CN111007754A - 一种生鲜运输物流箱的智能防损控制系统及其控制方法 - Google Patents

Abstract

本发明公开了一种生鲜运输物流箱的智能防损控制系统及其控制方法，所述控制系统包括压力检测模块、磁流变减振器和MCU控制器，压力检测模块和磁流变减振器均与MCU控制器信号连接；本发明中的压力检测模块采集车辆行驶方向、垂直行驶方向和竖直方向上的压力信息，并发送给MCU控制器，由MCU控制器生成压力谱图，再由卷积神经网络模型获取压力谱特征图，最后根据压力谱特征图的变化量大小判断生鲜食品受损程度；MCU控制器针对受损程度控制磁流变减振器，实现对物流箱的减震。本发明可以更精确的获取生鲜食品实时的受损程度，最大限度减少运输过程对生鲜食品的损害。

Description

一种生鲜运输物流箱的智能防损控制系统及其控制方法

技术领域

本发明涉及智能物流箱领域，具体是一种生鲜运输物流箱的智能防损控制系统及其控制方法。

背景技术

随着网上购物的普及，物流行业在全球迅速崛起，其方便、快捷的特点成为一种不可或缺的生活方式，电商的发展对生鲜食品的运输和配送提出了更高的要求。然而，水果蔬菜等生鲜运输的损耗率为25％-30％，其中，由于物流司机为了赶时间总是匆匆行车，导致生鲜食品挤压损坏占很大比重。现有技术公开了一种新型防震物流箱，利用弹簧作为防震夹层，减少了生鲜食品对箱壁的挤压，具有良好的防震性能；但是，司机可能无意识地匆匆加速或减速，行车途中的过大加速度与强烈颠簸会造成生鲜食品内部形成挤压，造成很大损失。因此，需要开发一种物流箱，可表征行车加速度特征与颠簸程度，当加速度过大或出现强烈颠簸时，可语音提醒司机注意行车稳定，减少生鲜食品内部挤压损坏情况，同时也减少司机行车事故的机率。

发明内容

有鉴于此，本发明提供了一种生鲜运输物流箱的智能防损控制系统及其控制方法，以减少物流箱内部生鲜食品挤压损坏情况。

为了实现上述技术目的，本发明的技术方案为：

一种生鲜运输物流箱的智能防损控制方法，MCU控制器将接收的压力信息生成压力谱图，压力谱图输入卷积神经网络模型，获取压力谱特征图，MCU控制器根据压力谱特征图的变化量大小判断生鲜食品受损程度，并发送给提示终端和磁流变减振器，实现对物流箱的防损控制。

进一步，所述压力信息由压力检测模块采集。

更进一步，所述压力检测模块包括第一压力检测模块和第二压力检测模块；所述第一压力检测模块包括转向压力检测模块和加速压力检测模块，加速压力检测模块为分别设置在内箱和外箱前后两侧壁之间，转向压力检测模块为分别设置在内箱和外箱左右两侧壁之间；所述第二压力检测模块设置在内箱和外箱的底部之间。

更进一步，所述压力检测模块包括弹簧、圆柱形铝块和薄膜压电传感器，弹簧一端连接内箱外壁面，另一端依次连接圆柱形铝块、薄膜压电传感器和外箱内壁面。

更进一步，所述弹簧的两端垂直于外箱分别设有第一挡板和第二挡板。

进一步，所述压力谱图输入卷积神经网络模型前，利用伽马变换进行预处理。

更进一步，所述压力谱特征图的变化量大小判断生鲜食品受损程度，具体为将压力谱特征图的变化量输入生鲜食品受损程度模型，输出实时的生鲜食品受损程度。

更进一步，所述生鲜食品受损程度模型的获取过程为：对智能物流箱施加一个横向加速度a，薄膜压电传感器9测得一个压力谱增量参数ΔF₁，确定智能物流箱内生鲜食品内部挤压情况为x₁，重复n次，得到n组(ΔF_an,x_n)，线性拟合，得到生鲜食品受损程度模型x_n＝f(ΔF_n)；其中0≤x_n≤100％。

一种生鲜运输物流箱的智能防损控制系统，包括第一压力检测模块、磁流变减振器、第二压力检测模块和MCU控制器，所述第一压力检测模块、磁流变减振器、第二压力检测模块均与MCU控制器信号连接。

本发明的有益效果为：本发明通过设置车辆三个方向的压力检测模块，分别采集车辆行驶方向、垂直行驶方向和竖直方向三个方向的车厢压力信息，并将三个方向的压力信息生成压力谱图，再由卷积神经网络模型获取压力谱特征图，最后根据压力谱特征图的变化量大小判断生鲜食品受损程度；MCU控制器针对受损程度控制磁流变减振器，实现对物流箱的减震。本发明采集多个方向的压力谱图，并通过伽马变换进行预处理，再通过卷积神经网络模型获取压力谱特征图，使得表征生鲜食品受损程度的参数更加精准，获取生鲜食品实时的受损程度，并及时作出应对措施，最大限度减少车辆运输过程对生鲜食品的损害。

附图说明

图1为本发明的生鲜运输防损提示智能物流箱的结构示意图；

图2为压力检测模块的结构示意图；

图3为本发明智能防损控制系统的控制流程图；

图4为本发明利用卷积神经网络模型获取压力谱特征图的流程图；

图中，1、内箱，2、外箱，3、第一压力检测模块，4、磁流变减振器，5、第二压力检测模块，6、第一挡板，7、薄膜压电传感器接口，8、铝块，9、薄膜压电传感器，10、第二挡板，11、弹簧。

具体实施方式

下面将结合附图对本发明的技术方案作进一步的说明，但是本发明的保护范围并不限于此。

如图1所示，一种生鲜运输物流箱，包括内箱1、外箱2、第一压力检测模块3、磁流变减振器4和第二压力检测模块5；第一压力检测模块3设置在内箱1和外箱2的侧壁之间，第二压力检测模块5设置在内箱1和外箱2的底部之间；第一压力检测模块3和第二压力检测模块5分别连接MCU控制器的输入端，用于接收第一压力检测模块3和第二压力检测模块5所检测到的压力信息，MCU控制器将接收的压力信息生成压力谱图；MCU控制器的输出端分别与提示终端和磁流变减振器4信号连接，当实时的生鲜食品受损程度阈值时，MCU控制器通过提示终端进行预警(如报警、语音提醒或仪表盘显示)；同时MCU控制器控制磁流变减振器4中线圈的电流大小，进而控制磁流变减振器4输出的阻尼力实现减震。

第一压力检测模块3包括转向压力检测模块和加速压力检测模块，以车辆行驶方向为x轴，垂直车身方向为y轴，垂直于车顶方向为z轴；加速压力检测模块为分别设置在内箱1和外箱2前后两个侧壁之间，用于检测物流箱处于加速或者减速等直线行驶状态时所产生的压力信息(即x轴方向的压力信息)；转向压力检测模块为分别设置在内箱1和外箱2左、右两个侧壁之间，用于检测物流箱处于转向过程中所产生的压力信息(即y轴方向的压力信息)；

第二压力检测模块5用于检测物流箱在颠簸状态时所产生的压力信息(即z轴方向的压力信息)。

如图2所示，第一压力检测模块3、第二压力检测模块5均由第一挡板6、第二挡板10、弹簧11、圆柱形铝块8以及薄膜压电传感器9组成。弹簧8一端连接内箱1外壁面，另一端依次连接圆柱形铝块8、薄膜压电传感器9和外箱2的内壁面；在弹簧8的两端垂直于外箱2分别设有第一挡板6、第二挡板10；第一挡板6与第二挡板10起到固定弹簧11轨迹的作用，使得固定在弹簧11一端的圆柱形铝块8可一直顶在薄膜压电传感器9的同一个位置，薄膜压电传感器9另一面粘贴在物流箱外箱2的内侧，而薄膜压电传感器9的薄膜压电传感器接口7穿过物流箱外箱2，与MCU控制器相连。

如图3所示，一种生鲜运输物流箱的智能防损控制方法，包括以下过程：

通过第一压力检测模块3、第二压力检测模块5分别采集运输过程中的实时压力信息，实时压力信息包括x轴压力信息、y轴压力信息和z轴压力信息；进而生成x、y、z轴方向的压力谱图，利用卷积神经网络模型获取压力谱特征图；根据压力谱特征图的变化量大小判断生鲜食品受损程度，受损程度一方面通过提示终端提醒驾驶员采取相应措施，另外，MCU控制器针对受损程度控制磁流变减振器4的电流大小，实现对物流箱的减震。

如图4所示，利用卷积神经网络模型获取压力谱特征图的具体过程为：

S1，首先对x、y、z轴方向的压力谱图进行预处理，在本实施例中所采用的预处理方法为伽马变换，伽马变换的表达式为：y＝(x+esp)^γ，其中，x为图像的原始灰度值，y为变换后的输出灰度值，x、y的取值范围为[0,1]，esp为常数补偿系数，γ为伽马系数；通过改变γ系数的值，选择增强低灰度区域还是高灰度区域。例如，当γ<1，对图像低灰度值的扩展越明显；当γ＝1，图像不变；当γ>1对图像高灰度值部分的扩展越明显；进而通过伽马变换后对压力谱图中的压力谱线进行增强作用后，获得更清晰、更容易辨识的压力谱图。

S2，将预处理后的x、y、z轴方向的压力谱图作为卷积神经网络模型的输入，输出压力谱特征图；

根据卷积神经网络模型结构特点，本实施例中的卷积神经网络使用了13个卷积层和5个池化层，13个卷积层被分成5组，每组之间通过最大池化层来连接，卷积层采用激活函数是非线性ReLU激活函数，输入压力谱图的尺寸大小为224×224。卷积神经网络模型的每个卷积层包含的卷积核大小均为3×3，卷积层的步长为1；所有池化层均采用2×2窗口尺度的最大池化方法进行池化，步长设定为2，经过4个池化层后压力谱图的大小为14×14，最后一个卷积层输出为512个14×14的压力谱特征图；再经过全连接之后，由Softmax函数进行分类，得到x、y、z轴方向的压力谱特征图。

根据压力谱特征图的变化量大小判断生鲜食品受损程度，具体为：将压力谱特征图的变化量输入生鲜食品受损程度模型，输出实时的生鲜食品受损程度。

本实施例中所述的生鲜食品受损程度模型的构建方法为：

S1、构建由于加速或者减速导致的x轴方向生鲜食品受损程度模型

S1.1：对智能物流箱施加一个横向加速度a₁，薄膜压电传感器9测得一个压力谱增量参数ΔF_a1，确定智能物流箱内生鲜食品内部挤压情况为x₁，其中0≤x₁≤100％；

S1.2：重复S1.1，得到(ΔF_an,x_n)，n＝1,2,…；

S1.3：线性拟合n组(ΔF_an,x_n)数据，得到x轴方向生鲜食品受损程度模型x_n＝f(ΔF_an)。

S2、构建由于转向导致的y轴方向生鲜食品受损程度模型

S2.1：对智能物流箱施加一个转向加速度a₂，薄膜压电传感器9测得一个压力谱增量参数ΔF_b1，确定智能物流箱内生鲜食品内部挤压情况为y₁，其中0≤y₁≤100％；

S2.2：重复S2.1，得到(ΔF_bn,y_n)，n＝1,2,…；

S2.3：线性拟合n组(ΔF_bn,y_n)数据，得到y轴方向生鲜食品受损程度模型y_n＝f(ΔF_bn)。

S3、构建由于颠簸导致的z轴方向生鲜食品受损程度模型

S3.1：给智能物流箱施加一个垂直地表的力，模拟行车过程中的颠簸情况，计算得到压力谱增量ΔF_d1，确定智能物流箱内生鲜食品内部挤压情况为z₁，其中0≤z₁≤100％；

S3.2：重复S3.1，得到(ΔF_dn,z_n)，n＝1,2,…；

S3.3：线性拟合n组(ΔF_dn,z_n)数据，得到z轴方向生鲜食品受损程度模型z_n＝f(ΔF_dn)。

x、y、z轴方向的压力谱特征图的变化量为x、y、z轴方向生鲜食品受损程度模型中的ΔF_an、ΔF_bn和ΔF_dn，从而输出实时的生鲜食品受损程度x_n、y_n、z_n。设定内部挤压情况(x_n、y_n、z_n)>2％为有损伤，即设定2％为内部挤压情况的阈值(x_th＝2％、y_th＝2％、z_th＝2％)；若生鲜食品受损程度模型输出实时的生鲜食品受损程度超过该阈值，MCU控制器通过提示终端提醒驾驶员采取相应措施，同时，MCU控制器实时调整磁流变减振器4的调节阻尼力的大小，缓冲内箱1和外箱2之间的冲击力，减小对生鲜食品的损害。

对于本领域的技术人员来说，其依然可以对上述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，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。

Claims (9)

1.一种生鲜运输物流箱的智能防损控制方法，其特征在于：MCU控制器将接收的压力信息生成压力谱图，压力谱图输入卷积神经网络模型，获取压力谱特征图，MCU控制器根据压力谱特征图的变化量大小判断生鲜食品受损程度，并发送给提示终端和磁流变减振器，实现对物流箱的防损控制。

2.根据权利要求1所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述压力信息由压力检测模块采集。

3.根据权利要求2所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述压力检测模块包括第一压力检测模块(3)和第二压力检测模块(5)；所述第一压力检测模块(3)包括转向压力检测模块和加速压力检测模块，加速压力检测模块为分别设置在内箱(1)和外箱(2)前后两侧壁之间，转向压力检测模块为分别设置在内箱(1)和外箱(2)左右两侧壁之间；所述第二压力检测模块(5)设置在内箱(1)和外箱(2)的底部之间。

4.根据权利要求3所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述压力检测模块包括弹簧(11)、圆柱形铝块(8)和薄膜压电传感器(9)，弹簧(8)一端连接内箱(1)外壁面，另一端依次连接圆柱形铝块(8)、薄膜压电传感器(9)和外箱(2)内壁面。

5.根据权利要求4所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述弹簧(8)的两端垂直于外箱(2)分别设有第一挡板(6)和第二挡板(10)。

6.根据权利要求1所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述压力谱图输入卷积神经网络模型前，利用伽马变换进行预处理。

7.根据权利要求6所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述压力谱特征图的变化量大小判断生鲜食品受损程度，具体为将压力谱特征图的变化量输入生鲜食品受损程度模型，输出实时的生鲜食品受损程度。

8.根据权利要求7所述的生鲜运输物流箱的智能防损控制方法，其特征在于：所述生鲜食品受损程度模型的获取过程为：对智能物流箱施加一个横向加速度a，薄膜压电传感器(9)测得一个压力谱增量参数ΔF₁，确定智能物流箱内生鲜食品内部挤压情况为x₁，重复n次，得到n组(ΔF_an,x_n)，线性拟合，得到生鲜食品受损程度模型x_n＝f(ΔF_n)；其中0≤x_n≤100％。

9.一种生鲜运输物流箱的智能防损控制系统，其特征在于：包括第一压力检测模块(3)、磁流变减振器(4)、第二压力检测模块(5)和MCU控制器，所述第一压力检测模块(3)、磁流变减振器(4)、第二压力检测模块(5)均与MCU控制器信号连接。

Images