CN110874703A - 储物装置及储物方法 - Google Patents
储物装置及储物方法 Download PDFInfo
- Publication number
- CN110874703A CN110874703A CN201811310280.0A CN201811310280A CN110874703A CN 110874703 A CN110874703 A CN 110874703A CN 201811310280 A CN201811310280 A CN 201811310280A CN 110874703 A CN110874703 A CN 110874703A
- Authority
- CN
- China
- Prior art keywords
- information
- storage device
- storage
- identification model
- sensor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004044 response Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/084—Configuration by using pre-existing information, e.g. using templates or copying from other elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/084—Configuration by using pre-existing information, e.g. using templates or copying from other elements
- H04L41/0846—Configuration by using pre-existing information, e.g. using templates or copying from other elements based on copy from other elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种储物方法,包括:存储对象于储物空间;感测所述对象以产生感测数据;根据所述感测数据产生识别模型;以及上传所述识别模型至服务器。
Description
技术领域
本揭露是有关于一种储物装置及储物方法。
背景技术
为节省人力成本,无人商店(或无人仓库)的相关技术正逐渐发展。为了追踪商品的状况,无线射频识别技术是其中之一种解决方案。通过配置无线射频识别证于商品上,当使用者自无人商店拿取该对象时,无人商店内的传感器可以通过侦测无线射频识别证而识别出该商品已被拿取。如此,可帮助人们判断该商品是否已售出。
然而,并非所有的商品都配置有无线射频识别证(Radio FrequencyIdentification,RF ID),无线射频识别证的扫描装置也并非十分普及。因此,为了能在不同的环境下正确地识别出相同的商品,需要提出一种改善的储物装置。
发明内容
本揭露提供一种储物装置,其特征在于,包括:储物空间、传感器、处理器以及收发器。储物空间存储对象。传感器感测对象以产生感测数据。处理器耦接收发器及传感器,并且经配置以根据感测数据产生识别模型。收发器上传识别模型至服务器。
本揭露提供一种储物装置,其特征在于,包括:储物空间、传感器、收发器以及处理器。储物空间存储对象。收发器自服务器下载识别模型。传感器感测对象以产生感测数据。处理器耦接收发器及传感器,并且根据感测数据及识别模型以识别对象。
本揭露提供一种储物方法,其特征在于,包括:存储对象于储物空间;感测对象以产生感测数据;根据感测数据产生识别模型;以及上传识别模型至服务器。
本揭露提供一种储物方法,其特征在于,包括:存储对象于储物空间;自服务器下载识别模型;感测对象以产生感测数据;以及根据感测数据及识别模型以识别对象。
基于上述,本揭露的第一种储物装置可根据其储物空间的配置或其所存储的对象训练出用以识别对象的识别模型,并将识别模型上传至云端。位处异地的另一装置可以基于从云端取得识别模型以及对象的相关信息来识别出对象。另一方面,本揭露的第二种储物装置可以从云端下载用以识别对象的识别模型及对象的相关信息。识别模型及对象的相关信息可辅助储物装置识别对象。如此,储物装置可以通过识别模型来改善识别对象时的速度或准确率。
为让本揭露的上述特征和优点能更明显易懂,下文特举实施例,并配合附图作详细说明如下。
附图说明
图1根据本揭露的一实施例绘示适用于存储对象以及上传数据至服务器的储物装置的示意图。
图2根据本揭露的一实施例绘示适用于存储对象以及自服务器下载数据的储物装置的示意图。
图3A及3B根据本揭露的一实施例绘示基于识别模型及对象的信息识别对象的示意图。
图4根据本揭露的一实施例绘示基于识别模型识别对象的示意图。
图5根据本揭露的一实施例绘示适用于存储对象以及上传数据至服务器的储物方法的流程图。
图6根据本揭露的一实施例绘示适用于存储对象以及自服务器下载数据的储物方法的流程图。
【符号说明】
10、20:储物装置
110、210:储物空间
120、220:处理器
130、230:存储媒体
140、141、142、143、144、240、241、242、243、244:传感器
150、250:收发器
441、442:影像
451:对象F的第一部分
452:对象F的第二部分
50、60:储物方法
d1、d2:感测资料
i1、i2:对象的信息
m1:识别模型
t1、t2:触发信号
A、B、C、D、E、F:物件
S501、S502、S503、S504、S601、S602、S603、S604:步骤
W1、W2:影像的宽度
Z1:对象F的第一部分的宽度
Z2:对象F的第二部分的宽度
具体实施方式
图1根据本揭露的一实施例绘示适用于存储对象以及上传数据至服务器的储物装置10的示意图。储物装置10可以基于所存储对象来产生用以识别该对象的识别模型。如此,当有用户将一对象从储物装置10移动至异地的装置时,存储装置10所产生的识别模型便可以辅助该异地的装置识别该对象,改善识别对象时的速度或准确率。基于上述,储物装置10可应用于例如无人仓库或无人商店的情境,但本揭露不限于此。
储物装置10可包括储物空间110、处理器120、存储媒体130、传感器140以及收发器150。
储物空间110用以存储一或多个对象。基于储物装置10的类型,储物空间110可具有多种不同的方案。举例来说,储物空间110可以是置物柜、冰柜、铁架或层板等,本揭露不限于此。
处理器120耦接存储媒体130、传感器140以及收发器150。处理器120可视情况存取或执行存储于存储媒体130中的数据,所述数据例如是程序代码(program code)、装置组态(device configuration)、码本(codebook)、缓冲的或永久的数据(buffered orpermanent data)。处理器(processor)120可例如是中央处理单元(central processingunit,CPU),或是其他可程序化的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digital signal processor,DSP)、可程序化控制器、特殊应用集成电路(application specific integrated circuit,ASIC)或其他类似组件或上述组件的组合,本揭露不限于此。处理器120及/或存储媒体130可以改由服务器、客户端、桌面计算机、笔记本电脑、网络型计算机、工作站、个人数字助理(personal digital assistant,PDA)、个人计算机(personal computer,PC)等装置实现,本揭露不限于此。
