CN110288289A - 一种智能仓储柜 - Google Patents
一种智能仓储柜 Download PDFInfo
- Publication number
- CN110288289A CN110288289A CN201910505476.3A CN201910505476A CN110288289A CN 110288289 A CN110288289 A CN 110288289A CN 201910505476 A CN201910505476 A CN 201910505476A CN 110288289 A CN110288289 A CN 110288289A
- Authority
- CN
- China
- Prior art keywords
- intelligent storage
- article
- storage cabinet
- matrix
- cell
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 17
- 238000000034 method Methods 0.000 abstract description 11
- 238000007726 management method Methods 0.000 abstract description 7
- 238000013500 data storage Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000531116 Blitum bonus-henricus Species 0.000 description 1
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47B—TABLES; DESKS; OFFICE FURNITURE; CABINETS; DRAWERS; GENERAL DETAILS OF FURNITURE
- A47B97/00—Furniture or accessories for furniture, not provided for in other groups of this subclass
-
- 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明涉及一种智能仓储柜,将AI的计算机视觉技术,如faster_rcnn算法,运用于仓库管理工作中,实现对仓储情况的快速感知,实现了高效的仓储管理,同时大大的减轻了仓管人员的工作负担,大大的减少了仓储管理中的人力物力损耗。该智能柜是实现智能化仓库的基础装备。faster_rcnn只检测方框顶点,并且识别与判断过程中只判断有无,不分辨种类,使得识别与判断过程化繁为简,可以大大的提高检测的正确性,并具有更快的执行速度。采用矩阵进行数据存储,赋值快速,占用更小的空间,能够加快程序运行速度。当需要分别针对物品的种类进行仓储统计时,只需要通过数据库对应地定义每个单元格允许放置的物品的种类,则通过解析矩阵,即可实现各种类物品的仓储统计。
Description
技术领域
本发明涉及储物柜,更具体地说,涉及一种智能仓储柜。
背景技术
传统仓库清点物资,耗时耗力,尤其当仓库规模很大时,劳动力的消耗,不容忽视,还不能保证清点的准确性。
传统仓库尧发现存储异常,需要对仓库进行全面盘点,耗时过长。小仓库耗时半天,大仓库耗时几天、十几天不等,盘点的不便,影响了盘点执行的频率,不利于及时发现仓储异常的问题。
传统仓库当某一种物资用完后,需要工作人员及时发现并申报,而工作人员工作较忙碌的情况下,很难避免没有遗漏。
传统仓库常存在存放不规范的情况,各种物资常混合在一起,容易使物资盘点不到位而导致物资流失。
综上,传统的储物柜存在的不足总结如下:
1、传统储物柜无法快速获取仓储情况的痛点;
2、使用传统储物柜,清点仓库物资耗时耗力的问题;
3、传统储物柜不能快速发现物资存储异常的问题;
4、传统储物柜不能及时发现所缺失的物资的问题;
5、传统储物柜该项目有利于规范物资存放,避免资产流失。
发明内容
本发明的目的在于克服现有技术的不足,提供一种能够实现快速、准确地自动完成仓储统计的智能仓储柜。
本发明的技术方案如下:
一种智能仓储柜,包括至少一层单元柜,单元柜内设置图像获取装置,单元柜的底板分布若干单元格,通过图像获取装置获取底板的监控图像,识别并判断单元格内是否放置有物品,并将判断结果进行数据记录。
作为优选,单元格为方格,所有方格拼成方框,在监控图像内识别方框的四个顶点的位置,利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。
作为优选,经透视变换、畸变矫正的监控图像,形成垂直向下的视角。
作为优选,利用faster_rcnn检测方框的四个顶点。
作为优选,对监控图像进行边缘检测,获取单元格的像素平均值,根据预设阈值判断对应的单元格是否放置有物品。
作为优选,对应单元格的行列位置,通过矩阵记录每个单元格的判断结果。
作为优选,如果单元格放置有物品,则记为1,如果无,则记为0。
作为优选,逐层单元柜、逐个单元格判断是否放置有物品,直至完成所有智能仓储柜的判断。
作为优选,当存在多个智能仓储柜时,所述的矩阵为四维矩阵。
作为优选,针对每个单元格的位置与存放物品的种类设置对应的数据库,数据库与矩阵关联,通过对矩阵的统计,完成各种类物品的仓储统计。
本发明的有益效果如下:
