层和输出层之间的连接权值、输入层与隐含层之间的连接权值;
步骤S5:针对隐含层和输出层之间的连接权值进行相应调整,结合权值向量Wjk(t)及阈值δκ(t),计算Wjk(t+1)和δκ(t+1);
步骤S6:利用公式计算整体误差E;
步骤S7:若E满足训练误差条件,则网络学习结束,保存最终权值作为预警分析的对应权值,并得到预警分析的算法模型,进入步骤4;反之,则调整隐含层和输出层之间的连接权值,返回步骤S3继续学习,依此类推,直至偏差E符合条件;
步骤4:利用训练后的BP神经网络模型对传感器节点收集到的温度、湿度、空气中CO2含量、光照强度的数据进行计算并得到输出值,将该输出值作为风险评估指数;
步骤5:针对输出结果,按如下等级标准进行风险等级评估:
风险评估指数 | (0,0.3) | (0.3,0.5) | (0.5,0.8) | (0.8,1.0) |
风险等级 | 低 | 一般 | 较高 | 很高 |
若实际输出值大于0.5,即认为农产品仓储环境风险高;
步骤6:预警通知,当预警模块进行告警时,系统会将预警信息通过声音告警、邮件通知、短信通知、自动语音电话中的任意一种形式,及时告知相关人员。
配合图7所示,预警服务模块503的一个完整数据流程如下:
传感器模块101按照预设的采集频率,实时测量仓储中各个货位的温度、湿度、光照强度等环境数据,传送给处理器模块102;处理器模块102实时接收传感器模块101所传送的仓储环境数据,按照数据格式协议封装成标准数据包,并传送给RFID模块103;RFID模块103实时接收处理器模块102所传送的数据包,并附上物资信息数据,通过无线射频,一并发送给RFID中间件单元200的RFID读写器201,RFID读写器201实时接收仓储环境与物资信息感知单元100上报的仓储环境与物资信息数据,传送给数据处理模块202,数据处理模块202实时接收RFID读写器201所传送的数据,采用数据预处理技术,提升数据质量,并将预处理后得到的数据,实时传送给无线通讯模块203,无线通讯模块203实时接收数据处理模块202所传送的数据,遵循通讯协议,将数据发送给数据中心单元400的数据管理服务模块401,所述的数据管理服务模块401实时接收RFID中间件单元所发送的数据,将数据传送给云服务中心单元500的预警服务模块503进行风险评估,再把评估结果发送至用户界面。
所述的统计服务模块504,提供仓储查询管理、综合统计分析等数据统计服务,根据物流企业的统计制度和报表要求,对仓储运营情况进行统计汇总,并以标准报表的形式进行展现和输出;
所述的审计服务模块505,根据企业的库存盘点制度,定期和不定期的对在库物资进行盘点,并生成盘点报告,同时系统中记录详细的日志,包括登陆日志、操作日志、登录失败日志、配置日志等,所有的操作做到有据可查;
所述的决策服务模块506,通过建立分级评价指标体系和总体评价分析模型,对仓储运营情况进行专题分析,并给出运营水平的评价等级,为管理部门提供辅助决策支持。
作为本发明的优化方案,所述的数据中心单元400,采用分布式数据库、服务器集群和负载均衡技术部署,以支持海量数据管理和高并发访问。
作为本发明的优化方案,所述的云服务中心单元500,采用服务器集群和负载均衡技术部署,以支持高并发访问。
以上仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内,可轻易想到的变化或替换,都应该涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于物联网的仓储管理系统,其特征在于,包括:仓储环境与物资信息感知单元、RFID中间件单元、仓储现场作业单元、数据中心单元及云服务中心单元;所述的仓储环境与物资信息感知单元与所述的RFID中间件单元连接;所述的RFID中间件单元与所述的仓储现场作业单元连接;所述的RFID中间件单元与所述的数据中心单元之间、所述的仓储现场作业单元与所述的云服务中心单元之间、所述的数据中心单元与所述的云服务中心单元之间分别通过网络进行连接;
所述的云服务中心单元,包括基础服务模块、监测服务模块、预警服务模块、统计服务模块、审计服务模块及决策服务模块,该云服务中心单元的各模块部署在应用服务器上,所述的基础服务模块,提供物资分类管理、库房管理、分区管理、排架管理、货位管理、库管人员管理的基础信息管理服务;所述的监测服务模块,根据分区内各货位上报的数据,通过服务器端的数据融合处理,持续的自动监测分区温度、分区湿度、分区空气中的CO2含量、分区光照度的数据;所述的预警服务模块,通过结合BP神经网络算法,对传感器节点收集到的温度、湿度、空气中的CO2含量、光照度的数据进行分析,将得到的BP神经网络算法的输出值作为风险评估指数,依据该风险评估指数对冷链仓储质量进行风险评估。
2.根据权利要求1所述的一种基于物联网的仓储管理系统,其特征在于:
所述的仓储环境与物资信息感知单元与所述的RFID中间件单元之间,采用无线射频进行数据通信;
所述的RFID中间件单元与所述的仓储现场作业单元之间,采用应用程序接口进行数据通信;
所述的RFID中间件单元与所述的数据中心单元之间,采用4G网络进行数据通信;
