CN110084186A - 一种仓库远程监管方法及装置 - Google Patents
一种仓库远程监管方法及装置 Download PDFInfo
- Publication number
- CN110084186A CN110084186A CN201910337928.1A CN201910337928A CN110084186A CN 110084186 A CN110084186 A CN 110084186A CN 201910337928 A CN201910337928 A CN 201910337928A CN 110084186 A CN110084186 A CN 110084186A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- image
- information
- hsv
- color
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种仓库远程监管方法及装置,方法包括:获取仓库内库存货物的图像;对图像进行处理以提取所述库存货物的轮廓信息;根据所述轮廓信息计算轮廓内的面积信息;根据所述面积信息获取所述仓库内的库存量信息。本发明实施例首次将图像轮廓检测应用于库存监管领域,通过获取库存货物的轮廓计算轮廓内的面积来得到仓库内的库存量,从而使得仓库库存量的监管工作变得简单方便且低成本,省去了在仓库内布设RFID读写设备的高成本以及现场读写标签的人力成本,尤其是在监管方并不拥有仓库所有权,无法根据需要布设RFID读写设备时,采用本实施例提供的仓库远程监管方法,可以极大地方便监管方及时有效地实现对仓库库存量的远程监管。
Description
技术领域
本发明涉及物联网技术领域,具体涉及一种仓库远程监管方法及装置。
背景技术
随着经济的高速发展以及企业数量的不断增多,库存管理成为一个关键性问题并越来越受到重视。传统的库存管理仍止步于人工统计人工记录的阶段。随着物联网(TheInternet of things)等新一代信息技术的发展,现有的库存管理系统逐步开始实现库存管理的自动化。例如,目前主要通过RFID(Radio Frequency Identification,RFID)无线射频识别技术实现库存信息的统计,以减少人力物力的消耗,提高仓库管理的效率。
然而,对于目前库存管理采用的主流技术手段RFID识别技术来说,虽然其具有识别速度快以及识别准确度高的优点,但是其相应地也存在多种缺点:
缺点一:成本较高,由于采用RFID识别技术进行库存管理时,需要在每个货物包装表面粘贴RFID电子标签,并配合RFID读写设备进行读写,因此,其实施成本较高。
缺点二:仍然需要现场人员进行读标签操作,因此依然会带来一定的人力成本。虽然最近有报道互联网公司应用无人机技术读取RFID,但是无人机进一步加大了库管成本,同时无人机的操作仍然需要现场人员的配合。
缺点三:应用范围有限,尤其是监管方并不拥有被监管仓库时,即使监管方有资金实力使用RFID技术,但是也无权按照自己的意愿对仓库进行改造。例如,在目前迅速发展的基于仓单的融资质押业务中,融资方、资金监管方需要对并不属于自己的仓库中的货物进行日常监控。由于监管方并不拥有仓库所有权,且被监管仓库由于贷款客户不同经常变动,所以很难在监管仓库中应用这种RFID读写监管技术进行相应改造。因此,对于这种仓库的监管,就需要监管方经常派出地勤人员盯场,极大地限制制约了仓单融资业务的发展。
发明内容
针对现有技术中的问题,本发明实施例提供一种仓库远程监管方法及装置。
第一方面,本发明实施例提供了一种仓库远程监管方法,包括:
图像获取步骤,获取仓库内库存货物的图像;
轮廓提取步骤,对所述图像进行处理,提取所述库存货物的轮廓信息;
面积计算步骤,根据所述轮廓信息计算轮廓内的面积信息;
库存量获取步骤,根据所述面积信息获取所述仓库内的库存量信息。
进一步地,所述图像获取步骤,具体包括:
利用预先设置在所述仓库内的监控摄像设备获取仓库内库存货物的图像。
进一步地,所述轮廓提取步骤,具体包括:
将所述图像从RGB图像转化为HSV图像;
根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息;
根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值;
将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
进一步地,所述仓库远程监管方法还包括:
在一预设时间段内,重复执行所述图像获取步骤、轮廓提取步骤、面积计算步骤和库存量获取步骤,以获取所述预设时间段内所述仓库内的库存量的变动曲线。
第二方面,本发明实施例还提供了一种仓库远程监管装置,包括:
图像获取模块,用于获取仓库内库存货物的图像;
轮廓提取模块,用于对所述图像进行处理,提取所述库存货物的轮廓信息;
面积计算模块,用于根据所述轮廓信息计算轮廓内的面积信息;
库存量获取模块,用于根据所述面积信息获取所述仓库内的库存量信息。
进一步地,所述轮廓提取模块,具体包括:
转化单元,用于将所述图像从RGB图像转化为HSV图像;
制定单元,用于根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息;
