CN114757522A - 一种基于大数据的粮仓管理系统及方法 - Google Patents

一种基于大数据的粮仓管理系统及方法 Download PDF

Info

Publication number
CN114757522A
CN114757522A CN202210373662.8A CN202210373662A CN114757522A CN 114757522 A CN114757522 A CN 114757522A CN 202210373662 A CN202210373662 A CN 202210373662A CN 114757522 A CN114757522 A CN 114757522A
Authority
CN
China
Prior art keywords
granary
information
acquiring
preset
value
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.)
Granted
Application number
CN202210373662.8A
Other languages
English (en)
Other versions
CN114757522B (zh
Inventor
江晓旸
李超
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.)
Nupt Institute Of Big Data Research At Yancheng
Nanjing University of Posts and Telecommunications
Original Assignee
Nupt Institute Of Big Data Research At Yancheng
Nanjing University of Posts and Telecommunications
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 Nupt Institute Of Big Data Research At Yancheng, Nanjing University of Posts and Telecommunications filed Critical Nupt Institute Of Big Data Research At Yancheng
Priority to CN202210373662.8A priority Critical patent/CN114757522B/zh
Publication of CN114757522A publication Critical patent/CN114757522A/zh
Application granted granted Critical
Publication of CN114757522B publication Critical patent/CN114757522B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于大数据的粮仓管理系统及方法，其中，系统包括：获取模块，用于获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；训练模块，用于基于大数据技术，训练环境调节策略制定模型；制定模块，用于基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；调节模块，用于基于所述环境调节策略，对所述第一粮仓进行相应环境调节。本发明的基于大数据的粮仓管理系统及方法，通多大数据获取多个环境控制记录训练环境调节策略制定模型，提高了全面性；基于获取到的第一粮仓信息，根据环境调节策略制定模型制定适宜第一粮仓的环境调节策略，对粮仓进行管理，降低了人工成本，减少了粮食的损耗。

