CN113496046B - 一种基于区块链的电商物流系统及方法 - Google Patents

Abstract

本发明提供了一种基于区块链的电商物流系统及方法，包括货物信息收集模块、安全模块和区块链储存模块，所述货物信息收集模块用于接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；所述安全模块用于对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；区块链储存模块，用于将所述货物的订单消息及安全检查结论写入区块链，通过将货物的订单消息及安全检查结论保存到区块链中。由于区块链的不可篡改属性，使得货物的各个物流环节安全监管透明，同时当出现安全纰漏时，能及时准确定位到具体的物流环节，减少了工作人员的工作量，提高了物流服务的效率。

Description

一种基于区块链的电商物流系统及方法

技术领域

本发明涉及电商物流领域，具体为一种基于区块链的电商物流系统及方法。

背景技术

目前，随着电商事业蓬勃发展，快递包裹日益增多，随之而来的是物流运输的不安全性越来越大。虽然有关政府机关已经明确要求寄件者在邮寄货物时必须要提供真实的身份信息，但还是有很多违规现象存在，例如邮寄一些违禁品，容易引发安全事故，而且物流运输环节，涉及到的转站、转员等环节十分多，一旦出现安全纰漏，难以准确定位到具体的物流环节中，难以对出现的安全纰漏进行溯源，工作人员需逐个环节去检查，增加了工作人员的工作量，电商物流服务效率低下。

同时，物流公司运需要计算货物的体积大小便于安排货物的运输和储存，判断货物是否摆正防止一些不能倾倒的货物造成损害，以及判断货物是否属于违禁品，以免造成安全隐患,现有的物流公司一般都采用人工确认的方法，需要大量的人力，而且人为的计算和判断都容易失误，造成了物流公司的利益损失，且存在安全隐患。

物流公司，为了更好的对物流运输环节中的物流工作人员进行追责，会对物流工作人员现场进行拍照，记录物流工作人员的面部照片，然而有时候记录的物流工作人员的面部照片很不清晰，一旦物流运输环节发现人为损害无法找到对应的物流工作人员，无法对物流工作人员进行追责，同样造成了物流公司利益损失。

发明内容

为实现以上目的，本发明通过以下技术方案予以实现：一种基于区块链的电商物流系统，包括货物信息收集模块、安全模块和区块链储存模块。

所述货物信息收集模块，用于接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；

所述安全模块，用于对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；

区块链储存模块，用于将所述货物的订单消息及安全检查结论写入区块链。

通过将货物的订单消息及安全检查结论保存到区块链中，这样，由于区块链的不可篡改属性，使得货物的各个物流环节安全监管透明，同时当出现安全纰漏时，能及时准确定位到具体的物流环节，减少了工作人员的工作量，提高了物流服务的效率。

进一步地，所述货物信息收集模块还用于采集物流工作人员的面部图像、安全检查站点以及安全检查设备相关数据并通过所述区块链储存模块写入区块链。

进一步地，所述货物信息收集模块还用于采集货物的三维边框、朝向以及类别，具体包括：采集货物的点数据库，对货物的点数据库三维空间进行修剪，留存预设范围内的货物点数据库，去掉不包含货物的三维空间，以减少额外的运算工作量；将修剪后的货物点数据库三维空间划分为均匀大小的货物三维体积元素，分布在对应空间的货物点数据库也被相应地归类到各个货物三维体积元素中；货物三维体积元素特征提取，对每个货物三维体积元素内包含的货物点数据库进行取样，对于数量多于E的货物三维体积元素，从中无差别取样E个点，对于数量少于E的货物三维体积元素，使用零进行填充，以确保迭代阶段取样的每个非空货物三维体积元素中都只有E个点数据库，从而避免不同货物三维体积元素内包含的货物点数据库个数过度不均匀的问题；对每个货物三维体积元素内的货物点数据库完成取样后，对每个货物三维体积元素使用多个体素特征编码单元对每个货物三维体积元素进行特征抽取，以得到逐三维体积元素特征，使用平均多个体素特征编码单元作为货物三维体积元素特征编码器，将每个非空货物三维体积元素内的E个点的信息数据进行求平均，然后将平均后的信息数据作为该货物三维体积元素的特征；将多个体素特征编码单元处理货物三维体积元素得到的逐三维体积元素特征作为输入，先使用一个稀疏摺积张量层将货物三维体积元素特征变为货物四维张量，其中一维参数为通道数，然后使用预设步长的稀疏摺积层和子流形摺积对空间四维张量进行八倍下取样；将下取样后的货物四维张量进行稠密化计算，将稀疏的三维数据稠密化之后，使用稀疏摺积层以通道数为压缩基数对空间高度进一步进行缩小，再将其变为货物二维俯视图假图像；对于得到的货物二维俯视图假图像，使用第一摺积得到与货物二维俯视图假图像大小相同的第一货物特征图，再使用第二摺积计算得到货物二维俯视图假图像一半大小的第二货物特征图，然后使用第三摺积得到货物二维俯视图假图像四分之一大小的第三货物特征图，最后，分别使用反摺积计算第一货物特征图、第二货物特征图和第三货物特征图，得到与货物二维俯视图假图像大小均相同的三个输出，对其进行结合拼接计算整合后作为粗糙支路的输出货物特征图；对第一货物特征图分别使用两个摺积核进行最大池化计算，分别对应得到货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的新货物特征图；再对第二货物特征图分别进行反摺积计算和最大池计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像四分之一大小的新货物特征图；最后对第三货物特征图分别使用两个预设步长的反摺积进行计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像一半大小的新货物特征图；对于第一货物特征图、第二货物特征图和第三货物特征图以及新生成的六个货物特征图，将相同大小的货物特征图进行结合拼接，使其整合得到新的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，再使用摺积层分别对这三个新货物特征图进行降维度计算；对于降维度后的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，分别使用三个摺积处理得到三个货物高层特征表达；再又分别使用三个预设步长的反摺积将得到的货物三个高层特征表达都变为与货物二维俯视图假图像大小相同的货物特征图，再与粗糙支路的输出货物特征图逐元素累加，最后分别使用一个摺积计算后，将其结果结合拼接后作为最后用于检测的精细支路的输出货物特征图；对于得到的用于检测的精细支路的输出货物特征图，分别使用三个摺积进行计算，得到货物的三维边框、朝向以及类别。

