CN113646770A - 仓库管理系统 - Google Patents

仓库管理系统 Download PDF

Info

Publication number
CN113646770A
CN113646770A CN202080009501.XA CN202080009501A CN113646770A CN 113646770 A CN113646770 A CN 113646770A CN 202080009501 A CN202080009501 A CN 202080009501A CN 113646770 A CN113646770 A CN 113646770A
Authority
CN
China
Prior art keywords
transaction item
captured image
user
image
aiqe
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
Application number
CN202080009501.XA
Other languages
English (en)
Inventor
A·奥赫利希
S·A·弗拉德
V·巴伊库
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Elson Ltd
Everseen Ltd
Original Assignee
Elson Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Elson Ltd filed Critical Elson Ltd
Publication of CN113646770A publication Critical patent/CN113646770A/zh
Pending legal-status Critical Current

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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
    • B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/041—Camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种仓库管理系统，被配置为包括：生物特征处理引擎，用于通过用户的面部识别来认证用户；自然语言处理引擎，用于实现用户与系统的非接触式交互；语音合成器，用于执行合成的语音询问提示并对从用户接收的响应做出响应；以及数量检测引擎，用于捕获交易物品的图像，并馈送到人工图像量化引擎(AIQE)以从捕获图像中提取数量，并馈送给人工图像自学习引擎(AISLE)以用于AIQE的自学习。

Description

仓库管理系统
技术领域
本公开一般涉及在可编程计算机的辅助下管理仓库，并且更具体地涉及用于从仓库和到仓库自动接收、分类、标记、跟踪或交付交易物品的系统和方法。
背景技术
目前，最著名的自动化仓库管理系统通常基于由称为条形码图案的垂直条组成的编码图案。该图案印在受控物品或其容器的某处。每个条码图案标识一个唯一的商品。销售点控制是通过激光束扫描仪实现的，该扫描仪与计算机系统交互以解释代码图案。通常，这些已知系统用于通过单个代码识别每个商品来监控或控制大量相对便宜的消耗品。这导致系统的响应时间可能比预期的要差得多，并且操作员的错误限制了数据的完整性。
大多数其他现有仓库管理方法涉及单个商品的直接(或实际)计数。所得数据可以由计算机进一步处理。如果需要计算机处理，则必须将人工计数的信息手动输入计算机。在耐用品零售中，这一类别包括大量销售(每年1000万-2000万)的对仓库所有者产生巨大经济影响的产品。目前，该市场需要大量费用来控制仓库和保护投资。这些类型的产品成本相对较高，主要采购商品(具有单独的序列号)在经销商所在地延长了现场时间，并且通常需要经销商仓库的筹资。
从制造商到分销商，再到经销商网络，直到销售，每件物品都必须被识别和跟踪。通过序列号进行检查和识别的过程是一种劳动密集型的动手技术，由于多种原因而成本高昂。此外，仓库中未售出的物品会累积仓储费并造成非当前模型的积压。
在经销商所在地的控制甚至更加困难。基于物品计数的楼层检查费用使得仓库中每个月对物品进行多次计数变得困难。因此，不经常检查的系统会出现错误和相关成本，但更频繁的检查会更频繁地插入在物品过程中出现的错误并增加其他费用。
结果，基于最新数据，在销售、生产、运输、仓储等之间几乎没有有效的相关性。因此，遗留模型、错误仓库中的库存等问题在很大程度上内置于系统中。
鉴于上述，显然需要提供一种以成本有效的方式消除或减少这些问题的仓库控制和维护系统。
发明内容
提供该发明内容以介绍与借助从仓库和到仓库接收、分类、标记、跟踪或交付交易物品的自动化机制来管理仓库相关的概念。下面在具体实施方式部分中进一步描述这些概念。本发明内容不旨在确定要求保护的主题的关键特征或基本特征，也不旨在用于限制要求保护的主题的范围。
在一个实现方式中，本公开涉及一种仓库管理系统。该系统包括：非暂时性存储设备，该非暂时性存储设备中具有可操作以管理仓库登入和登出系统的一个或多个例程；以及一个或多个处理器，其耦合到非暂时性存储设备并可操作以执行一个或多个例程。一个或多个例程包括：生物特征处理引擎，当生物特征处理引擎由一个或多个处理器执行时，通过用户的面部识别来认证用户；自然语言处理引擎，当自然语言处理引擎由一个或多个处理器执行时，使用户能够与系统进行非接触式交互；语音合成引擎，当语音合成引擎由一个或多个处理器执行时，执行合成的语音询问提示并响应从用户接收的响应；和数量检测引擎，当数量检测引擎由一个或多个处理器执行时，捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中AIQE用于从捕获图像中提取数量而AISLE用于AIQE的自学习。
在另一实现方式中，本公开还涉及一种用于仓库管理的方法。该方法包括：通过用户的面部识别对用户进行认证；促进用户与系统的非接触式交互；执行合成的语音询问提示并响应交互期间从用户接收的响应；以及捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中AIQE用于从捕获图像中提取数量，而AISLE用于AIQE的自学习。
在又一实现方式中，本公开涉及实现所述主题的非暂时性计算机可读介质，该非暂时性计算机可读介质包括由处理资源可执行的指令。执行指令以通过用户的面部识别对用户进行认证；促进用户与系统的非接触式交互；执行合成的语音询问提示并响应交互期间从用户接收的响应；以及捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中AIQE用于从捕获图像中提取数量，而AISLE用于AIQE的自学习。
在一个方面，AIQE适于：从数量检测引擎接收交易物品的捕获图像；通过掩模划分(mask division)对捕获图像进行分割以从捕获图像中去除空槽(empty slot)，来进行构成分类(composition classification)；从分类的捕获图像中提取交易物品的关键特征；根据提取的关键特征对交易物品进行批次分类；基于批次分类对交易物品进行标记；以及根据交易物品的标记确定交易物品的数量。
在一个方面，AISLE适于：从数量检测引擎接收交易物品的捕获图像；通过掩模划分对捕获图像进行分割以从捕获图像中去除空槽，来进行构成分类；从分类的捕获图像中提取交易物品的关键特征；接收与交易物品的数量相关的用户输入；根据用户输入对交易物品进行标记；以及根据交易物品的标记确定交易物品的数量。
在一个方面，基于与交易物品的数量相关的用户输入的接收，AISLE将通过以下方式采用与系统耦合的训练服务器来重新训练可用的数据集：将分类的图像发送到训练服务器；用新数据集对训练服务器进行训练以更新经训练的模型；以及将经训练的模型推送到与系统关联的电子接收器应用。
在一个方面，生物特征处理引擎通过以下方式对用户进行认证：在关联数据库中不断寻找人脸直到找到一些相关人脸；从所有找到的相关人脸中提取代表面部特征的模板；将提取的模板与关联数据库中的相关人脸一一匹配；以及根据匹配对用户进行认证。
在一个方面，在确定交易物品的数量后，该系统适于在确定交易物品的数量后获取出货图像；以及发布出货图像。
通过阅读以下实施例的详细描述，本公开的其他和进一步的方面和特征将显而易见，这些实施例旨在说明而非限制本公开。
附图说明
通过参考附图将最好地理解本主题的图示实施例，其中相同的部件自始至终由相同的数字表示。以下描述仅作为示例，并且简单地说明了与本文要求保护的主题一致的设备、系统和过程的某些选定实施例：
图1示出了根据本公开的示例性实施例的示例性仓库管理系统的各种组件；
图2示出了根据本公开的示例性实施例的人工图像量化引擎的处理流程；
图3示出了根据本公开的示例性实施例的人工图像自学习引擎的处理流程；
图4示出了根据本公开的示例性实施例的用于操作所述系统的网络环境；以及
图5示出了根据本公开的示例性实施例的用于实现仓库管理系统的方法。
具体实施方式
下面参考各种附图详细解释本公开的几个方面。描述示例实现方式以说明所公开的主题，而不是限制其由权利要求限定的范围。本领域的普通技术人员将认识到以下描述中提供的各种特征的多个等效变化。
本公开的主要目的是在自动化机制的辅助下管理仓库，以简化从仓库和到仓库的接收、分类、标记、跟踪或交付交易物品的过程。本公开提出了用于提供与系统用户的完全自动化和基于语音的交互的方法和系统。该方法和系统通过用户的面部识别对用户进行认证来实现本公开的主要内容；促进用户与系统的非接触式交互；执行合成的语音询问提示并响应交互期间从用户接收的响应；以及捕获交易物品的图像并将其馈送给人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)。AIQE适用于从捕获图像中提取数量，而AISLE适用于AIQE的自学习。
在此参考附图进一步描述各种实施例。应当注意，描述和附图涉及示例性实施例并且不应被解释为对本公开的主题的限制。还应当理解，尽管在本文中没有明确描述或示出，但是可以设计出体现本公开的主题的原理的各种布置。此外，本文中引用本公开主题的原理、方面和实施例以及具体示例的所有陈述旨在涵盖其等效物。此外，为了简洁起见，与本公开的技术领域中已知的技术材料有关的操作或工作原理没有被详细描述，以免不必要地混淆本公开。
图1图示了根据本公开的实施例的仓库管理系统100的示例性功能组件。在一方面，系统100可以被实现为基于云的系统并且可以被通过通信网络连接到该系统的设备访问。通信网络可以是单个网络，也可以是多个网络的组合。通信网络可以包括一个或多个区域网络，例如局域网(LAN)、广域网(WAN)、内联网、因特网或任何其他类型的网络。在一个示例中，网络可以包括移动通信网络，例如2G、3G、4G或5G移动通信网络。通信网络可以耦合到一个或多个其他网络，从而提供更多设备之间的耦合。例如，当网络通过因特网耦合在一起时，情况就是如此。
在一方面，系统100包括处理器102、接口104以及存储器106。