所述的仓储现场作业单元与所述的云服务中心单元之间,采用4G网络进行数据通信;
所述的数据中心单元与所述的云服务中心单元之间,采用Internet/Intranet网络进行数据通信;
所述的云服务中心单元,采用Internet/4G网络,向用户提供WEB/APP/WAP界面的云服务。
3.根据权利要求1所述的一种基于物联网的仓储管理系统,其特征在于:所述的仓储环境与物资信息感知单元,包括传感器模块、处理器模块及RFID模块,该仓储环境与物资信息感知单元的各模块集成在传感标签上;
所述的传感器模块按照预设的采集频率,实时测量仓储中各个货位的环境数据,传送给处理器模块;
所述的处理器模块实时接收传感器模块所传送的仓储环境数据,按照数据格式协议封装成标准数据包,并传送给RFID模块;
所述的RFID模块实时接收处理器模块所传送的标准数据包,并附上物资信息数据一并发送给RFID中间件单元;
所述的传感标签,是根据农产品冷链物流仓储管理的实际需求而定制设计,利用2.45G有源标签集成传感器,在完成物资信息识别的同时,还对其所处环境的温度、湿度、光照度进行测量和记录。
4.根据权利要求1所述的一种基于物联网的仓储管理系统,其特征在于:所述的RFID中间件单元,包括RFID读写模块、数据处理模块及无线通讯模块,该RFID中间件单元的各模块集成在RFID读写器上;
所述的RFID读写模块,接收仓储环境与物资信息感知单元上报的仓储环境数据与物资信息数据,传送给数据处理模块;
所述的数据处理模块,接收RFID读写模块所传送的数据,将经预处理后得到的数据,传送给无线通讯模块,或通过应用程序接口提供给仓储现场作业单元;
所述的无线通讯模块,接收数据处理模块所传送的数据,将数据发送给数据中心单元。
5.根据权利要求1所述的一种基于物联网的仓储管理系统,其特征在于:所述的仓储现场作业单元,包括标签管理模块、入库作业模块、出库作业模块、库存盘点模块、防盗报警模块及安全巡检模块,该仓储现场作业单元集成在读写器或库房工作端的关联设备上。
6.根据权利要求1所述的一种基于物联网的仓储管理系统,其特征在于:所述的数据中心单元,包括数据管理服务模块、数据检索服务模块及数据加密服务模块,该数据中心单元部署在数据服务器上;
所述的数据管理服务模块,接收RFID中间件单元所发送的数据,存储到相应的数据库中;
所述的数据检索服务模块,接收云服务中心单元所发送的查询请求,从数据库中获取目标数据,并将目标数据返回给云服务中心单元。
7.如权利要求1或6所述的一种基于物联网的仓储管理系统,其特征在于:所述的数据中心单元采用分布式数据库、服务器集群和负载均衡部署。
8.如权利要求1或7所述的一种基于物联网的仓储管理系统,其特征在于:所述的云服务中心单元采用服务器集群和负载均衡部署。
9.如权利要求1所述的一种基于物联网的仓储管理系统的仓储质量风险评估方法,其特征在于包括如下步骤:
步骤1:在预警服务模块中采用有导师的三层BP神经网络构建冷链仓储质量风险评估模型,三层BP神经网络分别为输入层、隐含层、输出层;
步骤2:定义BP神经网络输入层的节点数为p,隐含层的节点数为q,针对有导师学习的导师值设为Ok,则用Wij表示隐含层和输入层之间的权值向量,Wjk表示隐含层与输出层之间的权值向量,隐含层、输出层的阈值分别为δj、δk;
步骤3:网络学习,包括以下步骤:
步骤S1:针对BP神经网络仓储质量风险评估权值和阈值进行初始化,对Wij、Wjk、δj、δk进行相应的赋值,赋值范围为(0,1)之间的任意数;
步骤S2:确定BP神经网络输入的学习样本数据,学习样本数据以序列方式表示如下:(X1,O1),…,(Xn,On),其中n∈{1,2,…,N},N表示学习样本数量;
步骤S3:将一对学习样本数据输入神经网络输入层,由此计算隐含层节点值:输出层节点值:j∈{1,2,...,p},k∈{1,2,...,q},f(·)表示转移函数;
步骤S4:计算隐含层和输出层之间的连接权值、输入层与隐含层之间的连接权值;
步骤S5:针对隐含层和输出层之间的连接权值进行相应调整,结合权值向量Wjk(t)及阈值δκ(t),计算Wjk(t+1)和δκ(t+1);
步骤S6:利用公式计算整体误差E;
步骤S7:若E满足训练误差条件,则网络学习结束,保存最终权值作为预警分析的对应权值,并得到预警分析的算法模型,进入步骤4;反之,则调整隐含层和输出层之间的连接权值,返回步骤S3继续学习,依此类推,直至偏差E符合条件;
步骤4:利用训练后的BP神经网络模型对传感器节点收集到的温度、湿度、空气中CO2含量、光照强度的数据进行计算并得到输出值,将该输出值作为风险评估指数;
步骤5:按预置的风险评估指数与风险等级的对照关系进行风险等级评估,若达到预置预警条件,则启动告警;
步骤6:预警通知,当预警模块进行告警时,系统会将预警信息通过声音告警、邮件通知、短信通知、自动语音电话中的任意一种形式,及时告知相关人员。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201621184287 | 2016-11-03 | ||
CN2016211842879 | 2016-11-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358388A true CN107358388A (zh) | 2017-11-17 |