过滤单元,用于根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值;
提取单元,用于将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
进一步地,所述仓库远程监管装置还包括:
库存量变动曲线获取模块,用于在一预设时间段内,根据所述库存量获取模块在每个预设时间点获取的库存量信息,组成所述预设时间段内所述仓库内的库存量的变动曲线。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述仓库远程监管方法的步骤。
第四方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述仓库远程监管方法的步骤。
第五方面,本发明实施例海提供了一种仓库远程监管系统,包括:处理装置和预先设置在仓库内的监控摄像设备;
所述监控摄像设备,用于获取仓库内库存货物的图像;
所述处理装置,用于对所述图像进行处理,提取所述库存货物的轮廓信息,并根据所述轮廓信息计算轮廓内的面积信息,以及根据所述面积信息获取所述仓库内的库存量信息。
由上述技术方案可知,本发明实施例提供的仓库远程监管方法及装置,首先获取仓库内库存货物的图像,然后对所述图像进行处理,提取所述库存货物的轮廓信息,接着根据所述轮廓信息计算轮廓内的面积信息,最后根据所述面积信息获取所述仓库内的库存量信息。本发明实施例首次将图像轮廓检测应用于库存监管领域,通过获取库存货物的轮廓计算轮廓内的面积来得到仓库内的库存量,从而使得仓库库存量的监管工作变得简单方便且低成本,省去了在仓库内布设RFID读写设备的高成本以及现场读写标签的人力成本,尤其是在监管方并不拥有仓库所有权,无法根据需要布设RFID读写设备时,采用本实施例提供的仓库远程监管方法,可以极大地方便监管方及时有效地实现对仓库库存量的远程监管。
附图说明
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。
图1是本发明一实施例提供的仓库远程监管方法的流程图;
图2是本发明一实施例提供的仓库内库存货物的图像示意图;
图3是采用本发明实施例提供的轮廓提取方法得到的库存货物轮廓提取效果示意图;
图4是采用现有技术(高斯滤波器+边缘检测算法)提供的轮廓提取方法得到的库存货物轮廓提取效果示意图;
图5是本发明一实施例提供的预设时间段内仓库库存量的变动曲线示意图;
图6是本发明另一实施例提供的仓库远程监管装置的结构示意图;
图7是本发明又一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前智能仓储技术对于库存监管的主流技术手段是应用RFID识别技术。这种技术的优点是识别准确,识别速度快,但是这种技术也存在多种缺点。例如,缺点一是成本较高,需要RFID读写设备配合。缺点二是仍然需要现场人员进行读标签操作。最近有报道互联网公司应用无人机技术读取RFID,但是无人机进一步加大了库管成本,同时无人机的操作仍然需要现场人员的配合。缺点三是应用范围有限,尤其是监管方并不拥有被监管仓库时,即使监管方有资金实力使用RFID技术,但是也无权按照自己的意愿对仓库进行改造。例如,在目前迅速发展的基于仓单的融资质押业务中,融资方、资金监管方需要对并不属于自己的仓库中的货物进行日常监控。由于监管方并不拥有仓库所有权,且被监管仓库由于贷款客户不同经常变动,所以很难在监管仓库中应用这种RFID读写监管技术进行相应改造。因此,对于这种仓库的监管,就需要监管方经常派出地勤人员盯场,极大地限制制约了仓单融资业务的发展。针对现有技术中存在的问题,本发明实施例首次将图像轮廓检测应用于库存监管,通过获取轮廓,计算轮廓内的面积来得到库存量,此外还可以形成时间序列用以描述一段时间内库存量的变动趋势。下面将通过具体实施例对本发明提供的仓库远程监管方法进行详细说明。
图1示出了本发明一实施例提供的仓库远程监管方法的流程图,如图1所示,本发明实施例提供的仓库远程监管方法,具体包括如下内容:
步骤101:获取仓库内库存货物的图像。
在本步骤中,由于绝大多数仓库处于安防的需要,都配备了网络摄像装置(网络摄像头),因此本发明实施例在获取仓库内库存货物的图像时,可以利用预先设置在所述仓库内的网络摄像装置获取仓库内库存货物的图像,从而使得本实施例提供的仓库远程监管方法能够充分利用现有的硬件资源(网络摄像头)进行仓库库存量的跟踪管控。因此,本实施例提供的仓库远程监管方法,在硬件成本上几乎实现了零附加成本,因此具备重大的实用价值。
步骤102:对所述图像进行处理,提取所述库存货物的轮廓信息。
在本步骤中,在步骤101获取仓库内库存货物的图像之后,对所述图像进行处理,以提取所述库存货物的轮廓信息。
在本步骤中,在提取库存获取的轮廓信息时,可以采用常见的轮廓提取方法,例如先进行传统高斯滤波,然后再采用Canny边缘检测方法进行轮廓提取。Canny边缘检测方法的大致处理过程为:采用一阶偏导的有限差分来计算梯度的幅值和方向,然后对梯度幅值进行非极大值抑制,最后根据库存货物的灰度信息,采用阈值算法确定库存货物的边缘。此外,也可以采用后面实施例提到的轮廓提取方法。当然,还可以采用其他轮廓提取方法,本发明对此不作限定。