Description

一种基于大数据的粮仓管理系统及方法
技术领域
本发明涉及大数据技术领域，特别涉及一种基于大数据的粮仓管理系统及方法。
背景技术
目前，粮仓管理涉及对粮仓的环境调节，环境调节包括温度和湿度等多方面调节；但是，现有的粮仓占比面积通常较大，往往是通过人工来实现环境调节，人工成本较高，另外，人工进行粮仓的环境调节易造成环境调节不适宜，导致粮仓中出现粮食发霉和变质等现象，造成损失。
因此，亟需一种解决方法。
发明内容
本发明提供一种基于大数据的粮仓管理系统及方法，通多大数据获取多个环境控制记录训练环境调节策略制定模型，提高了全面性；基于获取到的第一粮仓信息，根据环境调节策略制定模型制定适宜第一粮仓的环境调节策略，对粮仓进行管理，降低了人工成本，减少了粮食的损耗。
本发明提供一种基于大数据的粮仓管理方法，包括：
获取模块，用于获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
训练模块，用于基于大数据技术，训练环境调节策略制定模型；
制定模块，用于基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
调节模块，用于基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
优选的，一种基于大数据的粮仓管理系统，所述训练模块执行如下操作：
基于大数据技术，获取多个第一环境调节记录；
对所述第一环境调节记录进行预筛选，获得预筛选后的第二环境调节记录；
基于预设的模型训练算法，对所述第二环境调节记录进行模型训练，获得环境调节策略制定模型。
优选的，一种基于大数据的粮仓管理系统，对所述第一环境调节记录进行预筛选，包括：
获取所述第一环境调节记录对应的第二粮仓的第二粮仓信息；
对所述第一粮仓信息进行特征提取，获得多个第一信息特征；
对所述第二粮仓信息进行特征提取，获得多个第二信息特征；
将所述第一信息特征与所述第二信息特征进行特征匹配，若匹配符合，将匹配符合的所述第一信息特征或所述第二信息特征作为第三信息特征；
获取所述第三信息特征对应的信息类型；
查询预设的信息类型-可参考度库，确定所述信息类型对应的可参考度，并与对应所述第一环境调节记录进行关联；
累加所述第一环境调节记录关联的可参考度，获得可参考度和，并将所述可参考度和作为筛选值；
若所述筛选值大于等于预设的筛选值阈值，将对应所述第一环境调节记录作为第二环境调节记录，完成预筛选。
优选的，一种基于大数据的粮仓管理系统，还包括：
运输车引导卸货模块，用于当运输车抵达所述第一粮仓时，自适应引导所述运输车进行卸货；
所述运输车引导卸货模块执行如下操作：
获取所述运输车的驾驶人员向粮仓管理人员发送的预计抵达时间和第一车牌号码；
基于预设的候车时间确定规则，根据所述预计抵达时间，确定候车时间；
若当前时间达到所述候车时间，获取所述第一粮仓内预设的多个第一移动机器人的当前的第一位置；
基于所述第一位置和所述第一粮仓的入口处预设的等候位置，确定距离所述等候位置最近的第一移动机器人，并作为第二移动机器人，同时，对所述第二移动机器人进行忙碌标记；
控制所述第二移动机器人前往所述等候位置，等候所述运输车；
当所述第二移动机器人抵达所述等候位置后，控制所述第二移动机器人采集即将进入所述第一粮仓的入口处的多个车辆的第二车牌号码；
遍历所述第二车牌号码，判断遍历到的所述第二车牌号码是否为第一车牌号码；
若是，将对应所述车辆作为待引导车辆；
动态获取所述待引导车辆的车头驾驶舱的当前第一可视区域，控制所述第二移动机器人在所述第一可视区域内向所述待引导车辆展示预设的跟随提醒信息；
展示完成后，获取所述待引导车辆在预设的时间段内做出的至少一个车辆反应；
获取所述跟随提醒信息对应的标准车辆反应；
将所述车辆反应与所述标准车辆反应进行匹配，控制所述第二移动机器人开始引导所述待引导车辆进行卸货；
获取所述第一粮仓中多个空闲的第一卸货区域的第二位置；
基于所述等候位置和所述第二位置，确定距离所述所述第一粮仓的入口处最近的所述第一卸货区域，并作为第二卸货区域；
获取对应于所述第一粮仓的场地地图，在所述场地地图内规划所述第一粮仓的入口处至所述第二卸货区域之间最短的规划路径；
根据所述规划路径，控制所述移动机器人引导所述待引导车辆前往所述第二卸货区域；
在引导过程中，控制所述第二移动机器人动态采集所述车头驾驶舱与所述第二移动机器人之间的跟随距离；
若所述跟随距离大于等于预设的跟随距离阈值，动态获取所述待引导车辆的车头驾驶舱的当前的第一可视区域，控制所述第二移动机器人在所述第一可视区域内展示预设的勿跟丢提醒信息；
展示完成后，若当前的所述跟随距离小于所述跟随距离阈值，控制所述第二移动机器人继续进行引导；
当所述待引导车辆抵达所述第二卸货区域后，提醒所述第二卸货区域内的至少一个卸货人员开始进行卸货；
控制所述第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为；
获取所述第一卸货行为对应的第一风险值，若所述第一风险值大于等于预设的风险值阈值，对相应所述卸货人员进行风险提醒；
同时，控制所述第二移动机器人采集所述第二卸货区域内是否存在提升作业；
若是，获取正在被提升的粮食货物的图像信息；
对所述图像信息进行特征提取，获得多个图像特征；
查询预设的图像风险特征库，将所述图像特征与所述风险图像特征库中的风险图像特征进行特征匹配，若匹配符合，获取匹配符合的所述风险图像特征对应的第二风险值；
累加计算所述第二风险值，获得第二风险值和；
动态获取提升作业过程中被提升的粮食货物的提升高度；
若所述第二风险值和大于等于预设的风险值和阈值和/或所述提升高度大于等于预设的提升高度阈值，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒；
其中，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒，包括：
获取所述粮食货物的货物位置，同时，获取所述货物位置周边预设的范围内的环境信息；
基于预设的货物掉落路径确定模型，根据所述货物位置和所述环境信息，确定所述粮食货物的掉落路径；
基于所述掉落路径，确定所述第二卸货区域内的风险区域；
判断所述风险区域内是否存在任一所述卸货人员，若是，提醒对应所述卸货人员进行离开。
优选的，一种基于大数据的粮仓管理系统，还包括：
偷窃监测模块，用于每隔预设的时间间隔，对所述第一粮仓内进行偷窃监测；
所述偷窃监测模块执行如下操作：
动态获取第一粮仓的现场三维信息；
基于所述第一粮仓的现场三维信息，动态构建所述第一粮仓的三维现场模型；
基于模型识别技术，识别进入第一粮仓的至少一个第一人体模型；
获取所述第一人体模型对应的第一人脸信息；
将所述第一人脸信息与预设的粮仓管理人员人脸信息库中的第二人脸信息进行匹配；
将匹配不符合的所述第一人脸信息对应的第一人体模型作为第二人体模型；
获取所述第一粮仓的粮食堆分布；
基于所述粮食堆分布和所述第二人体模型的第三可视区域，控制所述偷窃监测小车对所述来访人进行静音跟踪；
在静音跟踪过程中，控制所述偷窃监测小车采集所述来访人产生的至少一个目标行为；
构建偷窃行为库，将所述目标行为与所述偷窃行为库中的偷窃行为进行匹配，若匹配符合，确定所述目标行为为偷窃行为，进行相应报警。
优选的，一种基于大数据的粮仓管理系统，构建偷窃行为库，包括：
基于大数据技术，获取多个第一偷窃行为集；
获取第一偷窃行为集对应的信息来源，所述来源类型包括：价值来源和非价值来源；
当所述来源类型为价值来源时，获取所述信息来源对应的第一准确值，同时，赋予所述第一准确值第一权重系数，获得第一价值度，并与对应所述第一偷窃行为集进行关联；
当所述来源类型为非价值来源时，获取所述信息来源对应的第二准确值，同时，赋予所述第二准确值第二权重系数，获得第二价值度，并与对应所述第一偷窃行为集进行关联；
累加计算所述第一价值度和所述第二价值度，获得价值度和；
若所述价值度和大于等于预设的价值度阈值，将对应所述第一偷窃行为集作为第二偷窃行为集；
将所述第二偷窃行为集发送给对应的专家节点，获取所述专家节点对所述第二偷窃行为集进行评价的评价值，同时，赋予所述评价值对应所述专家权重，获得评价指数，并与所述第二偷窃行为集进行关联；
累加计算所述第二偷窃行为集关联的评价指数，获得评价指数和；
若所述评价指数和大于等于预设的评价指数阈值，将对应所述第二偷窃行为集作为第三偷窃行为集；
获取预设的空白数据库，将所述第三偷窃行为集进行集合拆分并存入所述空白数据库；
当需要存入所述空白数据库的所述第三偷窃行为集全部进行集合拆分存入后，将所述空白数据库作为偷窃行为库，完成构建；
其中，所述第一权重系数大于所述第二权重系数。
本发明实例提供的一种基于大数据的粮仓管理方法，包括：