通过采集货物点数据库数据作为输入，利用结构简单的网络模型将货物点数据库三维体积元素转化为便于处理的货物二维图像后，通过抽取货物俯视图的多尺度特征图，并进行跨层交叉整合，在保证了检测速度的前提下，充分利用多尺度特征图丰富的上下文信息数据，减少背景点和噪声点造成的错检测，实现了对多尺寸货物的精准检测。同时，本发明将区域建议网络模型分为两个支路，粗糙支路用于提取多尺度特征图用于获得上下文信息数据和检测不同尺寸的货物，精细支路的网络对多尺度特征图进行了细化和交叉整合，实现了对三维货物三维边框的精细回归，该结构对于三维目标检测和目标检测任务均有着显著提升。

进一步地，所述货物信息收集模块得到货物的三维边框、朝向以及类别后，上传至安全模块，安全模块可根据货物的三维边框运算得出货物的体积便于货物的运输与储存，同时安全模块可根据货物的朝向判断货物是否倾倒，发出提示便于物流工作人员摆正，最后安全模块可根据货物的类别，判断货物是否属于违禁品，当发现货物属于违禁品时，所述安全模块发送警报。

优选的，对所述物流工作人员的面部图像进行提高解像度后，再通过区块链储存模块写入区块链，具体如下：

利用物流工作人员的面部图像共享源网络模型获得低层低解像度物流工作人员的面部图像特征，物流工作人员的面部图像共享源网络模型的输入为低解像度物流工作人员的面部图像，使用摺积层和低解像度物流工作人员的面部图像的特征获得函数从输入的低解像度物流工作人员的面部图像中获得低解像度物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型包括深层物流工作人员的面部图像特征获得依次连接模块；所述依次连接模块包括至少一个物流工作人员的面部图像移动自适应比重残差模块，物流工作人员的面部图像移动自适应比重残差模块又由物流工作人员的面部图像逐点摺积、物流工作人员的面部图像参数标准化层、物流工作人员的面部图像抑制其最大值非饱和激活函数、物流工作人员的面部图像深度摺积组成；先利用物流工作人员的面部图像逐点摺积核对上一层的上层输出物流工作人员的面部特征图进行摺积操作，得到第一逐点摺积物流工作人员的面部特征图，再对第一逐点摺积物流工作人员的面部特征图进行参数标准化，将得到的比重向量分解为方向向量和向量模两部分，这一比重分解的方式将比重向量的欧几里得向量范数进行了固定，实现了正则性的效果，得到正则性物流工作人员的面部特征图，接着利用物流工作人员的面部图像抑制其最大值非饱和激活函数对得到的正则性物流工作人员的面部特征图进行处理，得到第一激活物流工作人员的面部特征图；利用物流工作人员的面部图像深度摺积核对第一激活物流工作人员的面部特征图进行摺积操作，得到深度物流工作人员的面部特征图；得到深度物流工作人员的面部特征图之后，再又进行参数标准化和物流工作人员的面部图像抑制其最大值非饱和激活函数处理得到第二激活物流工作人员的面部特征图；利用逐点摺积核对第二激活物流工作人员的面部特征图进行摺积操作，得到第二逐点摺积物流工作人员的面部特征图；得到第二逐点摺积物流工作人员的面部特征图之后，进行参数标准化处理；将得到的物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数与上层输出物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数相加，得到输出物流工作人员的面部特征图；尺度系数参数将在迭代中自行更替；将物流工作人员的面部图像移动自适应比重残差模块依次连接得到依次连接模块；物流工作人员的面部图像共享源网络模型包括物流工作人员的面部图像自适应比重共享源模块，使用该模块进行非线性转变处理，其中，物流工作人员的面部图像自适应比重共享源模块是利用获得的依次连接模块进行级联依次连接组建的，在低解像度物流工作人员的面部特征图和每一个依次连接模块的输出物流工作人员的面部特征图之间都有一个自适应比重尺度系数；将低解像度物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘后和依次连接模块的输出物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘的物流工作人员的面部特征图相加得到的物流工作人员的面部特征图即为下一个依次连接模块的输入物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型进行重新组建；网络模型输入的低解像度物流工作人员的面部图像使用摺积层进行处理，再利用亚像素卷积层进行上取样；将获得的低解像度物流工作人员的面部特征图输入物流工作人员的面部图像自适应比重共享源模块，并对物流工作人员的面部图像自适应比重共享源模块的输出使用摺积层进行组建，再利用亚像素卷积层进行上取样；将两个上取样的输出结果累加即得到重新创建后的超解像度物流工作人员的面部图像。

得到重新组建后的超解像度物流工作人员的面部图像与标准的高解像度物流工作人员的面部图像计算向量中各个元素绝对值之和的代价函数，并利用误差反向传播算法迭代网络模型的参数；而后通过不同的高低解像度物流工作人员的面部图像对继续迭代网络模型参数，得到迭代好的网络模型，最后将需要超解像度重新创建的物流工作人员的面部图像输入迭代好的网络模型进行处理，即可得到重新创建后放大的物流工作人员的面部图像，再通过区块链储存模块写入区块链。

通过全新建立的深层物流工作人员的面部图像特征获得模块：依次连接模块、非线性转变模块：物流工作人员的面部图像自适应权重共享源模块自适应加权共享源模块和重新创建模块可以实现更快速高效的物流工作人员的面部图像重新创建。同时，本发明通过引入深度可分离摺积和长短跳跃式连接，在不过多影响最终重新创建效果的情况下降低了参数量，加快了计算速度，从而可以进行更快速的超解像度物流工作人员的面部图像重新创建。而且，本发明中的物流工作人员的面部图像共享源网络模型采用了自适应的加权，允许在不增加参数的情况下提取更多数据。

一种基于区块链的电商物流方法，包括以下步骤：

货物信息收集模块接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；所述安全模块对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；区块链储存模块将所述货物的订单消息及安全检查结论写入区块链。

本发明提供了一种基于区块链的电商物流系统及方法。具备以下有益效果：

1、通过将货物的订单消息及安全检查结论保存到区块链中，这样，由于区块链的不可篡改属性，使得货物的各个物流环节安全监管透明，同时当出现安全纰漏时，能及时准确定位到具体的物流环节，减少了工作人员的工作量，提高了物流服务效的效率。

2、通过采集货物点数据库数据作为输入，利用结构简单的网络模型将货物点数据库三维体积元素转化为便于处理的货物二维图像后，通过抽取货物俯视图的多尺度特征图，并进行跨层交叉整合，在保证了检测速度的前提下，充分利用多尺度特征图丰富的上下文信息数据，减少背景点和噪声点造成的错检测，实现了对多尺寸货物的精准检测。同时，本发明将区域建议网络模型分为两个支路，粗糙支路用于提取多尺度特征图用于获得上下文信息数据和检测不同尺寸的货物，精细支路的网络对多尺度特征图进行了细化和交叉整合，实现了对三维货物三维边框的精细回归，该结构对于三维目标检测和目标检测任务均有着显著提升。

3、通过全新建立的深层物流工作人员的面部图像特征获得模块：依次连接模块、非线性转变模块：物流工作人员的面部图像自适应权重共享源模块自适应加权共享源模块和重新创建模块可以实现更快速高效的物流工作人员的面部图像重新创建。同时，本发明通过引入深度可分离摺积和长短跳跃式连接，在不过多影响最终重新创建效果的情况下降低了参数量，加快了计算速度，从而可以进行更快速的超解像度物流工作人员的面部图像重新创建。而且，本发明中的物流工作人员的面部图像共享源网络模型采用了自适应的加权，允许在不增加参数的情况下提取更多数据。

附图说明

图1为本发明的流程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，一种基于区块链的电商物流系统，包括货物信息收集模块、安全模块和区块链储存模块。

所述货物信息收集模块，用于接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；

所述安全模块，用于对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；

区块链储存模块，用于将所述货物的订单消息及安全检查结论写入区块链。

通过将货物的订单消息及安全检查结论保存到区块链中，这样，由于区块链的不可篡改属性，使得货物的各个物流环节安全监管透明，同时当出现安全纰漏时，能及时准确定位到具体的物流环节，减少了工作人员的工作量，提高了物流服务效的效率。

所述货物信息收集模块还用于采集物流工作人员的面部图像、安全检查站点以及安全检查设备相关数据并通过所述区块链储存模块写入区块链。

所述货物信息收集模块还用于采集货物的三维边框、朝向以及类别，具体包括：采集货物的点数据库，对货物的点数据库三维空间进行修剪，留存预设范围内的货物点数据库，去掉不包含货物的三维空间，以减少额外的运算工作量；将修剪后的货物点数据库三维空间划分为均匀大小的货物三维体积元素，分布在对应空间的货物点数据库也被相应地归类到各个货物三维体积元素中，由于归类得到的货物三维体积元素的运算工作量仍然巨大，所以在网络模型的迭代阶段，需对每个场景设置不超过预设数量的非空货物三维体积元素，对于多于预设数量的非空货物三维体积元素的场景进行随机采样预设数量个非空货物三维体积元素用于检测任务；货物三维体积元素特征提取，对每个货物三维体积元素内包含的货物点数据库进行取样，对于数量多于E的货物三维体积元素，从中无差别取样E个点，对于数量少于E的货物三维体积元素，使用零进行填充，以确保迭代阶段取样的每个非空货物三维体积元素中都只有E个点数据库，从而避免不同货物三维体积元素内包含的货物点数据库个数过度不均匀的问题；对每个货物三维体积元素内的货物点数据库完成取样后，对每个货物三维体积元素使用多个体素特征编码单元对每个货物三维体积元素进行特征抽取，以得到逐三维体积元素特征，使用平均多个体素特征编码单元作为货物三维体积元素特征编码器，将每个非空货物三维体积元素内的E个点的信息数据进行求平均，然后将平均后的信息数据作为该货物三维体积元素的特征；将多个体素特征编码单元处理货物三维体积元素得到的逐三维体积元素特征作为输入，先使用一个稀疏摺积张量层将货物三维体积元素特征变为货物四维张量，其中一维参数为通道数，然后使用预设步长的稀疏摺积层和子流形摺积对空间四维张量进行八倍下取样；

将下取样后的货物四维张量进行稠密化计算，将稀疏的三维数据稠密化之后，使用稀疏摺积层以通道数为压缩基数对空间高度进一步进行缩小，再将其变为货物二维俯视图假图像；对于得到的货物二维俯视图假图像，使用第一摺积得到与货物二维俯视图假图像大小相同的第一货物特征图，再使用第二摺积计算得到货物二维俯视图假图像一半大小的第二货物特征图，然后使用第三摺积得到货物二维俯视图假图像四分之一大小的第三货物特征图，最后，分别使用反摺积计算第一货物特征图、第二货物特征图和第三货物特征图，得到与货物二维俯视图假图像大小均相同的三个输出，对其进行结合拼接计算整合后作为粗糙支路的输出货物特征图；对第一货物特征图分别使用两个摺积核进行最大池化计算，分别对应得到货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的新货物特征图；再对第二货物特征图分别进行反摺积计算和最大池计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像四分之一大小的新货物特征图；最后对第三货物特征图分别使用两个预设步长的反摺积进行计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像一半大小的新货物特征图；对于第一货物特征图、第二货物特征图和第三货物特征图以及新生成的六个货物特征图，将相同大小的货物特征图进行结合拼接，使其整合得到新的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，再使用摺积层分别对这三个新货物特征图进行降维度计算；对于降维度后的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，分别使用三个摺积处理得到三个货物高层特征表达；再又分别使用三个预设步长的反摺积将得到的货物三个高层特征表达都变为与货物二维俯视图假图像大小相同的货物特征图，再与粗糙支路的输出货物特征图逐元素累加，最后分别使用一个摺积计算后，将其结果结合拼接后作为最后用于检测的精细支路的输出货物特征图；对于得到的用于检测的精细支路的输出货物特征图，分别使用三个摺积进行计算，得到货物的三维边框、朝向以及类别。

通过采集货物点数据库数据作为输入，利用结构简单的网络模型将货物点数据库三维体积元素转化为便于处理的货物二维图像后，通过抽取货物俯视图的多尺度特征图，并进行跨层交叉整合，在保证了检测速度的前提下，充分利用多尺度特征图丰富的上下文信息数据，减少背景点和噪声点造成的错检测，实现了对多尺寸货物的精准检测。同时，本发明将区域建议网络模型分为两个支路，粗糙支路用于提取多尺度特征图用于获得上下文信息数据和检测不同尺寸的货物，精细支路的网络对多尺度特征图进行了细化和交叉整合，实现了对三维货物三维边框的精细回归，该结构对于三维目标检测和目标检测任务均有着显著提升。

然后，所述货物信息收集模块得到货物的三维边框、朝向以及类别后，上传至安全模块，安全模块可根据货物的三维边框运算得出货物的体积便于货物的运输与储存，同时安全模块可根据货物的朝向判断货物是否倾倒，发出提示便于物流工作人员摆正，最后安全模块可根据货物的类别，判断货物是否属于违禁品，当发现货物属于违禁品时，所述安全模块发送警报。

同时，对所述物流工作人员的面部图像进行提高解像度后，再通过区块链储存模块写入区块链，具体如下：

利用物流工作人员的面部图像共享源网络模型获得低层低解像度物流工作人员的面部图像特征，物流工作人员的面部图像共享源网络模型的输入为低解像度物流工作人员的面部图像，使用摺积层和低解像度物流工作人员的面部图像的特征获得函数从输入的低解像度物流工作人员的面部图像中获得低解像度物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型包括深层物流工作人员的面部图像特征获得依次连接模块；所述依次连接模块包括至少一个物流工作人员的面部图像移动自适应比重残差模块，物流工作人员的面部图像移动自适应比重残差模块又由物流工作人员的面部图像逐点摺积、物流工作人员的面部图像参数标准化层、物流工作人员的面部图像抑制其最大值非饱和激活函数、物流工作人员的面部图像深度摺积组成；先利用物流工作人员的面部图像逐点摺积核对上一层的上层输出物流工作人员的面部特征图进行摺积操作，得到第一逐点摺积物流工作人员的面部特征图，再对第一逐点摺积物流工作人员的面部特征图进行参数标准化，将得到的比重向量分解为方向向量和向量模两部分，这一比重分解的方式将比重向量的欧几里得向量范数进行了固定，实现了正则性的效果，得到正则性物流工作人员的面部特征图，接着利用物流工作人员的面部图像抑制其最大值非饱和激活函数对得到的正则性物流工作人员的面部特征图进行处理，得到第一激活物流工作人员的面部特征图；利用物流工作人员的面部图像深度摺积核对第一激活物流工作人员的面部特征图进行摺积操作，得到深度物流工作人员的面部特征图；得到深度物流工作人员的面部特征图之后，再又进行参数标准化和物流工作人员的面部图像抑制其最大值非饱和激活函数处理得到第二激活物流工作人员的面部特征图；利用逐点摺积核对第二激活物流工作人员的面部特征图进行摺积操作，得到第二逐点摺积物流工作人员的面部特征图；得到第二逐点摺积物流工作人员的面部特征图之后，进行参数标准化处理；将得到的物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数与上层输出物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数相加，得到输出物流工作人员的面部特征图；尺度系数参数将在迭代中自行更替；将物流工作人员的面部图像移动自适应比重残差模块依次连接得到依次连接模块；物流工作人员的面部图像共享源网络模型包括物流工作人员的面部图像自适应比重共享源模块，使用该模块进行非线性转变处理，其中，物流工作人员的面部图像自适应比重共享源模块是利用获得的依次连接模块进行级联依次连接组建的，在低解像度物流工作人员的面部特征图和每一个依次连接模块的输出物流工作人员的面部特征图之间都有一个自适应比重尺度系数；将低解像度物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘后和依次连接模块的输出物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘的物流工作人员的面部特征图相加得到的物流工作人员的面部特征图即为下一个依次连接模块的输入物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型进行重新组建；网络模型输入的低解像度物流工作人员的面部图像使用摺积层进行处理，再利用亚像素卷积层进行上取样；将获得的低解像度物流工作人员的面部特征图输入物流工作人员的面部图像自适应比重共享源模块，并对物流工作人员的面部图像自适应比重共享源模块的输出使用摺积层进行组建，再利用亚像素卷积层进行上取样；将两个上取样的输出结果累加即得到重新创建后的超解像度物流工作人员的面部图像。

得到重新组建后的超解像度物流工作人员的面部图像与标准的高解像度物流工作人员的面部图像计算向量中各个元素绝对值之和的代价函数，并利用误差反向传播算法迭代网络模型的参数；而后通过不同的高低解像度物流工作人员的面部图像对继续迭代网络模型参数，得到迭代好的网络模型，最后将需要超解像度重新创建的物流工作人员的面部图像输入迭代好的网络模型进行处理，即可得到重新创建后放大的物流工作人员的面部图像，再通过区块链储存模块写入区块链。

