CN114022070A - 盘库方法、装置、设备及存储介质 - Google Patents

Abstract

本申请涉及盘库技术领域，具体公开了一种盘库方法、装置、设备及存储介质，方法包括：通过向影像获取装置发送盘库任务，以使影像获取装置根据盘库任务获取对应的盘库影像；根据盘库影像获取对应的货物识别数据，以确认异常数据，从而向对应的终端设备发送异常检测指令，以获取终端设备根据异常检测指令反馈的检测数据，并基于检测数据生成盘库结果。通过对盘库影像进行识别，以得到货物识别数据，进而确认异常数据，以对异常数据进行再次检测，判断异常数据的真实性，最终得到准确的盘库结果，提高了盘库的工作效率，保证了数据获取的准确性，且及时处理异常数据以发现风险事件。

Description

盘库方法、装置、设备及存储介质

技术领域

本申请涉及盘库技术领域，具体而言，涉及一种盘库方法、装置、设备及存储介质。

背景技术

目前，对仓库中的库存货物的盘点多是盘库人员通过人工识别进行，以获取货物信息，从而达到对货物管理的目的。该种货物盘点方法需要人工获取多个货物信息，并进行手工摘录和数据校验，其操作繁琐，耗费时间长，同时存在信息获取不准确的问题，导致对风险事件反馈不及时。

发明内容

为解决上述技术问题，本申请的实施例提供了一种盘库方法、装置、设备及存储介质，以保证盘库时获取准确的数据，并及时处理异常数据。

第一方面，本申请提供一种盘库方法，包括：向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；根据对应的预设数据核对所述货物识别数据，确认异常数据；根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；基于所述终端设备反馈的检测数据生成盘库结果。

可选地，所述根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据包括：对所述盘库影像进行特征提取，得到特征序列，所述特征提取包括颜色特征提取、形状特征提取、纹理特征提取及边缘特征提取中的至少一者；将所述特征序列输入预先训练的分类模型，以得到所述盘库影像的分类结果；根据所述分类结果，确认所述货物识别数据。

可选地，对所述盘库影像进行特征提取之前，所述方法还包括：检测所述盘库影像中的货物位置；将所述货物位置对齐到货物标准位置。

可选地，所述货物识别数据包括货物属性信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物属性信息中含有的各个字段是否存在异常；如果存在异常，则根据存在异常的字段确认所述异常数据。

可选地，所述货物识别数据包括货物数量信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物数量信息是否存在异常；如果存在异常，则获取与所述货物数量信息关联的货物属性信息；根据所述货物属性信息确认所述异常数据。

可选地，所述根据所述异常数据向对应的终端设备发送异常检测指令，包括：根据所述异常检测指令对应仓库的位置信息以及所述终端设备的位置信息，确定所述仓库与所述终端设备之间的距离；当所述距离小于预设距离时，向所述终端设备发送异常检测指令。

可选地，所述异常检测指令携带有以下各项中的一项或多项：待检测的仓库地址、待检测的货物信息、异常原因。

第二方面，本申请提供一种盘库装置，包括：任务发送模块，用于向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；数据获取模块，用于根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；数据核对模块，用于根据对应的预设数据核对所述货物识别数据，确认异常数据；指令发送模块，用于根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；结果获取模块，用于基于所述终端设备反馈的检测数据生成盘库结果。

第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现上述盘库方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述盘库方法的步骤。

本申请实施例公开的盘库方法、装置、设备及存储介质，通过向影像获取装置发送盘库任务，以使影像获取装置根据盘库任务获取对应的盘库影像。根据盘库影像获取对应的货物识别数据，以确认异常数据，从而向对应的终端设备发送异常检测指令，以获取终端设备根据异常检测指令反馈的检测数据，并基于检测数据生成盘库结果。通过对盘库影像进行识别，以得到货物识别数据，进而确认异常数据，然后对异常数据进行再次检测，判断异常数据的真实性，最终得到准确的盘库结果，不仅提高了盘库的工作效率，还保证了数据获取的准确性，同时及时处理异常数据以发现风险事件。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本申请实施例提供的盘库方法的一个场景示意图；