步骤1：获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
步骤2：基于大数据技术，训练环境调节策略制定模型；
步骤3：基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
步骤4：基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
优选的，一种基于大数据的粮仓管理方法，所述步骤2：基于大数据技术，训练环境调节策略制定模型，包括：
基于大数据技术，获取多个第一环境调节记录；
对所述第一环境调节记录进行预筛选，获得预筛选后的第二环境调节记录；
基于预设的模型训练算法，对所述第二环境调节记录进行模型训练，获得环境调节策略制定模型。
优选的，一种基于大数据的粮仓管理方法，所述对所述第一环境调节记录进行预筛选，包括：
获取所述第一环境调节记录对应的第二粮仓的第二粮仓信息；
对所述第一粮仓信息进行特征提取，获得多个第一信息特征；
对所述第二粮仓信息进行特征提取，获得多个第二信息特征；
将所述第一信息特征与所述第二信息特征进行特征匹配，若匹配符合，将匹配符合的所述第一信息特征或所述第二信息特征作为第三信息特征；
获取所述第三信息特征对应的信息类型；
查询预设的信息类型-可参考度库，确定所述信息类型对应的可参考度，并与对应所述第一环境调节记录进行关联；
累加所述第一环境调节记录关联的可参考度，获得可参考度和，并将所述可参考度和作为筛选值；
若所述筛选值大于等于预设的筛选值阈值，将对应所述第一环境调节记录作为第二环境调节记录，完成预筛选。
优选的，一种基于大数据的粮仓管理方法，还包括：
当运输车抵达所述第一粮仓时，自适应引导所述运输车进行卸货；
其中，自适应引导所述运输车进行卸货，包括：
获取所述运输车的驾驶人员向粮仓管理人员发送的预计抵达时间和第一车牌号码；
基于预设的候车时间确定规则，根据所述预计抵达时间，确定候车时间；
若当前时间达到所述候车时间，获取所述第一粮仓内预设的多个第一移动机器人的当前的第一位置；
基于所述第一位置和所述第一粮仓的入口处预设的等候位置，确定距离所述等候位置最近的第一移动机器人，并作为第二移动机器人，同时，对所述第二移动机器人进行忙碌标记；
控制所述第二移动机器人前往所述等候位置，等候所述运输车；
当所述第二移动机器人抵达所述等候位置后，控制所述第二移动机器人采集即将进入所述第一粮仓的入口处的多个车辆的第二车牌号码；
遍历所述第二车牌号码，判断遍历到的所述第二车牌号码是否为第一车牌号码；
若是，将对应所述车辆作为待引导车辆；
动态获取所述待引导车辆的车头驾驶舱的当前第一可视区域，控制所述第二移动机器人在所述第一可视区域内向所述待引导车辆展示预设的跟随提醒信息；
展示完成后，获取所述待引导车辆在预设的时间段内做出的至少一个车辆反应；
获取所述跟随提醒信息对应的标准车辆反应；
将所述车辆反应与所述标准车辆反应进行匹配，控制所述第二移动机器人开始引导所述待引导车辆进行卸货；
获取所述第一粮仓中多个空闲的第一卸货区域的第二位置；
基于所述等候位置和所述第二位置，确定距离所述所述第一粮仓的入口处最近的所述第一卸货区域，并作为第二卸货区域；
获取对应于所述第一粮仓的场地地图，在所述场地地图内规划所述第一粮仓的入口处至所述第二卸货区域之间最短的规划路径；
根据所述规划路径，控制所述移动机器人引导所述待引导车辆前往所述第二卸货区域；
在引导过程中，控制所述第二移动机器人动态采集所述车头驾驶舱与所述第二移动机器人之间的跟随距离；
若所述跟随距离大于等于预设的跟随距离阈值，动态获取所述待引导车辆的车头驾驶舱的当前的第一可视区域，控制所述第二移动机器人在所述第一可视区域内展示预设的勿跟丢提醒信息；
展示完成后，若当前的所述跟随距离小于所述跟随距离阈值，控制所述第二移动机器人继续进行引导；
当所述待引导车辆抵达所述第二卸货区域后，提醒所述第二卸货区域内的至少一个卸货人员开始进行卸货；
控制所述第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为；
获取所述第一卸货行为对应的第一风险值，若所述第一风险值大于等于预设的风险值阈值，对相应所述卸货人员进行风险提醒；
同时，控制所述第二移动机器人采集所述第二卸货区域内是否存在提升作业；
若是，获取正在被提升的粮食货物的图像信息；
对所述图像信息进行特征提取，获得多个图像特征；
查询预设的图像风险特征库，将所述图像特征与所述风险图像特征库中的风险图像特征进行特征匹配，若匹配符合，获取匹配符合的所述风险图像特征对应的第二风险值；
累加计算所述第二风险值，获得第二风险值和；
动态获取提升作业过程中被提升的粮食货物的提升高度；
若所述第二风险值和大于等于预设的风险值和阈值和/或所述提升高度大于等于预设的提升高度阈值，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒；
其中，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒，包括：
获取所述粮食货物的货物位置，同时，获取所述货物位置周边预设的范围内的环境信息；
基于预设的货物掉落路径确定模型，根据所述货物位置和所述环境信息，确定所述粮食货物的掉落路径；
基于所述掉落路径，确定所述第二卸货区域内的风险区域；
判断所述风险区域内是否存在任一所述卸货人员，若是，提醒对应所述卸货人员进行离开。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于大数据的粮仓管理系统的示意图；
图2为本发明实施例中一种基于大数据的粮仓管理方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种基于大数据的粮仓管理系统，如图1所示，包括：
获取模块1，用于获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
训练模块2，用于基于大数据技术，训练环境调节策略制定模型；
制定模块3，用于基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
调节模块4，用于基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
上述技术方案的工作原理及有益效果为：
获取的第一粮仓对应的第一粮仓信息包括(需要进行粮仓管理粮仓的粮仓保温层材料信息、粮仓的大小、粮仓存储的粮食种类信息、粮仓内粮食布局、粮仓内温度调节设备的类型和布局等)；基于大数据技术，训练环境调节策略制定模型(基于机器学习算法或神经网络算法对获取的环境控制记录进行训练生成的模型)基于第一粮仓信息，确定第一粮仓的环境调节策略(粮仓温度、湿度的设置信息)，对第一粮仓进行环境调节。
本发明实例通多大数据获取多个环境控制记录训练环境调节策略制定模型，提高了全面性；基于获取到的第一粮仓信息，根据环境调节策略制定模型制定适宜第一粮仓的环境调节策略，对粮仓进行管理，降低了人工成本，减少了粮食的损耗。
本发明实例提供了的一种基于大数据的粮仓管理系统，所述确定模块执行如下操作：
基于大数据技术，获取多个第一环境调节记录；
对所述第一环境调节记录进行预筛选，获得预筛选后的第二环境调节记录；
基于预设的模型训练算法，对所述第二环境调节记录进行模型训练，获得环境调节策略制定模型；
基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略。
上述技术方案的工作原理及有益效果为：
获取多个第一环境调节记录(大数据获取的其他粮仓环境调节记录)，并进行预筛选，获得第二环境调节记录(有可用价值的第二环境调节记录)；预设的模型训练算法(利用机器学习算法对大量记录进行训练)，对第二环境调节记录进行模型训练，获得环境调节策略制定模型(利用机器学习算法对第二环境调节记录进行学习后生成的模型，例如：对不同保温层、不同储存粮食种类的粮仓环境调节记录进行模型训练，利用机器学习算法进行模型训练属于现有技术，不作赘述)，基于第一粮仓信息，确定适宜的环境调节策略；
本发明实例通过对筛选后的第二环境记录进行模型训练，确定适宜的环境调节策略，筛选出可用价值高的第二环境调节记录，提升了环境调节策略制定的合理性。
本发明实例提供了一种基于大数据的粮仓管理系统，对所述第一环境调节记录进行预筛选，包括：
获取所述第一环境调节记录对应的第二粮仓的第二粮仓信息；
对所述第一粮仓信息进行特征提取，获得多个第一信息特征；
对所述第二粮仓信息进行特征提取，获得多个第二信息特征；
将所述第一信息特征与所述第二信息特征进行特征匹配，若匹配符合，将匹配符合的所述第一信息特征或所述第二信息特征作为第三信息特征；
获取所述第三信息特征对应的信息类型；