本发明所述的智能仓储柜,将AI的计算机视觉技术,如faster_rcnn算法,运用于仓库管理工作中,实现对仓储情况的快速感知,实现了高效的仓储管理,同时大大的减轻了仓管人员的工作负担,大大的减少了仓储管理中的人力物力损耗。该智能柜是实现智能化仓库的基础装备。
本发明将AI技术实用化,faster_rcnn只检测方框顶点,并且识别与判断过程中,只判断有无,而不分辨种类,使得识别与判断过程化繁为简,可以大大的提高检测的正确性,并具有更快的执行速度。
本发明采用矩阵进行数据存储,不仅可以实现快速赋值,而且与其他数据类型相比,占用更小的空间,进而能够加快程序运行速度,提高状态响应速度。当需要分别针对物品的种类进行仓储统计时,只需要通过数据库对应地定义每个单元格允许放置的物品的种类,则通过解析矩阵,即可实现各种类物品的仓储统计。
本发明通过透视变换、畸变矫正消除图像获取装置存在的镜头畸变,并能使图像获取装置在大部分拍摄角度下,获取几乎相同的图像视角,提高安装或改造的便利性。
附图说明
图1是智能仓储柜的结构示意图(透视);
图2是本实施例的底板的示意图;
图3是原始监控图像的示意图;
图4是进行透视变换、畸变矫正后的监控图像的示意图;
图5是本实施例的2维矩阵的示意图;
图中:10是单元柜,11是底板,20是图像获取装置。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明为了解决传统仓储存在的各方面不足,提供一种智能仓储柜,以实现快速、准确的仓储监控。
如图1、图2所示,本发明所述的智能仓储柜为层级结构,包括至少一层单元柜10,单元柜10内设置图像获取装置20,单元柜10的底板11分布若干单元格,通过图像获取装置20获取底板11的监控图像,识别并判断单元格内是否放置有物品,并将判断结果进行数据记录。实施本发明时,可设置为定时(也可以手动)监控,即可实现自动化的仓库盘点。利用本发明构建的智能仓库,可以全自动的获取仓库存储的情况。由于盘点的速度迅速,若一个智能仓储柜包括三层单元柜10,则可实现0.1秒内完成盘点,即使是设置1000个智能仓储柜的大型仓库,也能在2分钟内完成盘点。进一步地,通过程序自动比对前后几次的仓储情况,及期间出入库的情况,可以快速准确的定位某个单元格的物品存储异常的问题。基于本发明,还可以在仓储为0的时候,自动发出警报。本实施例中,图像获取装置20采用低照度、WIFI摄像头,自带红外灯,可以保证在照明不足的情况下,获取清晰图,同时,采用WIFI连接,可减少布线的困扰。
为了充分进行空间利用,并更有利于识别与判断,本实施例中,单元格为方格,所有方格拼成方框,且方框尽量布满单元柜10的底板11。基于方框与单元格,在监控图像内识别方框的四个顶点的位置,利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。通过透视变换,可将图像获取装置20获取的任意视角的监控图像,变换为一致的视角,如图3、图4所示。本实施例中,将所有视角的监控图像经透视变换、畸变矫正的监控图像,形成垂直向下的视角,以便于消除镜头畸变及识别与判断。
为了实现方框四个顶点的极速识别,本实施例中,利用faster_rcnn检测方框的四个顶点。faster_rcnn是一种用于目标检测的AI算法,相比rcnn、fast_rcnn,faster_rcnn检测速度有大幅提高(使用gtx1080显卡用于推理,速度可由原来的81秒/张加速至0.1x秒/张),同时也是检测正确率最高的目标检测算法之一。本发明采用faster_rcnn算法只检测方框的顶点(即只有一种被检物品),不受新增物资种类的影响,易于训练。同时,方框的顶点结构简单,易于检测,经试验统计,检测准确率为100%,即使在长时间的海量运用过程中,也可以保证检测准确率近乎100%。
对监控图像进行透视变换、畸变矫正后,进行边缘检测,获取单元格的像素平均值,根据预设阈值判断对应的单元格是否放置有物品。由于单元格在变换后的监控图像中的位置是已知的,则算出各单元格的像素平均值,基于得到的像素平均值,根据预设阈值即可判断单元格是否放置有物品。本实施例使用边缘检测避免了deeplearning的黑箱问题,保证了结果的稳定。
对应单元格的行列位置,通过矩阵记录每个单元格的判断结果,本发明进行识别与判断时,逐层单元柜10、逐个单元格判断是否放置有物品,直至完成所有智能仓储柜的判断。特别是当实施为方框与方格时,一个单元柜10中所有单元格的排列近似一个矩阵,则采用矩阵进行数据记录,可存在直观的对应作用。当存在多个智能仓储柜时,所述的矩阵为四维矩阵,即一层单元柜10对应形成2维矩阵,如图5所示,一个智能仓储柜对应形成3维矩阵,一个仓库对应形成4维矩阵。
本发明对于物品的有无只进行状态识别,即有或无,则如果单元格放置有物品,则记为1,如果无,则记为0。由于每个单元格只有0、1两个值,只需要1/8字节空间。而其他数据类型,如int、float、double型数据,分别需要占用4、4、8个字节,如果再加入种类信息,1个字符占用1个字节,占用空间将大大增加。显然,本发明采用矩阵进行数据记录,相对于逐个赋值的方式,可以实现快速赋值,具备成百上千倍的性能提升。同时,能够a)加快程序运行速度,提高状态响应速度。多维矩阵由于数据简单(只有0、1),可以将数据进一步压缩,将数据存储为多维数据,能大大的降低存储空间,否则要付出32倍至几百倍的存储代价。