存储媒体130耦接处理器120并且用以存储储物装置10运行时所需的各项软件、数据及各类程序代码。存储媒体130可例如是任何型态的固定式或可移动式的随机存取内存(random access memory,RAM)、只读存储器(read-only memory,ROM)、闪存(flashmemory)、硬盘(hard disk drive,HDD)、固态硬盘(solid state drive,SSD)或类似组件或上述组件的组合,本揭露不限于此。存储媒体130可记录存储于储物空间110中的对象的信息i1,其中信息i1可包括身份信息、对象名称及对象编号的至少其中之一,但本揭露不限于此。举例来说,当使用者规定储物空间110用以存放对象A时,存储媒体130可记录例如对象A的名称、对象A的编号(例如:对象A的货号)等信息。
传感器140可例如是影像捕获设备(例如:摄影机、相机及手持电话等)、光学感测装置、红外线感测装置、超音波感测装置、收音器、压力计或荷重元(load cell),本揭露不限于此。
收发器150用以接收或传送信号,其可支持包括无线保真(Wireless Fidelity,WiFi)通讯接口、蓝牙通讯接口、ZigBee通讯接口、局域网络(local area network,LAN)、通用串行总线(Universal Serial Bus,USB)接口及/或其他种类型的通讯接口,本揭露不限于此。
图2根据本揭露的一实施例绘示适用于存储对象以及自服务器下载数据的储物装置20的示意图。当用户将一对象置入储物装置20时,储物装置20可识别所述对象。储物装置20还可以自服务器(例如:云端服务器或关联于储物装置10的服务器,本揭露不限于此)下载关联于所述对象的识别模型(例如:产生自如图1所示的储物装置10)。如此,储物装置20可通过识别模型的辅助来改善识别对象时的速度或准确率。
储物装置20可包括储物空间210、处理器220、存储媒体230、传感器240以及收发器250。
储物空间210用以存储一或多个对象。基于储物装置20的类型,储物空间210可具有多种不同的方案。举例来说,储物空间210可以是置物柜、冰柜、铁架或层板等,本揭露不限于此。
处理器220耦接存储媒体230、传感器240以及收发器250。处理器220可视情况存取或执行存储于存储媒体230中的数据,所述数据例如是程序代码、装置组态、码本、缓冲的或永久的数据。处理器220可例如是中央处理单元,或是其他可程序化的一般用途或特殊用途的微处理器、数字信号处理器、可程序化控制器、特殊应用集成电路或其他类似组件或上述组件的组合,本揭露不限于此。
存储媒体230耦接处理器220并且用以存储储物装置20运行时所需的各项软件、数据及各类程序代码。存储媒体230可例如是任何型态的固定式或可移动式的随机存取内存、只读存储器、闪存、硬盘、固态硬盘或类似组件或上述组件的组合,本揭露不限于此。存储媒体230可记录存储于储物空间210中的对象的信息i2,其中信息i2可包括身份信息、对象名称及对象编号的至少其中之一,但本揭露不限于此。举例来说,当使用者规定储物空间210用以存放对象A时,存储媒体230可记录例如对象A的名称、对象A的编号(例如:对象A的货号)等信息。另一方面,对应一用户的身份信息可用以将该名用户关联于储物装置20。
传感器240可例如是影像捕获设备(例如:摄影机、相机及手持电话等)、光学感测装置、红外线感测装置、超音波感测装置、收音器、压力计或荷重元,本揭露不限于此。
收发器250用以接收或传送信号,其可支持包括无线保真通讯接口、蓝牙通讯接口、ZigBee通讯接口、局域网络、通用串行总线接口及/或其他种类型的通讯接口,本揭露不限于此。
本实施例中,储物装置10可以存储对象并且建立与所述对象相关联的识别模型。当用户将存储于储物装置10的对象移动至储物装置20时,储物装置10所产生的所述对象的识别模型可以辅助储物装置20识别所述对象,进而改善储物装置20识别所述对象的速度及准确率。
参照图1。具体来说,储物空间110可用以存储对象。传感器140可感测储物空间110或存储于储物空间110中的对象以产生感测数据d1。举例来说,若传感器140是影像捕获设备,则传感器140可以感测储物空间110中的对象以产生例如包括所述对象的外观影像或所述对象的位置信息的感测数据d1,其中位置信息可例如是所述对象摆放于存储空间110中的坐标,本揭露不限于此。另一方面,若传感器140是荷重元时,则传感器140可以感测储物空间110以产生储物空间110中的对象的荷重数据。
在产生感测数据d1后,处理器120可经配置以根据感测数据d1产生识别模型m1。识别模型m1关联于储物空间110所存储的对象,并可辅助其他装置(例如:图2所示的储物装置20)识别储物空间110所存储的对象。
在产生识别模型m1后,收发器150可将识别模型m1上传至一服务器(例如:云端服务器或关联于储物装置10的服务器,本揭露不限于此)。如此,当储物装置20需要对来自储物装置10的对象进行识别时,储物装置20可自服务器下载识别模型m1,并通过识别模型m1的辅助改善识别的速度或准确率。
在一些实施例中,传感器140可响应于储物空间110中的对象被移出储物空间110而产生触发信号t1,并且处理器120可响应于触发信号t1而将对象的信息i1上传至服务器。信息i1可对应于储物装置20。以储物装置10关联于储物装置20的情境为范例,假设由储物装置10取出的对象有可能被移动至储物装置20时(例如:储物装置10与储物装置20同属于相同的或相关联的仓储系统)。当传感器140感测到有用户由储物装置10拿取一对象从而产生触发信号t1时,处理器120便可通过收发器150将对象的信息i1上传至储物装置20可存取的服务器。如此,当用户将来自储物装置10的对象移动至储物装置20时,储物装置20便可自服务器下载对应所述对象的信息i1。
此外,信息i1可对应于造成触发信号t1产生的用户。(例如:储物装置20的拥有者)。以储物装置10被设置于无人商店且储物装置20隶属于一用户的情境为范例,假设储物装置20的用户进入无人商店时,无人商店可使用任意一种已知的技术获得该名使用者的身份(例如:通过射频识别、人脸辨识等技术)并且将使用者的身份通知给储物装置10。接着,当传感器140感测到用户由储物装置10拿取一对象从而产生触发信号t1时,处理器120便可通过收发器150将对象的信息i1上传至储物装置20可存取的服务器(即:触发信号t1可对应于储物装置20的用户)。如此,当用户将来自储物装置10的对象移动至储物装置20时,储物装置20便可自服务器下载对应所述对象的信息i1。在一实施例中,信息i1可包括用户的身份信息。在处理器120通过收发器150将对象的信息i1上传至一服务器,服务器可根据所述身份信息传送信息i1至对应所述身份信息的储物装置20,或开放储物装置20存取信息i1的权限。
相较于仅使用识别模型m1识别对象,同时使用识别模型m1及对象的信息i1可更进一步地改善识别的速度或准确率。具体来说,当一装置利用识别模型m1对对象进行识别时,对象的信息i1可限缩所述对象可能的种类的数量。举例来说,当识别模型m1关联于上千种对象时,使用识别模型m1识别对象的装置(例如:储物装置20)需要基于对象的上千种的可能性决定该对象的类别,因此,需耗费大量的运算量。然而,当有一或多个对象自储物装置10移出时,对象的信息i1仅会关联于所述一或多个物件。因此,使用识别模型m1及对象的信息i1识别对象的装置(例如:储物装置20)可将对象的可能的类别限缩为所述一或多个对象,从而降低运算量的使用。
另一方面,参照图2。储物空间210可用以存储对象。处理器220可通过收发器250自服务器(例如:云端服务器或关联于储物装置10的服务器,本揭露不限于此)下载识别模型m1。在一些实施例中,储物装置20可以间接的方式取得识别模型m1,例如,可先由一行动装置自服务器下载识别模型m1,再由该行动装置将识别模型m1传送给储物装置20。