查询预设的信息类型-可参考度库，确定所述信息类型对应的可参考度，并与对应所述第一环境调节记录进行关联；
累加所述第一环境调节记录关联的可参考度，获得可参考度和，并将所述可参考度和作为筛选值；
若所述筛选值大于等于预设的筛选值阈值，将对应所述第一环境调节记录作为第二环境调节记录，完成预筛选。
上述技术方案的工作原理及有益效果为：
不同的环境调节记录的可用程度不同，为了提高环境调节策略制定的准确性，需要对第一环境调节记录进行预筛选，筛选出可用价值高即适用于第一粮仓环境调节策略制定的第二环境记录，为模型训练提供精确的数据来源，提高策略制定的合理性；
对第一环境记录进行预筛选时，提取第一粮仓信息的第一信息特征，获取第一环境调节记录对应的第二粮仓信息(环境调节记录对应粮仓的结构、保温层材料、存储粮食种类等信息)并提取第二信息特征，将第一信息特征和第二信息特征进行特征匹配，确定匹配符合的第三信息特征；查询预设的属性类型-可参考度库(数据库，存储属性类型和可参考程度的对应关系，例如：粮食种类的可参考度为90)，获得对应属性类型的可参考度(可参考度越高，对应属性特征的参考性越高)，累加计算可参考度作为筛选值；若筛选值大于等于预设的筛选值阈值(例如：550)，将对应所述第一环境调节记录作为第二环境调节记录；
本发明实例基于第一环境调节记录对应第二粮仓信息类型的可参考度和第一环境调节记录对应关联事件事件的影响对第一环境调节记录进行筛选，筛选出了可用价值高的第二环境调节记录，提高了环境调节的准确性。
本发明实例提供了一种基于大数据的粮仓管理系统，还包括：
运输车引导卸货模块，用于当运输车抵达所述第一粮仓时，自适应引导所述运输车进行卸货；
所述运输车引导卸货模块执行如下操作：
获取所述运输车的驾驶人员向粮仓管理人员发送的预计抵达时间和第一车牌号码；
基于预设的候车时间确定规则，根据所述预计抵达时间，确定候车时间；
若当前时间达到所述候车时间，获取所述第一粮仓内预设的多个第一移动机器人的当前的第一位置；
基于所述第一位置和所述第一粮仓的入口处预设的等候位置，确定距离所述等候位置最近的第一移动机器人，并作为第二移动机器人，同时，对所述第二移动机器人进行忙碌标记；
控制所述第二移动机器人前往所述等候位置，等候所述运输车；
当所述第二移动机器人抵达所述等候位置后，控制所述第二移动机器人采集即将进入所述第一粮仓的入口处的多个车辆的第二车牌号码；
遍历所述第二车牌号码，判断遍历到的所述第二车牌号码是否为第一车牌号码；
若是，将对应所述车辆作为待引导车辆；
动态获取所述待引导车辆的车头驾驶舱的当前第一可视区域，控制所述第二移动机器人在所述第一可视区域内向所述待引导车辆展示预设的跟随提醒信息；
展示完成后，获取所述待引导车辆在预设的时间段内做出的至少一个车辆反应；
获取所述跟随提醒信息对应的标准车辆反应；
将所述车辆反应与所述标准车辆反应进行匹配，控制所述第二移动机器人开始引导所述待引导车辆进行卸货；
获取所述第一粮仓中多个空闲的第一卸货区域的第二位置；
基于所述等候位置和所述第二位置，确定距离所述所述第一粮仓的入口处最近的所述第一卸货区域，并作为第二卸货区域；
获取对应于所述第一粮仓的场地地图，在所述场地地图内规划所述第一粮仓的入口处至所述第二卸货区域之间最短的规划路径；
根据所述规划路径，控制所述移动机器人引导所述待引导车辆前往所述第二卸货区域；
在引导过程中，控制所述第二移动机器人动态采集所述车头驾驶舱与所述第二移动机器人之间的跟随距离；
若所述跟随距离大于等于预设的跟随距离阈值，动态获取所述待引导车辆的车头驾驶舱的当前的第一可视区域，控制所述第二移动机器人在所述第一可视区域内展示预设的勿跟丢提醒信息；
展示完成后，若当前的所述跟随距离小于所述跟随距离阈值，控制所述第二移动机器人继续进行引导；
当所述待引导车辆抵达所述第二卸货区域后，提醒所述第二卸货区域内的至少一个卸货人员开始进行卸货；
控制所述第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为；
获取所述第一卸货行为对应的第一风险值，若所述第一风险值大于等于预设的风险值阈值，对相应所述卸货人员进行风险提醒；
同时，控制所述第二移动机器人采集所述第二卸货区域内是否存在提升作业；
若是，获取正在被提升的粮食货物的图像信息；
对所述图像信息进行特征提取，获得多个图像特征；
查询预设的图像风险特征库，将所述图像特征与所述风险图像特征库中的风险图像特征进行特征匹配，若匹配符合，获取匹配符合的所述风险图像特征对应的第二风险值；
累加计算所述第二风险值，获得第二风险值和；
动态获取提升作业过程中被提升的粮食货物的提升高度；
若所述第二风险值和大于等于预设的风险值和阈值和/或所述提升高度大于等于预设的提升高度阈值，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒；
其中，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒，包括：
获取所述粮食货物的货物位置，同时，获取所述货物位置周边预设的范围内的环境信息；
基于预设的货物掉落路径确定模型，根据所述货物位置和所述环境信息，确定所述粮食货物的掉落路径；
基于所述掉落路径，确定所述第二卸货区域内的风险区域；
判断所述风险区域内是否存在任一所述卸货人员，若是，提醒对应所述卸货人员进行离开。
上述技术方案的工作原理及有益效果为：
当前的粮仓管理在有粮食运输车到达粮仓时，通常是人工带领运输车到达卸货区域进行卸货，人工成本大，卸货效率低下，同时，人工指引过程中提高了安全事故发生的几率(例如：粮仓中粮食堆分布复杂，运输车司机存在视野盲区，易撞到引导人员)，故可以通过移动机器人，智能化的引导运输车进行卸载作业，移动机器人也可以通过自身携带的微型摄像设备采集卸货过程的图像信息，确定卸货过程中的风险区域和监测卸货人员的行为，提高卸货过程的安全性；
当运输车有卸货请求时，驾驶人员向粮仓管理人员发送预计抵达时间和第一车牌号码(例如：预计上午9:00抵达，车牌号码：XXXXXXX)；基于预设的候车时间确定规则(例如：在运输车预计抵达5分钟前)和所述预计抵达时间，确定候车时间(例如：上午8:55)；当时间到达候车时间，获取预设的移动机器人的第一位置(基于GPS定位技术，获取移动机器人的实时位置信息)，确定距离等待位置最近的移动机器人，作为第二机器人(选中进行引导作业的机器人)并进行忙碌标记(忙碌标记后的机器人在解除标记前，不会被再次选中)，控制第二移动机器人到等候位置等待运输车。
控制移动机器人采集第二粮仓入口处所有车辆的第二车牌号码，判断是否为第一车牌号码，若是，确定为待引导车辆；获取待引导车辆车头驾驶舱的第一可视区域，在第一可视区域内，第二机器人通过跟展示随提醒信息(安装在所述移动机器人上的显示设备，显示提醒信息，例如：车牌号：XXXXXXX的车主请跟随我到达卸货区域，若确定，请鸣笛三声)向待引导车辆发出跟随提醒，获取所述待引导车辆的至少一个反应信息(例如：鸣笛三声)；移动机器人确定接收对应反应信息并与标准车辆反应(例如：鸣笛三声)进行匹配，若匹配符合，第二移动机器人确定开始引导待引导车辆；确定第一区域中空闲第一区域为第二区域获取第一粮仓中距离等待位置最近的第二卸货区域作为卸货区域；获取所述第一粮仓的场地地图(第一粮仓内供运输车行驶的车道分布地图)，在所述场地地图中规划第一粮仓位置到所述第二卸货区域最短的规划路径(路径规划属于现有技术，例如：GPS导航系统规划最佳路径)；控制移动机器人根据最短路径前往第一卸货区域；
第二移动机器人引导运输车前往第二卸货区域时，可能因为驾驶人员的注意力分散造成跟丢现象，因此，需要对引导车辆实时提醒；实时获取第二移动机器人和引导车之间的距离作为跟随距离；若跟随距离大于等于预设的跟随距离阈值(例如：10米)；移动机器人获取驾驶人员的第二可视区域(驾驶人员的视线区域)，向驾驶人员展示预设的勿跟丢提醒(安装在所述移动机器人上的显示设备，显示提醒信息，例如：车牌号：XXXXXXX的车主，您已跟随丢失，若确认继续跟随)，提醒驾驶人员跟随丢失，若当前的跟随距离小于等于跟随距离阈值(例如：10米)，第二移动机器人继续引导，直到待引导车辆到达第二卸货区域；当卸货人员开始卸货，第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为(通过携带的微型摄像设备，基于人脸识别技术和行为识别技术采集图像中卸货人员的卸货行为)；获取第一卸货行为对应的第一风险值(卸货行为越危险，第一风险值越高)，若第一风险值大于等于预设的风险值阈值(例如：100)，对相应卸货人员进行风险提醒(基于智能终端提醒设备发送提醒信息)；
控制第二移动机器人判断第二卸货区域内是否存在提升作业(由于运输车过高或者堆积粮食过高，导致人工卸货不便，所以存在卸货机器人进行卸货的情况，基于图像识别技术，识别粮食货物并判断其空间位置，判断是否超过人为卸货的高度，若是，则存在提升作业)；