步骤103:根据所述轮廓信息计算轮廓内的面积信息。
在本步骤中,在根据步骤102提取得到所述库存货物的轮廓信息之后,可以根据所述轮廓信息计算轮廓内包含的面积信息。
在本步骤中,在计算轮廓内的面积信息时,可采用OpenCV中的函数contourArea计算轮廓所围的面积。当然,也可以采用其他方式,如数学中的微积分方式等等,本发明对此不作限定。此外,由于根据所述轮廓信息计算轮廓内的面积信息属于本领域的常规处理步骤,因此,本实施例对此不再作过多介绍。
需要说明的是,本步骤得到的面积信息属于图像中库存货物的轮廓内像素所占的面积,并非指库存货物在仓库中实际所占的面积。
步骤104:根据所述面积信息获取所述仓库内的库存量信息。
在本步骤中,由于轮廓内的面积信息间接代表了库存货物在仓库内所占的空间大小,因此,根据所述面积信息可以间接获取所述仓库内的库存量信息。例如,所述面积较大时,说明仓库内的库存量较高,所述面积较小时,说明仓库内的库存量较低。此外,为较为精确地确定仓库内的库存量,还可以根据预先建立的库存量与面积的对应关系以及当前获取的面积,确定对应的实际库存量。例如,假设预先通过实验标定发现,轮廓内像素所占的面积为k时对应的库存量为10箱,轮廓内像素所占的面积为2k时对应的库存量为20箱(这个关系是预先通过实验进行确定的),那么当某次获取轮廓内像素所占的面积为10k时,则可以确定与之对应的库存量为100箱。当然,不同体积的货物以及不同的摆放方式都会影响面积与库存量的对应关系,且所述对应关系也不一定是线性的,因此,针对不同的应用场景,这个对应关系需要预先通过实验获取,然后再在实际应用中使用。
由上述技术方案可知,本发明实施例提供的仓库远程监管方法及装置,首先获取仓库内库存货物的图像,然后对所述图像进行处理,提取所述库存货物的轮廓信息,接着根据所述轮廓信息计算轮廓内的面积信息,最后根据所述面积信息获取所述仓库内的库存量信息。本发明实施例首次将图像轮廓检测应用于库存监管领域,通过获取库存货物的轮廓计算轮廓内的面积来得到仓库内的库存量,从而使得仓库库存量的监管工作变得简单方便且低成本,省去了在仓库内布设RFID读写设备的高成本以及现场读写标签的人力成本,尤其是在监管方并不拥有仓库所有权,无法根据需要布设RFID读写设备时,采用本实施例提供的仓库远程监管方法,可以极大地方便监管方及时有效地实现对仓库库存量的远程监管。此外,由于绝大多数仓库处于安防的需要,都配备有网络摄像头,因此本发明实施例提供的仓库远程监管方法能够充分利用现有的硬件资源(网络摄像头)进行仓库库存量的跟踪管控,从而几乎实现了零硬件附加成本和零硬件实施成本的监管,因此具备重大的实用价值。
基于上述实施例的内容,需要说明的是,在步骤102对所述图像进行处理,提取所述库存货物的轮廓信息时,需要采用图像边缘检测技术,然而在进行图像边缘检测时必须满足两个条件:一能有效地抑制噪声;二必须尽量精确确定边缘的位置。而在抑制噪声方面,一般使用高斯滤波器平滑图像,并设定阈值过滤噪音。在边缘定位方面,一般采用常见的边缘检测算法即可,如Canny边缘检测算法。
然而通过实验发现,在对仓库库存货物图像进行噪声抑制时,若使用常用的高斯滤波器对图像进行滤波处理时,不能很好地滤掉噪音,从而严重影响了后续采用边缘检测算法的边缘检测效果。
举例来说,对于图2所示的仓库库存货物图像,在进行噪声抑制时,若使用常用的高斯滤波器,并不能将仓库内的柱子、地板和库存货物外包装上的商标(菱形标志和文字说明)进行有效滤除,从而使得这些噪音严重影响了后续采用边缘检测算法的边缘检测效果。其中,图4示出了采用高斯滤波器+边缘检测算法得到的库存货物轮廓提取效果图(黑线为边缘检测结果)。由图4可知,黑线所围成的轮廓并非仓库内库存货物的轮廓,这是因为在噪声抑制阶段,由于仓库内的柱子(白色)、地板(浅渌色)、库存货物箱体外侧上的商标(深灰色)与库存货物箱体的颜色(灰色)比较接近,因此在使用高斯滤波器对图像进行滤波处理时,不能很好地滤除掉这些噪音,从而严重干扰了后续的边缘检测效果,使得后续的边缘检测算法不能准确检测到库存货物的轮廓。例如,参见图4所得到的边缘提取效果,黑色线条为检测到的边缘,由图4可知,实际检测到的边缘偏离了本意,而是被库存货物箱体外侧的棱形商标等物体严重干扰,使得检测出来的边缘不再是库存货物的轮廓。
针对该问题,本发明实施例在充分考虑仓库库存货物图像本身具有的特点的基础上,提出了一种适用于仓库库存货物图像噪声抑制的方法,下面将通过具体实施例对此进行详细介绍。
基于上述实施例的内容,在本实施例中,上述步骤102具体可通过如下方式实现:
步骤1021:将所述图像从RGB图像转化为HSV图像。
在本步骤中,将所述图像从RGB图像转化为HSV图像。需要说明的是,HSV图像包括色调H、饱和度S和透明度V三个指标,色调H用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°。它们的补色是:黄色为60°,青色为180°,品红为300°;饱和度S表示颜色接近光谱色的程度。一种颜色,可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大,颜色接近光谱色的程度就愈高,颜色的饱和度也就愈高。饱和度高,颜色则深而艳。光谱色的白光成分为0,饱和度达到最高。通常取值范围为0%~100%,值越大,颜色越饱和。透明度V表示颜色明亮的程度,对于光源色,明度值与发光体的光亮度有关;对于物体色,此值和物体的透射比或反射比有关。通常取值范围为0%(黑)到100%(白)。
