CN111401813A - 一种基于影像识别的物流分拣系统 - Google Patents
一种基于影像识别的物流分拣系统 Download PDFInfo
- Publication number
- CN111401813A CN111401813A CN202010202751.7A CN202010202751A CN111401813A CN 111401813 A CN111401813 A CN 111401813A CN 202010202751 A CN202010202751 A CN 202010202751A CN 111401813 A CN111401813 A CN 111401813A
- Authority
- CN
- China
- Prior art keywords
- logistics
- express
- sorting
- information
- module
- 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.)
- Withdrawn
Links
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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C3/00—Sorting according to destination
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C3/00—Sorting according to destination
- B07C3/02—Apparatus characterised by the means used for distribution
- B07C3/08—Apparatus characterised by the means used for distribution using arrangements of conveyors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C3/00—Sorting according to destination
- B07C3/10—Apparatus characterised by the means used for detection ofthe destination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于影像识别的物流分拣系统,属于物流分拣领域,包括识别分析处理单元、入库录入模块、出库录入模块、中央管理模块、统计模块、用户访问模块,识别分析处理单元用于图像的采集,以获取物流订单编号,以接收到的图像为基础,对图像进行识别处理,入库录入模块用于物流快件分拣入库时的标记处理,出库录入模块用于物流快件出库时的标记处理,中央管理模块用于物流快件状态的实时标记处理,统计模块用于获取各个物流仓的物流信息;本发明的有益效果是:能够实时跟进物流状态,时效性更高,避免了数据未及时更新的问题,观察更加直观,能够方便管理人员根据工作量进行工作时间的合理规划,便于快递盒补给工作的规划处理。
Description
技术领域
本发明涉及物流分拣领域,具体为一种基于影像识别的物流分拣系统,属于物流分拣技术领域。
背景技术
随着快递行业的发展以及包裹量的增加,人工分拣效率低且容易出错已经不能满足快递业的高速发展,自动分拣技术也应运而生,目前,自动分拣技术是先进的配送中心所必需的条件之一,具有很高的分拣效率,自动分拣系统不受气候、时间、人的体力等的限制,可以连续运行,自动分拣系统的分拣误差率大小主要取决于所输入分拣信息的准确性大小,这又取决于分拣信息的输入机制,如果采用人工键盘或语音识别方式输入,则误差率在3%以上,如采用条形码扫描输入,除非条形码的印刷本身有差错,否则不会出错,因此,目前自动分拣系统主要采用条形码技术来识别货物,分拣作业基本实现无人化,国外建立自动分拣系统的目的之一就是为了减少人员的使用,减轻工员的劳动强度,提高人员的使用效率,因此自动分拣系统能最大限度地减少人员的使用,基本做到无人化,随着物流需求的快速增长,物流企业的信息管理技术也需要不断地提高,信息化管理需要记录货物各个时期的信息,还要对货物进行跟踪,传统的物流信息管理是以手工录入为主,速度慢、效率低不利于物流管理。
现有的物流分拣系统,物流的状态信息无法自动进行覆盖更新,物流状态的实时跟进需要人工不断的修改,不具有很好的时效性,容易受工作人员的影响导致信息没有及时更新,信息存在延迟性,无法根据剩余待处理物流数量进行当日合理的工作规划,无法获取快递盒规格数量信息,数据不够直观,不方便工作人员对于快递盒供给的规划,需要进一步的完善与加强功能。
发明内容
本发明的目的就在于为了解决现有的物流分拣系统,物流的状态信息无法自动进行覆盖更新,物流状态的实时跟进需要人工不断的修改,不具有很好的时效性,容易受工作人员的影响导致信息没有及时更新,信息存在延迟性,无法根据剩余待处理物流数量进行当日合理的工作规划,无法获取快递盒规格数量信息,数据不够直观,不方便工作人员对于快递盒供给的规划的问题,而提出一种基于影像识别的物流分拣系统。
本发明的目的可以通过以下技术方案实现:一种基于影像识别的物流分拣系统,包括识别分析处理单元、入库录入模块、出库录入模块、中央管理模块、统计模块、用户访问模块;
所述识别分析处理单元用于图像的采集,以获取物流订单编号,以接收到的图像为基础,对图像进行识别处理,具体的识别处理步骤表现为:
步骤一:增强信息识别的可靠性,通过中值滤波法对图像进行图像去噪;
步骤二:对去噪后的图像进行二值化处理,处理完成后进行字符分割,对编号特征进行提取;
步骤三:根据预录入的物流编号对提取出的编号进行识别匹配,输出匹配结果,对匹配成功的物流编号进行数量统计,并生成分拣录入信号,将分拣录入信号传递给中央管理模块;
步骤四:得到匹配成功后的物流编号,调取该物流编号下的所有物流信息,物流信息包括商品类别、收货城市、快递盒信息、身份证信息;
步骤五:根据商品类别对物流进行初步分类,商品分类的类别有食品类、日用百货类、五金类、服装类、饮品类、未识别类,其中,未识别类为未匹配成功的物流编号,将未识别类的物流编号传递给中央管理模块;
步骤六:实时获取单个物流快件的商品分类信息,根据商品类别信息,将物流快件引导至相应的分拣传送带上,分拣传送带有六个,对应着商品分类,六个分拣传送带分别为食品类分拣传送带、日用百货类分拣传送带、五金类分拣传送带、服装类分拣传送带、饮品类分拣传送带、未识别类分拣传送带;
步骤七:将收货城市作为二次分类依据,对相同商品类别下的快件进行城市分类,食品类快件的城市编号包括A、B、C、D...Z,日用百货类、五金类、服装类、饮品类的城市编号参照食品类快件的城市编号;
步骤八:对食品类下的物流快件进行城市分类,对日用百货类下的物流快件进行城市分类,对五金类下的物流快件进行城市分类,以此类推,完成各个类别下的城市分类;
步骤九:获取物流信息中的快递盒信息,快递盒分为大中小规格;
步骤十;根据快递盒信息中的规格尺寸,对大型快递盒做数量统计,对中型快递盒做数量统计,对小型快递盒做数量统计,每二十四小时收集一次,作为快递盒日补给的参考量;
其中,所述识别分析处理单元中实时更新有总物流数量与当前物流分拣量,根据总物流数量与当前物流分拣量进行数据分析处理,具体的处理步骤包括:
S01:每二十四小时获取一次总物流数量与当前物流分拣量;
S02:通过总物流数量-当前物流分拣量得到剩余待处理物流数量;
S03:根据预存的第一阈值、第二阈值、第三阈值,对待处理物流数量进行判定处理;
当待处理数量大于等于第一阈值时,判定为高峰期;
当待处理数量大于等于第二阈值小于第一阈值时判定为平峰期;
当待处理数量大于等于第三阈值小于第二阈值时,判定为低峰期;
所述入库录入模块用于物流快件分拣入库时的标记处理,所述出库录入模块用于物流快件出库时的标记处理,所述中央管理模块用于物流快件状态的实时标记处理,具体的标记处理步骤表现为:
A01:接收分拣录入信号,调取信号中的物流编号,将物流编号作为检索依据,匹配出与之相对应的预录入的物流编号,将该物流快件的状态标记为“分拣”;
A02:接收来自入库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“分拣”状态的物流快件,将该物流快件的状态标记改为“入库”;
A03:接收来自出库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“入库”状态的物流快件,将该物流快件的状态标记改为“出库”;
A04:接收未识别类的物流编号,对所有的未完成识别的物流快件进行计时处理,计时时间为七十二小时,超过七十二小时未完成识别的物流快件的状态标记为“异常滞留”,并生成提示窗发送给工作端进行提醒。
进一步在于:所述识别分析处理单元包括扫描模块、数据分析模块、分拣模块,所述扫描模块用于图像的采集,所述数据分析模块用于图像的处理以及物流快件的信息分类,所述分拣模块用于物流快件分类的执行,将不同的物流快件分到对应的分拣传送带上。
进一步在于:所述统计模块用于获取各个物流仓的物流信息,并对物流信息进行分类保存处理,具体的保存处理步骤如下:
H01:将各个物流仓所传递的物流信息进行整合,首先进行城市划分的统计,获取同一城市下物流快件的信息以及物流快件的数量;
H02:在城市划分统计下在进行商品类别划分统计,得到同一个城市下各类商品类别下的物流快件信息以及物流快件数量;
H03:根据城市物流快件数量进行排列,排列顺序依据城市物流快件数量由大到小排列处理;
H04:对同一个城市下各个商品类别的物流快件数量进行排名,排列前三的为热门物流商品类。
进一步在于:所述用户访问模块用于用户对物流信息的访问处理,具体的访问处理步骤表现为:
K01:获取用户录入的登录名以及登录密码;
K02:预设置的数据库里保存了安全账户源,安全账户源中包括有效登录名以及有效登录密码,将录入的登录名作为一级检索字符,在预设置的数据库里进行匹配核对;
K03:在登录名检索匹配出现相同字符时,进一步进行登录密码的核对,核对成功时,用户完成登录,其中,登录名即为用户的身份证信息;
K04:将身份证信息作为检索依据,在所有的物流信息中调取含有相同身份证信息的物流快件,含有相同身份证信息的物流快件均为该用户的物流快件,该用户所有的物流快件信息均在该账户下进行展示,展示的内容包括商品类别、收货城市、快递盒信息、身份证信息以及物流快件的状态标记。
与现有技术相比,本发明的有益效果是:
1、中央管理模块用于接收分拣录入信号,调取信号中的物流编号,将物流编号作为检索依据,匹配出与之相对应的预录入的物流编号,将该物流快件的状态标记为“分拣”,接收来自入库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“分拣”状态的物流快件,将该物流快件的状态标记改为“入库”,接收来自出库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“入库”状态的物流快件,将该物流快件的状态标记改为“出库”,接收未识别类的物流编号,对所有的未完成识别的物流快件进行计时处理,计时时间为七十二小时,超过七十二小时未完成识别的物流快件的状态标记为“异常滞留”,能够实时跟进物流状态自动进行数据覆盖,时效性更高,避免了数据未及时更新的问题,并且具有“异常滞留”物流快件提醒的功能。
2、每二十四小时获取一次总物流数量与当前物流分拣量,通过总物流数量-当前物流分拣量得到剩余待处理物流数量,根据预存的第一阈值、第二阈值、第三阈值,对待处理物流数量进行判定,当待处理数量大于等于第一阈值时,判定为高峰期,当待处理数量大于等于第二阈值小于第一阈值时判定为平峰期,当待处理数量大于等于第三阈值小于第二阈值时,判定为低峰期,观察更加直观,能够方便管理人员根据工作量进行工作时间的合理规划。
3、快递盒分为大中小规格,根据物流信息中的快递盒信息,对大型快递盒做数量统计,对中型快递盒做数量统计,对小型快递盒做数量统计,每二十四小时收集一次,作为快递盒日补给的参考量,数据观察更加直观,便于快递盒补给工作的规划处理。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明系统框架图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于影像识别的物流分拣系统,包括识别分析处理单元、入库录入模块、出库录入模块、中央管理模块、统计模块、用户访问模块;
识别分析处理单元用于图像的采集,以获取物流订单编号,以接收到的图像为基础,对图像进行识别处理,具体的识别处理步骤表现为:
步骤一:增强信息识别的可靠性,通过中值滤波法对图像进行图像去噪,该方法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,将一些与周围领域像素值相差较大的像素灰度改为与领域像素值接近的灰度值,从而去除一些过亮、过暗的像素,能够有效的保留图像的边缘信息,同时起到去除噪声的作用;
步骤二:对去噪后的图像进行二值化处理,图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程,图像的二值化使图像中数据量大为减少,从而能凸显出目标的轮廓,处理完成后进行字符分割,字符分割就是将字符图像中每一个字符分割出来,形成单一的数字图像,对编号特征进行提取;
步骤三:根据预录入的物流编号对提取出的编号进行识别匹配,输出匹配结果,对匹配成功的物流编号进行数量统计,并生成分拣录入信号,将分拣录入信号传递给中央管理模块;
步骤四:得到匹配成功后的物流编号,调取该物流编号下的所有物流信息,物流信息包括商品类别、收货城市、快递盒信息、身份证信息;
步骤五:根据商品类别对物流进行初步分类,商品分类的类别有食品类、日用百货类、五金类、服装类、饮品类、未识别类,其中,未识别类为未匹配成功的物流编号,将未识别类的物流编号传递给中央管理模块;
步骤六:实时获取单个物流快件的商品分类信息,根据商品类别信息,将物流快件引导至相应的分拣传送带上,分拣传送带有六个,对应着商品分类,六个分拣传送带分别为食品类分拣传送带、日用百货类分拣传送带、五金类分拣传送带、服装类分拣传送带、饮品类分拣传送带、未识别类分拣传送带;
步骤七:将收货城市作为二次分类依据,对相同商品类别下的快件进行城市分类,食品类快件的城市编号包括A、B、C、D...Z,日用百货类、五金类、服装类、饮品类的城市编号参照食品类快件的城市编号;
步骤八:对食品类下的物流快件进行城市分类,对日用百货类下的物流快件进行城市分类,对五金类下的物流快件进行城市分类,以此类推,完成各个类别下的城市分类;
步骤九:获取物流信息中的快递盒信息,快递盒分为大中小规格;
步骤十;根据快递盒信息中的规格尺寸,对大型快递盒做数量统计,对中型快递盒做数量统计,对小型快递盒做数量统计,每二十四小时收集一次,作为快递盒日补给的参考量;
其中,识别分析处理单元中实时更新有总物流数量与当前物流分拣量,根据总物流数量与当前物流分拣量进行数据分析处理,具体的处理步骤包括:
S01:每二十四小时获取一次总物流数量与当前物流分拣量;
S02:通过总物流数量-当前物流分拣量得到剩余待处理物流数量;
S03:根据预存的第一阈值、第二阈值、第三阈值,对待处理物流数量进行判定处理;
当待处理数量大于等于第一阈值时,判定为高峰期;
当待处理数量大于等于第二阈值小于第一阈值时判定为平峰期;
当待处理数量大于等于第三阈值小于第二阈值时,判定为低峰期;
入库录入模块用于物流快件分拣入库时的标记处理,出库录入模块用于物流快件出库时的标记处理,中央管理模块用于物流快件状态的实时标记处理,具体的标记处理步骤表现为:
A01:接收分拣录入信号,调取信号中的物流编号,将物流编号作为检索依据,匹配出与之相对应的预录入的物流编号,将该物流快件的状态标记为“分拣”;
A02:接收来自入库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“分拣”状态的物流快件,将该物流快件的状态标记改为“入库”;
A03:接收来自出库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“入库”状态的物流快件,将该物流快件的状态标记改为“出库”;
A04:接收未识别类的物流编号,对所有的未完成识别的物流快件进行计时处理,计时时间为七十二小时,超过七十二小时未完成识别的物流快件的状态标记为“异常滞留”,并生成提示窗发送给工作端进行提醒。
识别分析处理单元包括扫描模块、数据分析模块、分拣模块,扫描模块用于图像的采集,数据分析模块用于图像的处理以及物流快件的信息分类,分拣模块用于物流快件分类的执行,将不同的物流快件分到对应的分拣传送带上;
统计模块用于获取各个物流仓的物流信息,并对物流信息进行分类保存处理,具体的保存处理步骤如下:
H01:将各个物流仓所传递的物流信息进行整合,首先进行城市划分的统计,获取同一城市下物流快件的信息以及物流快件的数量;
H02:在城市划分统计下在进行商品类别划分统计,得到同一个城市下各类商品类别下的物流快件信息以及物流快件数量;
H03:根据城市物流快件数量进行排列,排列顺序依据城市物流快件数量由大到小排列处理;
H04:对同一个城市下各个商品类别的物流快件数量进行排名,排列前三的为热门物流商品类;
用户访问模块用于用户对物流信息的访问处理,具体的访问处理步骤表现为:
K01:获取用户录入的登录名以及登录密码;
K02:预设置的数据库里保存了安全账户源,安全账户源中包括有效登录名以及有效登录密码,将录入的登录名作为一级检索字符,在预设置的数据库里进行匹配核对;
K03:在登录名检索匹配出现相同字符时,进一步进行登录密码的核对,核对成功时,用户完成登录,其中,登录名即为用户的身份证信息;
K04:将身份证信息作为检索依据,在所有的物流信息中调取含有相同身份证信息的物流快件,含有相同身份证信息的物流快件均为该用户的物流快件,该用户所有的物流快件信息均在该账户下进行展示,展示的内容包括商品类别、收货城市、快递盒信息、身份证信息以及物流快件的状态标记。
本发明在使用时,通过识别分析处理单元完成图像的采集作业,在图像的采集传输过程中,由于受到采集设备的影像与环境变化,图像会出现噪声干扰的情况,需要对图像进行预处理,预处理包括图像去噪与图像二值化,通过中值滤波法对图像进行去噪,该方法将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,将一些与周围领域像素值相差较大的像素灰度改为与领域像素值接近的灰度值,从而去除一些过亮、过暗的像素,能够有效的保留图像的边缘信息,同时起到去除噪声的作用,为了使后续的数字字符分隔和单个字符识别有效进行,在对图像进行去噪之后需要进行二值化处理,二值化后的图像只有黑白两种颜色,能够有效地区分出背景和图像的目标,进一步在执行数字字符的分割处理与特征提取,根据预录入的物流编号对提取出的编号进行识别匹配,得到匹配成功后的物流编号,调取该物流编号下的所有物流信息,根据商品类别对物流进行初步分类,再根据收货城市对物流进行二次分类,快递盒分为大中小规格,根据物流信息中的快递盒信息,对大型快递盒做数量统计,对中型快递盒做数量统计,对小型快递盒做数量统计,每二十四小时收集一次,作为快递盒日补给的参考量,识别分析处理单元中实时更新有总物流数量与当前物流分拣量,每二十四小时获取一次总物流数量与当前物流分拣量,通过总物流数量-当前物流分拣量得到剩余待处理物流数量,根据预存的第一阈值、第二阈值、第三阈值,对待处理物流数量进行判定处理,当待处理数量大于等于第一阈值时,判定为高峰期,当待处理数量大于等于第二阈值小于第一阈值时判定为平峰期,当待处理数量大于等于第三阈值小于第二阈值时,判定为低峰期,中央管理模块用于接收分拣录入信号,调取信号中的物流编号,将物流编号作为检索依据,匹配出与之相对应的预录入的物流编号,将该物流快件的状态标记为“分拣”,接收来自入库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“分拣”状态的物流快件,将该物流快件的状态标记改为“入库”,接收来自出库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“入库”状态的物流快件,将该物流快件的状态标记改为“出库”,接收未识别类的物流编号,对所有的未完成识别的物流快件进行计时处理,计时时间为七十二小时,超过七十二小时未完成识别的物流快件的状态标记为“异常滞留”,用户在使用时能够通过用户访问模块对该账户下的物流信息进行访问,登录名即为用户的身份证信息,将登录名作为检索依据,在所有的物流信息中调取含有相同身份证信息的物流快件,含有相同身份证信息的物流快件均为该用户的物流快件,该用户所有的物流快件信息均在该账户下进行展示,展示的内容包括商品类别、收货城市、快递盒信息、身份证信息以及物流快件的状态标记。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种基于影像识别的物流分拣系统,其特征在于,包括识别分析处理单元、入库录入模块、出库录入模块、中央管理模块、统计模块、用户访问模块;
所述识别分析处理单元用于图像的采集,以获取物流订单编号,以接收到的图像为基础,对图像进行识别处理,具体的识别处理步骤表现为:
步骤一:增强信息识别的可靠性,通过中值滤波法对图像进行图像去噪;
步骤二:对去噪后的图像进行二值化处理,处理完成后进行字符分割,对编号特征进行提取;
步骤三:根据预录入的物流编号对提取出的编号进行识别匹配,输出匹配结果,对匹配成功的物流编号进行数量统计,并生成分拣录入信号,将分拣录入信号传递给中央管理模块;
步骤四:得到匹配成功后的物流编号,调取该物流编号下的所有物流信息,物流信息包括商品类别、收货城市、快递盒信息、身份证信息;
步骤五:根据商品类别对物流进行初步分类,商品分类的类别有食品类、日用百货类、五金类、服装类、饮品类、未识别类,其中,未识别类为未匹配成功的物流编号,将未识别类的物流编号传递给中央管理模块;
步骤六:实时获取单个物流快件的商品分类信息,根据商品类别信息,将物流快件引导至相应的分拣传送带上,分拣传送带有六个,对应着商品分类,六个分拣传送带分别为食品类分拣传送带、日用百货类分拣传送带、五金类分拣传送带、服装类分拣传送带、饮品类分拣传送带、未识别类分拣传送带;
步骤七:将收货城市作为二次分类依据,对相同商品类别下的快件进行城市分类,食品类快件的城市编号包括A、B、C、D...Z,日用百货类、五金类、服装类、饮品类的城市编号参照食品类快件的城市编号;
步骤八:对食品类下的物流快件进行城市分类,对日用百货类下的物流快件进行城市分类,对五金类下的物流快件进行城市分类,以此类推,完成各个类别下的城市分类;
步骤九:获取物流信息中的快递盒信息,快递盒分为大中小规格;
步骤十;根据快递盒信息中的规格尺寸,对大型快递盒做数量统计,对中型快递盒做数量统计,对小型快递盒做数量统计,每二十四小时收集一次,作为快递盒日补给的参考量;
其中,所述识别分析处理单元中实时更新有总物流数量与当前物流分拣量,根据总物流数量与当前物流分拣量进行数据分析处理,具体的处理步骤包括:
S01:每二十四小时获取一次总物流数量与当前物流分拣量;
S02:通过总物流数量-当前物流分拣量得到剩余待处理物流数量;
S03:根据预存的第一阈值、第二阈值、第三阈值,对待处理物流数量进行判定处理;
当待处理数量大于等于第一阈值时,判定为高峰期;
当待处理数量大于等于第二阈值小于第一阈值时判定为平峰期;
当待处理数量大于等于第三阈值小于第二阈值时,判定为低峰期;
所述入库录入模块用于物流快件分拣入库时的标记处理,所述出库录入模块用于物流快件出库时的标记处理,所述中央管理模块用于物流快件状态的实时标记处理,具体的标记处理步骤表现为:
A01:接收分拣录入信号,调取信号中的物流编号,将物流编号作为检索依据,匹配出与之相对应的预录入的物流编号,将该物流快件的状态标记为“分拣”;
A02:接收来自入库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“分拣”状态的物流快件,将该物流快件的状态标记改为“入库”;
A03:接收来自出库录入模块的标记处理信息,将物流编号作为检索依据,匹配出与之相对应的标记为“入库”状态的物流快件,将该物流快件的状态标记改为“出库”;
A04:接收未识别类的物流编号,对所有的未完成识别的物流快件进行计时处理,计时时间为七十二小时,超过七十二小时未完成识别的物流快件的状态标记为“异常滞留”,并生成提示窗发送给工作端进行提醒。
2.根据权利要求1所述的一种基于影像识别的物流分拣系统,其特征在于,所述识别分析处理单元包括扫描模块、数据分析模块、分拣模块,所述扫描模块用于图像的采集,所述数据分析模块用于图像的处理以及物流快件的信息分类,所述分拣模块用于物流快件分类的执行,将不同的物流快件分到对应的分拣传送带上。
3.根据权利要求1所述的一种基于影像识别的物流分拣系统,其特征在于,所述统计模块用于获取各个物流仓的物流信息,并对物流信息进行分类保存处理,具体的保存处理步骤如下:
H01:将各个物流仓所传递的物流信息进行整合,首先进行城市划分的统计,获取同一城市下物流快件的信息以及物流快件的数量;
H02:在城市划分统计下在进行商品类别划分统计,得到同一个城市下各类商品类别下的物流快件信息以及物流快件数量;
H03:根据城市物流快件数量进行排列,排列顺序依据城市物流快件数量由大到小排列处理;
H04:对同一个城市下各个商品类别的物流快件数量进行排名,排列前三的为热门物流商品类。
4.根据权利要求1所述的一种基于影像识别的物流分拣系统,其特征在于,所述用户访问模块用于用户对物流信息的访问处理,具体的访问处理步骤表现为:
K01:获取用户录入的登录名以及登录密码;
K02:预设置的数据库里保存了安全账户源,安全账户源中包括有效登录名以及有效登录密码,将录入的登录名作为一级检索字符,在预设置的数据库里进行匹配核对;
K03:在登录名检索匹配出现相同字符时,进一步进行登录密码的核对,核对成功时,用户完成登录,其中,登录名即为用户的身份证信息;
K04:将身份证信息作为检索依据,在所有的物流信息中调取含有相同身份证信息的物流快件,含有相同身份证信息的物流快件均为该用户的物流快件,该用户所有的物流快件信息均在该账户下进行展示,展示的内容包括商品类别、收货城市、快递盒信息、身份证信息以及物流快件的状态标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202751.7A CN111401813A (zh) | 2020-03-20 | 2020-03-20 | 一种基于影像识别的物流分拣系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010202751.7A CN111401813A (zh) | 2020-03-20 | 2020-03-20 | 一种基于影像识别的物流分拣系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111401813A true CN111401813A (zh) | 2020-07-10 |
Family
ID=71436488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010202751.7A Withdrawn CN111401813A (zh) | 2020-03-20 | 2020-03-20 | 一种基于影像识别的物流分拣系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401813A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112953019A (zh) * | 2021-03-30 | 2021-06-11 | 山东卓文信息科技有限公司 | 一种具有智能配变终端的低压配电网状态监控系统 |
CN113689097A (zh) * | 2021-08-13 | 2021-11-23 | 深圳市佳康捷科技有限公司 | 物流仓储库房自动化装卸货管理方法及系统 |
CN114037096A (zh) * | 2021-10-29 | 2022-02-11 | 河南格林循环电子废弃物处置有限公司 | 一种家电自动识别并标记的装置及其使用方法 |
CN115518893A (zh) * | 2022-09-19 | 2022-12-27 | 江苏经贸职业技术学院 | 一种基于数据分析的物流货物智能分拣系统 |
CN116740071A (zh) * | 2023-08-15 | 2023-09-12 | 猫幼时空(武汉)动漫文化传播有限公司 | 一种用于跨境电商物流包裹的智能检测系统 |
-
2020
- 2020-03-20 CN CN202010202751.7A patent/CN111401813A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112953019A (zh) * | 2021-03-30 | 2021-06-11 | 山东卓文信息科技有限公司 | 一种具有智能配变终端的低压配电网状态监控系统 |
CN113689097A (zh) * | 2021-08-13 | 2021-11-23 | 深圳市佳康捷科技有限公司 | 物流仓储库房自动化装卸货管理方法及系统 |
CN114037096A (zh) * | 2021-10-29 | 2022-02-11 | 河南格林循环电子废弃物处置有限公司 | 一种家电自动识别并标记的装置及其使用方法 |
CN115518893A (zh) * | 2022-09-19 | 2022-12-27 | 江苏经贸职业技术学院 | 一种基于数据分析的物流货物智能分拣系统 |
CN116740071A (zh) * | 2023-08-15 | 2023-09-12 | 猫幼时空(武汉)动漫文化传播有限公司 | 一种用于跨境电商物流包裹的智能检测系统 |
CN116740071B (zh) * | 2023-08-15 | 2023-11-10 | 猫幼时空(武汉)动漫文化传播有限公司 | 一种用于跨境电商物流包裹的智能检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401813A (zh) | 一种基于影像识别的物流分拣系统 | |
CN104881770A (zh) | 一种快递单信息识别系统和方法 | |
US11003958B2 (en) | Food quality image classification | |
NL1015943C2 (nl) | Interpretatie van gekleurde documenten. | |
CN112258074B (zh) | 一种基于大数据分析的电商商品仓储物流智能调度方法 | |
CN107169106A (zh) | 视频检索方法、装置、存储介质及处理器 | |
CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
US20240104917A1 (en) | System and method for image compression | |
JPH05225378A (ja) | 文書画像の領域分割システム | |
CN111428682A (zh) | 快件分拣方法、装置、设备及存储介质 | |
CN111885120A (zh) | 一种基于物联网的农产品信息采集方法和系统 | |
CN108427954B (zh) | 一种标牌信息采集与识别系统 | |
CN110502605B (zh) | 基于人工智能技术的电力资产lcc成本归集系统 | |
CN112307967A (zh) | 一种商品识别模型训练优化方法 | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
CN114913413A (zh) | 一种用于物流仓储的货物分类装置 | |
CN114187314A (zh) | 一种用于安检机x光的物质决策分类着色方法 | |
CN114996500B (zh) | 一种商标图形检索方法 | |
CN112861985B (zh) | 基于人工智能的图书自动分类方法 | |
JPH0737036A (ja) | 矩形分類方法 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN115169375A (zh) | 基于ar与枪球联动的高位物料可视化方法 | |
Sinkevicius et al. | Amber gemstones sorting by colour | |
CN117854091B (zh) | 基于图像特征检测的包裹多面密集标签信息提取方法 | |
Ghodke et al. | Machine learning for auto segregation of fruits classification based logistic support vector regression |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200710 |
|
WW01 | Invention patent application withdrawn after publication |