处理器102可以被实现为一个或多个微处理器、微型计算机、微控制器、数字信号处理器、逻辑电路和/或基于操作指令操纵数据的任何设备。在其他能力中，一个或多个处理器102被配置为获取和执行计算机可读指令以及存储在存储器106中的一个或多个例程。存储器106可以存储一个或多个计算机可读指令或例程，这些指令和例程可以通过网络服务被获取并被执行以管理仓库。存储器106可以包括任何非暂时性存储设备，例如包括诸如RAM之类的易失性存储器或诸如EPROM、闪存等之类的非易失性存储器。
接口104可以包括各种接口，例如，用于被称为I/O设备、存储设备等的数据输入和输出设备的接口。接口104可以促进系统100与耦合到系统100的各种设备的通信。接口104还可以为系统100的一个或多个组件提供通信路径。这样的组件的示例包括但不限于处理引擎108和数据110。数据110可以包括作为由处理引擎108的任何组件实现的功能的结果而存储或生成的数据。
处理引擎108可以被实现为硬件和程序(例如，可编程指令)的组合以实现处理引擎108的一个或多个功能。在本文描述的示例中，硬件和编程的这种组合可以以几种不同的方式实现。例如，处理引擎108的编程可以是存储在非暂时性机器可读存储介质上的处理器可执行指令，并且处理引擎108的硬件可以包括处理资源(例如，一个或多个处理器)，以执行这样的指令。在本示例中，机器可读存储介质可以存储在由处理资源执行时实现处理引擎108的指令。在这样的示例中，系统100可以包括存储指令的机器可读存储介质以及用于执行指令的处理资源，或机器可读存储介质可以是分离的，但是可以由系统100和处理资源访问。在其他示例中，处理引擎108可以由电子电路来实现。
在一方面，处理引擎108可以包括生物特征处理引擎112、自然语言处理引擎114、语音合成器引擎116、数量检测引擎118、人工图像量化引擎(AIQE)120、人工图像自学习引擎(AISLE)122和其他引擎124。其他引擎124可以实现补充由系统100或处理引擎108执行的应用程序或功能的功能。
在操作中，当作为个人或服务提供商的用户与具有对系统100进行访问的应用程序的设备交互时，系统100激活其生物特征处理引擎112以通过用户的面部识别来认证该用户。生物特征处理引擎112通过以下方式来认证用户：在相关服务提供商的数据库(图中未示出)中不断寻找人脸直到找到一些相关人脸；从所有找到的相关人脸中提取代表人脸特征的人脸模板；将提取的人脸模板与相关服务提供商的数据库中的相关人脸一一匹配；并根据匹配对用户进行认证。
然而，在没有找到匹配的情况下，生物特征处理引擎112再次在相关服务提供商的数据库(图中未示出)中继续寻找人脸，直到找到一些相关的人脸，且然后重复认证该用户的整个过程。
一旦用户基于他/她的面部特征得到认证，自然语言处理引擎114使用户能够与系统100进行非接触式或基于语音的交互，并且语音合成器引擎116执行合成的语音询问提示并响应从用户接收的响应。例如，自然语言处理引擎114连同语音合成器引擎116执行以下流程，这些流程可以根据需要进行扩展和定制：
o系统提示1:“欢迎来自[公司]的[姓名]？”
o系统提示2:“你今天工作吗？”
o系统提示3:“你今天是否[动作1(例如：交付、退货等)][物品名称]？”
o系统提示4:“请将带有[物品名称]的托盘放入高亮区域。”
o系统提示5:“准备拍照？”
一旦物品被放置在高亮区域中，数量检测引擎118就捕获交易物品的图像并将它们馈送给AIQE 120以及AISLE 122，其中AIQE 120用于从捕获图像中提取数量而AISLE 122用于AIQE的自学习。
图2示出了根据本公开的示例性实施例的AIQE 120的处理流程。
在一方面，一旦交易物品的图像被馈送到AIQE 120，AIQE 120就从数量检测引擎118接收交易物品的捕获图像(步骤202)。然后AIQE 120通过掩模划分来分割捕获图像以从捕获图像中去除空槽，来执行构成分类(步骤204)。之后，AIQE 120从分类的捕获图像中提取包括但不限于颜色数量、颜色类型和颜色分布的关键特征(步骤206)，并基于提取的关键特征对交易物品进行批次分类(步骤208)。此后，AIQE 120根据批次分类对交易物品进行标记(步骤210)；以及根据交易物品的标记确定交易物品的数量(212)。