图2是本申请实施例提供的盘库方法的流程图；

图3是本申请实施例提供的盘库装置的示意性框图；

图4是本申请实施例提供的计算机设备的示意性框图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

还需要说明的是：在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本发明实施例提供的盘库方法，可以应用于如图1所示的环境中。其中，该应用环境可以包括服务器10、影像获取装置20、网络以及终端设备30，影像获取装置20、终端设备30及服务器10之间通过网络提供的通信链路介质连接，网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

影像获取装置20可以是采用电荷耦合元件(Charge coupled device，CCD)镜头、互补式金属氧化物半导体晶体管(Complementary metal oxide semiconductortransistors，CMOS)镜头的摄影机、照相机等，用以获得盘库影像，盘库影像可以是动态影像或静态影像。其中，影像获取装置20可以集成在其它设备上，如可移动机器人、移动终端等。

终端设备30可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器10可以是提供各种服务的服务器，例如对终端设备30上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的盘库方法一般由服务器10执行，相应地，盘库装置一般设置于服务器10中。

请参阅图2，图2为本申请实施例提供的盘库方法的一个流程示意图。如图2所示，该方法包括步骤S101至步骤S105：

步骤S101、向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像。

盘库任务所对应的盘库对象包括但不限于家电、文具、车辆等商品，为了方便对本申请技术方案的描述，以下以盘库任务所对应的盘库对象为车辆为例进行解释，当然，本申请的应用场景并不限于上述场景，实际应用中，对于涉及到需要对物品进行相关处理的场景中，均可应用本方案。

盘点车辆实际上是检测服务器中保存的车辆数据所描述的车辆与仓库内存放的车辆是否相符。例如，车辆数量是否正确、车辆型号是否正确、销售价格是否正确等等，以确定对应车辆是否停放在仓库内。

服务器将盘库任务发送给影像获取装置，影像获取装置基于盘库任务获取盘库数据，以执行对应的盘库操作，进而得到盘库影像。

示例性地，盘库任务可以是服务器接收到操作员输入的指令后生成，也可以是服务器自动生成，例如周期性生成对应的盘库任务。盘库任务中携带有盘库数据，盘库数据至少包括以下之一：仓库的位置信息、仓库的车辆库存以及盘点的车辆信息。

服务器根据盘库任务对应的仓库的位置信息，确认该位置信息可运行的影像获取装置，并将盘库任务下发给该影像获取装置。可运行的影像获取装置指的是，可以执行影像获取操作且可以与服务器进行信令交互的设备。其中，一个仓库至少设置有一个影像获取装置，以通过影像获取装置执行盘库任务。

示例性地，服务器存储有映射表，用于映射仓库地址及影像获取装置之间的关系。服务器生成盘库任务后，通过该盘库任务对应的仓库地址查询映射表中该仓库地址对应的所有影像获取装置，获取其中至少一个影像获取装置的传输链接，进而根据传输链接向对应的影像获取装置发送盘库任务。