步骤1022:根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息。
在本步骤中,仓库内非库存货物的颜色信息是指除库存货物的颜色信息之外的其他全部颜色信息。如,仓库内地板的颜色信息、立柱的颜色信息和库存货物外包装上的商标颜色信息等。而库存货物的颜色信息是指库存货物的颜色信息,当库存货物带有外包装时,是指库存货物外包装的颜色信息;当库存货物不带有外包装时,是指库存货物本身的颜色信息;当然,这里库存货物外包装的颜色信息不包括库存货物外包装上的商标颜色信息,因为库存货物外包装上的商标颜色信息和仓库内地板的颜色信息、立柱的颜色信息一样,属于边缘提取时的干扰信息。
步骤1023:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:
根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;
根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;
其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值。
步骤1024:将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
在本步骤中,由于经过过滤处理后的HSV图像已经明确将非库存货物和库存货物的颜色进行了有效区分,因此,将经过过滤处理后的HSV图像转化成二值图像后,可以明显地区分非库存货物区域和库存货物区域,进而利用边缘检测算法(如Canny边缘检测算法)对所述二值图像进行边缘检测,可以较好地提取所述库存货物的轮廓信息,具体提取结果如图3(白色区域为库存货物)所示。
由上面描述可知,本实施例在抑制噪声方面,没有采用传统的滤波算法,而是针对不同仓库环境颜色、库存货物外包装上的商标颜色和库存货物外包装颜色,实际测试出基于HSV色彩能够用于过滤非库存货物的色值表,然后利用色值表对所述HSV图像进行过滤处理,从而降低非库存货物信息(干扰信息)对后续边缘提取的影响。
其中,图3是采用本实施例提供的方法获取的库存货物轮廓提取效果图。通过将图3和图4进行对比可知,采用本实施例提供的方法可以准确地提取出仓库内整批库存货物的轮廓,从而为后期面积的准确计算做好了铺垫,进而便于后期库存量的准确监管。
基于上述实施例的内容,在本实施例中,所述仓库远程监管方法还包括:
步骤105:在一预设时间段内,重复执行所述步骤101-104以获取所述预设时间段内所述仓库内的库存量的变动曲线。
图5所示的是在t0-t5时间段内根据轮廓面积计算的库存量的变动曲线,由图5可知,本发明实施例提供的仓库远程监管方法能够利用一段时间内得到的用于表示轮廓内面积的时间序列描述该段时间内库存量的变动,从而对库存在该段时间内变化趋势得以直观了解,从而便于管理者远程查看和管理库存变动情况以及及时发现库存的明显异常变动。
基于相同的发明构思,本发明另一实施例提供了一种仓库远程监管装置,参见图6,包括:图像获取模块21、轮廓提取模块22、面积计算模块23和库存量获取模块24,其中:
图像获取模块21,用于获取仓库内库存货物的图像;
轮廓提取模块22,用于对所述图像进行处理,提取所述库存货物的轮廓信息;
面积计算模块23,用于根据所述轮廓信息计算轮廓内的面积信息;
库存量获取模块24,用于根据所述面积信息获取所述仓库内的库存量信息。
基于上述实施例的内容,在本实施例中,所述轮廓提取模块22,具体包括:
转化单元,用于将所述图像从RGB图像转化为HSV图像;
制定单元,用于根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息;
过滤单元,用于根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值;
提取单元,用于将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
基于上述实施例的内容,在本实施例中,所述仓库远程监管装置还包括:
库存量变动曲线获取模块,用于在一预设时间段内,根据所述库存量获取模块在每个预设时间点获取的库存量信息,组成所述预设时间段内所述仓库内的库存量的变动曲线。
由于本发明实施例提供的仓库远程监管装置,可以用于执行上述实施例所述的仓库远程监管方法,其工作原理和有益效果类似,故此处不再详述,具体内容可参见上述实施例的介绍。
基于相同的发明构思,本发明又一实施例提供了一种仓库远程监管系统,包括:处理装置和预先设置在仓库内的监控摄像设备;
所述监控摄像设备,用于获取仓库内库存货物的图像;
所述处理装置,用于对所述图像进行处理,提取所述库存货物的轮廓信息,并根据所述轮廓信息计算轮廓内的面积信息,以及根据所述面积信息获取所述仓库内的库存量信息。
在本实施例中,所述监控摄像设备可以为仓库中用于安防需要预先配备的网络摄像头。