图3示出了根据本公开的示例性实施例的AISLE 122的处理流程。参照图3，AISLE122适用于从数量检测引擎118接收交易物品的捕获图像(步骤302)，以及然后通过掩模划分来分割捕获图像以从捕获图像中去除空槽，来执行构成分类(304)。然后，AISLE 122从分类的捕获图像中提取交易物品的关键特征(步骤306)并接收与交易物品的数量相关的用户输入(步骤308)。此后，AISLE 122根据用户输入对交易物品进行标记(步骤310)；以及根据交易物品的标记确定交易物品的数量(步骤312)。
在一方面，基于步骤308接收的与交易物品的数量相关的用户输入，AISLE 122通过以下方式利用耦合到系统100的训练服务器(图中未示出)来重新训练可用的数据集：将分类图像发送到训练服务器(步骤308A)；用新数据集对训练服务器进行训练(步骤308B)；以及将经训练的模型推送到与系统100相关联的电子接收器应用(步骤308C)。
在一方面，基于在步骤310对物品的标记，AISLE 122将与交易物品的数量相关的用户输入与用于统计的NN输入进行比较(步骤310A)。
又一方面，在步骤212或312中的任一步骤确定交易物品的数量后，系统100适用于在确定交易物品的数量后获取出货图像；以及发布出货图像。
图4图示了根据本主题的示例的使用非暂时性计算机可读介质402来执行系统100的操作的示例网络环境400。网络环境400可以是公共网络环境或私有网络环境。在一个示例中，网络环境400包括通过通信链路406通信地耦合到非暂时性计算机可读介质402的处理资源404。
例如，处理资源404可以是处理器。非暂时性计算机可读介质402可以是例如内部存储设备或外部存储设备。在一个示例中，通信链路406可以是直接通信链路，例如通过存储器读/写接口形成的通信链路。在另一示例中，通信链路406可以是间接通信链路，例如通过网络接口形成的通信链路。在这种情况下，处理资源404可以通过网络408访问非暂时性计算机可读介质402。网络408可以是单个网络或多个网络的组合并且可以使用多种通信协议。
处理资源404和非暂时性计算机可读介质402还可以通过网络408通信地耦合到数据源410。数据源410可以包括例如数据库和计算设备。数据库管理员和其他用户可以使用数据源410来与处理资源404通信。
在一个示例实现方式中，非暂时性计算机可读介质402包括一组计算机可读指令。这组计算机可读指令在下文中称为指令，可由处理资源404通过通信链路406访问并随后被执行以执行用于网络服务插入的动作。换言之，在操作期间，处理资源404可以执行计算机可读指令以通过用户的面部识别来认证用户；促进用户与系统的非接触式交互；执行合成的语音询问提示并响应交互期间从用户接收的响应；以及捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中AIQE用于从捕获图像中提取数量，而AISLE用于AIQE的自学习。
图5图示了根据本公开的实施方式的用于操作仓库管理系统100的方法500。描述方法500的顺序不旨在被解释为限制，并且可以以任何适当的顺序组合任意数量的所描述的方法方框以执行方法500或替代方法。另外，可以从方法500中删除单独的方框而不脱离这里描述的主题的范围。
方法500可以例如基于从非暂时性计算机可读介质或非暂时性计算机可读媒介中检索的指令而由编程的计算设备执行。计算机可读媒介可包括机器可执行或计算机可执行指令以执行所描述方法的全部或部分。计算机可读媒介可以是例如数字存储器、磁存储介质(例如磁盘和磁带)、硬盘驱动器或光学可读数据存储介质。
在方框502，方法500包括通过用户的面部识别来认证用户。一方面，用户的认证由生物特征处理引擎通过以下方式来执行：在关联数据库中不断寻找人脸直到找到一些相关人脸；从所有找到的相关人脸中提取代表面部特征的模板；将提取的模板与来自相关数据库中的相关人脸一一匹配；以及根据匹配对用户进行认证。
在方框504，方法500包括促进用户与系统的非接触式交互。
在方框506，方法500包括执行合成的语音询问提示并响应交互期间从用户接收的响应。
在方框508，方法500包括捕获交易物品的图像并且馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中AIQE用于从捕获图像中提取数量，而AISLE用于AIQE的自学习。
在一个方面，AIQE适于：从数量检测引擎接收交易物品的捕获图像；通过掩模划分对捕获图像进行分割以从捕获图像中去除空槽，来进行构成分类；从分类的捕获图像中提取交易物品的关键特征；根据提取的关键特征对交易物品进行批次分类；基于批次分类对交易物品进行标记；以及根据交易物品的标记确定交易物品的数量。
在一个方面，AISLE适于：从数量检测引擎接收交易物品的捕获图像；通过掩模划分对捕获图像进行分割以从捕获图像中去除空槽，来进行构成分类；从分类的捕获图像中提取交易物品的关键特征；接收与交易物品的数量相关的用户输入；根据用户输入对交易物品进行标记；以及根据交易物品的标记确定交易物品的数量。
在一个方面，基于接收的与交易物品的数量相关的用户输入，AISLE将通过以下方式采用耦合到系统的训练服务器来重新训练可用的数据集：将分类图像发送到训练服务器；用新数据集对训练服务器进行训练；以及将经训练的模型推送到与系统关联的电子接收器应用。
一方面，在确定交易物品的数量后，该系统适于：在确定交易物品的数量后获取出货图像；以及发布出货图像。
因此，通过本主题的方法500的实现方式，仓库管理系统100的流程是完全自动化的并且包括用于提供商识别的面部识别、用于我们的“无接触”用户体验的语音命令识别、用于扫描区域限制的网格投影和基于AI的自学习产品识别。
此外，仓库管理系统100可由安装在本地设备上的电子接收器应用访问，以通过创建基于人工图像的机器人/应用来解决库存管理和签入/签出操作监控的问题，使得提供商能够安全和自主地进行操作。
以上描述没有提供各种组件的制造或设计的具体细节。本领域技术人员熟悉这些细节，并且除非阐述偏离那些技术，否则应当采用已知的、相关的技术或后来开发的设计和材料。本领域技术人员可以选择合适的制造和设计细节。
注意，在整个公开内容中，可以做出关于服务器、服务、引擎、模块、接口、门户、平台或由计算设备形成的其他系统的大量参考。应当理解，这样的术语的使用被视为表示具有至少一个处理器的一个或多个计算设备，该处理器被配置或编程为执行存储在计算机可读有形、非暂时性介质或者也称为处理器可读介质上的软件指令。例如，服务器可以包括以履行所描述的角色、职责或功能的方式作为网络服务器、数据库服务器或另一种类型的计算机服务器操作的一台或多台计算机。在本文的上下文中，所公开的设备或系统也被认为包括具有处理器和存储指令的非暂时性存储器的计算设备，这些指令可由处理器执行使设备控制、管理或以其他方式操纵设备或系统。
然而，应当理解，所有这些和类似的术语都将与适当的物理量相关联并且仅仅是应用于这些量的方便的标签。除非另有特别说明，从这里的讨论中显而易见的是，应当理解在整个描述中，讨论使用诸如“接收”、或“认证”、或“促进”、或“执行”或“捕获”等术语，或类似的，指的是计算机系统或类似电子计算设备的动作和处理，其将在计算机系统的寄存器和存储器中表示为物理(电子)量的数据操作和转换为在计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备中类似地表示为物理量的其他数据。
示例性实施例还涉及一种用于执行这里讨论的操作的装置。该装置可以为所需目的而专门构造，或者其可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这种计算机程序可以存储在计算机可读存储介质中，例如但不限于包括软盘、光盘、CD-ROM和磁光盘的任何类型的磁盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡或任何类型的适合存储电子指令的介质，并且每个都耦合到计算机系统总线。
此外，这里使用的术语仅用于描述特定实施例的目的，并不旨在限制本公开。应当理解，上面公开的和其他特征和功能中的几个，或其替代物，可以组合到其他系统或应用中。在不脱离所附权利要求所涵盖的本公开的范围的情况下，本领域技术人员随后可以对其进行各种目前无法预见或未预料到的替代、修改、变化或改进。
权利要求，如最初提出的和可以修改的，包括本文公开的实施例和教导的变化、替代、修改、改进、等效物和实质等效物，包括目前未预见或未被理解的那些，并且，例如，可能来自申请人/专利权人和其他人。
应当理解，上述公开的变形和其他特征和功能或其替代物可以组合到许多其他不同的系统或应用中。本领域技术人员随后可以对其进行各种目前无法预见或未预料到的替代、修改、变化或改进，这些也旨在被以下权利要求所涵盖。