Family
ID=60291771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710532964.4A Pending CN107358388A (zh) | 2016-11-03 | 2017-07-03 | 一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358388A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108093070A (zh) * | 2017-12-27 | 2018-05-29 | 复旦大学 | 一种物联网数据服务中间件系统 |
CN108334550A (zh) * | 2017-12-28 | 2018-07-27 | 广州华夏职业学院 | 一种基于人力资源管理系统的数据处理系统 |
CN108345920A (zh) * | 2018-03-19 | 2018-07-31 | 四川省农业机械研究设计院 | 基于多重空间位置信息叠加定位的农产品物流仓储管理装置 |
CN108776876A (zh) * | 2018-03-28 | 2018-11-09 | 安徽师范大学 | 一种基于rfid的超市货物管理系统及其工作方法 |
CN108776847A (zh) * | 2018-05-29 | 2018-11-09 | 和县小辣椒电子商务有限公司 | 一种农产品销售仓储环境感知系统 |
CN108873697A (zh) * | 2018-06-23 | 2018-11-23 | 四川工大创兴大数据有限公司 | 一种基于人工智能的仓储方法及系统 |
CN109191049A (zh) * | 2018-09-06 | 2019-01-11 | 华夏易通国际物流有限公司 | 一种基于云计算的物流运输监管系统及监管方法 |
CN109341763A (zh) * | 2018-10-10 | 2019-02-15 | 广东长盈科技股份有限公司 | 一种基于物联网的运输数据采集系统及方法 |
CN109858847A (zh) * | 2018-02-07 | 2019-06-07 | 陕西科技大学 | 一种基于物联网的物流仓储管理系统 |
CN110046834A (zh) * | 2019-05-13 | 2019-07-23 | 苏州大学 | 工作场所有害气体健康风险定量评估系统及其评估方法 |
CN110458361A (zh) * | 2019-08-14 | 2019-11-15 | 中储粮成都储藏研究院有限公司 | 基于bp神经网络的粮食品质指标预测方法 |
CN110852673A (zh) * | 2019-10-23 | 2020-02-28 | 中信梧桐港供应链管理有限公司 | 用于供应链金融质押物远程监管风险控制方法及装置 |
CN110995854A (zh) * | 2019-12-13 | 2020-04-10 | 广州鹏兴科技有限公司 | 一种基于云计算技术的货物存储管理系统 |
CN111144677A (zh) * | 2018-11-06 | 2020-05-12 | 北京京东振世信息技术有限公司 | 效率评估方法和效率评估系统 |
CN111222767A (zh) * | 2019-12-29 | 2020-06-02 | 航天信息股份有限公司 | 一种粮食物流过程质量安全风险评估方法及系统 |
CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
CN113489777A (zh) * | 2021-07-01 | 2021-10-08 | 厦门悦讯信息科技股份有限公司 | 一种物联网设备集群化数据采集的方法及系统 |
CN114186938A (zh) * | 2021-12-14 | 2022-03-15 | 中国建设银行股份有限公司 | 物联数据处理方法、装置、设备、介质和程序产品 |
CN116723098A (zh) * | 2023-08-08 | 2023-09-08 | 国网瑞嘉(天津)智能机器人有限公司 | 配网作业管控系统、方法及电子设备 |
CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567871A (zh) * | 2011-12-21 | 2012-07-11 | 上海工程技术大学 | 基于物联网的实时仓储监控系统及其监控方法 |
CN102842076A (zh) * | 2012-07-16 | 2012-12-26 | 暨南大学 | 基于物联网与云计算的集装箱物流实时监控系统及方法 |
CN103699964A (zh) * | 2013-12-16 | 2014-04-02 | 东南大学 | 一种基于证据链和供应链面板的农产品追溯系统 |
CN104732328A (zh) * | 2015-02-03 | 2015-06-24 | 天津市农村工作委员会信息中心 | 农业物联网平台系统 |