获取正在被提升的粮食货物的图像信息(卸货机器人抓取粮食货物的图像)；对图像信息进行特征提取，获得多个图像特征(例如：抓取货物的几何中心)；获取预设的图像风险特征库(数据库，存储图像风险特征和风险值的对应关系，例如：未抓取货物几何中心对应风险值为90)，将图像特征与图像风险特征库中的风险图像特征进行匹配，获取匹配符合的图像风险特征对应的第二风险值(第二风险值越大，货物掉落的可能性越高)；累加计算图像信息关联的第二风险值，获得风险值和；获取卸货机器人进行卸货过程中对应货物的提升高度；若风险值和大于等于预设的风险值和阈值(例如：300)和/或所述提升高度大于等于预设的提升高度阈值(例如：5m)；第二移动机器人对第二卸货区域进行粮食货物掉落风险提醒，获取粮食货物的货物位置预设范围内的环境信息(例如：粮食堆分布、粮仓内设备等)；基于预设的货物掉落路径确定模型(基于大数据技术获得多个货物掉落路径记录，通过机器学习算法、神经网络模型算法模拟货物掉落路径的模型)，根据掉落路径，确定第二卸货区域中的风险区域，若风险区域内存在卸货人员，控制第二移动机器人提醒卸货人离开。
本发明实例基于运输车的车辆信息和预计到达时间，利用移动机器人对运输车进行规范引导，降低了人工成本；同时，对引导车辆进行防跟丢提醒，提升了引导的规范性；基于货物位置周边的环境信息和预设的路径确定模型，模拟货物掉落路径确定风险区域并对风险区域内的卸货人员进行安全提醒，提升了的安全性。
本发明实例提供了一种基于大数据的粮仓管理系统，还包括：
偷窃监测模块，用于每隔预设的时间间隔，对所述第一粮仓内进行偷窃监测；
所述偷窃监测模块执行如下操作：
动态获取第一粮仓的现场三维信息；
基于所述第一粮仓的现场三维信息，动态构建所述第一粮仓的三维现场模型；
基于模型识别技术，识别进入第一粮仓的至少一个第一人体模型；
获取所述第一人体模型对应的第一人脸信息；
将所述第一人脸信息与预设的粮仓管理人员人脸信息库中的第二人脸信息进行匹配；
将匹配不符合的所述第一人脸信息对应的第一人体模型作为第二人体模型；
获取所述第一粮仓的粮食堆分布；
基于所述粮食堆分布和所述第二人体模型的第三可视区域，控制所述偷窃监测小车对所述来访人进行静音跟踪；
在静音跟踪过程中，控制所述偷窃监测小车采集所述来访人产生的至少一个目标行为；
构建偷窃行为库，将所述目标行为与所述偷窃行为库中的偷窃行为进行匹配，若匹配符合，确定所述目标行为为偷窃行为，进行相应报警。
上述技术方案的工作原理及有益效果为：
目前粮仓通常设置在农村地区，地处偏僻，监控设备布置密度低，当偷窃人员进入粮仓时，不利于及时追踪；如果在粮仓内设置固定监控设备，需要人工查看监控画面，监控人员监控不规范时(例如：夜间监控人员注意力分散)，容易造成监控效率低下，同时，偷窃人员发现监控设备也可能毁坏设备，造成损失，故设置机器人移动小车，利用粮仓地形优势，隐蔽监控，实时识别偷窃行为；
获取第一粮仓的现场三维信息(通过毫米波雷达获取第一粮仓的三维场景信息)；基于模型识别技术(对三维空间的物体进行轮廓识别的技术)获取进入第一粮仓的至少一个第一人体模型；获取所述第一人体模型对应的第一人脸信息(通过摄像设备获取第一人体模型的图像，基于人脸识别技术获取对应第一人脸信息)；将第一人脸信息并与粮仓管理人员人脸信息库(数据库，存储粮仓管理人员多个人脸信息)中的第二人脸信息进行匹配，将匹配不符合的第一人脸信息对应第一人体模型作为第二人体模型，获取第一粮仓的粮食堆分布(粮食堆高低分布构成视线盲区易于小车躲避)；基于粮食堆分布和第二人体模型的第三可视区域(获取进入第一粮仓陌生人的视线范围，偷窃监测小车可以及时躲避陌生人视线)，偷窃监测小车对第二人体模型进行静音跟踪(机器人目标跟踪技术是现有技术，在此不再赘述)，获取第二人体模型的目标行为(第二人体模型在粮仓中产生的行为)；基于行为识别技术(检测物体在空间坐标中的实际位置，结合行为识别算法实现对目标行为进行高精度快速识别捕捉的技术)，构建偷窃行为库(数据库，存储偷窃行为)，将目标行为与偷窃行为库中的偷窃行为进行匹配，若匹配符合，确定目标行为是偷窃行为，进行报警。
本发明实例基于对进入第一粮仓人员的身份判断，确定需要进行行为监测的第二人体模型；基于粮食堆分布和第二人体模型的第三可视区域，利用偷窃监测小车对第二人体模型进行静音跟踪，提高了偷窃行为识别的准确度和隐蔽性，提高了粮仓的安全性；构建偷窃行为库，对非粮仓管理人员进行行为监测，提高了偷窃行为识别的效率。
本发明实例提供了一种基于大数据的粮仓管理系统，构建偷窃行为库，包括：
基于大数据技术，获取多个第一偷窃行为集；
获取第一偷窃行为集对应的信息来源，所述来源类型包括：价值来源和非价值来源；
当所述来源类型为价值来源时，获取所述信息来源对应的第一准确值，同时，赋予所述第一准确值第一权重系数，获得第一价值度，并与对应所述第一偷窃行为集进行关联；
当所述来源类型为非价值来源时，获取所述信息来源对应的第二准确值，同时，赋予所述第二准确值第二权重系数，获得第二价值度，并与对应所述第一偷窃行为集进行关联；
累加计算所述第一价值度和所述第二价值度，获得价值度和；
若所述价值度和大于等于预设的价值度阈值，将对应所述第一偷窃行为集作为第二偷窃行为集；
将所述第二偷窃行为集发送给对应的专家节点，获取所述专家节点对所述第二偷窃行为集进行评价的评价值，同时，赋予所述评价值对应所述专家权重，获得评价指数，并与所述第二偷窃行为集进行关联；
累加计算所述第二偷窃行为集关联的评价指数，获得评价指数和；
若所述评价指数和大于等于预设的评价指数阈值，将对应所述第二偷窃行为集作为第三偷窃行为集；
获取预设的空白数据库，将所述第三偷窃行为集进行集合拆分并存入所述空白数据库；
当需要存入所述空白数据库的所述第三偷窃行为集全部进行集合拆分存入后，将所述空白数据库作为偷窃行为库，完成构建；
其中，所述第一权重系数大于所述第二权重系数。
上述技术方案的工作原理及有益效果为：
对进入粮仓人员行为监测时，如果不能有效识别偷窃行为，会造成预警不及时，造成损失，故可以通过大数据获得多个偷窃行为，构建偷窃行为库，提高偷窃行为检出率，但不是所有的偷窃行为都有可利用价值，故需要对获取的偷窃行为进行筛选；
获取第一偷窃行为集(收集偷窃行为的收集方)，获取第一偷窃行为集对应的信息来源，包括价值来源(偷窃行为来源于粮仓)和非价值来源(偷窃行为来源于其他场所)；获取价值来源的第一准确值(第一准确值越高，价值来源越准确)和第一权重系数，获得第一价值度；获取非价值来源的第二准确值(第一准确值越高，价值来源越准确)和第二权重系数，获得第二价值度；由于价值来源比非价值来源更具有参考价值，故赋予第一权重系数更大的权值；累加计算第一价值度和第二价值度，获得价值度和；若价值度和大于等于预设的价值度阈值(例如：350)，将第一偷窃行为集作为第二偷窃行为集；
将第二偷窃行为集发送给对应的专家节点(警方或者第一粮仓的安保人员等)；获取所述专家节点对所述第二偷窃行为集的评价值(评价值越高，第二偷窃行为集越可信)，赋予评价值对应的专家权重(不同节点的权重不同，例如：专家节点为警方的权重大于专家节点为第一仓库安保人员的权重)，获得评价指数；累加计算评价指数，获得评价指数和；获取评价指数和大于等于预设的评价指数阈值(例如：200)的第二偷窃行为集作为三偷窃行为集；获取预设的空白数据库，将全部第三偷窃行为集进行集合拆分存入后，完成构建；
本发明实例基于第一偷窃行为集的信息来源，获取价值度高的第二偷窃行为集；基于专家节点对第二偷窃行为集的评价，获取评价值高的第三偷窃行为集，筛选出了可利用价值高的偷窃行为，提升了偷窃行为库构建的全面性，提高了偷窃行为识别的精确度。
本发明实例提供了一种基于大数据的粮仓管理系统，获取多个第一环境记录，包括：
获取预设的采集节点，所述采集节点包括：多个第一采集节点；
获取所述第一采集节点对应的历史上传行为；
将所述历史上传行为与预设的上传行为-恶意值库中的第二上传行为进行匹配；
若匹配符合，获取匹配符合的第二上传行为对应的恶意值，并与所述第一采集节点进行关联；
累加计算所述恶意值，获得恶意值和；
获取所述第一采集节点的第一属性信息，同时，获取预设的第二节点对应的第二属性信息；
对所述第一属性信息进行特征提取，获得多个第一属性特征；
对所述第二属性信息进行特征提取，获得多个第二属性特征；
将所述第一属性特征与所述第二属性特征进行特征匹配，若匹配符合，将匹配符合的所述第一属性特征和所述第二属性特征作为第三属性特征；
获取所述第三属性特征对应的属性类型；
查询预设的属性类型-关联值库，确定所述第三信息特征对应的关联值，并与所述第一采集节点进行关联；
累加计算所述关联值，获得关联值和；
基于所述第一采集节点关联的所述恶意值和所述关联值，计算所述第一采集节点的参考指数；
若所述参考指数大于等于预设的参考指数阈值，将对应所述第一采集节点作为第二采集节点；