由于本发明实施例提供的仓库远程监管系统,其工作原理和有益效果与上述实施例所述的仓库远程监管方法类似,故此处不再详述,具体内容可参见上述实施例的介绍。
基于相同的发明构思,本发明又一实施例提供了一种电子设备,参见图7,所述电子设备具体包括如下内容:处理器301、存储器302、通信接口303和总线304;
其中,所述处理器301、存储器302、通信接口303通过所述总线304完成相互间的通信;所述通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输;
所述处理器301用于调用所述存储器302中的计算机程序,所述处理器执行所述计算机程序时实现上述仓库远程监管方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述过程:获取仓库内库存货物的图像,对所述图像进行处理,提取所述库存货物的轮廓信息,根据所述轮廓信息计算轮廓内的面积信息,根据所述面积信息获取所述仓库内的库存量信息。
基于相同的发明构思,本发明又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述仓库远程监管方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述过程:获取仓库内库存货物的图像,对所述图像进行处理,提取所述库存货物的轮廓信息,根据所述轮廓信息计算轮廓内的面积信息,根据所述面积信息获取所述仓库内的库存量信息。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述仓库远程监管方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的仓库远程监管方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种仓库远程监管方法,其特征在于,包括:
图像获取步骤,获取仓库内库存货物的图像;
轮廓提取步骤,对所述图像进行处理,提取所述库存货物的轮廓信息;
面积计算步骤,根据所述轮廓信息计算轮廓内的面积信息;
库存量获取步骤,根据所述面积信息获取所述仓库内的库存量信息。
2.根据权利要求1所述的仓库远程监管方法,其特征在于,所述图像获取步骤,具体包括:
利用预先设置在所述仓库内的监控摄像设备获取仓库内库存货物的图像。
3.根据权利要求1所述的仓库远程监管方法,其特征在于,所述轮廓提取步骤,具体包括:
将所述图像从RGB图像转化为HSV图像;
根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息;
根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值;
将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
4.根据权利要求1~3任一项所述的仓库远程监管方法,其特征在于,所述仓库远程监管方法还包括:
在一预设时间段内,重复执行所述图像获取步骤、轮廓提取步骤、面积计算步骤和库存量获取步骤,以获取所述预设时间段内所述仓库内的库存量的变动曲线。
5.一种仓库远程监管装置,其特征在于,包括:
图像获取模块,用于获取仓库内库存货物的图像;
轮廓提取模块,用于对所述图像进行处理,提取所述库存货物的轮廓信息;
面积计算模块,用于根据所述轮廓信息计算轮廓内的面积信息;
库存量获取模块,用于根据所述面积信息获取所述仓库内的库存量信息。
6.根据权利要求5所述的仓库远程监管装置,其特征在于,所述轮廓提取模块,具体包括:
转化单元,用于将所述图像从RGB图像转化为HSV图像;
制定单元,用于根据所述仓库内非库存货物的颜色信息和库存货物的颜色信息制定颜色过滤色值表;所述颜色过滤色值表中包括有非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息;
过滤单元,用于根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息和库存货物的HSV颜色范围信息对所述HSV图像进行过滤处理:根据所述颜色过滤色值表中非库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第一HSV颜色值;根据所述颜色过滤色值表中库存货物的HSV颜色范围信息,将所述HSV图像中属于该范围内的HSV颜色均标记为第二HSV颜色值;其中,所述第一HSV颜色值和所述第二HSV颜色值为能够通过图像二值化进行区分的两种颜色值;
提取单元,用于将经过过滤处理后的HSV图像转化成二值图像,并利用预设边缘检测算法对所述二值图像进行边缘检测,提取所述库存货物的轮廓信息。
7.根据权利要求5或6所述的仓库远程监管装置,其特征在于,所述仓库远程监管装置还包括:
库存量变动曲线获取模块,用于在一预设时间段内,根据所述库存量获取模块在每个预设时间点获取的库存量信息,组成所述预设时间段内所述仓库内的库存量的变动曲线。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述仓库远程监管方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述仓库远程监管方法的步骤。