WO2016009423A1 (en) * | 2014-07-12 | 2016-01-21 | Bionichive Ltd. | Automatic warehouse system |
-
2017
- 2017-07-03 CN CN201710532964.4A patent/CN107358388A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567871A (zh) * | 2011-12-21 | 2012-07-11 | 上海工程技术大学 | 基于物联网的实时仓储监控系统及其监控方法 |
CN102842076A (zh) * | 2012-07-16 | 2012-12-26 | 暨南大学 | 基于物联网与云计算的集装箱物流实时监控系统及方法 |
CN103699964A (zh) * | 2013-12-16 | 2014-04-02 | 东南大学 | 一种基于证据链和供应链面板的农产品追溯系统 |
WO2016009423A1 (en) * | 2014-07-12 | 2016-01-21 | Bionichive Ltd. | Automatic warehouse system |
CN104732328A (zh) * | 2015-02-03 | 2015-06-24 | 天津市农村工作委员会信息中心 | 农业物联网平台系统 |
Non-Patent Citations (3)
Title |
---|
侯梅媛: ""基于BP神经网络的供应链风险评价方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
牛星星: ""基于物联网的冷链物流仓储管理系统关键模块设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
蒋元: ""基于物联网的农产品仓储物流管理系统研究"", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108093070A (zh) * | 2017-12-27 | 2018-05-29 | 复旦大学 | 一种物联网数据服务中间件系统 |
CN108093070B (zh) * | 2017-12-27 | 2020-12-18 | 复旦大学 | 一种物联网数据服务中间件系统 |
CN108334550A (zh) * | 2017-12-28 | 2018-07-27 | 广州华夏职业学院 | 一种基于人力资源管理系统的数据处理系统 |
CN109858847A (zh) * | 2018-02-07 | 2019-06-07 | 陕西科技大学 | 一种基于物联网的物流仓储管理系统 |
CN108345920A (zh) * | 2018-03-19 | 2018-07-31 | 四川省农业机械研究设计院 | 基于多重空间位置信息叠加定位的农产品物流仓储管理装置 |
CN108776876A (zh) * | 2018-03-28 | 2018-11-09 | 安徽师范大学 | 一种基于rfid的超市货物管理系统及其工作方法 |
CN108776847A (zh) * | 2018-05-29 | 2018-11-09 | 和县小辣椒电子商务有限公司 | 一种农产品销售仓储环境感知系统 |
CN108873697A (zh) * | 2018-06-23 | 2018-11-23 | 四川工大创兴大数据有限公司 | 一种基于人工智能的仓储方法及系统 |
CN109191049A (zh) * | 2018-09-06 | 2019-01-11 | 华夏易通国际物流有限公司 | 一种基于云计算的物流运输监管系统及监管方法 |
CN109191049B (zh) * | 2018-09-06 | 2021-01-01 | 辽宁工业大学 | 一种基于云计算的物流运输监管系统及监管方法 |
CN109341763A (zh) * | 2018-10-10 | 2019-02-15 | 广东长盈科技股份有限公司 | 一种基于物联网的运输数据采集系统及方法 |
CN111144677A (zh) * | 2018-11-06 | 2020-05-12 | 北京京东振世信息技术有限公司 | 效率评估方法和效率评估系统 |
CN111144677B (zh) * | 2018-11-06 | 2023-11-07 | 北京京东振世信息技术有限公司 | 效率评估方法和效率评估系统 |
CN111222817B (zh) * | 2018-11-27 | 2024-03-22 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
CN110046834A (zh) * | 2019-05-13 | 2019-07-23 | 苏州大学 | 工作场所有害气体健康风险定量评估系统及其评估方法 |
CN110046834B (zh) * | 2019-05-13 | 2022-06-24 | 苏州大学 | 工作场所有害气体健康风险定量评估系统及其评估方法 |
CN110458361A (zh) * | 2019-08-14 | 2019-11-15 | 中储粮成都储藏研究院有限公司 | 基于bp神经网络的粮食品质指标预测方法 |
CN110852673A (zh) * | 2019-10-23 | 2020-02-28 | 中信梧桐港供应链管理有限公司 | 用于供应链金融质押物远程监管风险控制方法及装置 |
CN110995854A (zh) * | 2019-12-13 | 2020-04-10 | 广州鹏兴科技有限公司 | 一种基于云计算技术的货物存储管理系统 |
CN111222767A (zh) * | 2019-12-29 | 2020-06-02 | 航天信息股份有限公司 | 一种粮食物流过程质量安全风险评估方法及系统 |
CN113489777A (zh) * | 2021-07-01 | 2021-10-08 | 厦门悦讯信息科技股份有限公司 | 一种物联网设备集群化数据采集的方法及系统 |
CN114186938A (zh) * | 2021-12-14 | 2022-03-15 | 中国建设银行股份有限公司 | 物联数据处理方法、装置、设备、介质和程序产品 |
CN116723098A (zh) * | 2023-08-08 | 2023-09-08 | 国网瑞嘉(天津)智能机器人有限公司 | 配网作业管控系统、方法及电子设备 |
CN117236855A (zh) * | 2023-11-13 | 2023-12-15 | 山东朝辉生物科技有限公司 | 一种生物饲料仓储管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358388A (zh) | 一种基于物联网的仓储管理系统及基于该系统的仓储质量风险评估方法 | |
CN105427674B (zh) | 一种无人机飞行状态实时评估预警系统及方法 | |
CN107464078A (zh) | 一种哈密瓜冷链物流控制系统及控制方法 | |
CN106483903A (zh) | 一种固定资产智能化识别管理与动态监测系统及方法 | |
US20170220985A1 (en) | Wireless monitoring system | |
CN103196486A (zh) | 基于无线传感网络的烟草仓储监测系统及方法 | |
CN105160515A (zh) | 地震救援装备物资仓储信息系统及物资仓储配送控制方法 | |
CN111861348B (zh) | 一种基于区块链的冷链溯源系统 | |
CN112561250A (zh) | 一种基于区块链的冷链物流管理系统 | |
CN107563709A (zh) | 一种基于云平台的农化产品销售预测系统及其方法 | |
CN105761460B (zh) | 一种综合一体化安全防范分析报警系统和方法 | |
Worlu et al. | Wireless sensor networks, internet of things, and their challenges | |
CN104268784B (zh) | 一种基于物联网的农业小环境监测平台 | |
CN106934451A (zh) | 一种基于蚁群优化的bp神经网络wsn森林火灾防范系统 | |
CN113361880A (zh) | 一种建筑工程造价评估管理系统 | |
CN102629135B (zh) | 一种无线可追溯菇房生产管理系统的管理方法 | |
CN107609812A (zh) | 一种新型的智能仓储系统 | |
Chihana et al. | An IoT based warehouse intrusion detection (E-Perimeter) and grain tracking model for food reserve agency | |
CN109118256A (zh) | 一种基于二维码的商品溯源系统 | |
CN112270429A (zh) | 基于云边协同的动力电池极片制造设备维护方法和系统 | |
CN114708005A (zh) | 基于数据分析的酒类产品分级溯源管理系统 | |
Wang | Application of Wireless Sensor Network and RFID Monitoring System in Airport Logistics. | |
CN203083616U (zh) | 基于无线传感网络的烟草仓储监测系统 | |
CN203095330U (zh) | 一种电梯信息的电子取证系统 | |
Lu | A plug-and-play data gathering system using ZigBee-based sensor network sensor network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171117 |
|
WD01 | Invention patent application deemed withdrawn after publication |