需要说明的是，服务器可以在同一时间段对多个仓库进行盘库管理，针对不同的仓库可以生成对应的盘库任务，并将盘库任务发送给该仓库的影像获取装置。

影像获取装置接收到服务器发送的盘库任务后，解析盘库任务得到盘库数据，以根据盘库数据执行对应的操作。

示例性的，当影像获取装置设置在可移动机器人上时，影像获取装置根据接收到的盘库任务执行盘库操作。

例如，影像获取装置解析盘库任务得到需要盘点的各类车辆的库存以及车辆的型号、颜色等信息。然后基于盘库任务生成对应的盘库规则，盘库规则包括但不限于盘库路径、影像数据获取范围、是否启用补光灯等。例如，可以根据需要清点的车辆的位置，得到最优的盘库路径，根据得到的盘库路径驱动可移动机器人进行移动，以减小可移动机器人的工作路径，进而提高效率；还可以根据对应位置的车辆类型，匹配对应的需要拍摄的图像的数量、拍摄角度、拍摄高度等信息，以针对不同类型的车辆实施不同的盘点策略，以在保证工作效率的同时，对不同类型的车辆进行准确的评估；还可以判断当前环境的亮度，在当前环境的亮度低于亮度阈值时，启用补光灯，以保证获取的盘库影像的清晰度。影像获取装置基于盘库规则获取对应的盘库影像，盘库影像可以是动态视频，也可以是静态照片，本申请对此不做限制。

影像获取装置将获取的盘库影像反馈给服务器，以使服务器对盘库影像进行处理。

步骤S102、根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据。

盘库影像包含有盘库对象的具体信息，通过识别盘库影像获取对应的货物识别数据。

在一些实施方式中，所述根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据包括：对所述盘库影像进行特征提取，得到特征序列，所述特征提取包括颜色特征提取、形状特征提取、纹理特征提取及边缘特征提取中的至少一者；将所述特征序列输入预先训练的分类模型，以得到所述盘库影像的分类结果；根据所述分类结果，确认所述货物识别数据。

其中，特征空间的维度与图像特征的维度相对应，可以是二维、三维，甚至是多维，对此不做限定。为了便于说明，下面以二维的特征空间为例进行说明。

示例性地，根据盘库影像获取待识别的图像。当盘库影像为动态视频时，对盘库影像进行图片抽取，如每间隔20帧抽取一帧图像作为待识别的图像。当盘库影像为静态照片时，直接将对应的照片作为待识别的图像。

可选的，在进行特征提取之前，可以对待识别的图像进行预处理，以提高对图像分析的准确度。对图像执行预处理包括：检测所述盘库影像中的货物位置；将所述货物位置对齐到货物标准位置。

待识别的图像中的车辆的位置可能是倾斜的，需要执行位置检测。在这里，位置检测是指在图像中检测车辆的位置以及定位车辆特征点，例如车辆的门窗、前视灯、后视灯、车轮等特征点。检测方法包括但不限于方向梯度直方图(Histogram of OrientedGradient)特征提取法、支持向量机特征提取法(Support Vector Machine)、强级联卷积神经网络(Compact CascadeCNN)、多任务级联卷积神经网络(Multi－task CNN)。

为了提高后续图像识别的精度，从待识别的图像中检测到车辆后，还需要对货物进行对齐。可选地，在得到货物特征点后，可以以特征点为关键点，通过OpenCV里的仿射变换，使图像中的货物对其对齐，即将待识别的图像对齐到货物标准图。在这里，货物标准图为各视角观看到的货物图。

对图像执行预处理还可以包括：过滤不存在货物的图像、过滤不清晰的图像等。

对预处理后的每张图像进行图像特征提取，该图像特征作为初选的图像特征，图像特征包括颜色特征、形状特征、纹理特征及边缘特征中的至少一种或其组合。然后对图像特征中的每个单元取N次方，获得新的图像特征，进而将新的图像特征进行池化运算，其中，N为正整数，且N大于或等于2，单元可以是一个像素点，也可以是像素矩阵。

池化运算可以是自适应平均池化操作，也可以通过一个自适应池化层对新的图像特征进行池化，自适应池化层能够将不同尺寸的特征图输出为固定的尺寸，固定尺寸根据网络结构自行设置优化。在经过自适应池化层操作得到池化后的图像特征后，对池化后的图形特征中的每个单元进行1/N次方计算，得到盘库影像对应的特征序列，该特征序列作为盘库影像对应图像帧的嵌入表达特征。

将得到的特征序列输入预先训练的分类模型，其中，分类模型由带标签的样本数据训练得到，该分类模型的输入为图像数据，输出为该图像数据的分类结果。

需要说明的是，分类模型的网络结构并不是唯一的，可以是基于蒸馏神经网络构建的，也可以采取其他网络结构，例如，可选用transformer网络结构对进行分类结果的获取。分类模型的且网络的层数也可以根据实际情况进行设定，本申请实施例对此不进行限制。

其中，分类结果包括但不限于该图像对应的货物颜色、货物型号、货物价格、货物数量等数据。

影像获取装置可以针对每辆车获取有多张图像，每张图像至少对应一个分类结果，统计每张图像的分类结果，确认对应的货物识别数据，以使得到的货物识别数据更加准确。

例如，影像获取装置针对车辆A获取有4张图像，分别为车头图像、车尾图像、第一侧面图像、第二侧面图像。将预处理后的车头图像、车尾图像、第一侧面图像、第二侧面图像进行特征提取后，依次输入分类模型，以使分类模型对车头图像、车尾图像、第一侧面图像、第二侧面图像进行分类，进而得到的4组分类结果。按照预设规则对4组分类结果进行统计分析，得到各类别的最终结果。如4组分类结果的车辆颜色包括白色、白色、银色、白色，则选取占比最大的白色作为车辆颜色的最终结果；如4组分类结果的车辆价格包括8、8.5、8、7.5，则计算各价格的平均数作为车辆价格的最终结果，即车辆价格的最终结果为8。

对于货物数量的获取可以是根据分类模型进行货物数量的识别，也可以是在进行盘库影像时，对不同货物分别进行标记，以根据标记进行货物数量的识别。

示例性地，为了方便对货物数量的计算，在影像获取装置进行盘库影像的拍摄时，将拍摄的对应货物进行标记，以区分不同货物。例如，影像获取装置对待盘点的车辆进行逐次视频录制或图像拍摄，且针对每辆车均生成预设数量的车辆视频或车辆图像，并对车辆视频或车辆图像进行次序标注，不同车辆对应不同的次序，即盘库影像包括多个车辆视频或车辆图像，根据车辆视频或车辆图像的次序标注，得到车辆的货物数量。

通过对盘库影像进行分析，得到对应的货物识别数据，根据货物的预设数据核对货物识别数据，以确认存在异常的数据。

步骤S103、根据对应的预设数据核对所述货物识别数据，确认异常数据。

服务器存储有各仓库的货物的预设数据，例如，预设数据包括但不限于车辆颜色、车辆型号、车辆价格、车辆数量等。可以理解的是，预设数据不仅仅包括如上述所示的内容，还可以包括其它内容，如车身结构、购买年份、油耗、安全配置、保险记录等等。

在一些实施方式中，所述货物识别数据包括货物属性信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物属性信息中含有的各个字段是否存在异常；如果存在异常，则根据存在异常的字段确认所述异常数据。

货物属性信息用于表征对应货物的具体信息参数，例如车辆颜色、车辆型号、车辆价格等，每个信息参数对应不同的字段。

在获取到货物识别数据后，根据货物识别数据得到各货物的货物属性信息，然后将货物属性信息和预设数据进行对比，以检测对应车辆和服务器存储的车辆是否为同一车辆。

货物属性信息包括多个字段，将各字段和预设货物属性信息的对应字段进行比对，一致则表明该字段无异常，不一致则表明该字段异常。将异常的对应字段进行异常标记，以得到异常数据。例如，货物识别数据的字段包括车辆颜色、车辆型号、车辆价格等，各字段和预设货物属性信息的对应字段进行比对后发现，识别到的货物属性信息中的车辆颜色为红色，而预设货物属性信息的车辆颜色为黑色，因此识别到的货物属性信息中的车辆颜色为异常数据。

在一些实施方式中，所述货物识别数据包括货物数量信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物数量信息是否存在异常；如果存在异常，则获取与所述货物数量信息关联的货物属性信息；根据所述货物属性信息确认所述异常数据。

货物数量信息用于表征对应货物的具体数值。其中，可以对不同类别的货物分别进行货物数量信息的统计，例如，车辆型号为A的车辆的货物数量为20辆，车辆型号为B的车辆的货物数量为30辆。还可以对所有的货物进行货物数量的统计，例如，仓库的车辆的货物数量一共为100辆。

将对应的货物数量信息与预设货物数量进行对比，一致则表明该货物数量信息无异常，不一致则表明该货物数量信息异常。将异常的对应货物数量信息进行异常标记，以获取与该异常的货物数量信息关联的货物属性信息，得到异常数据。其中，与异常的货物数量关联的货物属性信息可以是缺少或者多余的货物对应的全部字段信息，也可以是缺少或者多余的货物对应的部分字段信息，如货物标识信息。

例如，货物数量信息包括车辆型号为A的数量、车辆型号为B的数量、所有车辆的数量，将各货物数量和预设货物数量进行对比后发现，识别到的货物数量中所有车辆的数量为100辆，而预设货物数量信息中的所有车辆的数量为120辆，因此识别到的货物数量中所有车辆的数量异常。获取与异常的货物数量关联的异常货物信息，例如，在确认所有车辆的数量异常时，根据服务器存储的车辆信息和盘库影像识别到的车辆信息，确认多余或缺少的车辆的标识信息，即确认对应的异常数据。

可以理解的是，异常数据的确认方法不仅仅包括如上述所示的方法，本申请不对异常数据的确认方法做具体限定。

步骤S104、根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据。

异常检测指令用于指示接收该指令的终端设备执行异常检测操作，如终端设备在接收到异常检测指令后生成信息提示，提示持有该终端设备的盘库负责人执行对应的异常检测。检测数据是终端设备接收到的外部输入的数据，如盘库负责人执行异常检测后将对应的数据输入到终端设备。

服务器得到异常数据后，根据异常数据向终端设备发送对应的异常检测指令，以对异常数据对应的货物进行复核操作，保证获取到的盘库数据的准确性，且对异常数据进行针对性地复核，可以快速定位异常位置和异常原因，减小复核的工作量。

在一些实施方式中，根据所述异常数据向对应的终端设备发送异常检测指令，包括：根据所述异常检测指令对应仓库的位置信息以及所述终端设备的位置信息，确定所述仓库与所述终端设备之间的距离；当所述距离小于预设距离时，向所述终端设备发送异常检测指令。

将异常检测指令发送给对应仓库附近的盘库负责人的终端设备，终端设备包括但不限于手机、平板电脑等智能设备。示例性地，根据待检测仓库与终端设备之间的距离，选取距离待检测仓库更近的终端设备进行异常检测指令的下发，以减小持有终端设备的盘库负责人的行程，提高盘库效率。

其中，异常检测指令携带有以下各项中的一项或多项：待检测的仓库地址、待检测的车辆信息、异常原因。盘库负责人的终端设备接收到异常检测指令后，生成对应的检测通知，以提示盘库负责人前往对应的仓库进行检测。盘库负责人对待复核的异常车辆进行信息核查后向终端设备输入对应的检测数据，终端设备将接收的检测数据发送给服务器。

通过盘库负责人根据异常检测指令对异常数据进行针对性的核查，减小了工作量，提高了工作效率，且保证了盘库获取的数据的准确性，以避免因为数据不准确而导致的风险事件。

在一些实施方式中，终端设备接收到异常检测指令后，分析异常检测指令得到对应仓库运行的影像获取装置，以向该影像获取装置发送连接指令。影像获取装置接收到连接指令后，与终端设备建立通信连接，以向终端设备实时传输影像数据。