传感器240可感测储物空间210或存储于储物空间210中的对象以产生感测数据d2。举例来说,若传感器240是影像捕获设备,则传感器240可以感测储物空间210中的对象以产生例如包括所述对象的外观影像或所述对象的位置信息的感测数据d2,其中位置信息可例如是所述对象摆放于存储空间210中的坐标,本揭露不限于此。另一方面,若传感器240是荷重元时,则传感器240可以感测储物空间210以产生储物空间210中的对象的荷重数据。
在产生感测数据d2后,处理器220可经配置以根据感测数据d2以及识别模型m1来识别存储于储物空间210中的对象。
在一些实施例中,传感器240可响应于对象被置入储物空间210而产生触发信号t2,并且处理器220可响应于触发信号t2而通过收发器250下载所述对象的信息,所述信息可例如是产生自储物装置10的信息i1。
在获得信息i1后,处理器220可比较信息i1与存储于储物空间210中的对象的信息i2,从而产生用于根据感测数据d2及识别模型m1以识别对象的步骤的限制条件。具体来说,处理器220可基于对应于信息i1的对象符合对应于信息i2的对象而确定储物空间210中的对象的可能的类别。
在一些实施例中,产生识别模型m1的环境与储物空间210可能不同,例如,产生识别模型m1的储物装置10的储物空间110的配置可能与储物空间210的配置不同,或是传感器140的种类及数量的配置可能与传感器240的种类及数量的的配置不同。如此,储物装置20的处理器220将难以直接根据识别模型m1及感测数据d2对存储空间210中的对象进行识别。在此情况下,处理器220经配置以根据感测数据d2以及识别模型m1来识别存储于储物空间210中的对象的步骤可包括处理器220可根据感测数据d2产生识别模型m2,并且处理器220可根据识别模型m1及识别模型m2识别储物空间210中的对象。
请同时参照图3A及3B。图3A及3B根据本揭露的一实施例绘示储物装置20基于识别模型m1及对象的信息i1识别来自储物装置10的对象E的示意图,其中传感器140包括荷重元141、142、143及144,并且传感器240包括荷重元241、242、243及244。
在本实施例中,储物装置10的储物空间110共具有4处可放置对象的位置,包括位置S1、位置S2、位置S3及位置S4,其分别放置了对象A、对象B、对象C及对象D。当对象A被移出储物空间110时,处理器120可记录荷重元141、142、143及144的读数变化(即:关联于对象A的感测数据)。在依序对对象A、对象B、对象C及对象D执行上述步骤后,处理器120可获得关联于对象A、对象B、对象C及对象D的感测数据d1,并且根据感测数据d1产生识别模型m1。识别模型m1包括如表1所示的数据:
表1
另一方面,储物装置20的储物空间210共具有4处可放置对象的位置,包括位置V1、位置V2、位置V3及位置V4。假设储物装置20的配置与储物装置10相同(即:位置S1、位置S2、位置S3及位置S4分别与位置V1、位置V2、位置V3及位置V4具有相同的配置,并且传感器140的配置与传感器240的配置相同)。使用者可将100克的砝码摆放于储物空间210的任意处,并且记录摆放位置及各个荷重元(即:荷重元241、242、243及244)的读数,从而建立用以预测一对象在储物空间210时各个荷重元的读数的回归模型,如公式(1)所示:
其中i为荷重元的索引、j为砝码摆放位置的索引、为砝码摆至位置j时第i个荷重元的读数、r为(荷重元总改变量/100)、为荷重元i与位置j之间的向量。回归模型建立完成(经由上述训练过程求得)后即可通过输入荷重元总改变量(r=荷重元总改变量/100)以及商品位置(为荷重元i与位置j之间的向量)来预测各个荷重元的读数
当用户自储物装置10的储物空间110拿取对象C及对象D,处理器120可将关联于对象C及对象D的信息i1上传至一服务器。当用户将一对象E移入储物空间210时,处理器220可自服务器下载识别模型m1(即:表1)及信息i1,并且根据信息i1(例如:对象C及对象D的对象名称)判断出对象E可能为对象C及对象D的其中之一。此外,处理器220可记录移入对象E时荷重元241、242、243、244的读数变化及荷重元读数总改变量(即:关联于对象E的感测数据d2)。感测数据d2关联于对象E在存储空间210中的位置V5,并且包括如表2所示的数据:
表2
处理器220可基于公式(1)的回归模型以及感测数据d2(即:表2)产生如表3所示的识别模型m2,其中识别模型m2可估算出当对象E放置于位置V3或位置V4时各个荷重元(即:荷重元241、242、243及244)的读数。
表3
接着,处理器220可根据识别模型m1(即:表1)及识别模型m2(即:表3)计算对象C放置于位置S3时的荷重元读数以及对象E放置于位置V3时的荷重元读数的平方误差(以下简称为“平方误差A”),并且计算对象D放置于位置S4时的荷重元读数以及对象E放置于位置V4时的荷重元读数的平方误差(以下简称为“平方误差B”)。处理器220可基于平方误差的大小决定对象E的类别。若平方误差A小于平方误差B,则处理器220可将对象E识别为对象C。反之,若平方误差A大于平方误差B,则处理器220可将对象E识别为对象D。
图4根据本揭露的一实施例绘示储物装置20基于识别模型m2识别来自储物装置10的对象F的示意图。在本实施例中,假设储物装置20的传感器240包括分别产生影像441及影像442的两个影像捕获设备,其中影像441撷取到对象F的第一部分451,并且影像442撷取到对象F的第二部分452。当储物装置20获得产生自储物装置10的识别模型m1后,由于影像441撷取到对象F的第一部分451及影像442撷取到对象F的第二部分452均未包括完整的对象F,故由影像441撷取到对象F的第一部分451或影像442撷取到对象F的第二部分452所撷取的对象F的特征与产生自识别装置10的识别模型m1之间必定存在落差。为了降低识别对象F的错误率,可将影像441撷取到对象F的第一部分451及影像442撷取到对象F的第二部分452结合(即:感测数据d2)产生识别模型m2,如公式(2)所示:
A=A1*(Z1/W1)+A2*(Z2/W2)…公式(2)
其中A为将影像441撷取到对象F的第一部分451及影像442撷取到对象F的第二部分452结合后的影像、A1为第一部分451、A2为第二部分452、W1为影像441的宽度、W2为影像442的宽度、Z1为第一部分451的宽度并且Z2第二部分452的宽度。从公式(2)得到的影像(A)经由特征撷取后与产生自储物装置10的识别模型m1进行比对,最接近的对象即为对象F的类别。
图5根据本揭露的一实施例绘示适用于存储对象以及上传数据至服务器的储物方法50的流程图,储物方法50可适用于储物装置10。在步骤S501,存储对象于储物空间。在步骤S502,感测对象以产生感测数据。在步骤S503,根据感测数据产生识别模型。在步骤S504,上传识别模型至所述服务器。
图6根据本揭露的一实施例绘示适用于存储对象以及自服务器下载数据的储物方法60的流程图,储物方法60可适用于储物装置20。在步骤S601,存储对象于储物空间。在步骤S602,自服务器下载识别模型。在步骤S603,感测对象以产生感测数据。在步骤S604,根据感测数据及识别模型以识别对象。
综上所述,本揭露的第一种储物装置可根据其储物空间的配置或其所存储的对象训练出用以识别对象的识别模型,并将识别模型上传至云端。当有用户取走储物空间内的对象时,储物装置可以进一步地将该对象的相关信息上传至云端。而后,位处异地的另一装置可以基于从云端取得识别模型以及对象的相关信息来识别出对象。另一方面,本揭露的第二种储物装置可以从云端下载用以识别对象的识别模型及对象的相关信息。当用户置入对象至其存储空间内时,识别模型及对象的相关信息可辅助储物装置识别对象。通过本揭露,就算用以训练识别模型的装置与储物装置具有不同的配置或环境(例如:所使用的传感器种类不同),储物装置还是可以通过识别模型来改善识别对象时的速度或准确率。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (24)
1.一种储物装置,其特征在于,包括:
储物空间,适用于存储对象;
传感器,感测所述对象以产生感测数据;
处理器,耦接收发器及所述传感器,所述处理器经配置以根据所述感测数据产生识别模型;以及
所述收发器,上传所述识别模型至服务器。
2.如权利要求1所述的储物装置,还包括:
存储媒体,耦接所述处理器并且记录所述对象的信息,其中
所述传感器响应于所述对象被移除自所述储物空间而产生触发信号;以及
所述处理器响应于所述触发信号而通过所述收发器将所述信息上传至所述服务器。
3.如权利要求2所述的储物装置,其中所述信息对应于与所述触发信号相关联的用户。
4.如权利要求2所述的储物装置,其中所述信息包括身份信息、对象名称及对象编号的至少其中之一。
5.如权利要求1所述的储物装置,其中所述传感器为影像捕获设备,并且所述感测数据包括所述对象的外观影像及位置信息的至少其中之一。
6.如权利要求1所述的储物装置,其中所述传感器为荷重元,并且所述感测数据包括对应于所述对象的荷重数据。
7.一种储物装置,其特征在于,包括:
储物空间,适用于存储对象;
收发器,自服务器下载识别模型;
传感器,感测所述对象以产生感测数据;以及
处理器,耦接所述收发器及所述传感器,所述处理器经配置以根据所述感测数据及所述识别模型以识别所述对象。
8.如权利要求7所述的储物装置,还包括:
存储媒体,耦接所述处理器并且记录所述对象的第二信息,其中
所述传感器响应于所述对象被置入所述储物空间而产生触发信号;
所述处理器响应于所述触发信号而通过所述收发器下载所述对象的信息;以及
所述处理器比较所述信息与所述第二信息以产生用于根据所述感测数据及所述识别模型以识别所述对象的步骤的限制条件。
9.如权利要求7所述的储物装置,其中所述处理器经配置以根据所述感测数据及所述识别模型以识别所述对象的步骤包括:
根据所述感测数据产生第二识别模型;以及
根据所述识别模型及所述第二识别模型识别所述对象。
10.如权利要求8所述的储物装置,其中所述信息及所述第二信息包括身份信息、对象名称及对象编号的至少其中之一。
11.如权利要求7所述的储物装置,其中所述传感器为影像捕获设备,并且所述感测数据包括所述对象的外观影像及位置信息的至少其中之一。
12.如权利要求7所述的储物装置,其中所述传感器为荷重元,并且所述感测数据包括对应于所述对象的荷重数据。
13.一种储物方法,其特征在于,包括:
存储对象于储物空间;
感测所述对象以产生感测数据;
根据所述感测数据产生识别模型;以及
上传所述识别模型至服务器。
14.如权利要求13所述的储物方法,还包括:
记录所述对象的信息;
响应于所述对象被移除自所述储物空间而产生触发信号;以及
响应于所述触发信号而将所述信息上传至所述服务器。
15.如权利要求14所述的储物方法,其中所述信息对应于与所述触发信号相关联的用户。
16.如权利要求14所述的储物方法,其中所述信息包括身份信息、对象名称及对象编号的至少其中之一。
17.如权利要求13所述的储物方法,其中所述感测数据包括所述对象的外观影像及位置信息的至少其中之一。
18.如权利要求13所述的储物方法,其中所述感测数据包括对应于所述对象的荷重数据。
19.一种储物方法,其特征在于,包括:
存储对象于储物空间;
自服务器下载识别模型;
感测所述对象以产生感测数据;以及
根据所述感测数据及所述识别模型以识别所述对象。
20.如权利要求19所述的储物方法,还包括:
记录所述对象的第二信息;
响应于所述对象被置入所述储物空间而产生触发信号;
响应于所述触发信号而下载所述对象的信息;以及
比较所述信息与所述第二信息以产生用于根据所述感测数据及所述识别模型以识别所述对象的步骤的限制条件。
21.如权利要求19所述的储物方法,其中根据所述感测数据及所述识别模型以识别所述对象的步骤包括:
根据所述感测数据产生第二识别模型;以及
根据所述识别模型及所述第二识别模型识别所述对象。
22.如权利要求20所述的储物方法,其中所述信息及所述第二信息包括身份信息、对象名称及对象编号的至少其中之一。
23.如权利要求19所述的储物方法,其中所述感测数据包括所述对象的外观影像及位置信息的至少其中之一。
24.如权利要求19所述的储物方法,其中所述感测数据包括对应于所述对象的荷重数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107130534 | 2018-08-31 | ||
TW107130534A TWI675331B (zh) | 2018-08-31 | 2018-08-31 | 儲物裝置及儲物方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110874703A true CN110874703A (zh) | 2020-03-10 |
CN110874703B CN110874703B (zh) | 2023-07-14 |
Family
ID=69023522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811310280.0A Active CN110874703B (zh) | 2018-08-31 | 2018-11-06 | 储物装置及储物方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10984376B2 (zh) |
CN (1) | CN110874703B (zh) |
TW (1) | TWI675331B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW589275B (en) * | 2000-02-01 | 2004-06-01 | Johnson & Johnson Vision Care | Apparatus and method for automated warehousing and for filling orders from multi-item inventories |
TW201433992A (zh) * | 2013-02-22 | 2014-09-01 | Xue Si Xing Digital Marketing Co Ltd | 存貨管理與行銷之圖像辨識系統 |
US20150012396A1 (en) * | 2013-06-26 | 2015-01-08 | Amazon Technologies, Inc. | Transitioning items from a materials handling facility |
KR20160118830A (ko) * | 2015-04-03 | 2016-10-12 | 삼성에스디에스 주식회사 | 압력 센서를 이용한 객체 인식 방법 |
CN107862360A (zh) * | 2017-11-01 | 2018-03-30 | 北京旷视科技有限公司 | 目标对象与商品信息的关联方法、装置及系统 |
CN107870961A (zh) * | 2016-09-23 | 2018-04-03 | 李雨暹 | 空间物件搜寻排序方法、系统与计算机可读取存储装置 |
US9996818B1 (en) * | 2014-12-19 | 2018-06-12 | Amazon Technologies, Inc. | Counting inventory items using image analysis and depth information |
US20180184232A1 (en) * | 2016-12-23 | 2018-06-28 | Accenture Global Solutions Limited | Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment |
Family Cites Families (89)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4819015A (en) * | 1986-06-13 | 1989-04-04 | K-Tron International, Inc. | Anti-theft product rack and method |
US6378684B1 (en) * | 2000-02-14 | 2002-04-30 | Gary L. Cox | Detecting mechanism for a grocery cart and the like and system |
WO2001085497A1 (en) | 2000-05-10 | 2001-11-15 | Wallace Michael W | Vehicle occupant classification system and method |
US6677942B1 (en) * | 2000-08-01 | 2004-01-13 | International Business Machines Corporation | Method and apparatus for acquiring normals maps consistent with low spatial resolution meshes |
US9892606B2 (en) * | 2001-11-15 | 2018-02-13 | Avigilon Fortress Corporation | Video surveillance system employing video primitives |
US7356495B2 (en) * | 2002-06-04 | 2008-04-08 | Sap Aktiengesellschaft | Supply chain management using item detection system |
US6975346B2 (en) * | 2002-06-27 | 2005-12-13 | International Business Machines Corporation | Method for suspect identification using scanning of surveillance media |
DE10234086B4 (de) | 2002-07-26 | 2004-08-26 | Koenig & Bauer Ag | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
US20040223054A1 (en) * | 2003-05-06 | 2004-11-11 | Rotholtz Ben Aaron | Multi-purpose video surveillance |
US7584016B2 (en) * | 2003-09-30 | 2009-09-01 | Intrinsic Marks International Llc | Item monitoring system and methods |
US7249000B2 (en) * | 2004-05-07 | 2007-07-24 | Sensicore, Inc. | Fluid monitoring systems and methods with data communication to interested parties |
US7499865B2 (en) * | 2004-12-17 | 2009-03-03 | International Business Machines Corporation | Identification of discrepancies in actual and expected inventories in computing environment having multiple provisioning orchestration server pool boundaries |
US7780081B1 (en) * | 2005-01-03 | 2010-08-24 | RCL Products, Inc. | System and method for security protection, inventory tracking and automated shopping cart checkout |
US7303123B2 (en) * | 2005-02-07 | 2007-12-04 | Cryovac, Inc. | Method of labeling an item for item-level identification |
US20110153614A1 (en) * | 2005-08-01 | 2011-06-23 | Worthwhile Products | Inventory control system process |
TWI291665B (en) * | 2005-12-30 | 2007-12-21 | Ind Tech Res Inst | Product managing system and method using RFID technology |
ES2369495T3 (es) * | 2006-03-31 | 2011-12-01 | Checkpoint Systems, Inc. | Sistema para fijar y exponer artículos de promoción. |
US7868763B2 (en) * | 2006-06-30 | 2011-01-11 | International Business Machines Corporation | Design structure for security system for inventory |
US9495682B2 (en) * | 2006-08-31 | 2016-11-15 | Accenture Global Services Limited | Converged marketing architecture and related research and targeting methods utilizing such architectures |
TW200812886A (en) * | 2006-09-15 | 2008-03-16 | China Steel Corp | 3D operating and managing system for plane warehouse |
US8620775B2 (en) * | 2006-09-25 | 2013-12-31 | Siemens Industry, Inc. | Retail behavioral tracking using microsystems |
US7920063B2 (en) * | 2007-08-13 | 2011-04-05 | Wal-Mart Stores, Inc. | RFID theft prevention system |
WO2009045218A1 (en) * | 2007-10-04 | 2009-04-09 | Donovan John J | A video surveillance, storage, and alerting system having network management, hierarchical data storage, video tip processing, and vehicle plate analysis |
US20090160646A1 (en) * | 2007-12-20 | 2009-06-25 | General Electric Company | System and method for monitoring and tracking inventories |