10.一种仓库远程监管系统,其特征在于,包括:处理装置和预先设置在仓库内的监控摄像设备;
所述监控摄像设备,用于获取仓库内库存货物的图像;
所述处理装置,用于对所述图像进行处理,提取所述库存货物的轮廓信息,并根据所述轮廓信息计算轮廓内的面积信息,以及根据所述面积信息获取所述仓库内的库存量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337928.1A CN110084186A (zh) | 2019-04-25 | 2019-04-25 | 一种仓库远程监管方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910337928.1A CN110084186A (zh) | 2019-04-25 | 2019-04-25 | 一种仓库远程监管方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084186A true CN110084186A (zh) | 2019-08-02 |
Family
ID=67416659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910337928.1A Pending CN110084186A (zh) | 2019-04-25 | 2019-04-25 | 一种仓库远程监管方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084186A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555848A (zh) * | 2019-09-02 | 2019-12-10 | 合肥泰禾光电科技股份有限公司 | 货物轮廓检测方法、装置、机械臂及可读存储介质 |
CN110599256A (zh) * | 2019-09-18 | 2019-12-20 | 深圳前海微众银行股份有限公司 | 汽车销量的预测方法、装置、终端设备及存储介质 |
CN110686649A (zh) * | 2019-09-20 | 2020-01-14 | 天津普达软件技术有限公司 | 一种基于机器视觉的危险废物库存量变化的检测方法 |
DE102021108231A1 (de) | 2020-04-23 | 2021-10-28 | Pke Holding Ag | Computerimplementiertes Verfahren zur Bestimmung einer Flächenbelegung einer Lagerfläche |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08119415A (ja) * | 1994-10-20 | 1996-05-14 | Hitachi Ltd | 出土品保管自動倉庫システム |
JPH09160993A (ja) * | 1995-12-11 | 1997-06-20 | Casio Comput Co Ltd | 棚割表作成装置 |
CN104182757A (zh) * | 2013-05-22 | 2014-12-03 | 内蒙古大学 | 获取被测目标实际覆盖面积的方法及装置 |
CN104318543A (zh) * | 2014-01-27 | 2015-01-28 | 郑州大学 | 基于图像处理方法的板材计量方法与装置 |
JP2015152211A (ja) * | 2014-02-13 | 2015-08-24 | 三菱電機株式会社 | 庫内管理装置及び方法 |
CN105718989A (zh) * | 2014-11-30 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种基于机器视觉的棒材计数方法 |
CN106201160A (zh) * | 2014-11-11 | 2016-12-07 | 英帝高有限公司 | 一种库存物品的清点方法和系统 |
CN106573381A (zh) * | 2014-06-04 | 2017-04-19 | 因特利格兰特总部有限责任公司 | 卡车卸载机可视化 |
CN106845890A (zh) * | 2016-12-23 | 2017-06-13 | 济南博图信息技术有限公司 | 一种基于视频监控的仓储监控方法及装置 |
CN107578052A (zh) * | 2017-09-15 | 2018-01-12 | 北京京东尚科信息技术有限公司 | 货品处理方法及系统 |
CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
CN108550002A (zh) * | 2018-01-17 | 2018-09-18 | 桂林电子科技大学 | 一种银行贵金属智能盘库系统及方法 |
CN108764778A (zh) * | 2018-04-26 | 2018-11-06 | 东华大学 | 一种基于图像处理的仓库无人机补充货物方法 |