Claims (18)

1.一种仓库管理系统，包括：
非暂时性存储设备，该非暂时性存储设备具有可操作以管理仓库登入和登出系统的一个或多个例程；以及
一个或多个处理器，所述一个或多个处理器耦合到所述非暂时性存储设备并可操作以执行所述一个或多个例程，其中所述一个或多个例程包括：
生物特征处理引擎，当所述生物特征处理引擎由所述一个或多个处理器执行时，通过用户的面部识别来认证所述用户；
自然语言处理引擎，当所述自然语言处理引擎由所述一个或多个处理器执行时，使所述用户能够与所述系统进行非接触式交互；
语音合成器，当所述语音合成器由所述一个或多个处理器执行时，执行合成的语音询问提示并响应从所述用户接收的响应；和
数量检测引擎，当所述数量检测引擎由所述一个或多个处理器执行时，捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中所述AIQE用于从捕获图像中提取数量而所述AISLE用于所述AIQE的自学习。
2.根据权利要求1所述的系统，其中所述AIQE被配置为：
从所述数量检测引擎接收所述交易物品的捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
基于提取的关键特征对所述交易物品进行批次分类；
根据所述批次分类对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的数量。
3.根据权利要求1所述的系统，其中所述AISLE被配置为：
从所述数量检测引擎接收所述交易物品的捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
接收与所述交易物品的数量相关的用户输入；
根据所述用户输入对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的数量。
4.根据权利要求3所述的系统，其中基于与所述交易物品的所述数量相关的所述用户输入的接收，所述AISLE被配置为通过以下方式采用耦合到所述系统的训练服务器来重新训练可用的数据集：
将分类的捕获图像发送到所述训练服务器；
用新数据集训练所述训练服务器；以及
将经训练的模型推送到与所述系统关联的电子接收器应用。
5.根据权利要求1所述的系统，其中，所述生物特征处理引擎通过以下方式认证所述用户：
在关联数据库中不断地寻找人脸，直到找到一些相关人脸；
从所有找到的相关人脸中提取代表面部特征的模板；
将每个提取的模板与所述关联数据库中的所述相关人脸进行匹配；以及
根据所述匹配对所述用户进行认证。
6.根据权利要求2所述的系统，其中在确定所述交易物品的数量之后，所述系统将：
在确定所述交易物品的所述数量后，获取出货图像；以及
发布所述出货图像。
7.一种仓库管理方法，该方法包括：
通过用户的面部识别对所述用户进行认证；
促进所述用户与系统的非接触式交互；
执行合成的语音询问提示，并响应交互期间从所述用户接收的响应；以及
捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中所述AIQE用于从捕获图像中提取数量，而所述AISLE用于所述AIQE的自学习。
8.根据权利要求7所述的方法，其中在所述AIQE处，
从数量检测引擎接收所述交易物品的所述捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
根据提取的关键特征对所述交易物品进行批次分类；
基于所述批次分类对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的数量。
9.根据权利要求7所述的方法，其中在所述AISLE处，
从数量检测引擎接收所述交易物品的所述捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
接收与所述交易物品的数量相关的用户输入；
根据所述用户输入对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的所述数量。
10.根据权利要求9所述的方法，其中基于与所述交易物品的所述数量相关的所述用户输入的接收，通过以下方式采用与所述系统耦合的训练服务器来重新训练可用的数据集：
将分类的捕获图像发送到所述训练服务器；
用新数据集训练所述训练服务器以更新经训练的模型；以及
将所述经训练的模型推送到与所述系统关联的电子接收器应用。
11.根据权利要求7所述的方法，其中认证所述用户包括：
在关联数据库中不断地寻找人脸，直到找到一张或多张相关人脸；
从所有找到的相关人脸中提取代表面部特征的模板；
将每个提取的模板与所述关联数据库中的所述相关人脸进行匹配；以及
根据所述匹配对所述用户进行认证。
12.根据权利要求8所述的方法，其中在确定所述交易物品的所述数量之后，该方法包括：
在确定所述交易物品的所述数量后，获取出货图像；以及
发布所述出货图像。
13.一种非暂时性计算机可读介质，包括指令，所述指令由处理资源可执行以：
通过用户的面部识别来认证所述用户；
促进所述用户与系统的非接触式交互；
执行合成的语音询问提示，并响应交互期间从所述用户接收的响应；以及
捕获交易物品的图像并馈送到人工图像量化引擎(AIQE)和人工图像自学习引擎(AISLE)，其中所述AIQE用于从捕获图像中提取数量，而所述AISLE用于所述AIQE的自学习。
14.根据权利要求13所述的非暂时性计算机可读介质，包括指令，所述指令在所述AIQE处由所述处理资源可执行以：
从数量检测引擎接收所述交易物品的所述捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
根据提取的关键特征对所述交易物品进行批次分类；
根据所述批次分类对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的数量。
15.根据权利要求13所述的非暂时性计算机可读介质，包括指令，所述指令在所述AISLE处由所述处理资源可执行以：
从所述数量检测引擎接收所述交易物品的所述捕获图像；
通过掩模划分对所述捕获图像进行分割以从所述捕获图像中去除空槽，来进行构成分类；
从分类的捕获图像中提取所述交易物品的关键特征；
接收与所述交易物品的数量相关的用户输入；
根据所述用户输入对所述交易物品进行标记；以及
根据所述交易物品的所述标记确定所述交易物品的数量。
16.根据权利要求15所述的非暂时性计算机可读介质，包括指令，所述指令由所述处理资源可执行以基于与所述交易物品的所述数量相关的所述用户输入的接收，通过以下方式采用耦合到所述系统的训练服务器重新训练可用的数据集：
将分类的捕获图像发送到所述训练服务器；
用新数据集训练所述训练服务器以更新经训练的模型；以及
将所述经训练的模型推送到与所述系统关联的电子接收器应用。
17.根据权利要求13所述的非暂时性计算机可读介质，包括指令，所述指令由所述处理资源可执行以通过以下方式认证所述用户：
在关联数据库中不断地监控人脸，直到找到一些相关人脸；
从所有找到的相关人脸中提取代表面部特征的模板；
将每个提取的模板与所述关联数据库中的所述相关人脸进行匹配；以及
根据所述匹配对所述用户进行认证。
18.根据权利要求14所述的非暂时性计算机可读介质，包括指令，所述指令由所述处理资源可执行以：
在确定所述交易物品的所述数量后，获取出货图像；以及
发布所述出货图像。
CN202080009501.XA 2019-01-22 2020-01-20 仓库管理系统 Pending CN113646770A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/254,154 US10913605B2 (en) 2019-01-22 2019-01-22 Warehouse management system
US16/254,154 2019-01-22
PCT/IB2020/050419 WO2020152569A2 (en) 2019-01-22 2020-01-20 Warehouse management system

Publications (1)

Publication Number Publication Date
CN113646770A true CN113646770A (zh) 2021-11-12

Family

ID=69375654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080009501.XA Pending CN113646770A (zh) 2019-01-22 2020-01-20 仓库管理系统

Country Status (12)

Country Link
US (1) US10913605B2 (zh)
EP (1) EP3915043A2 (zh)
JP (1) JP7378482B2 (zh)
KR (1) KR20210117324A (zh)
CN (1) CN113646770A (zh)
AU (1) AU2020210967B2 (zh)
BR (1) BR112021012170A2 (zh)
CA (1) CA3125261A1 (zh)
CL (1) CL2021001802A1 (zh)
CO (1) CO2021009024A2 (zh)
MX (1) MX2021008805A (zh)
WO (1) WO2020152569A2 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11308439B2 (en) 2019-01-22 2022-04-19 Everseen Limited Goods receipt management system and method
US11275972B2 (en) * 2019-11-08 2022-03-15 International Business Machines Corporation Image classification masking
AU2021359240A1 (en) * 2020-10-12 2023-05-18 Everseen Limited Goods receipt management system and method
CN113780916A (zh) * 2020-11-27 2021-12-10 北京京东乾石科技有限公司 一种出库方法和装置
CN112863066A (zh) * 2021-01-07 2021-05-28 李琳琳 一种基于人脸识别的非当面式快递收件方法、系统及设备
KR102493777B1 (ko) * 2022-08-03 2023-01-31 주식회사 넘버제로 인공지능 기반 장례식 예약 및 주문 처리 방법, 장치 및 시스템
US20240061644A1 (en) * 2022-08-17 2024-02-22 Jpmorgan Chase Bank, N.A. Method and system for facilitating workflows via voice communication
CN117218112B (zh) * 2023-11-03 2024-02-06 江苏森途信息技术有限公司 一种基于视频分析的危废仓库超量识别系统及方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10194411A (ja) * 1997-01-08 1998-07-28 Toshiba Corp 商品在庫管理装置
US20040249497A1 (en) 2000-07-12 2004-12-09 Autocart, Llc System, method and process for order and delivery of classified goods and services through an amalgamated drive-thru complex
AU2002211769B2 (en) 2000-10-20 2006-10-26 Promega Corporation Radio frequency identification method and system of distributing products
US7780081B1 (en) 2005-01-03 2010-08-24 RCL Products, Inc. System and method for security protection, inventory tracking and automated shopping cart checkout
US8245052B2 (en) * 2006-02-22 2012-08-14 Digitalpersona, Inc. Method and apparatus for a token
US20090164631A1 (en) * 2007-12-20 2009-06-25 Wooley Marcus L Centralized Services Management (CSM) System
US10268983B2 (en) * 2013-06-26 2019-04-23 Amazon Technologies, Inc. Detecting item interaction and movement
US9996818B1 (en) 2014-12-19 2018-06-12 Amazon Technologies, Inc. Counting inventory items using image analysis and depth information
US9519827B2 (en) * 2014-12-24 2016-12-13 International Business Machines Corporation Personalized, automated receptionist
US20190043615A1 (en) * 2016-08-05 2019-02-07 Italo Ramachandra Subbarao Portable emergency telehealth system and method
JP2020502649A (ja) * 2016-12-05 2020-01-23 フェロー，インコーポレイテッド インテリジェントサービスロボットおよび関連するシステムおよび方法
US10558843B2 (en) * 2018-01-10 2020-02-11 Trax Technology Solutions Pte Ltd. Using price in visual product recognition
CN112639862A (zh) * 2018-06-29 2021-04-09 鬼屋技术有限责任公司 物品定位、清单创建、路线规划、成像和检测的系统、设备和方法

Also Published As

Publication number Publication date
CO2021009024A2 (es) 2021-07-30
AU2020210967A1 (en) 2021-07-08
AU2020210967B2 (en) 2023-05-18
US10913605B2 (en) 2021-02-09
EP3915043A2 (en) 2021-12-01
BR112021012170A2 (pt) 2021-08-31
CA3125261A1 (en) 2020-07-30
WO2020152569A2 (en) 2020-07-30
MX2021008805A (es) 2021-08-24
US20200231382A1 (en) 2020-07-23
CL2021001802A1 (es) 2022-03-04
JP2022519192A (ja) 2022-03-22
KR20210117324A (ko) 2021-09-28
JP7378482B2 (ja) 2023-11-13

Similar Documents

Publication Publication Date Title
CN113646770A (zh) 仓库管理系统
CN109887153B (zh) 一种财税处理方法和处理系统
CN109034289B (zh) 行李托运方法、装置、系统、服务设备及存储介质
US11308439B2 (en) Goods receipt management system and method
CN102947819A (zh) 信息追踪系统和方法
CN115186303B (zh) 一种基于大数据云平台的金融签章安全管理方法及系统
CN108764770A (zh) 自动查找物流信息的方法、装置及终端设备
CN112836484A (zh) 一种文本对齐方法、装置、电子设备、计算机可读存储介质
CN109669954A (zh) 合同数据的获取方法、设备、存储介质及装置
CN111582932A (zh) 场景间信息推送方法、装置、计算机设备及存储介质
CN116229469A (zh) 一种基于ar技术的多目标拣货系统和拣货方法
CN112215087A (zh) 图片审核方法、装置、计算机设备和存储介质
US20220092878A1 (en) Method and apparatus for document management
WO2022079527A1 (en) Goods receipt management system and method
CN115512453A (zh) 一种货物验收方法、系统、电子设备及介质
CN115294593A (zh) 一种图像信息抽取方法、装置、计算机设备及存储介质
EP4165564A1 (en) Methods and systems for matching and optimizing technology solutions to requested enterprise products
CN112862409A (zh) 提运单核验方法及装置
JP6976158B2 (ja) 区分装置および区分システム
US20230169452A1 (en) System Configuration for Learning and Recognizing Packaging Associated with a Product
US20230140546A1 (en) Randomizing character corrections in a machine learning classification system
CN116486416A (zh) 一种智能票据管理方法、系统及介质
KR20220026969A (ko) 기업 상표 관리 시스템
TW202314622A (zh) 寵物保險多重身分辨識系統
CN116189200A (zh) 硬盘身份字符识别方法、系统、终端及存储介质

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