示例性的，影像获取装置集成在移动机器人上，且存储有仓库的地图信息及对应车辆的停靠位置信息。终端设备向对应的影像获取装置发送连接请求，影像获取装置响应连接请求，并向终端设备发送仓库的地图信息及对应车辆的停靠位置信息，且与该终端设备建立通信连接，以实时向终端设备传输影像数据。终端设备与建立通信连接后，接收影像获取装置传输的影像数据，且根据仓库的地图信息及对应车辆的停靠位置信息，向影像获取装置发送移动命令，以使影像获取装置根据移动命令移动到指定位置，对异常数据对应的车辆进行录制。盘库负责人根据终端设备接收的实时视频数据，对仓库内的异常数据进行复核。终端设备接收盘库负责人的复核结果，以将对应的检测数据反馈给服务器。

通过向终端设备发送异常检测指令，以使终端设备与对应的影像获取装置进行远程视频复核，进一步减小了对应人员的工作量。

步骤S105、基于所述终端设备反馈的检测数据生成盘库结果。

服务器接收终端设备反馈的检测数据，根据所述检测数据、异常数据及服务器存储的预设数据进行比对，以判断所述异常数据是否真实。当所述异常数据真实时，则表明服务器中保存的车辆数据所描述的车辆与仓库内存放的车辆不相符，因此根据检测数据修改服务器中保存的车辆数据，并生成对应的风险日志，以便后续追踪。当所述异常数据不真实时，则表明货物识别数据不准确，因此根据对应的异常数据生成对应的故障记录，以使开发人员对服务器进行检测，进而对服务器进行维护，提升后续盘库的准确性。

本申请实施例公开的盘库方法、装置、设备及存储介质，通过向影像获取装置发送盘库任务，以使影像获取装置根据盘库任务获取对应的盘库影像。根据盘库影像获取对应的货物识别数据，以确认异常数据，从而向对应的终端设备发送异常检测指令，以使终端设备根据异常检测指令获取对应的检测数据，并基于检测数据生成盘库结果。通过对盘库影像进行识别，以得到货物识别数据，进而确认异常数据，以对异常数据进行再次检测，判断异常数据的真实性，最终得到准确的盘库结果，不仅提高了盘库的工作效率，还保证了数据获取的准确性，同时及时处理异常数据以发现风险事件。

请参阅图3，图3是本申请一实施例提供的一种盘库装置的示意框图，该盘库装置可以配置于服务器或计算机设备中，用于执行前述的盘库方法。

如图3所示，该装置400包括：任务发送模块401、数据获取模块402、数据核对模块403、指令发送模块404和结果获取模块405。

任务发送模块401，用于向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；

数据获取模块402，用于根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；

数据核对模块403，用于根据对应的预设数据核对所述货物识别数据，确认异常数据；

指令发送模块404，用于根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；

结果获取模块405，用于基于所述终端设备反馈的检测数据生成盘库结果。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

示例性地，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。

请参阅图4，图4是本申请实施例提供的一种计算机设备的示意图。该计算机设备可以是服务器或终端。

如图4所示，该计算机设备500包括通过系统总线502连接的处理器501、存储器503和网络接口504，其中，存储器503可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统505和计算机程序506。该计算机程序506包括程序指令，该程序指令被执行时，可使得处理器501执行任意一种盘库方法。

处理器501用于提供计算和控制能力，支撑整个计算机设备500的运行。

内存储器503为非易失性存储介质中的计算机程序506的运行提供环境，该计算机程序506被处理器501执行时，可使得处理器501执行任意一种盘库方法。

该网络接口504用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，该计算机设备500的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，示例性地计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

应当理解的是，处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器501还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器501可以是微处理器或者该处理器501也可以是任何常规的处理器等。

其中，在一些实施方式中，所述处理器501用于运行存储在存储器中的计算机程序506，以实现如下步骤：

向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；根据对应的预设数据核对所述货物识别数据，确认异常数据；根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；基于所述终端设备反馈的检测数据生成盘库结果。

在一些实施方式中，所述根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据包括：对所述盘库影像进行特征提取，得到特征序列，所述特征提取包括颜色特征提取、形状特征提取、纹理特征提取及边缘特征提取中的至少一者；将所述特征序列输入预先训练的分类模型，以得到所述盘库影像的分类结果；根据所述分类结果，确认所述货物识别数据。

在一些实施方式中，对盘库影像进行特征提取之前，还包括：检测所述盘库影像中的货物位置；将所述货物位置对齐到货物标准位置。

在一些实施方式中，所述货物识别数据包括货物属性信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物属性信息中含有的各个字段是否存在异常；如果存在异常，则根据存在异常的字段确认所述异常数据。

在一些实施方式中，所述货物识别数据包括货物数量信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：根据所述预设数据核对所述货物数量信息是否存在异常；如果存在异常，则获取与所述货物数量信息关联的货物属性信息；根据所述货物属性信息确认所述异常数据。

在一些实施方式中，根据所述异常数据向对应的终端设备发送异常检测指令，包括：根据所述盘库任务对应仓库的位置信息以及所述终端设备的位置信息，确定所述仓库与所述终端设备之间的距离；当所述距离小于预设距离时，向所述终端设备发送异常检测指令。

在一些实施方式中，异常检测指令携带有以下各项中的一项或多项：待检测的仓库地址、待检测的车辆信息、异常原因。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时实现本申请实施例提供的任一种盘库方法。

其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种盘库方法，其特征在于，包括：

向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；

根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；

根据对应的预设数据核对所述货物识别数据，确认异常数据；

根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；

基于所述终端设备反馈的检测数据生成盘库结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据包括：

对所述盘库影像进行特征提取，得到特征序列，所述特征提取包括颜色特征提取、形状特征提取、纹理特征提取及边缘特征提取中的至少一者；

将所述特征序列输入预先训练的分类模型，以得到所述盘库影像的分类结果；

根据所述分类结果，确认所述货物识别数据。

3.根据权利要求2所述的方法，其特征在于，对所述盘库影像进行特征提取之前，所述方法还包括：

检测所述盘库影像中的货物位置；

将所述货物位置对齐到货物标准位置。

4.根据权利要求1所述的方法，其特征在于，所述货物识别数据包括货物属性信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：

根据所述预设数据核对所述货物属性信息中含有的各个字段是否存在异常；

如果存在异常，则根据存在异常的字段确认所述异常数据。

5.根据权利要求1所述的方法，其特征在于，所述货物识别数据包括货物数量信息，所述根据对应的预设数据核对所述货物识别数据，确认异常数据，包括：

根据所述预设数据核对所述货物数量信息是否存在异常；

如果存在异常，则获取与所述货物数量信息关联的货物属性信息；

根据所述货物属性信息确认所述异常数据。

6.根据权利要求1所述的方法，其特征在于，所述根据所述异常数据向对应的终端设备发送异常检测指令，包括：

根据所述异常检测指令对应仓库的位置信息以及所述终端设备的位置信息，确定所述仓库与所述终端设备之间的距离；

当所述距离小于预设距离时，向所述终端设备发送异常检测指令。

7.根据权利要求6所述的方法，其特征在于，所述异常检测指令携带有以下各项中的一项或多项：待检测的仓库地址、待检测的货物信息、异常原因。

8.一种盘库装置，其特征在于，包括：

任务发送模块，用于向影像获取装置发送盘库任务，以使所述影像获取装置根据所述盘库任务获取对应的盘库影像；

数据获取模块，用于根据所述影像获取装置反馈的盘库影像获取对应的货物识别数据；

数据核对模块，用于根据对应的预设数据核对所述货物识别数据，确认异常数据；

指令发送模块，用于根据所述异常数据向对应的终端设备发送异常检测指令，以使所述终端设备根据所述异常检测指令获取对应的检测数据；

结果获取模块，用于基于所述终端设备反馈的检测数据生成盘库结果。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现如权利要求1至7中任一项所述的盘库方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的盘库方法。

Images