获取所述第二采集节点提供的所述第一环境调节记录。
上述技术方案的工作原理及有益效果为：
由于不同收集方采集的第一环境调节记录的可参考价值不同(例如：上传记录更准确的收集方提供的第一环境调节记录更有参考性)，所以选择参考价值更高的收集方提供的记录；
预设的采集节点(第一环境调节记录对应的提供方)；获取第一采集节点对应的历史上传行为(第一采集节点对应收集方历史上传记录时产生的行为，例如：恶意上传错误的环境调节记录)与预设的上传行为-恶意值库(数据库，存储上传行为和恶意值的对应关系，例如：更改上传数据对应恶意值为：75)中的行为进行匹配，获取匹配符合的历史上传行为对应的恶意值，累加计算恶意值；
获取所述第一采集节点对应的第一属性信息(例如：环境调节记录对应提供方的不同产业类型)，同时，获取预设的第二采集节点对应的第二属性信息(目标环境调节记录对应的产业类型)；对第一属性信息进行特征提取，获得多个第一属性特征(环境调节记录对应的不同产业类型的特征：畜牧管理、粮食存储)；对第二属性信息进行特征提取，获得多个第二属性特征(目标环境调节记录对应的产业类型：粮食存储)；将第一属性特征与所述第二属性特征进行特征匹配，获得匹配符合的第三属性特征(例如：粮食存储)；获取所述第三属性特征对应的属性类型(例如：粮仓管理)；查询预设的属性类型-关联值库(数据库，存储属性类型和关联值的对应关系)，确定所述第三属性特征对应的关联值(关联值越大，第一采集节点参考值越高)；基于所述恶意值和所述关联值，计算所述第一采集节点的参考指数，计算公式如下：
Figure BDA0003583718050000241
其中，σ为所述参考指数，
Figure BDA0003583718050000242
为第t个所述恶意值，n为所述恶意值的总数目，θk为第k个所述关联值，N为所述关联值的总数目，γ1和γ2为预设的权重值；
公式中，
Figure BDA0003583718050000243
代表第一采集节点历史上传行为的恶意程度，恶意值和越低，参考指数越高，
Figure BDA0003583718050000244
代表第一采集节点提供第一环境记录的关联程度，关联值和越大，参考指数越高；
当计算的第一采集节点的参考指数(参考指数越大，第一采集节点上传的第一环境调节记录可参考价值性越高)大于等于预设的参考指数阈值(例如：550)，获取对应的第二采集节提供的所述第一环境调节记录；
本发明实例基于第一采集节点对应历史上传行为的恶意程度，确定第一采集节点的恶意值；基于第一采集节点提供环境调节记录不同的属性信息，获取参考指数高的第二采集节点提供的第一环境调节记录，提高了第一环境调节记录的参考价值，提升了环境调节的精确性。
本发明实例提供了一种基于大数据的粮仓管理方法，如图2所示，包括：
步骤1：获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
步骤2：基于大数据技术，训练环境调节策略制定模型；
步骤3：基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
步骤4：基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
上述技术方案的工作原理及有益效果已在方法权要中说明，不再赘述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于大数据的粮仓管理系统，其特征在于，包括：
获取模块，用于获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
训练模块，用于基于大数据技术，训练环境调节策略制定模型；
制定模块，用于基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
调节模块，用于基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
2.如权利要求1所述的一种基于大数据的粮仓管理系统，其特征在于，所述训练模块执行如下操作：
基于大数据技术，获取多个第一环境调节记录；
对所述第一环境调节记录进行预筛选，获得预筛选后的第二环境调节记录；
基于预设的模型训练算法，对所述第二环境调节记录进行模型训练，获得环境调节策略制定模型。
3.如权利要求2所述的一种基于大数据的粮仓管理系统，其特征在于，对所述第一环境调节记录进行预筛选，包括：
获取所述第一环境调节记录对应的第二粮仓的第二粮仓信息；
对所述第一粮仓信息进行特征提取，获得多个第一信息特征；
对所述第二粮仓信息进行特征提取，获得多个第二信息特征；
将所述第一信息特征与所述第二信息特征进行特征匹配，若匹配符合，将匹配符合的所述第一信息特征或所述第二信息特征作为第三信息特征；
获取所述第三信息特征对应的信息类型；
查询预设的信息类型-可参考度库，确定所述信息类型对应的可参考度，并与对应所述第一环境调节记录进行关联；
累加所述第一环境调节记录关联的可参考度，获得可参考度和，并将所述可参考度和作为筛选值；
若所述筛选值大于等于预设的筛选值阈值，将对应所述第一环境调节记录作为第二环境调节记录，完成预筛选。
4.如权利要求1所述的一种基于大数据的粮仓管理系统，其特征在于，还包括：
运输车引导卸货模块，用于当运输车抵达所述第一粮仓时，自适应引导所述运输车进行卸货；
所述运输车引导卸货模块执行如下操作：
获取所述运输车的驾驶人员向粮仓管理人员发送的预计抵达时间和第一车牌号码；
基于预设的候车时间确定规则，根据所述预计抵达时间，确定候车时间；
若当前时间达到所述候车时间，获取所述第一粮仓内预设的多个第一移动机器人的当前的第一位置；
基于所述第一位置和所述第一粮仓的入口处预设的等候位置，确定距离所述等候位置最近的第一移动机器人，并作为第二移动机器人，同时，对所述第二移动机器人进行忙碌标记；
控制所述第二移动机器人前往所述等候位置，等候所述运输车；
当所述第二移动机器人抵达所述等候位置后，控制所述第二移动机器人采集即将进入所述第一粮仓的入口处的多个车辆的第二车牌号码；
遍历所述第二车牌号码，判断遍历到的所述第二车牌号码是否为第一车牌号码；
若是，将对应所述车辆作为待引导车辆；
动态获取所述待引导车辆的车头驾驶舱的当前第一可视区域，控制所述第二移动机器人在所述第一可视区域内向所述待引导车辆展示预设的跟随提醒信息；
展示完成后，获取所述待引导车辆在预设的时间段内做出的至少一个车辆反应；
获取所述跟随提醒信息对应的标准车辆反应；
将所述车辆反应与所述标准车辆反应进行匹配，控制所述第二移动机器人开始引导所述待引导车辆进行卸货；
获取所述第一粮仓中多个空闲的第一卸货区域的第二位置；
基于所述等候位置和所述第二位置，确定距离所述所述第一粮仓的入口处最近的所述第一卸货区域，并作为第二卸货区域；
获取对应于所述第一粮仓的场地地图，在所述场地地图内规划所述第一粮仓的入口处至所述第二卸货区域之间最短的规划路径；
根据所述规划路径，控制所述移动机器人引导所述待引导车辆前往所述第二卸货区域；
在引导过程中，控制所述第二移动机器人动态采集所述车头驾驶舱与所述第二移动机器人之间的跟随距离；
若所述跟随距离大于等于预设的跟随距离阈值，动态获取所述待引导车辆的车头驾驶舱的当前的第一可视区域，控制所述第二移动机器人在所述第一可视区域内展示预设的勿跟丢提醒信息；
展示完成后，若当前的所述跟随距离小于所述跟随距离阈值，控制所述第二移动机器人继续进行引导；
当所述待引导车辆抵达所述第二卸货区域后，提醒所述第二卸货区域内的至少一个卸货人员开始进行卸货；
控制所述第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为；
获取所述第一卸货行为对应的第一风险值，若所述第一风险值大于等于预设的风险值阈值，对相应所述卸货人员进行风险提醒；
同时，控制所述第二移动机器人采集所述第二卸货区域内是否存在提升作业；
若是，获取正在被提升的粮食货物的图像信息；
对所述图像信息进行特征提取，获得多个图像特征；
查询预设的图像风险特征库，将所述图像特征与所述风险图像特征库中的风险图像特征进行特征匹配，若匹配符合，获取匹配符合的所述风险图像特征对应的第二风险值；
累加计算所述第二风险值，获得第二风险值和；
动态获取提升作业过程中被提升的粮食货物的提升高度；
若所述第二风险值和大于等于预设的风险值和阈值和/或所述提升高度大于等于预设的提升高度阈值，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒；
其中，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒，包括：
获取所述粮食货物的货物位置，同时，获取所述货物位置周边预设的范围内的环境信息；
基于预设的货物掉落路径确定模型，根据所述货物位置和所述环境信息，确定所述粮食货物的掉落路径；
基于所述掉落路径，确定所述第二卸货区域内的风险区域；
判断所述风险区域内是否存在任一所述卸货人员，若是，提醒对应所述卸货人员进行离开。
5.如权利要求1所述的一种基于大数据的粮仓管理系统，其特征在于，还包括：
偷窃监测模块，用于每隔预设的时间间隔，对所述第一粮仓内进行偷窃监测；
所述偷窃监测模块执行如下操作：
动态获取第一粮仓的现场三维信息；
基于所述第一粮仓的现场三维信息，动态构建所述第一粮仓的三维现场模型；
基于模型识别技术，识别进入第一粮仓的至少一个第一人体模型；
获取所述第一人体模型对应的第一人脸信息；
将所述第一人脸信息与预设的粮仓管理人员人脸信息库中的第二人脸信息进行匹配；
将匹配不符合的所述第一人脸信息对应的第一人体模型作为第二人体模型；
获取所述第一粮仓的粮食堆分布；
基于所述粮食堆分布和所述第二人体模型的第三可视区域，控制所述偷窃监测小车对所述来访人进行静音跟踪；
在静音跟踪过程中，控制所述偷窃监测小车采集所述来访人产生的至少一个目标行为；
构建偷窃行为库，将所述目标行为与所述偷窃行为库中的偷窃行为进行匹配，若匹配符合，确定所述目标行为为偷窃行为，进行相应报警。
6.如权利要求5所述的一种基于大数据的粮仓管理系统，其特征在于，构建偷窃行为库，包括：
基于大数据技术，获取多个第一偷窃行为集；
获取第一偷窃行为集对应的信息来源，所述来源类型包括：价值来源和非价值来源；
当所述来源类型为价值来源时，获取所述信息来源对应的第一准确值，同时，赋予所述第一准确值第一权重系数，获得第一价值度，并与对应所述第一偷窃行为集进行关联；
当所述来源类型为非价值来源时，获取所述信息来源对应的第二准确值，同时，赋予所述第二准确值第二权重系数，获得第二价值度，并与对应所述第一偷窃行为集进行关联；
累加计算所述第一价值度和所述第二价值度，获得价值度和；
若所述价值度和大于等于预设的价值度阈值，将对应所述第一偷窃行为集作为第二偷窃行为集；
将所述第二偷窃行为集发送给对应的专家节点，获取所述专家节点对所述第二偷窃行为集进行评价的评价值，同时，赋予所述评价值对应所述专家权重，获得评价指数，并与所述第二偷窃行为集进行关联；
累加计算所述第二偷窃行为集关联的评价指数，获得评价指数和；
若所述评价指数和大于等于预设的评价指数阈值，将对应所述第二偷窃行为集作为第三偷窃行为集；
获取预设的空白数据库，将所述第三偷窃行为集进行集合拆分并存入所述空白数据库；
当需要存入所述空白数据库的所述第三偷窃行为集全部进行集合拆分存入后，将所述空白数据库作为偷窃行为库，完成构建；
其中，所述第一权重系数大于所述第二权重系数。
7.一种基于大数据的粮仓管理方法，其特征在于，包括：
步骤1：获取需要进行粮仓管理的第一粮仓对应的第一粮仓信息；
步骤2：基于大数据技术，训练环境调节策略制定模型；
步骤3：基于所述环境调节策略制定模型，根据所述第一粮仓信息，制定所述第一粮仓适宜的环境调节策略；
步骤4：基于所述环境调节策略，对所述第一粮仓进行相应环境调节。
8.如权利要求7所述的一种基于大数据的粮仓管理方法，其特征在于，所述步骤2：基于大数据技术，训练环境调节策略制定模型，包括：
基于大数据技术，获取多个第一环境调节记录；
对所述第一环境调节记录进行预筛选，获得预筛选后的第二环境调节记录；
基于预设的模型训练算法，对所述第二环境调节记录进行模型训练，获得环境调节策略制定模型。
9.如权利要求8所述的一种基于大数据的粮仓管理方法，其特征在于，所述对所述第一环境调节记录进行预筛选，包括：
获取所述第一环境调节记录对应的第二粮仓的第二粮仓信息；
对所述第一粮仓信息进行特征提取，获得多个第一信息特征；
对所述第二粮仓信息进行特征提取，获得多个第二信息特征；
将所述第一信息特征与所述第二信息特征进行特征匹配，若匹配符合，将匹配符合的所述第一信息特征或所述第二信息特征作为第三信息特征；
获取所述第三信息特征对应的信息类型；
查询预设的信息类型-可参考度库，确定所述信息类型对应的可参考度，并与对应所述第一环境调节记录进行关联；
累加所述第一环境调节记录关联的可参考度，获得可参考度和，并将所述可参考度和作为筛选值；
若所述筛选值大于等于预设的筛选值阈值，将对应所述第一环境调节记录作为第二环境调节记录，完成预筛选。
10.如权利要求7所述的一种基于大数据的粮仓管理方法，其特征在于，还包括：
当运输车抵达所述第一粮仓时，自适应引导所述运输车进行卸货；
其中，自适应引导所述运输车进行卸货，包括：
获取所述运输车的驾驶人员向粮仓管理人员发送的预计抵达时间和第一车牌号码；
基于预设的候车时间确定规则，根据所述预计抵达时间，确定候车时间；
若当前时间达到所述候车时间，获取所述第一粮仓内预设的多个第一移动机器人的当前的第一位置；
基于所述第一位置和所述第一粮仓的入口处预设的等候位置，确定距离所述等候位置最近的第一移动机器人，并作为第二移动机器人，同时，对所述第二移动机器人进行忙碌标记；
控制所述第二移动机器人前往所述等候位置，等候所述运输车；
当所述第二移动机器人抵达所述等候位置后，控制所述第二移动机器人采集即将进入所述第一粮仓的入口处的多个车辆的第二车牌号码；
遍历所述第二车牌号码，判断遍历到的所述第二车牌号码是否为第一车牌号码；
若是，将对应所述车辆作为待引导车辆；
动态获取所述待引导车辆的车头驾驶舱的当前第一可视区域，控制所述第二移动机器人在所述第一可视区域内向所述待引导车辆展示预设的跟随提醒信息；
展示完成后，获取所述待引导车辆在预设的时间段内做出的至少一个车辆反应；
获取所述跟随提醒信息对应的标准车辆反应；
将所述车辆反应与所述标准车辆反应进行匹配，控制所述第二移动机器人开始引导所述待引导车辆进行卸货；
获取所述第一粮仓中多个空闲的第一卸货区域的第二位置；
基于所述等候位置和所述第二位置，确定距离所述所述第一粮仓的入口处最近的所述第一卸货区域，并作为第二卸货区域；
获取对应于所述第一粮仓的场地地图，在所述场地地图内规划所述第一粮仓的入口处至所述第二卸货区域之间最短的规划路径；
根据所述规划路径，控制所述移动机器人引导所述待引导车辆前往所述第二卸货区域；
在引导过程中，控制所述第二移动机器人动态采集所述车头驾驶舱与所述第二移动机器人之间的跟随距离；
若所述跟随距离大于等于预设的跟随距离阈值，动态获取所述待引导车辆的车头驾驶舱的当前的第一可视区域，控制所述第二移动机器人在所述第一可视区域内展示预设的勿跟丢提醒信息；
展示完成后，若当前的所述跟随距离小于所述跟随距离阈值，控制所述第二移动机器人继续进行引导；
当所述待引导车辆抵达所述第二卸货区域后，提醒所述第二卸货区域内的至少一个卸货人员开始进行卸货；
控制所述第二移动机器人采集所述卸货人员在卸货时产生的多个第一卸货行为；
获取所述第一卸货行为对应的第一风险值，若所述第一风险值大于等于预设的风险值阈值，对相应所述卸货人员进行风险提醒；
同时，控制所述第二移动机器人采集所述第二卸货区域内是否存在提升作业；
若是，获取正在被提升的粮食货物的图像信息；
对所述图像信息进行特征提取，获得多个图像特征；
查询预设的图像风险特征库，将所述图像特征与所述风险图像特征库中的风险图像特征进行特征匹配，若匹配符合，获取匹配符合的所述风险图像特征对应的第二风险值；
累加计算所述第二风险值，获得第二风险值和；
动态获取提升作业过程中被提升的粮食货物的提升高度；
若所述第二风险值和大于等于预设的风险值和阈值和/或所述提升高度大于等于预设的提升高度阈值，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒；
其中，控制所述第二移动机器人对所述第二卸货区域进行粮食货物掉落风险提醒，包括：
获取所述粮食货物的货物位置，同时，获取所述货物位置周边预设的范围内的环境信息；
基于预设的货物掉落路径确定模型，根据所述货物位置和所述环境信息，确定所述粮食货物的掉落路径；
基于所述掉落路径，确定所述第二卸货区域内的风险区域；
判断所述风险区域内是否存在任一所述卸货人员，若是，提醒对应所述卸货人员进行离开。
CN202210373662.8A 2022-04-07 2022-04-07 一种基于大数据的粮仓管理系统及方法 Active CN114757522B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210373662.8A CN114757522B (zh) 2022-04-07 2022-04-07 一种基于大数据的粮仓管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210373662.8A CN114757522B (zh) 2022-04-07 2022-04-07 一种基于大数据的粮仓管理系统及方法