由于仓库的物资种类繁多,如果采用其他识别算法直接检测各种类的数量,就要求在初始训练时对所有的种类的物资进行训练,对应地,需要收集所有物资的多角度图片数据,工作量太大了。当仓库增加新的物资种类,又要进行新的训练,而训练工作十分很耗时。因而,直接检测种类的方式,在仓库物资种类频繁更新时,不具可操作性。并且,传统仓库常存在存放不规范的情况,各种物资常混合在一起,容易使物资盘点不到位而导致物资流失。本发明中,当需要进一步实现仓储的物品的种类监控时,针对每个单元格的位置与存放物品的种类设置对应的数据库,数据库与矩阵关联,通过对矩阵的统计,完成各种类物品的仓储统计。具体实施时,可形成一张关联单元格位置与物品的种类的数据表,进而矩阵的每个数据与数据表记载的物品的种类形成关联,进而通过解析矩阵实现各种类物品的仓储统计。同时,根据数据表的规范,预先控制规范进行物品的种类对应放置,有利于规范仓库管理。
上述实施例仅是用来说明本发明,而并非用作对本发明的限定。只要是依据本发明的技术实质,对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。
Claims (10)
1.一种智能仓储柜,其特征在于,包括至少一层单元柜,单元柜内设置图像获取装置,单元柜的底板分布若干单元格,通过图像获取装置获取底板的监控图像,识别并判断单元格内是否放置有物品,并将判断结果进行数据记录。
2.根据权利要求1所述的智能仓储柜,其特征在于,单元格为方格,所有方格拼成方框,在监控图像内识别方框的四个顶点的位置,利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。
3.根据权利要求2所述的智能仓储柜,其特征在于,经透视变换、畸变矫正的监控图像,形成垂直向下的视角。
4.根据权利要求2所述的智能仓储柜,其特征在于,利用faster_rcnn检测方框的四个顶点。
5.根据权利要求1所述的智能仓储柜,其特征在于,对监控图像进行边缘检测,获取单元格的像素平均值,根据预设阈值判断对应的单元格是否放置有物品。
6.根据权利要求1至5任一项所述的智能仓储柜,其特征在于,对应单元格的行列位置,通过矩阵记录每个单元格的判断结果。
7.根据权利要求6所述的智能仓储柜,其特征在于,如果单元格放置有物品,则记为1,如果无,则记为0。
8.根据权利要求6所述的智能仓储柜,其特征在于,逐层单元柜、逐个单元格判断是否放置有物品,直至完成所有智能仓储柜的判断。
9.根据权利要求8所述的智能仓储柜,其特征在于,当存在多个智能仓储柜时,所述的矩阵为四维矩阵。
10.根据权利要求6所述的智能仓储柜,其特征在于,针对每个单元格的位置与存放物品的种类设置对应的数据库,数据库与矩阵关联,通过对矩阵的统计,完成各种类物品的仓储统计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910505476.3A CN110288289A (zh) | 2019-06-12 | 2019-06-12 | 一种智能仓储柜 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910505476.3A CN110288289A (zh) | 2019-06-12 | 2019-06-12 | 一种智能仓储柜 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110288289A true CN110288289A (zh) | 2019-09-27 |
Family
ID=68003852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910505476.3A Pending CN110288289A (zh) | 2019-06-12 | 2019-06-12 | 一种智能仓储柜 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288289A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539675A (zh) * | 2020-04-28 | 2020-08-14 | 中科富创(北京)科技有限公司 | 智能柜体盘点方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130253700A1 (en) * | 2012-03-26 | 2013-09-26 | Omnicare, Inc. | Method and apparatus for onsite distribution of medications and medical supplies |
CN104889959A (zh) * | 2008-08-08 | 2015-09-09 | 实耐宝公司 | 基于图像的库存控制系统和方法 |
US20170103629A1 (en) * | 2015-10-08 | 2017-04-13 | Rfid Innovation Research Limited | Intelligent display system and method |
CN106829291A (zh) * | 2016-12-23 | 2017-06-13 | 南京信息工程大学 | 一种针对活禽网络交易的活禽自动仓储系统及方法 |
US20180374045A1 (en) * | 2015-10-08 | 2018-12-27 | Rfid Innovation Research Limited | Intelligent display and self-serve experience system and method |