US7841526B2 (en) * | 2008-07-21 | 2010-11-30 | Sensormatic Electronics, LLC | System and method for correlating supply chain theft with internet auction activity |
WO2010026280A1 (en) * | 2008-09-03 | 2010-03-11 | Marisense Oy | Storage system |
US8077041B2 (en) | 2008-12-23 | 2011-12-13 | Symbol Technologies, Inc. | Real-time automatic RFID inventory control system |
US8845732B2 (en) * | 2010-09-03 | 2014-09-30 | Globus Medical, Inc. | Expandable fusion device and method of installation thereof |
RU2630749C2 (ru) * | 2011-03-17 | 2017-09-12 | Патрик КАМПБЕЛЛ | Система слежения за товарами на полках (стп) |
CN102426682A (zh) | 2011-11-13 | 2012-04-25 | 上海高诚艺术包装有限公司 | 一种采用rfid技术的智能仓库货物管理方法 |
WO2013101057A1 (en) * | 2011-12-29 | 2013-07-04 | Intel Corporation | Object recognition and notification |
CN103325027B (zh) | 2012-03-23 | 2016-08-17 | 纬创资通股份有限公司 | 智能化物料管理方法以及智能化物料管理系统 |
EP2834779A4 (en) * | 2012-04-05 | 2015-10-21 | Invue Security Products Inc | SYSTEM AND METHOD FOR TRACKING GOODS USERS |
US9892438B1 (en) * | 2012-05-03 | 2018-02-13 | Stoplift, Inc. | Notification system and methods for use in retail environments |
TWI496096B (zh) * | 2012-05-31 | 2015-08-11 | Toshiba Global Commerce Solutions Holdings Corp | 在一物品區域中管理複數物品的系統、方法、與儲放單元 |
CN102923430B (zh) | 2012-10-29 | 2016-01-20 | 时桂强 | 智能货柜控制系统 |
US20140172555A1 (en) * | 2012-12-19 | 2014-06-19 | Wal-Mart Stores, Inc. | Techniques for monitoring the shopping cart of a consumer |
KR101493589B1 (ko) | 2013-03-06 | 2015-02-16 | 이명덕 | 무인 물품 수납 서비스 시스템 및 방법 |
US9412099B1 (en) * | 2013-05-09 | 2016-08-09 | Ca, Inc. | Automated item recognition for retail checkout systems |
US10296814B1 (en) * | 2013-06-27 | 2019-05-21 | Amazon Technologies, Inc. | Automated and periodic updating of item images data store |
US9679224B2 (en) * | 2013-06-28 | 2017-06-13 | Cognex Corporation | Semi-supervised method for training multiple pattern recognition and registration tool models |
CN103761631A (zh) | 2013-09-10 | 2014-04-30 | 天津传世科技有限公司 | 一种采用rfid技术的智能仓库货物管理方法 |
US10366306B1 (en) * | 2013-09-19 | 2019-07-30 | Amazon Technologies, Inc. | Item identification among item variations |
US9129250B1 (en) * | 2013-09-25 | 2015-09-08 | Amazon Technologies, Inc. | Automated inventory management |
US20150310601A1 (en) * | 2014-03-07 | 2015-10-29 | Digimarc Corporation | Methods and arrangements for identifying objects |
TWI607383B (zh) | 2014-03-14 | 2017-12-01 | Method for optically recognizing target's immediate response to improve recognition rate | |
CN103903117A (zh) | 2014-03-22 | 2014-07-02 | 哈尔滨工程大学 | 一种物流智能运输监管方法 |
US10657411B1 (en) * | 2014-03-25 | 2020-05-19 | Amazon Technologies, Inc. | Item identification |
US9174800B1 (en) * | 2014-03-25 | 2015-11-03 | Amazon Technologies, Inc. | Verifying bin content in a materials handling facility |
US10242393B1 (en) * | 2014-06-24 | 2019-03-26 | Amazon Technologies, Inc. | Determine an item and user action in a materials handling facility |
US10475185B1 (en) * | 2014-12-23 | 2019-11-12 | Amazon Technologies, Inc. | Associating a user with an event |
CN104616364B (zh) | 2015-01-28 | 2017-02-22 | 福建亿榕信息技术有限公司 | 一种基于人脸识别的企业员工异地考勤方法与系统 |
US20160371631A1 (en) * | 2015-06-17 | 2016-12-22 | Fujitsu Limited | Inventory management for a quantified area |
CN105129308B (zh) | 2015-07-24 | 2017-05-10 | 徐继文 | 智慧仓库系统 |
CN105046625A (zh) | 2015-08-07 | 2015-11-11 | 杭州滨鸿光电科技有限公司 | 一种基于物联网技术智能物资回收管理系统 |
TWI616829B (zh) * | 2015-08-21 | 2018-03-01 | 緯創資通股份有限公司 | 物品定位追蹤的方法及其系統與電腦可讀取記錄媒體 |
TWI567730B (zh) | 2015-10-28 | 2017-01-21 | Wisdom recording method for refrigerator and its system | |
US10922645B2 (en) | 2015-12-02 | 2021-02-16 | Walmart Apollo, Llc | Methods and systems for facilitating product on-shelf-availability |
CA2952482C (en) * | 2016-01-06 | 2024-05-14 | Wal-Mart Stores, Inc. | Systems and methods for monitoring featured product inventory |
JP6571545B2 (ja) * | 2016-01-19 | 2019-09-04 | パナソニック株式会社 | 物体検出装置および物体検出方法 |
US9784497B2 (en) | 2016-02-03 | 2017-10-10 | Multimedia Image Solution Limited | Smart refrigerator |
US9881277B2 (en) | 2016-03-28 | 2018-01-30 | Amazon Technologies, Inc. | Wrist band haptic feedback system |
US10198710B1 (en) * | 2016-03-28 | 2019-02-05 | Amazon Technologies, Inc. | System to determine a change in weight at a load cell |
US9881276B2 (en) | 2016-03-28 | 2018-01-30 | Amazon Technologies, Inc. | Ultrasonic bracelet and receiver for detecting position in 2D plane |
AU2017245132A1 (en) * | 2016-03-29 | 2018-10-11 | Bossa Nova Robotics Ip, Inc. | System and method for locating, identifying and counting ltems |
WO2017184961A1 (en) * | 2016-04-22 | 2017-10-26 | Wal-Mart Stores, Inc. | Product count tracking device |
JP7009389B2 (ja) * | 2016-05-09 | 2022-01-25 | グラバンゴ コーポレイション | 環境内のコンピュータビジョン駆動型アプリケーションのためのシステムおよび方法 |
US10319209B2 (en) * | 2016-06-03 | 2019-06-11 | John Carlton-Foss | Method and system for motion analysis and fall prevention |
CN106447428A (zh) | 2016-09-09 | 2017-02-22 | 广州联帆科技有限公司 | 一种基于大数据的智能社区 |
CN106408383A (zh) | 2016-09-09 | 2017-02-15 | 广州联帆科技有限公司 | 一种智能无人超市的控制方法 |
TWI618916B (zh) | 2016-09-23 | 2018-03-21 | 啟碁科技股份有限公司 | 貨架庫存估測方法與系統 |
CN206178972U (zh) | 2016-09-23 | 2017-05-17 | 镇江易蝶软件科技有限公司 | 智能仓储 |
US10438164B1 (en) * | 2016-09-27 | 2019-10-08 | Amazon Technologies, Inc. | Merging events in interactive data processing systems |
US10289990B2 (en) * | 2016-10-17 | 2019-05-14 | Conduent Business Services, Llc | Store shelf imaging system and method |
CN106504435A (zh) | 2016-10-26 | 2017-03-15 | 王勇 | 一种智能柜及利用智能柜的配送方法 |
US10354222B2 (en) * | 2016-12-28 | 2019-07-16 | Walmart Apollo, Llc | Product tracking system |
AU2018217437B2 (en) * | 2017-02-09 | 2022-07-14 | Presien Pty Ltd | System for identifying a defined object |
WO2018148613A1 (en) * | 2017-02-10 | 2018-08-16 | Grabango Co. | A dynamic customer checkout experience within an automated shopping environment |
JP6720402B2 (ja) * | 2017-03-21 | 2020-07-08 | 株式会社Preferred Networks | サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム |
CN206741598U (zh) | 2017-05-18 | 2017-12-12 | 刘志洪 | 一种智能自助售货装置 |
TWM548254U (zh) | 2017-05-25 | 2017-09-01 | zhi-yuan Wang | 智能冰箱裝置 |
US20190012686A1 (en) * | 2017-07-05 | 2019-01-10 | Panasonic Intellectual Property Management Co., Ltd. | System and method for optimization using autonomous vehicle |
US11065761B2 (en) * | 2017-07-25 | 2021-07-20 | Dematic Corp. | Robotic picking training technique |
CN107730183B (zh) | 2017-10-31 | 2019-08-13 | 于卫华 | 网络办理自动转运快速送达货物包裹的装置和智能运营系统 |
US20190139057A1 (en) * | 2017-11-03 | 2019-05-09 | Salesforce.Com, Inc. | Sensorized retail items and methods |
CN107657578A (zh) | 2017-11-14 | 2018-02-02 | 广州市行心信息科技有限公司 | 一种智慧养老云平台 |
US20190244161A1 (en) * | 2018-02-02 | 2019-08-08 | Microsoft Technology Licensing, Llc | Inventory control |
CN108960202B (zh) * | 2018-08-01 | 2022-05-10 | 京东方科技集团股份有限公司 | 一种智能货架、系统、判断商品叠放的方法 |
US11080726B2 (en) * | 2018-08-30 | 2021-08-03 | Oracle International Corporation | Optimization of demand forecast parameters |
-
2018
- 2018-08-31 TW TW107130534A patent/TWI675331B/zh active
- 2018-11-02 US US16/178,604 patent/US10984376B2/en active Active
- 2018-11-06 CN CN201811310280.0A patent/CN110874703B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW589275B (en) * | 2000-02-01 | 2004-06-01 | Johnson & Johnson Vision Care | Apparatus and method for automated warehousing and for filling orders from multi-item inventories |
TW201433992A (zh) * | 2013-02-22 | 2014-09-01 | Xue Si Xing Digital Marketing Co Ltd | 存貨管理與行銷之圖像辨識系統 |
US20150012396A1 (en) * | 2013-06-26 | 2015-01-08 | Amazon Technologies, Inc. | Transitioning items from a materials handling facility |
US9996818B1 (en) * | 2014-12-19 | 2018-06-12 | Amazon Technologies, Inc. | Counting inventory items using image analysis and depth information |
KR20160118830A (ko) * | 2015-04-03 | 2016-10-12 | 삼성에스디에스 주식회사 | 압력 센서를 이용한 객체 인식 방법 |
CN107870961A (zh) * | 2016-09-23 | 2018-04-03 | 李雨暹 | 空间物件搜寻排序方法、系统与计算机可读取存储装置 |
US20180184232A1 (en) * | 2016-12-23 | 2018-06-28 | Accenture Global Solutions Limited | Detecting trigger conditions to dynamically update a model based on sensor data in a fog computing environment |
CN107862360A (zh) * | 2017-11-01 | 2018-03-30 | 北京旷视科技有限公司 | 目标对象与商品信息的关联方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20200076893A1 (en) | 2020-03-05 |
TWI675331B (zh) | 2019-10-21 |
TW202011274A (zh) | 2020-03-16 |
CN110874703B (zh) | 2023-07-14 |
US10984376B2 (en) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7125899B2 (ja) | 物品の相互作用及び移動検出方法 | |
US10099381B1 (en) | System for configuring a robotic device for moving items | |
US10242393B1 (en) | Determine an item and user action in a materials handling facility | |
KR102522774B1 (ko) | 구매행위 인식 시스템 및 그 방법 | |
KR20190093733A (ko) | 무인 점포에서의 아이템 인식 시스템 및 그 방법 | |
US20180078992A1 (en) | Secure Enclosure System and Associated Methods | |
JP5851791B2 (ja) | 物品管理システム、物品管理方法及び物品管理プログラム | |
US10229406B2 (en) | Systems and methods for autonomous item identification | |
TWI616829B (zh) | 物品定位追蹤的方法及其系統與電腦可讀取記錄媒體 | |
US10210390B2 (en) | Installation of a physical element | |
KR102637070B1 (ko) | 복수의 센서들을 이용한 물품 판매 시스템 및 그 방법 | |
WO2019204169A1 (en) | Dynamic conveyor belt item alignment system | |
CN109816298B (zh) | 物流管理方法及系统 | |
CN102023296A (zh) | Rfid定位方法及其系统 | |
US8619022B1 (en) | Updating a task-management system by manipulating physical objects | |
US11195140B1 (en) | Determination of untidy item return to an inventory location using weight | |
US20180108072A1 (en) | Systems, Devices and Methods for Monitoring Objects in a Cart | |
CN110874703B (zh) | 储物装置及储物方法 | |
US11117744B1 (en) | Determination of untidy item return to an inventory location | |
CN114127763A (zh) | 自动化工具控制系统中的语言管理 | |
JP7454608B2 (ja) | マテリアルハンドリング環境内の資産の場所を推定する方法及びシステム | |
US10843870B1 (en) | System for order dispensation via an angled pickup portal | |
US20240119409A1 (en) | Clustering of items with heterogeneous data points | |
JP7474131B2 (ja) | 物品管理システム、物品管理方法 | |
US20230169452A1 (en) | System Configuration for Learning and Recognizing Packaging Associated with a Product |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |