CN112967000A - 白银仓储自动入库系统的外观和重量识别方法 - Google Patents
白银仓储自动入库系统的外观和重量识别方法 Download PDFInfo
- Publication number
- CN112967000A CN112967000A CN202110266446.9A CN202110266446A CN112967000A CN 112967000 A CN112967000 A CN 112967000A CN 202110266446 A CN202110266446 A CN 202110266446A CN 112967000 A CN112967000 A CN 112967000A
- Authority
- CN
- China
- Prior art keywords
- silver
- code
- silver ingot
- image
- ingot
- 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
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 title claims abstract description 219
- 229910052709 silver Inorganic materials 0.000 title claims abstract description 219
- 239000004332 silver Substances 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000003860 storage Methods 0.000 title claims abstract description 54
- 238000005303 weighing Methods 0.000 claims abstract description 55
- 238000003062 neural network model Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 108091026890 Coding region Proteins 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 8
- 239000000523 sample Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000001444 catalytic combustion detection Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000012776 electronic material Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Abstract
本发明提供了一种白银仓储自动入库系统的外观和重量识别方法,包括:步骤1:对待入库的标准银锭进行表面图像数据采集;步骤2:对采集的图像进行预处理;步骤3:对预处理后的图像进行语义区域划分:步骤4:利用深度神经网络模型对划分区域中的银锭编码和品牌进行识别;步骤5:根据标准银锭的表面图像识别出编码号,步进到称重仪器并进行自动称重核对。本发明实现银锭表面信息的自动视觉识别和称重复核,极大地提高了标准银锭的入库效率。
Description
技术领域
本发明涉及识图像别技术领域,具体地,涉及一种白银仓储自动入库系统的外观和重量识别方法。
背景技术
国家标准《GB/T 4135-2016银锭》规定了银锭的要求、试验方法、检验规则、标志、包装、运输、贮存和质量证明书、订货单(或合同等)。标准适用于以各种含银原料生产的银锭。该产品主要用于电子材料、感光材料、珠宝饰品以及金融领域等。根据《GB/T 4135-2016银锭》规定,银锭物理规格要求呈长方形锭状或梯形锭状;并要求表面平整、洁净、不应有夹层、冷隔、夹杂物、空洞和裂纹等;并要求15kg银锭顶端切口高度不应超过端面5mm,同时银锭表面不得有机械、或手工加工的痕迹(切口、铜刷处理和表面标志例外)。同时,标准银锭上按照要求浇铸或打印商标、牌号、批号等标志,且要求15kg标准银锭的重量偏差不能超过1kg,长度为365mm±20,宽度为135mm±20。
我国的标准银锭仓储标准中对于安全性和精确性的要求较高,首先各仓库在收到客户标准银锭实物同时,将在仓储管理系统中同步获取银锭生产商、编码、以及对应重量等标准信息。在入库时必须对于相应银锭进行信息识别,并将识别后的信息与系统中重量信息进行比对,在误差范围之内的银锭能够继续执行入库动作,否则将会联系客户进行沟通。同时入库时认定的银锭编码和重量信息将用于仓储管理的后续盘点等工序。
以上特点对于标准银锭的物流和仓储管理提出了非常严格的要求。首先,由于标准银锭的重量较重,反复人力仓储入库将会造成员工体力产生负面影响,也会造成高昂的人力成本,因此需要考虑使用智能的方法,在银锭入库工程中尽量减少人力的使用;另外,由于入库时需要针对银锭编号、重量进行核对,以减少库存过程中的偏差。由于入库时银锭的编号都浇铸或打印在银锭的正表面,因此需要在入库过程中进行厂商商标、银锭编码的非人工干预的自动识别,以及在编码识别后对于银锭的重量进行查核,并且根据查核情况开展入库、或暂存处理等工作。
专利文献CN107748973A(申请号:CN201710912255.9)公开了一种商品识别系统及自动识别售卖或入库方法,包括感应端和服务器,感应端通过电性连接在服务器上,所述感应端包括形色识别探头和称重设备;服务器内包括:对应形色识别探头监测到商品颜色、图案或文字信息的图像识别模块;对应形色识别探头监测到商品重量信息重量识别模块;用于储存商品颜色信息、商品图案或文字信息和重量信息的存储模块;通过形色识别探头读取商品的外观特征,比如标签颜色、标签形状、标签大小、外包装形状、外包装图案、文字等;通过形色及重量双重信息标记,保证商品识别的准确性。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种白银仓储自动入库系统的外观和重量识别方法。
根据本发明提供的白银仓储自动入库系统的外观和重量识别方法,包括:
步骤1:对待入库的标准银锭进行表面图像数据采集;
步骤2:对采集的图像进行预处理;
步骤3:对预处理后的图像进行语义区域划分:
步骤4:利用深度神经网络模型对划分区域中的银锭编码和品牌进行识别;
步骤5:根据标准银锭的表面图像识别出编码号,步进到称重仪器并进行自动称重核对。
优选的,所述步骤2包括:
对于表面图像数据,采用邻域平均法的均值滤波器去除通过扫描得到的图像中的颗粒噪声;
采用中值滤波器让周围象素灰度值的差超出预设范围的像素改取与周围的像素值接近的值,从而消除孤立的噪声点。
优选的,所述步骤3包括:
建立语义库:针对历史入库过程中积累的标准银锭图像数据,根据业务经验,对于各图像样本上的语义区域进行分割,分别建立标准银锭规格中的商标、牌号、批号三项标志区域,对应仓库管理系统中对应的标准银锭生产商、客户和批号编码三项字段;
匹配语义区域分类:将待入库的标准银锭表面图像与语义库中三类图片进行匹配,对于采集到的图像进行多窗口划分和区域类型分类,识别图片上相似的区域,并根据语义库进行初步分类。
优选的,建立深度神经网络模型,通过语义库中已有的图片训练模型,精确识别待入库图片中已经被初步划分的语义区域,生成最终语义自动化分割结果。
优选的,在分割出标准银锭的语义区域之后,针对所识别出的各区域进行内容匹配,根据对应识别出各区域的信息,利用标准银锭生产商标志图案库分析对比待出入库银锭的生产商标注,同时根据数字智能识别流程,识别出银锭的对应编码。
优选的,所述步骤4中识别银锭编码的过程为:
样本采集:建立初步的样本集,用识别出的银锭编码作为样本集中分割出的银锭编码图像的文件名,建立初始样本,在进行标准银锭入库的同时,在确认识别出的编码正确时,将分割出的银锭编码图像保存至样本集,以识别出的编码名命名;
二值化:针对分割出的编码区域图像,采用全局阈值分割法和自适应的局部阈值分割法,来实现在不同亮度背景下的自适应分割,并对结果进行比对;
数字提取:采用聚类法、矩阵式分割法、连通区域标记法对于二值化后的图像数据进行提取,并比较其优劣,选取效果最好的算法结果;
倾斜校正:采用Hough校正,通过寻找参数最大重叠点对应的角度进行图像倾斜矫正;
归一化:采用双线性内插和最邻近内插来实现放大,通过归一化减少图像在收缩时带来的失真;
特征提取:通过主成分分析方法对于归一化后的图像进行特征提取;
样本学习:采取带有添加动量项和自适应步长的反向传播学习算法的神经网络对于特征提取后的图像文件进行识别,识别出银锭的编码的每一位数字,生成待入库标准银锭的初次识别编码;
返回最终识别结果,如果本待入库标准银锭被选中为监督样本,则对于识别后的编码进行误差判断,存入样本集;否则,将银锭编号返回仓储管理系统。
优选的,在识别出编码数据后,将语义分割区域与品牌标识库中的各产品生产商的品牌进行匹配,识别出生产商品牌,具体过程为:
图像匹配:采用SIFT算法对采集的图像和产品生产商的样本图像进行匹配,将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应;
新品牌生产商标志生成:如果在产品生产商标志库中无法匹配出结果,转人工判断是否为新的生产商标志,如果是,则生成新的生产商标志样本;否则更新当前生产商标志库中的对应生产商的品牌标志图像。
优选的,在当前标准银锭入库过程中,获取当日当批次的待入库银锭的码单,码单字段包括:银锭生产商名称、编号、寄存客户ID、银锭重量和计划送达日期的信息,根据标准银锭物流管理要求,在银锭入库时核实银锭的重量:
编码不一致的情况,不予以入库;
重量不一致的情况,不予以入库。
优选的,标准银锭上线后,通过流水线上的摄像装置,拍摄的标准银锭表面文字,通过自动识别部分识别出编码号,具体过程为:
摄像装置通过无线路由器链接仓库中服务器,推送识别的编码号,接口获取编码后,系统直接比对码单,查找编码所在的位置序列号;如果查找到,则确认返回编码号和码单位置序列号;如果未查找到,则返回编码号和空字段;对于确认返回的编码号和码单位置序列号,进入待称重复核状态。
优选的,当标准银锭上线后,通过流水线上的摄像装置,步进到称重仪器,对于线上标准银锭进行自动称重核对,具体过程为:
控制电机步进速度,固定银锭从摄像装置步进到称重仪器的时间,称重仪器对于标准银锭进行称重,称重结果通过无线路由器传送到仓库中服务器,与最近生成的标准银锭编码、码单序列号位置、以及待称重复核状态绑定,根据码单序列号位置,与码单中对应重量进行比对,当码单中对应重量与称重结果误差低于预设阈值δ,即:
则接受称重结果,确认码单;否则,当银锭步进到流水线出口时,系统报错,暂停电机步进,等待业务处理;
仓库入库业务系统中,将重量核对错误的银锭推送问题列表。
与现有技术相比,本发明具有如下的有益效果:
(1)本发明实现银锭表面信息的自动视觉识别和称重复核,极大地提高了标准银锭的入库效率;
(2)本发明通过设计的U型入库流水线,可以自动地根据识别和称重结果,对于银锭入库进行分拣和示警,此U型线可以实现平均15秒完成1枚银锭的入库流程,入库流程仅需要2名普通工人进行称重操作,比传统银锭入库的速度有较大幅度的提升、人力利用率也得以提高;
(3)本发明通过自动识别和称重装置,针对标准银锭的仓储流程进行了重新设计,在仓储管理系统中添加了标准银锭生产商标志图库和编码图库,由于生产商标志图像和编码图中的数据形象在一段时间内由于铸模的变化,产生相应变化,因此这里的标准银锭生产商标志图库和编码图库可以持续更新市场上流通的生产标志,以保证标志图库和编码图库对于市场生产商的全覆盖。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为标准银锭表面语义自动化分割流程图;
图2为标准银锭表面数字智能识别流程图;
图3为数字分割与识别流程图;
图4为整体流程图;
图5为标准银锭自动入库设备装置图;
图6为标准银锭自动入库流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:
本发明旨针对现有标准银锭内容和仓储管理要求,设计一种通过视觉识别银锭生产商标志和编号的算法,并且结合设计编码获得后的自动称重流程,以及相应的硬件系统装置用于控制标准银锭自动入库的流程控制。通过编码识别算法和自动称重系统的设计,实现对于标准银锭表面内容的自动识别、重量误差自动判断,以减轻操作人员的体力要求,提高入库流程效率,缩短标准银锭入库的等待时间。
发明内容1:标准银锭表面内容的视觉识别
如图4,为发明内容1的整体流程图。为实现上述目的,本发明针对标准银锭表面的信息内容设计了一个银锭编码视觉识别方案。整体方案分为两个步骤:语义自动化分割和编码智能识别。首先,标准银锭的语义自动化分割,通过目标检测回执确定实体的边框,对银锭表面每块实体进行检测并标记精确的边界。具体步骤如图 1所示:
1)数据采集:针对待入库的标准银锭进行表面图像数据采集;
2)图像预处理:
(a)对于表面图像数据,采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声;
(b)同时采用中值滤波器让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效,在去除噪声保护图像的边缘。
3)语义区域智能分类:
(a)建立语义库:针对历史入库过程中积累的标准银锭图像数据,根据业务经验,对于各图像样本上的语义区域进行分割,分别建立标准银锭规格中必须的:商标、牌号、批号三项标志区域,对应仓库管理系统中对应的标准银锭生产商、客户、和批号编码三项字段;
(b)匹配语义区域分类:将待入库的标准银锭表面图像与语义库中三类图片进行匹配,对于采集到的图像进行多窗口划分和区域类型分类,识别图片上相似的区域,并根据语义库进行初步分类。
4)精确划分区域:建立深度神经网络,通过语义库中已有的图片训练模型,精确识别待入库图片中已经被初步划分的语义区域,生成最终语义自动化分割结果。
在分割出标准银锭的语义区域之后,针对所识别出的各区域进行内容匹配,根据对应识别出各区域的信息,利用标准银锭生产商标志图案库分析对比待出入库银锭的生产商标注,同时根据数字智能识别流程,识别出银锭的对应编码,识别分析的过程如图2所示:
1)数字分割和文字设别:利用深度神经网络模型对于编码区域的数字进行分割。具体的数字分割的过程如图3,包括以下步骤:
(a)样本采集:首先建立初步的样本集,用识别出的银锭编码作为样本集中分割出的银锭编码图像的文件名,建立一定数量的初始样本。再在进行标准银锭入库的同时,在确认识别出的编码正确时,将分割出的银锭编码图像保存至样本集,以识别出的编码名命名。
(b)二值化:针对分割出的编码区域图像,采用全局阈值分割法和自适应的局部阈值分割法,来实现在不同亮度背景下的自适应分割,并对结果进行比对。
(c)数字提取:采用聚类法、矩阵式分割法、连通区域标记法对于二值化后的图像数据进行提取,并比较其优劣,选取效果最好的算法结果。
(d)倾斜校正:采用Hough校正,通过寻找参数最大重叠点对应的角度进行图像倾斜矫正。
(e)归一化:采用双线性内插和最邻近内插来实现放大,通过归一化减少图像在收缩时带来的失真。
(f)特征提取:通过主成分分析方法对于归一化后的图像进行特征提取。
(g)样本学习:采取带有添加动量项和自适应步长的反向传播学习算法的神经网络对于特征提取后的图像文件进行识别,识别出银锭的编码的每一位数字,生成待入库标准银锭的初次识别编码。
(h)返回最终识别结果,如果本待入库标准银锭被选中为监督样本,则对于识别后的编码进行误差判断,存入样本集;否则,将银锭编号返回仓储管理系统。
2)品牌识别:在识别出编码数据后,将另外一个语义分割区域与品牌标识库中的各产品生产商的品牌进行匹配,识别出生产商品牌。具体的步骤包括:
(a)图像匹配:采用SIFT算法对于采集的图像和产品生产商的样本图像进行匹配;将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。
(b)新品牌生产商标志生成:如果在产品生产商标志库中无法匹配出结果,转人工判断是否为新的生产商标志,如果是生成新的生产商标志样本,否则,更新当前生产商标志库中的对应生产商的品牌标志图像。
发明内容2:标准银锭的自动称重流程
在当前标准银锭入库过程中,仓储管理系统中首先将获得当日当批次的待入库银锭的码单,码单字段包括:银锭生产商名称、编号、寄存客户ID、银锭重量、计划送达日期等信息。根据标准银锭物流管理要求,在银锭入库时需要核实银锭的重量,对于:
(a)编码不一致的情况,不予以入库。
(b)重量不一致的情况,不予以入库。
这里根据标准银锭的管理要求,设计以下流程对于(a),(b)两项进行自动核对:
1)编码自动核对
标准银锭上线后,通过流水线上的摄像装置,拍摄的标准银锭表面文字,通过自动识别部分识别出编码号。
(a)摄像装置通过无线路由器链接仓库中服务器,推送识别的编码号。
(b)接口获取编码后,系统直接比对码单,查找编码所在的位置序列号。
(c)如果查找到,确认返回编码号和码单位置序列号;如果未查找到,返回编码号和空字段。
(d)对于确认返回的编码号和码单位置序列号,进入待称重复核状态。
2)重量自动核对
当标准银锭上线后,通过流水线上的摄像装置,步进到称重仪器,对于线上标准银锭进行自动称重核对。具体步骤如下:
(a)控制电机步进速度,固定银锭从摄像装置步进到称重仪器的时间(称为固定时间);
(b)称重仪器对于标准银锭进行称重,称重结果通过无线路由器传送到仓库中服务器,与最近生成的标准银锭编码、码单序列号位置、以及待称重复核状态绑定。
(c)根据码单序列号位置,与码单中对应重量进行比对,当码单中对应重量与称重结果误差低于δ,即:
接受称重结果,确认码单。否则,当银锭步进到流水线出口时,系统报错,暂停电机步进,等待业务处理。其中δ由业务人员手动设置。
(d)仓库入库业务系统中,将重量核对错误的银锭推送问题列表。
发明内容3:标准银锭视觉识别与称重装置设计
基于标准银锭自动入库系统,设计相应的标准银锭自动入库设备装置,完成标准银锭入库的编码和自动识别功能,具体设备选型和入库区域设计如图5所示:
设计中标准银锭识别装置采用U型设计,长为3500mm,宽为1900mm,配合标准白银入库场地使用,建议标准银锭入库场地为9000mm×9000mm,保证入库银锭托盘可以正常回转。标准银锭自动入库装置的具体结构如下:
(a)动力系统配置:1.5kw减速电机共两台,每条流水线各一台;变频控制器共两台,每条流水线各一台;整体动力设备包括:气缸SC63一台、双头气缸φ25一台、普通空压机一套;
(b)同步控制系统:控制运动卡:10轴网络运动控制卡一套,工控机一台,电控箱和其他配件一套;
(c)上料区:上料区入口设有托盘区域,U型流水线上料区入口宽度为700mm,向前行进2700mm到达称重区;
(d)拍照区I:U型线入料部分,在上料口和称重区中点部分设置拍照区,拍照区设备构成为高300mm、长700mm、宽700mm的拍照机柜,在盒子顶端和侧面各放置一个摄像头。具体型号包括:硬件规格:Line scan CCD:8KCCD/Scanrata 50000 条,光源系统:HiPower白色LED灯源1PC(透射光源),LED亮度200,000Lux,可程序透过RS232外部控制LED光源亮度,CCD固定座:三轴可调高精度固定座,搭配CCD数量,单支CCD可视范围(FOV):735mm,镜头:工业级镜头(需附光圈及焦距固定螺丝旋钮)。在拍照区域内,从银锭表面正上方和侧方45°对于银锭表面进行拍摄;
(e)称重区:位于U型流水线中点,组合工业吸盘及支架一台,称重计一台,通过流水线反转银锭,吸盘将标准银锭放上称重计进行称重。称重结果正确,通过称重计后的喷码单元,将识别后的编码喷印在银锭侧面脊峰处;如果结果不符,则控制喷码单元不进行喷码。此处设置普通喷码机一台。
(f)拍照区II:在称重区和出料口中点设置另外一个拍照区,拍照区设备配置和规格与拍照区I一致。称重后银锭通过拍照区II进行确认性拍照,由拍摄设备的无线路由传送到仓储管理系统存储。
(g)下料区:如果银锭识别和称重结果在误差可接受范围之内,即(1)式被满足情况下,步进机器下料口的故障示意灯现绿色,不停止流水线的步进;如果称重出现误差,当存在误差的银锭步进到下料区时,控制流水线停止步进,故障示意灯现红色,提示业务人员取下标准银锭。
(h)当上料区托盘银锭全部移到下料区后,完成入库。
具体流程如图6所示。
本发明具有如下创新点:
创新点1:针对我国的标准银锭规格要求,设计基于视觉识别的标准银锭编码识别系统,通过建立银锭生产商标志生成银锭标志库,匹配识别入库银锭表面的生产商标志;通过语义内容分割和数字分割识别,自动识别出银锭编码。并交由仓储管理系统,与待入库码单中的银锭编号相匹配,再进行针对银锭的称重与码单上的重量进行核对,对于存在误差的银锭进行示警。这是在我国白银和贵重金属库存体系中,首次实现银锭表面信息的自动视觉识别和称重复核,极大地提高了标准银锭的入库效率。
创新点2:针对我国的标准银锭仓储要求,对于入库流程进行了自动化,将编码识别与复核、称重复核、编码喷印集成在一条U型入库传送设备上,通过工控设备,依照银锭步进的顺序将摄像装置识别出的编码、称重结果返回仓储管理系统,与托盘编码对应的入库码单进行匹配分析,识别编码识别有误和称重误差超出标准的银锭,同时使用步进电机与控制系统,将识别、称重及复核结果与入库信息有误差的标准银锭的识别与拣选进行同步,自动识别、分拣出有误差的标准银锭。通过本专利中设计的U型入库流水线,可以自动地根据识别和称重结果,对于银锭入库进行分拣和示警。此U型线可以实现平均15秒完成1枚银锭的入库流程,入库流程仅需要2名普通工人进行称重操作。比传统银锭入库的速度有较大幅度的提升、人力利用率也得以提高。
创新点3:配合自动识别和称重装置,针对标准银锭的仓储流程进行了重新设计,在仓储管理系统中添加了标准银锭生产商标志图库和编码图库,由于生产商标志图像和编码图中的数据形象在一段时间内由于铸模的变化,产生相应变化,因此这里的标准银锭生产商标志图库和编码图库可以持续更新市场上流通的生产标志,以保证标志图库和编码图库对于市场生产商的全覆盖。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种白银仓储自动入库系统的外观和重量识别方法,其特征在于,包括:
步骤1:对待入库的标准银锭进行表面图像数据采集;
步骤2:对采集的图像进行预处理;
步骤3:对预处理后的图像进行语义区域划分:
步骤4:利用深度神经网络模型对划分区域中的银锭编码和品牌进行识别;
步骤5:根据标准银锭的表面图像识别出编码号,步进到称重仪器并进行自动称重核对。
2.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,所述步骤2包括:
对于表面图像数据,采用邻域平均法的均值滤波器去除通过扫描得到的图像中的颗粒噪声;
采用中值滤波器让周围象素灰度值的差超出预设范围的像素改取与周围的像素值接近的值,从而消除孤立的噪声点。
3.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,所述步骤3包括:
建立语义库:针对历史入库过程中积累的标准银锭图像数据,根据业务经验,对于各图像样本上的语义区域进行分割,分别建立标准银锭规格中的商标、牌号、批号三项标志区域,对应仓库管理系统中对应的标准银锭生产商、客户和批号编码三项字段;
匹配语义区域分类:将待入库的标准银锭表面图像与语义库中三类图片进行匹配,对于采集到的图像进行多窗口划分和区域类型分类,识别图片上相似的区域,并根据语义库进行初步分类。
4.根据权利要求3所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,建立深度神经网络模型,通过语义库中已有的图片训练模型,精确识别待入库图片中已经被初步划分的语义区域,生成最终语义自动化分割结果。
5.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,在分割出标准银锭的语义区域之后,针对所识别出的各区域进行内容匹配,根据对应识别出各区域的信息,利用标准银锭生产商标志图案库分析对比待出入库银锭的生产商标注,同时根据数字智能识别流程,识别出银锭的对应编码。
6.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,所述步骤4中识别银锭编码的过程为:
样本采集:建立初步的样本集,用识别出的银锭编码作为样本集中分割出的银锭编码图像的文件名,建立初始样本,在进行标准银锭入库的同时,在确认识别出的编码正确时,将分割出的银锭编码图像保存至样本集,以识别出的编码名命名;
二值化:针对分割出的编码区域图像,采用全局阈值分割法和自适应的局部阈值分割法,来实现在不同亮度背景下的自适应分割,并对结果进行比对;
数字提取:采用聚类法、矩阵式分割法、连通区域标记法对于二值化后的图像数据进行提取,并比较其优劣,选取效果最好的算法结果;
倾斜校正:采用Hough校正,通过寻找参数最大重叠点对应的角度进行图像倾斜矫正;
归一化:采用双线性内插和最邻近内插来实现放大,通过归一化减少图像在收缩时带来的失真;
特征提取:通过主成分分析方法对于归一化后的图像进行特征提取;
样本学习:采取带有添加动量项和自适应步长的反向传播学习算法的神经网络对于特征提取后的图像文件进行识别,识别出银锭的编码的每一位数字,生成待入库标准银锭的初次识别编码;
返回最终识别结果,如果本待入库标准银锭被选中为监督样本,则对于识别后的编码进行误差判断,存入样本集;否则,将银锭编号返回仓储管理系统。
7.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,在识别出编码数据后,将语义分割区域与品牌标识库中的各产品生产商的品牌进行匹配,识别出生产商品牌,具体过程为:
图像匹配:采用SIFT算法对采集的图像和产品生产商的样本图像进行匹配,将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应;
新品牌生产商标志生成:如果在产品生产商标志库中无法匹配出结果,转人工判断是否为新的生产商标志,如果是,则生成新的生产商标志样本;否则更新当前生产商标志库中的对应生产商的品牌标志图像。
8.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,在当前标准银锭入库过程中,获取当日当批次的待入库银锭的码单,码单字段包括:银锭生产商名称、编号、寄存客户ID、银锭重量和计划送达日期的信息,根据标准银锭物流管理要求,在银锭入库时核实银锭的重量:
编码不一致的情况,不予以入库;
重量不一致的情况,不予以入库。
9.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,标准银锭上线后,通过流水线上的摄像装置,拍摄的标准银锭表面文字,通过自动识别部分识别出编码号,具体过程为:
摄像装置通过无线路由器链接仓库中服务器,推送识别的编码号,接口获取编码后,系统直接比对码单,查找编码所在的位置序列号;如果查找到,则确认返回编码号和码单位置序列号;如果未查找到,则返回编码号和空字段;对于确认返回的编码号和码单位置序列号,进入待称重复核状态。
10.根据权利要求1所述的白银仓储自动入库系统的外观和重量识别方法,其特征在于,当标准银锭上线后,通过流水线上的摄像装置,步进到称重仪器,对于线上标准银锭进行自动称重核对,具体过程为:
控制电机步进速度,固定银锭从摄像装置步进到称重仪器的时间,称重仪器对于标准银锭进行称重,称重结果通过无线路由器传送到仓库中服务器,与最近生成的标准银锭编码、码单序列号位置、以及待称重复核状态绑定,根据码单序列号位置,与码单中对应重量进行比对,当码单中对应重量与称重结果误差低于预设阈值δ,即:
则接受称重结果,确认码单;否则,当银锭步进到流水线出口时,系统报错,暂停电机步进,等待业务处理;
仓库入库业务系统中,将重量核对错误的银锭推送问题列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266446.9A CN112967000A (zh) | 2021-03-11 | 2021-03-11 | 白银仓储自动入库系统的外观和重量识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110266446.9A CN112967000A (zh) | 2021-03-11 | 2021-03-11 | 白银仓储自动入库系统的外观和重量识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112967000A true CN112967000A (zh) | 2021-06-15 |
Family
ID=76277275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110266446.9A Pending CN112967000A (zh) | 2021-03-11 | 2021-03-11 | 白银仓储自动入库系统的外观和重量识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967000A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587767A (zh) * | 2022-10-14 | 2023-01-10 | 众芯汉创(北京)科技有限公司 | 一种基于rfid的无人机快速出入库的登记方法和系统 |
CN115806143A (zh) * | 2023-01-18 | 2023-03-17 | 安徽建筑大学 | 一种印刷版辊的全自动立体化仓库及高速出入库管理方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809094A (zh) * | 2014-12-31 | 2016-07-27 | 研祥智能科技股份有限公司 | 基于机器视觉的条形码识别方法 |
CN106709474A (zh) * | 2017-01-23 | 2017-05-24 | 无锡职业技术学院 | 一种手写电话号码识别、校验及信息发送系统 |
CN107748973A (zh) * | 2017-09-29 | 2018-03-02 | 时瑞科技(深圳)有限公司 | 商品识别系统及自动识别售卖或入库方法 |
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 |
CN109118200A (zh) * | 2018-07-26 | 2019-01-01 | 上海凯景信息技术有限公司 | 一种基于图像识别的商品识别与收银系统 |
CN109242400A (zh) * | 2018-11-02 | 2019-01-18 | 南京信息工程大学 | 一种基于卷积门控循环神经网络的物流快递单号识别方法 |
CN109284678A (zh) * | 2018-08-17 | 2019-01-29 | 宽凳(北京)科技有限公司 | 路牌语义识别方法及系统 |
CN109583446A (zh) * | 2018-12-10 | 2019-04-05 | 中化地质矿山总局江苏地质勘查院 | 基于人工神经网络的土样盒号识别系统及方法 |
CN110826562A (zh) * | 2019-11-13 | 2020-02-21 | 上海赛特斯信息科技股份有限公司 | 针对服装标签和吊牌实现自动化审核处理的系统及其方法 |
CN110929713A (zh) * | 2019-11-22 | 2020-03-27 | 中南大学 | 一种基于bp神经网络的钢印字符识别方法 |
CN111709687A (zh) * | 2020-06-18 | 2020-09-25 | 上海明略人工智能(集团)有限公司 | 一种物品入库系统及物品入库方法 |
CN111862064A (zh) * | 2020-07-28 | 2020-10-30 | 桂林电子科技大学 | 一种基于深度学习的银质丝材表面瑕疵识别方法 |
-
2021
- 2021-03-11 CN CN202110266446.9A patent/CN112967000A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809094A (zh) * | 2014-12-31 | 2016-07-27 | 研祥智能科技股份有限公司 | 基于机器视觉的条形码识别方法 |
CN106709474A (zh) * | 2017-01-23 | 2017-05-24 | 无锡职业技术学院 | 一种手写电话号码识别、校验及信息发送系统 |
CN107748973A (zh) * | 2017-09-29 | 2018-03-02 | 时瑞科技(深圳)有限公司 | 商品识别系统及自动识别售卖或入库方法 |
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 |
CN109118200A (zh) * | 2018-07-26 | 2019-01-01 | 上海凯景信息技术有限公司 | 一种基于图像识别的商品识别与收银系统 |
CN109284678A (zh) * | 2018-08-17 | 2019-01-29 | 宽凳(北京)科技有限公司 | 路牌语义识别方法及系统 |
CN109242400A (zh) * | 2018-11-02 | 2019-01-18 | 南京信息工程大学 | 一种基于卷积门控循环神经网络的物流快递单号识别方法 |
CN109583446A (zh) * | 2018-12-10 | 2019-04-05 | 中化地质矿山总局江苏地质勘查院 | 基于人工神经网络的土样盒号识别系统及方法 |
CN110826562A (zh) * | 2019-11-13 | 2020-02-21 | 上海赛特斯信息科技股份有限公司 | 针对服装标签和吊牌实现自动化审核处理的系统及其方法 |
CN110929713A (zh) * | 2019-11-22 | 2020-03-27 | 中南大学 | 一种基于bp神经网络的钢印字符识别方法 |
CN111709687A (zh) * | 2020-06-18 | 2020-09-25 | 上海明略人工智能(集团)有限公司 | 一种物品入库系统及物品入库方法 |
CN111862064A (zh) * | 2020-07-28 | 2020-10-30 | 桂林电子科技大学 | 一种基于深度学习的银质丝材表面瑕疵识别方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587767A (zh) * | 2022-10-14 | 2023-01-10 | 众芯汉创(北京)科技有限公司 | 一种基于rfid的无人机快速出入库的登记方法和系统 |
CN115587767B (zh) * | 2022-10-14 | 2023-11-21 | 众芯汉创(北京)科技有限公司 | 一种基于rfid的无人机快速出入库的登记方法和系统 |
CN115806143A (zh) * | 2023-01-18 | 2023-03-17 | 安徽建筑大学 | 一种印刷版辊的全自动立体化仓库及高速出入库管理方法 |
CN115806143B (zh) * | 2023-01-18 | 2023-04-28 | 安徽建筑大学 | 一种印刷版辊的全自动立体化仓库及高速出入库管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102579783B1 (ko) | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 | |
EP3740897B1 (en) | License plate reader using optical character recognition on plural detected regions | |
CN107486415B (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
CN109255787B (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
US9192965B2 (en) | Package vision sort system and method | |
CN112967000A (zh) | 白银仓储自动入库系统的外观和重量识别方法 | |
KR101753279B1 (ko) | 택배화물 자동 인식 시스템 | |
CN110610141A (zh) | 一种物流仓储规则形状货物识别系统 | |
CN105701519A (zh) | 基于超像素的图像的实际货架图景象分析 | |
MXPA02001474A (es) | Metodo y dispositivo para reconocimiento de articulos. | |
CN108416765B (zh) | 一种字符缺陷自动检测方法和系统 | |
CN110567976B (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
JP7055223B2 (ja) | マスク欠陥検査方法 | |
JP6780682B2 (ja) | 情報取得システム、制御装置及び情報取得方法 | |
CN104034638A (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
CN109693140A (zh) | 一种智能化柔性生产线及其工作方法 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN109146455B (zh) | 一种基于图像识别的自助点餐结算系统的点餐方法 | |
Duong et al. | Vision inspection system for pharmaceuticals | |
US20230152781A1 (en) | Manufacturing intelligence service system connected to mes in smart factory | |
CN110569753A (zh) | 一种基于机器视觉的条烟在线识别方法及系统 | |
CN109622404A (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN112798108B (zh) | 一种瓷砖自适应分色方法及装置 | |
CN209452306U (zh) | 一种到港行李在装卸区的移动式标签识别装置 | |
CN107025476B (zh) | 具有外部条码的密封装置的信息识别系统及图像识别方法 |
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 |