通过全新建立的深层物流工作人员的面部图像特征获得模块：依次连接模块、非线性转变模块：物流工作人员的面部图像自适应权重共享源模块自适应加权共享源模块和重新创建模块可以实现更快速高效的物流工作人员的面部图像重新创建。同时，本发明通过引入深度可分离摺积和长短跳跃式连接，在不过多影响最终重新创建效果的情况下降低了参数量，加快了计算速度，从而可以进行更快速的超解像度物流工作人员的面部图像重新创建。而且，本发明中的物流工作人员的面部图像共享源网络模型采用了自适应的加权，允许在不增加参数的情况下提取更多数据。

一种基于区块链的电商物流方法，包括以下步骤：

货物信息收集模块接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；所述安全模块对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；区块链储存模块，用于将所述货物的订单消息及安全检查结论写入区块链。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于区块链的电商物流系统，其特征在于：包括货物信息收集模块、安全模块和区块链储存模块；

所述货物信息收集模块，用于接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；

所述安全模块，用于对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；

区块链储存模块，用于将所述货物的订单消息及安全检查结论写入区块链；

所述货物信息收集模块还用于采集货物的三维边框、朝向以及类别，具体包括：采集货物的点数据库，对货物的点数据库三维空间进行修剪，留存预设范围内的货物点数据库，去掉不包含货物的三维空间，以减少额外的运算工作量；将修剪后的货物点数据库三维空间划分为均匀大小的货物三维体积元素，分布在对应空间的货物点数据库也被相应地归类到各个货物三维体积元素中；货物三维体积元素特征提取，对每个货物三维体积元素内包含的货物点数据库进行取样，对于数量多于E的货物三维体积元素，从中无差别取样E个点，对于数量少于E的货物三维体积元素，使用零进行填充，以确保迭代阶段取样的每个非空货物三维体积元素中都只有E个点数据库，从而避免不同货物三维体积元素内包含的货物点数据库个数过度不均匀的问题；对每个货物三维体积元素内的货物点数据库完成取样后，对每个货物三维体积元素使用多个体素特征编码单元对每个货物三维体积元素进行特征抽取，以得到逐三维体积元素特征，使用平均多个体素特征编码单元作为货物三维体积元素特征编码器，将每个非空货物三维体积元素内的E个点的信息数据进行求平均，然后将平均后的信息数据作为该货物三维体积元素的特征；将多个体素特征编码单元处理货物三维体积元素得到的逐三维体积元素特征作为输入，先使用一个稀疏摺积张量层将货物三维体积元素特征变为货物四维张量，其中一维参数为通道数，然后使用预设步长的稀疏摺积层和子流形摺积对空间四维张量进行八倍下取样；将下取样后的货物四维张量进行稠密化计算，将稀疏的三维数据稠密化之后，使用稀疏摺积层以通道数为压缩基数对空间高度进一步进行缩小，再将其变为货物二维俯视图假图像；对于得到的货物二维俯视图假图像，使用第一摺积得到与货物二维俯视图假图像大小相同的第一货物特征图，再使用第二摺积计算得到货物二维俯视图假图像一半大小的第二货物特征图，然后使用第三摺积得到货物二维俯视图假图像四分之一大小的第三货物特征图，最后，分别使用反摺积计算第一货物特征图、第二货物特征图和第三货物特征图，得到与货物二维俯视图假图像大小均相同的三个输出，对其进行结合拼接计算整合后作为粗糙支路的输出货物特征图；对第一货物特征图分别使用两个摺积核进行最大池化计算，分别对应得到货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的新货物特征图；再对第二货物特征图分别进行反摺积计算和最大池计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像四分之一大小的新货物特征图；最后对第三货物特征图分别使用两个预设步长的反摺积进行计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像一半大小的新货物特征图；对于第一货物特征图、第二货物特征图和第三货物特征图以及新生成的六个货物特征图，将相同大小的货物特征图进行结合拼接，使其整合得到新的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，再使用摺积层分别对这三个新货物特征图进行降维度计算；对于降维度后的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，分别使用三个摺积处理得到三个货物高层特征表达；再又分别使用三个预设步长的反摺积将得到的货物三个高层特征表达都变为与货物二维俯视图假图像大小相同的货物特征图，再与粗糙支路的输出货物特征图逐元素累加，最后分别使用一个摺积计算后，将其结果结合拼接后作为最后用于检测的精细支路的输出货物特征图；对于得到的用于检测的精细支路的输出货物特征图，分别使用三个摺积进行计算，得到货物的三维边框、朝向以及类别。

2.根据权利要求1所述的一种基于区块链的电商物流系统，其特征在于：所述货物信息收集模块还用于采集物流工作人员的面部图像、安全检查站点以及安全检查设备相关数据并通过所述区块链储存模块写入区块链。

3.根据权利要求1所述的一种基于区块链的电商物流系统，其特征在于，所述货物信息收集模块得到货物的三维边框后，上传至安全模块，安全模块根据货物的三维边框运算得出货物的体积便于货物的运输与储存。

4.根据权利要求1所述的一种基于区块链的电商物流系统，其特征在于，所述货物信息收集模块得到货物的朝向后，上传至安全模块，安全模块根据货物的朝向判断货物是否倾倒，发出提示便于物流工作人员摆正。

5.根据权利要求1所述的一种基于区块链的电商物流系统，其特征在于，所述货物信息收集模块得到货物的类别后，上传至安全模块，安全模块根据货物的类别，判断货物是否属于违禁品，当发现货物属于违禁品时，所述安全模块发送警报。

6.根据权利要求2所述的一种基于区块链的电商物流系统，其特征在于，对所述物流工作人员的面部图像进行提高解像度后，再通过区块链储存模块写入区块链，具体如下：

利用物流工作人员的面部图像共享源网络模型获得低层低解像度物流工作人员的面部图像特征，物流工作人员的面部图像共享源网络模型的输入为低解像度物流工作人员的面部图像，使用摺积层和低解像度物流工作人员的面部图像的特征获得函数从输入的低解像度物流工作人员的面部图像中获得低解像度物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型包括深层物流工作人员的面部图像特征获得依次连接模块；所述依次连接模块包括至少一个物流工作人员的面部图像移动自适应比重残差模块，物流工作人员的面部图像移动自适应比重残差模块又由物流工作人员的面部图像逐点摺积、物流工作人员的面部图像参数标准化层、物流工作人员的面部图像抑制其最大值非饱和激活函数、物流工作人员的面部图像深度摺积组成；先利用物流工作人员的面部图像逐点摺积核对上一层的上层输出物流工作人员的面部特征图进行摺积操作，得到第一逐点摺积物流工作人员的面部特征图，再对第一逐点摺积物流工作人员的面部特征图进行参数标准化，将得到的比重向量分解为方向向量和向量模两部分，这一比重分解的方式将比重向量的欧几里得向量范数进行了固定，实现了正则性的效果，得到正则性物流工作人员的面部特征图，接着利用物流工作人员的面部图像抑制其最大值非饱和激活函数对得到的正则性物流工作人员的面部特征图进行处理，得到第一激活物流工作人员的面部特征图；利用物流工作人员的面部图像深度摺积核对第一激活物流工作人员的面部特征图进行摺积操作，得到深度物流工作人员的面部特征图；得到深度物流工作人员的面部特征图之后，再又进行参数标准化和物流工作人员的面部图像抑制其最大值非饱和激活函数处理得到第二激活物流工作人员的面部特征图；利用逐点摺积核对第二激活物流工作人员的面部特征图进行摺积操作，得到第二逐点摺积物流工作人员的面部特征图；得到第二逐点摺积物流工作人员的面部特征图之后，进行参数标准化处理；将得到的物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数与上层输出物流工作人员的面部特征图乘上一个对应的自适应比重的尺度系数相加，得到输出物流工作人员的面部特征图；尺度系数参数将在迭代中自行更替；将物流工作人员的面部图像移动自适应比重残差模块依次连接得到依次连接模块；物流工作人员的面部图像共享源网络模型包括物流工作人员的面部图像自适应比重共享源模块，使用该模块进行非线性转变处理，其中，物流工作人员的面部图像自适应比重共享源模块是利用获得的依次连接模块进行级联依次连接组建的，在低解像度物流工作人员的面部特征图和每一个依次连接模块的输出物流工作人员的面部特征图之间都有一个自适应比重尺度系数；将低解像度物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘后和依次连接模块的输出物流工作人员的面部特征图与对应的自适应比重的尺度系数相乘的物流工作人员的面部特征图相加得到的物流工作人员的面部特征图即为下一个依次连接模块的输入物流工作人员的面部特征图；物流工作人员的面部图像共享源网络模型进行重新组建；网络模型输入的低解像度物流工作人员的面部图像使用摺积层进行处理，再利用亚像素卷积层进行上取样；将获得的低解像度物流工作人员的面部特征图输入物流工作人员的面部图像自适应比重共享源模块，并对物流工作人员的面部图像自适应比重共享源模块的输出使用摺积层进行组建，再利用亚像素卷积层进行上取样；将两个上取样的输出结果累加即得到重新创建后的超解像度物流工作人员的面部图像。

7.根据权利要求6所述的一种基于区块链的电商物流系统，其特征在于，得到重新组建后的超解像度物流工作人员的面部图像与标准的高解像度物流工作人员的面部图像计算向量中各个元素绝对值之和的代价函数，并利用误差反向传播算法迭代网络模型的参数；而后通过不同的高低解像度物流工作人员的面部图像对继续迭代网络模型参数，得到迭代好的网络模型，最后将需要超解像度重新创建的物流工作人员的面部图像输入迭代好的网络模型进行处理，即可得到重新创建后放大的物流工作人员的面部图像，再通过区块链储存模块写入区块链。

8.一种基于区块链的电商物流方法，其特征在于，包括以下步骤：货物信息收集模块接收货物的订单消息，并对货物进行安全检查，将安全检查得到的安全检查信息上传至安全模块；所述安全模块对接收到的安全检查信息进行分析生成安全检查结论，如发现货物属于违禁品时，所述安全模块发送警报；区块链储存模块将所述货物的订单消息及安全检查结论写入区块链；

所述货物信息收集模块还用于采集货物的三维边框、朝向以及类别，具体包括：采集货物的点数据库，对货物的点数据库三维空间进行修剪，留存预设范围内的货物点数据库，去掉不包含货物的三维空间，以减少额外的运算工作量；将修剪后的货物点数据库三维空间划分为均匀大小的货物三维体积元素，分布在对应空间的货物点数据库也被相应地归类到各个货物三维体积元素中；货物三维体积元素特征提取，对每个货物三维体积元素内包含的货物点数据库进行取样，对于数量多于E的货物三维体积元素，从中无差别取样E个点，对于数量少于E的货物三维体积元素，使用零进行填充，以确保迭代阶段取样的每个非空货物三维体积元素中都只有E个点数据库，从而避免不同货物三维体积元素内包含的货物点数据库个数过度不均匀的问题；对每个货物三维体积元素内的货物点数据库完成取样后，对每个货物三维体积元素使用多个体素特征编码单元对每个货物三维体积元素进行特征抽取，以得到逐三维体积元素特征，使用平均多个体素特征编码单元作为货物三维体积元素特征编码器，将每个非空货物三维体积元素内的E个点的信息数据进行求平均，然后将平均后的信息数据作为该货物三维体积元素的特征；将多个体素特征编码单元处理货物三维体积元素得到的逐三维体积元素特征作为输入，先使用一个稀疏摺积张量层将货物三维体积元素特征变为货物四维张量，其中一维参数为通道数，然后使用预设步长的稀疏摺积层和子流形摺积对空间四维张量进行八倍下取样；将下取样后的货物四维张量进行稠密化计算，将稀疏的三维数据稠密化之后，使用稀疏摺积层以通道数为压缩基数对空间高度进一步进行缩小，再将其变为货物二维俯视图假图像；对于得到的货物二维俯视图假图像，使用第一摺积得到与货物二维俯视图假图像大小相同的第一货物特征图，再使用第二摺积计算得到货物二维俯视图假图像一半大小的第二货物特征图，然后使用第三摺积得到货物二维俯视图假图像四分之一大小的第三货物特征图，最后，分别使用反摺积计算第一货物特征图、第二货物特征图和第三货物特征图，得到与货物二维俯视图假图像大小均相同的三个输出，对其进行结合拼接计算整合后作为粗糙支路的输出货物特征图；对第一货物特征图分别使用两个摺积核进行最大池化计算，分别对应得到货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的新货物特征图；再对第二货物特征图分别进行反摺积计算和最大池计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像四分之一大小的新货物特征图；最后对第三货物特征图分别使用两个预设步长的反摺积进行计算，分别对应得到与货物二维俯视图假图像大小相同和货物二维俯视图假图像一半大小的新货物特征图；对于第一货物特征图、第二货物特征图和第三货物特征图以及新生成的六个货物特征图，将相同大小的货物特征图进行结合拼接，使其整合得到新的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，再使用摺积层分别对这三个新货物特征图进行降维度计算；对于降维度后的与货物二维俯视图假图像大小相同、货物二维俯视图假图像一半大小和货物二维俯视图假图像四分之一大小的货物特征图，分别使用三个摺积处理得到三个货物高层特征表达；再又分别使用三个预设步长的反摺积将得到的货物三个高层特征表达都变为与货物二维俯视图假图像大小相同的货物特征图，再与粗糙支路的输出货物特征图逐元素累加，最后分别使用一个摺积计算后，将其结果结合拼接后作为最后用于检测的精细支路的输出货物特征图；对于得到的用于检测的精细支路的输出货物特征图，分别使用三个摺积进行计算，得到货物的三维边框、朝向以及类别。