CN108876241A (zh) * | 2018-06-08 | 2018-11-23 | 四川木牛流马智能科技有限公司 | 一种基于视觉的仓储空间识别管理系统 |
CN108960737A (zh) * | 2018-07-16 | 2018-12-07 | 武汉理工大学 | 基于机器视觉的仓库自动巡检系统及方法 |
CN109472261A (zh) * | 2018-06-15 | 2019-03-15 | 河南工业大学 | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 |
-
2019
- 2019-04-25 CN CN201910337928.1A patent/CN110084186A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08119415A (ja) * | 1994-10-20 | 1996-05-14 | Hitachi Ltd | 出土品保管自動倉庫システム |
JPH09160993A (ja) * | 1995-12-11 | 1997-06-20 | Casio Comput Co Ltd | 棚割表作成装置 |
CN104182757A (zh) * | 2013-05-22 | 2014-12-03 | 内蒙古大学 | 获取被测目标实际覆盖面积的方法及装置 |
CN104318543A (zh) * | 2014-01-27 | 2015-01-28 | 郑州大学 | 基于图像处理方法的板材计量方法与装置 |
JP2015152211A (ja) * | 2014-02-13 | 2015-08-24 | 三菱電機株式会社 | 庫内管理装置及び方法 |
CN106573381A (zh) * | 2014-06-04 | 2017-04-19 | 因特利格兰特总部有限责任公司 | 卡车卸载机可视化 |
CN106201160A (zh) * | 2014-11-11 | 2016-12-07 | 英帝高有限公司 | 一种库存物品的清点方法和系统 |
CN105718989A (zh) * | 2014-11-30 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种基于机器视觉的棒材计数方法 |
CN106845890A (zh) * | 2016-12-23 | 2017-06-13 | 济南博图信息技术有限公司 | 一种基于视频监控的仓储监控方法及装置 |
CN107578052A (zh) * | 2017-09-15 | 2018-01-12 | 北京京东尚科信息技术有限公司 | 货品处理方法及系统 |
CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
CN108550002A (zh) * | 2018-01-17 | 2018-09-18 | 桂林电子科技大学 | 一种银行贵金属智能盘库系统及方法 |
CN108764778A (zh) * | 2018-04-26 | 2018-11-06 | 东华大学 | 一种基于图像处理的仓库无人机补充货物方法 |
CN108876241A (zh) * | 2018-06-08 | 2018-11-23 | 四川木牛流马智能科技有限公司 | 一种基于视觉的仓储空间识别管理系统 |
CN109472261A (zh) * | 2018-06-15 | 2019-03-15 | 河南工业大学 | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 |
CN108960737A (zh) * | 2018-07-16 | 2018-12-07 | 武汉理工大学 | 基于机器视觉的仓库自动巡检系统及方法 |
Non-Patent Citations (3)
Title |
---|
侯宾 等: "基于OpenCV的目标物体颜色及轮廓的识别方法", 《现代电子技术》 * |
曹新江 等: "MATLAB在木材计数中的应用研究", 《硅谷》 * |
李毅念 等: "基于小麦群体图像的田间麦穗计数及产量预测方法", 《农业工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555848A (zh) * | 2019-09-02 | 2019-12-10 | 合肥泰禾光电科技股份有限公司 | 货物轮廓检测方法、装置、机械臂及可读存储介质 |
CN110555848B (zh) * | 2019-09-02 | 2022-08-26 | 合肥泰禾智能科技集团股份有限公司 | 货物轮廓检测方法、装置、机械臂及可读存储介质 |
CN110599256A (zh) * | 2019-09-18 | 2019-12-20 | 深圳前海微众银行股份有限公司 | 汽车销量的预测方法、装置、终端设备及存储介质 |
CN110686649A (zh) * | 2019-09-20 | 2020-01-14 | 天津普达软件技术有限公司 | 一种基于机器视觉的危险废物库存量变化的检测方法 |