CN109255568A (zh) * | 2018-08-21 | 2019-01-22 | 南京理工大学 | 一种基于图像识别的智能仓储系统 |
CN208673452U (zh) * | 2018-08-21 | 2019-03-29 | 东莞市中泰精创精密科技有限公司 | 一种智能仓储柜 |
-
2019
- 2019-06-12 CN CN201910505476.3A patent/CN110288289A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104889959A (zh) * | 2008-08-08 | 2015-09-09 | 实耐宝公司 | 基于图像的库存控制系统和方法 |
US20130253700A1 (en) * | 2012-03-26 | 2013-09-26 | Omnicare, Inc. | Method and apparatus for onsite distribution of medications and medical supplies |
US20170103629A1 (en) * | 2015-10-08 | 2017-04-13 | Rfid Innovation Research Limited | Intelligent display system and method |
US20180374045A1 (en) * | 2015-10-08 | 2018-12-27 | Rfid Innovation Research Limited | Intelligent display and self-serve experience system and method |
CN106829291A (zh) * | 2016-12-23 | 2017-06-13 | 南京信息工程大学 | 一种针对活禽网络交易的活禽自动仓储系统及方法 |
CN109255568A (zh) * | 2018-08-21 | 2019-01-22 | 南京理工大学 | 一种基于图像识别的智能仓储系统 |
CN208673452U (zh) * | 2018-08-21 | 2019-03-29 | 东莞市中泰精创精密科技有限公司 | 一种智能仓储柜 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539675A (zh) * | 2020-04-28 | 2020-08-14 | 中科富创(北京)科技有限公司 | 智能柜体盘点方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
CN108550002B (zh) | 一种银行贵金属智能盘库系统及方法 | |
CN102564964A (zh) | 基于光谱图像的肉品品质可视化非接触检测方法 | |
CN110889419A (zh) | 一种货架分析方法、装置、系统及电子设备 | |
CN111476530A (zh) | 用于仓库自助领料的方法、仓库自助领料装置及系统 | |
CN111951258A (zh) | 一种基于边缘计算的货架缺货预警分析系统及方法 | |
CN110688879A (zh) | 一种仓储计数方法 | |
CN110288289A (zh) | 一种智能仓储柜 | |
CN113160500A (zh) | 一种可视化智能柜 | |
CN117572837B (zh) | 一种智慧电厂ai主动运维方法及系统 | |
CN110046566A (zh) | 一种基于图形识别及物联网技术的实验室智能物料柜 | |
CN115689407A (zh) | 账户异常检测方法、装置以及终端设备 | |
CN103246688A (zh) | 基于显著区域稀疏表示的语义层次模型图像分类管理方法 | |
CN116109992A (zh) | 一种货架商品的识别方法及系统 | |
CN103198305A (zh) | 一种人脸视频图像验证方法及其嵌入式实现装置 | |
CN111126727A (zh) | 电力计费分布式并行异常检测方法 | |
CN111860728A (zh) | 机柜的u位管理方法、管理装置以及机柜管理系统 | |
CN111144816A (zh) | 基于o2o场景最佳拣货模式测算系统 | |
CN218930608U (zh) | 一种备件出入库智能交接计数系统 | |
CN118168234B (zh) | 可精确分析光影数据的智能统计冰箱 | |
Guo et al. | Fruit Classification Based on Improved YOLOv7 Algorithm | |
CN214376757U (zh) | 基于rfid和生物特征识别的化学品存储柜及系统 | |
CN115424395B (zh) | 一种物品定量安全管理设备及方法 | |
CN113031878B (zh) | 一种基于HBase的数据存储优化方法及系统 | |
JP7506868B2 (ja) | 配電変圧器の異常容量に対するビッグデータ・スクリーニング・方法 |
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: 20190927 |