Publications (2)

Publication Number Publication Date
CN114757522A true CN114757522A (zh) 2022-07-15
CN114757522B CN114757522B (zh) 2023-05-12

Family

ID=82329896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210373662.8A Active CN114757522B (zh) 2022-04-07 2022-04-07 一种基于大数据的粮仓管理系统及方法

Country Status (1)

Country Link
CN (1) CN114757522B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115136799A (zh) * 2022-08-15 2022-10-04 安徽荣夏智能科技有限责任公司 一种粮食存储智能管理系统
CN115326506A (zh) * 2022-08-09 2022-11-11 广州莱德璞检测技术有限公司 一种多功能化妆品防水性能检测系统及方法
CN115824313A (zh) * 2023-02-13 2023-03-21 北京昆仑海岸科技股份有限公司 一种用于粮情监测的一体化多参量监测控制方法及系统
CN116976675A (zh) * 2023-08-09 2023-10-31 南京龟兔赛跑软件研究院有限公司 一种基于物联网数据监控的冷链运输风险预警方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005886A (zh) * 2015-08-18 2015-10-28 青岛华高软件科技有限公司 一种粮食仓储智能化电子信息管理装置
CN106600183A (zh) * 2016-11-19 2017-04-26 河南智业科技发展有限公司 一种基于云管理的粮仓管理系统
CN107272624A (zh) * 2017-07-11 2017-10-20 合肥弘恩机电科技有限公司 一种粮仓环境智能调节系统
WO2017215362A1 (zh) * 2016-06-13 2017-12-21 南京亿猫信息技术有限公司 一种基于超市购物车的智能购物系统及其控制方法
CN108255842A (zh) * 2016-12-28 2018-07-06 航天信息股份有限公司 一种仓储信息的展示方法及装置
US20190073735A1 (en) * 2015-05-15 2019-03-07 Overhaul Group, Inc. Enhanced alert/notification system for law enforcement identifying and tracking of stolen vehicles and cargo
CN111046822A (zh) * 2019-12-19 2020-04-21 山东财经大学 一种基于人工智能视频识别的大型车辆防盗方法
WO2021136493A1 (zh) * 2020-01-03 2021-07-08 恒大新能源汽车投资控股集团有限公司 一种充电控制方法、装置、电子设备及系统
CN114048991A (zh) * 2021-11-09 2022-02-15 深圳昶维科技有限公司 一种污水处理淤泥清理管理方法及系统
WO2022034389A1 (en) * 2020-08-12 2022-02-17 Everseen Limited System and method for mapping risks in a warehouse environment

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190073735A1 (en) * 2015-05-15 2019-03-07 Overhaul Group, Inc. Enhanced alert/notification system for law enforcement identifying and tracking of stolen vehicles and cargo
CN105005886A (zh) * 2015-08-18 2015-10-28 青岛华高软件科技有限公司 一种粮食仓储智能化电子信息管理装置
WO2017215362A1 (zh) * 2016-06-13 2017-12-21 南京亿猫信息技术有限公司 一种基于超市购物车的智能购物系统及其控制方法
CN106600183A (zh) * 2016-11-19 2017-04-26 河南智业科技发展有限公司 一种基于云管理的粮仓管理系统
CN108255842A (zh) * 2016-12-28 2018-07-06 航天信息股份有限公司 一种仓储信息的展示方法及装置
CN107272624A (zh) * 2017-07-11 2017-10-20 合肥弘恩机电科技有限公司 一种粮仓环境智能调节系统
CN111046822A (zh) * 2019-12-19 2020-04-21 山东财经大学 一种基于人工智能视频识别的大型车辆防盗方法
WO2021136493A1 (zh) * 2020-01-03 2021-07-08 恒大新能源汽车投资控股集团有限公司 一种充电控制方法、装置、电子设备及系统
WO2022034389A1 (en) * 2020-08-12 2022-02-17 Everseen Limited System and method for mapping risks in a warehouse environment
US20220051175A1 (en) * 2020-08-12 2022-02-17 Everseen Limited System and Method for Mapping Risks in a Warehouse Environment
CN114048991A (zh) * 2021-11-09 2022-02-15 深圳昶维科技有限公司 一种污水处理淤泥清理管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张海峰;李艳亮;李雅娟;: "基于物联网技术的粮仓智能监控系统建设研究" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115326506A (zh) * 2022-08-09 2022-11-11 广州莱德璞检测技术有限公司 一种多功能化妆品防水性能检测系统及方法
CN115136799A (zh) * 2022-08-15 2022-10-04 安徽荣夏智能科技有限责任公司 一种粮食存储智能管理系统
CN115824313A (zh) * 2023-02-13 2023-03-21 北京昆仑海岸科技股份有限公司 一种用于粮情监测的一体化多参量监测控制方法及系统
CN116976675A (zh) * 2023-08-09 2023-10-31 南京龟兔赛跑软件研究院有限公司 一种基于物联网数据监控的冷链运输风险预警方法及系统
CN116976675B (zh) * 2023-08-09 2024-04-05 南京龟兔赛跑软件研究院有限公司 一种基于物联网数据监控的冷链运输风险预警方法及系统

Also Published As

Publication number Publication date
CN114757522B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN114757522B (zh) 一种基于大数据的粮仓管理系统及方法
CN110929923A (zh) 基于数字孪生技术的城市安全风险管控系统
CN112132090A (zh) 一种基于yolov3的烟火自动检测预警方法
CN108189043A (zh) 一种应用于高铁机房的巡检方法及巡检机器人系统
CN108297058A (zh) 智能安防机器人及其自动巡检方法
CN106097755A (zh) 用于识别泊车场地和/或空出场地的方法
CN112861631B (zh) 一种基于Mask Rcnn以及SSD的地磅人体入侵检测方法
CN105260864B (zh) 基于频谱感知的云物流监控系统及监控方法
CN106341661A (zh) 巡逻机器人
CN116882722B (zh) 一种基于物联网的智慧工地管理方法及系统
CN111783579B (zh) 基于无人机视觉分析的施工人员跨越围栏检测系统
CN115604424A (zh) 一种物资仓储安防管理系统
CN210893162U (zh) 一种室内外一体化定位系统
CN114476444A (zh) 一种垃圾卸料智能管理系统
CN209312052U (zh) 一种人脸识别随身警务系统
CN110542420A (zh) 一种室内外一体化定位系统
CN105843137A (zh) 一种一体化监控方法及系统
CN117681201A (zh) 一种基于人工智能的机器人智能运行远程控制系统
CN110837753A (zh) 一种人车物识别布控的集分模型及其使用方法
RU2721178C1 (ru) Интеллектуальная автоматическая система обнаружения нарушителей
CN111046822A (zh) 一种基于人工智能视频识别的大型车辆防盗方法
CN115081570B (zh) 一种基于射频技术的物联网识别及管理系统
CN114913653B (zh) 一种用于粮仓存储安全的监测方法、装置、设备及介质
CN116466714A (zh) 一种agv车辆的控制系统及方法
CN116110127A (zh) 一种多联动的加油站套现行为识别系统

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
GR01 Patent grant
GR01 Patent grant