DE102021108231A1 (de) | 2020-04-23 | 2021-10-28 | Pke Holding Ag | Computerimplementiertes Verfahren zur Bestimmung einer Flächenbelegung einer Lagerfläche |
AT17633U1 (de) * | 2020-04-23 | 2022-09-15 | Pke Holding Ag | Computerimplementiertes Verfahren zur Bestimmung einer Flächenbelegung einer Lagerfläche |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084186A (zh) | 一种仓库远程监管方法及装置 | |
CN109003390B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
US9483709B2 (en) | Visual saliency estimation for images and video | |
Işık et al. | SWCD: a sliding window and self-regulated learning-based background updating method for change detection in videos | |
CN109165538B (zh) | 基于深度神经网络的条形码检测方法及装置 | |
Krig et al. | Image pre-processing | |
Xiang et al. | Moving object detection and shadow removing under changing illumination condition | |
CN109523527A (zh) | 图像中脏污区域的检测方法、装置和电子设备 | |
CN106503702A (zh) | 分析系统和方法 | |
US11538238B2 (en) | Method and system for performing image classification for object recognition | |
CN104616019A (zh) | 电力设备标牌图像的识别方法 | |
CN117557784B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
Verma et al. | Vision based object counting using speeded up robust features for inventory control | |
CN109784384B (zh) | 一种自动辨别商标真伪的方法及装置 | |
CN104915951A (zh) | 一种点刻式dpm二维码区域定位方法 | |
CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
Niigaki et al. | Circular object detection based on separability and uniformity of feature distributions using Bhattacharyya coefficient | |
Maity et al. | Background modeling and foreground extraction in video data using spatio-temporal region persistence features | |
Dai et al. | Robust and accurate moving shadow detection based on multiple features fusion | |
CN111368856A (zh) | 一种基于视觉的图书盘点系统的书脊提取方法及装置 | |
Shengze et al. | Research based on the HSV humanoid robot soccer image processing | |
Merrad et al. | A Real-time Mobile Notification System for Inventory Stock out Detection using SIFT and RANSAC. | |
Bergevin et al. | Detection and characterization of junctions in a 2D image | |
Vidyadharan et al. | Detecting spliced face in a group photo using PCA | |
Wu et al. | Key methods of recognizing container number automatically using video stream in intelligent tally |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |