CN115147053A - 一种垃圾回收数字工厂分拣框仓储入库方法和系统 - Google Patents
一种垃圾回收数字工厂分拣框仓储入库方法和系统 Download PDFInfo
- Publication number
- CN115147053A CN115147053A CN202211075458.4A CN202211075458A CN115147053A CN 115147053 A CN115147053 A CN 115147053A CN 202211075458 A CN202211075458 A CN 202211075458A CN 115147053 A CN115147053 A CN 115147053A
- Authority
- CN
- China
- Prior art keywords
- sorting
- rfid
- clearing
- server
- warehousing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 31
- 238000004064 recycling Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 claims abstract description 77
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 238000005303 weighing Methods 0.000 claims description 39
- 238000004140 cleaning Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000001960 triggered effect Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 101100110009 Caenorhabditis elegans asd-2 gene Proteins 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 231100001261 hazardous Toxicity 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection 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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明公开的一种垃圾回收数字工厂分拣框仓储入库方法和系统，基于所述系统，所述方法通过提前安装RFID射频标签、RFID识别天线、RFID识别主机，然后对分拣框进行满溢检测；若满溢检测合格后，服务器则下发指令，指示清运叉车按既定路线进行清运，清运过程中通过叉车RFID识别主机识别行驶路径定位RFID标签、分拣框RFID射频识别标签与仓储RFID射频识别标签，以保证清运过程的准确运行。本发明基于RFID标签，对每一个节点进行详细标注，便于后续步骤的准确实施，同时避免传统人工记录数据导致的识别不准确、数据记录错误、旧的数据与新存入的危废记录混乱等问题，利用记录所有数据及操作步骤，实现全链路数据追溯。
Description
技术领域
本发明涉及垃圾清运领域，更具体的，涉及一种垃圾回收数字工厂分拣框仓储入库方法和系统。
背景技术
“无废城市”是以创新、协调、绿色、开放、共享的新发展理念为引领，通过推动形成绿色发展方式和生活方式，持续推进固体废物源头减量和资源化利用，最大限度减少填埋量，将固体废物环境影响降至最低的城市发展模式，也是一种先进的城市管理理念。现有的垃圾回收工厂仓储处置方式是：通过划分固定的分拣框位置，用于贮存回收垃圾分类工厂分类后的各类可回收物品，通过人工视验判定分拣框是否满溢，当分拣框即将满溢时，由人工调度转运叉车进行过磅入库清运存储。但传统的入库环节中，分拣框调度、叉车转运、仓储过磅、入库存储需要调度人员进行全程手动记录、数据输入，指挥调度等，即使在现在比较智能的厂区管理系统中，垃圾回收清运回仓库分拣到存储的过程中，容易出现人为的环节错误问题，且发生错误很难快速准确溯源到具体环节。具体而言，由人工调度转运叉车进行过磅入库清运存储主要存在以下问题：
由于分拣框贮存物品不同，导致分拣框的体积、重量、样式各有不同，且长期使用后容易造成框体损耗，数据录入环节由人工手动输入，导致分拣框过磅重量有差异但未及时检查导致的无法溯源真实情况。
分拣框贮存物品品类不同，分拣框容积、样式不同，需人工视验满溢情况，再调度叉车进行清运，由于满溢程度不一致，容易导致叉车清运路线混乱，造成环节拥堵或仓区门口交通拥堵，处理和沟通成本高，有安全隐患。
传统框体贮存物品种类繁多，流转频繁，无法提前录入信息标识分类，需人工视眼分拣框内物品种类，而后手动录入数据，容易造成入库类型选择错误，库存品类总重量出现误差。
传统仓储清运无法自动统计分拣框分拣流水线来源，需依靠人工手动记录来源，容易出现人为的环节错误问题，且发生错误很难快速准确溯源到具体环节。
传统过磅入库需要叉车将分拣框清运至地磅处，伺磅员在磅房处手动录入过磅重量、品类、来源产线、清运叉车等相关数据，容易造成垃圾卸货类型的选择错误，过磅重量有差异但未及时检查导致的无法溯源真实情况，垃圾混装监督等问题。
传统入库仓储环节分拣框过磅后还需要人工指挥清运叉车将其转运至仓库存储，过程耗费人力，且容易造成仓储堆积，无法有序准确盘点库存，导致的无法溯源仓储真实情况。
发明内容
鉴于上述问题，本发明的目的是提供一种垃圾回收数字工厂分拣框仓储入库方法和系统，能够提高垃圾清运的准确性，同时避免传统人工记录数据导致的识别不准确、数据记录错误、旧的数据与新存入的危废记录混乱等问题。
本发明第一方面提供了一种垃圾回收数字工厂分拣框仓储入库方法，包括以下步骤：
对分拣框加装分拣框RFID射频识别标签，其中，所述分拣框RFID射频识别标签包括以下信息：分拣框的重量、容积、型号；
将整个仓储区划分成若干个子区域，将每个子区域作为一个存储定位，对每个存储定位安装仓储RFID射频识别标签；所述仓储RFID射频识别标签包括仓储定位信息；
在清运叉车上装设叉车RFID识别主机；在清运路线上设置RFID定位标签；所述RFID定位标签包括清运路线信息；
在划定的分拣框摆放位置处设置分拣区RFID识别天线，分拣区RFID识别天线识别分拣框上的分拣框RFID射频识别标签信息；通过分拣区RFID识别主机传输至服务器，服务器根据分拣区RFID标签信息找到对应的分拣框；然后在该分拣框的RFID射频识别标签中绑定对应的贮存品类信息以及对应的生产流水线信息；
对分拣框进行满溢检测，判断分拣框是否满溢，若不满溢，则继续进行贮存品类分拣，若满溢，则服务器指定清运路线调度清运叉车前往清运分拣框；
清运叉车叉起分拣框后，叉车RFID识别主机识别分拣框RFID射频识别标签，并将数据上传至服务器，服务器判断是否正常清运，若不正常，则触发清运异常警报；若正常，则继续清运；
清运叉车在清运过程中通过叉车RFID识别主机识别RFID定位标签，并将数据上传至服务器，服务器判断清运线路是否异常，若异常，则触发清运线路异常警报；若没异常，则继续清运；
当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器判断入库定位是否异常，若异常，则触发入库异常警报，若没异常，则完成清运。
本方案中，所述满溢检测包括称重满溢检测、视觉满溢检测和双路满溢检测；
所述对分拣框进行满溢检测具体为：
对分拣框进行称重，判断分拣框重量是否达到预设的满溢阈值，若达到，则触发对应的阈值预警，并触发双路满溢检测；若没达到，则继续进行贮存品类分拣；
对分拣框进行视觉识别，判断分拣框是否满溢，若满溢，则触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
本方案中，所述称重满溢检测具体为：
在划定的分拣框摆放位置处下方配置一台地磅，通过4G物联网实时获取地磅上方的分拣框总重量，并将数据发送至服务器，服务器获取分拣框重量信息后，去除分拣框毛重，设置对应分拣品类信息；
服务器分析历史满溢重量，根据设定的满溢阈值集，预设满溢阈值，当分拣框去除毛重后的重量达到相应阈值时触发对应的阈值预警，并触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
本方案中，所述视觉满溢检测具体为：
在划定的分拣框摆放位置处摆放定位框；在划定的分拣框摆放位置处上方装设视觉识别摄像头，拍摄视频图像，发送至服务器进行图像处理，根据分拣框是否摆放在定位框内判断分拣框摆放是否正确，若不正确，则发出分拣框摆放异常预警；若正确，则根据分拣框预设满溢分析集与实时分拣物品分析，判断分拣框框体是否满溢，若满溢，触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
本方案中，所述双路满溢检测具体为：
服务器获取视觉满溢检测结果、视觉识别的实时分拣物品分析与地磅的实时分拣框重量数据；
结合对应分拣品品类进行深度数据分析，自动优化满溢阈值集，若分拣框满溢程度触达优化后的满溢阈值，则指定清运路线调度清运叉车前往清运分拣框，若未触达优化后的满溢阈值，则继续进行贮存品类分拣。
本方案中，所述方法还包括以下步骤：
当服务器指定清运路线调度清运叉车前往清运分拣框时，服务器下发数据至数据显示大屏和移动端APP显示调度清运叉车前往清运分拣框。
本方案中，所述方法还包括以下步骤：
当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器获取到数据后绑定分拣框RFID射频识别标签与仓储RFID射频识别标签，存储数据并下发数据至数据显示大屏，显示整个仓储入库数据情况。
本方案中，所述方法还包括以下步骤：
当触发清运异常警报时，数据显示大屏显示清运异常；
当触发清运线路异常警报时，数据显示大屏显示清运线路异常；
当触发入库异常警报时，数据显示大屏入库异常警报。
本发明第二方面提供一种垃圾回收数字工厂分拣框仓储入库系统，所述系统包括服务器、分拣区RFID识别主机、分拣区RFID识别天线、分拣框RFID识别标签、地磅、视觉识别摄像头、叉车RFID识别主机、RFID定位标签、仓储RFID射频识别标签；
所述分拣框RFID射频识别标签包括以下信息：分拣框的重量、容积、型号；
所述RFID定位标签包括清运路线信息；
所述仓储RFID射频识别标签包括仓储定位信息；
所述分拣区RFID识别天线用于识别分拣框RFID射频识别标签，并将识别的信息通过分拣区RFID识别主机发送至服务器；
所述叉车RFID识别主机用于识别分拣框RFID射频识别标签、RFID定位标签、仓储RFID射频识别标签；并将识别的信息发送至服务器；
所述地磅用于对分拣框进行称重，并将称重信息发送给服务器；
所述视觉识别摄像头用于拍摄分拣框的视频图像，并将视频图像数据发送给服务器；
所述服务器用于存储与绑定分拣框RFID射频识别标签信息、仓储RFID射频识别标签信息、RFID定位标签信息；
所述服务器还存储清运路线信息，下发清运指令，判断清运是否异常，以及下发清运异常报警信息；
所述服务器还用于分析分拣框重量信息，判断是否满溢；用于对视觉识别摄像头拍摄的视频图像进行分析，判断是否满溢；用于对双路满溢进行分析，优化满溢阈值集。
本方案中，所述系统还包括数据显示大屏，显示分拣框整体分布情况、分拣框满溢情况、清运叉车行驶情况、仓储定位存储情况。
本发明公开的一种垃圾回收数字工厂分拣框仓储入库方法和系统，通过提前安装RFID射频标签，对厂区内所有的分拣框进行标记，服务器中绑定RFID标签与分拣框的信息，记录分拣框初始尺寸、毛重、容积信息、分拣线绑定、分拣品类信息绑定，便于后续步骤的准确实施，同时避免传统人工记录数据导致的识别不准确、数据记录错误、旧的数据与新存入的危废记录混乱等问题，利用记录所有数据及操作步骤，实现全链路数据追溯。
附图说明
图1示出了本申请一种垃圾回收数字工厂分拣框仓储入库方法的流程图；
图2示出了本申请满溢检测流程图；
图3示出了本本申请清运流程图；
图4示出了本申请一种垃圾回收数字工厂分拣框仓储入库系统框图；
图5示出了本申请服务器示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种垃圾回收数字工厂分拣框仓储入库方法的流程图。
如图1所示，本发明公开了一种垃圾回收数字工厂分拣框仓储入库方法，包括以下步骤：
S102：对分拣框加装分拣框RFID射频识别标签，其中，所述分拣框RFID射频识别标签包括以下信息：分拣框的重量、容积、型号；
对所有分拣框加装分拣框RFID射频识别标签，通过服务器绑定标签信息，将分拣框的重量、容积、型号等基础数据信息进行录入，从而获取分拣框的基础数据信息，服务器实时保存数据建立分拣框框体档案；
S104：将整个仓储区划分成若干个子区域，将每个子区域作为一个存储定位，对每个存储定位安装仓储RFID射频识别标签；所述仓储RFID射频识别标签包括仓储定位信息；
S106：在清运叉车上装设叉车RFID识别主机；在清运路线上设置RFID定位标签；所述RFID定位标签包括清运路线信息；
S108：在划定的分拣框摆放位置处设置分拣区RFID识别天线，分拣区RFID识别天线识别分拣框上的分拣框RFID射频识别标签信息；通过分拣区RFID识别主机传输至服务器，服务器根据分拣区RFID标签信息找到对应的分拣框；然后在该分拣框的RFID射频识别标签中绑定对应的贮存品类信息以及对应的生产流水线信息；
需要说明的是，由于分拣框摆放位置处于生产流水线侧边，服务器将同时绑定生产流水线信息，标识分拣框贮存物品来源。
S110：对分拣框进行满溢检测，判断分拣框是否满溢，若不满溢，则继续进行贮存品类分拣，若满溢，则服务器指定清运路线调度清运叉车前往清运分拣框；
需要说明的是，如图2所示，本实施例所述满溢检测具体为：首先进行分拣框RFID射频识别标签，根据分拣框RFID射频识别标签识别贮存品类以及分拣框所属的生产流水线；然后分别进行称重满溢检测和视觉满溢检测，本实施例中，所述地磅采用4G智能称重地磅，所述视觉满溢检测采用AI摄像头实现，当称重满溢和视觉满溢后，进行入库清运。并在数据显示大屏进行显示；若称重未满溢，则进行视觉满溢识别，若视觉满溢，则进行入库清运；并在数据显示大屏进行显示；若视觉未满溢，则继续进行分拣。当视觉未满溢，则进行称重满溢识别，然后结合称重满溢的结果，进行满溢识别分析。
S112：清运叉车叉起分拣框后，叉车RFID识别主机识别分拣框RFID射频识别标签，并将数据上传至服务器，服务器判断是否正常清运，若不正常，则触发清运异常警报；若正常，则继续清运；
S114：清运叉车在清运过程中通过叉车RFID识别主机识别RFID定位标签，并将数据上传至服务器，服务器判断清运线路是否异常，若异常，则触发清运线路异常警报；若没异常，则继续清运；
S116：当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器判断入库定位是否异常，若异常，则触发入库异常警报，若没异常，则完成清运。
需要说明的是，如图3所示，所述清运过程具体为：首先服务器选定清运路线，并下发指令调度叉车进行清运；叉车叉起分拣框后，通过叉车RFID识别主机识别分拣框RFID射频识别标签，进行分拣框信息匹配，判断所叉起的分拣框是否正确，若分拣框信息匹配错误，则说明清运有误，发出清运异常警报，并在数据显示大屏进行显示。若分拣框信息匹配正确，则继续通过叉车RFID识别主机识别RFID定位标签，判断线路定位是否正确，若不正确，则触发线路异常警报，并在数据显示大屏进行显示。若线路定位正确，则通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；判断入库定位是否异常，若异常，则触发入库异常警报，若没异常，则完成清运，并在数据显示大屏进行显示。
清运叉车的叉车RFID识别主机可以同时识别分拣框标签、行驶轨迹定位标签、仓储定位标签，通过4G无线物联网传输至服务器绑定对应信息，当清运叉车行驶至仓储区域指定存放定位点时，需停靠两秒，便于服务器获取准确的分拣框存放定位，服务器获取定位点RFID识别标签信息，判断分拣框存储位置是否符合预设值，若判断信息不符，则开启预设阈值所处的预警响应区间，避免清运叉车无序卸货，与人为因素出错概率，根据神经网络处理获得的仓储物品数据，当存储物品达到预设阈值集设定的范围时，开启对应的预警响应。通过数据显示大屏给予决策分析，实现仓储物品管理智能无人化。
需要说明的是，所述清运过程大致包括仓储清运、仓储入库存储、清运叉车标签识别三大块；
仓储清运具体为：当分拣框双路满溢检测步骤判定分拣框满溢后，服务器下发数据至数据显示大屏和移动端APP显示调度清运叉车前往清运分拣框。由于满溢检测称重步骤实时对分拣框进行检测，区别传统过磅需要清运至过磅出称重录入数据，服务器在调度清运前自动分析分拣框贮存净重并存储在服务器中，清运叉车直接清运分拣框按服务器下发的指定存储位清运至仓储入库存储即可。
仓储入库存储具体为：通过将整个仓储区划分成若干个子区域，将每个子区域作为一个存储定位，对每个存储定位安装仓储RFID射频识别标签，当清运叉车将分拣框放置在存储定位上时，清运叉车上的叉车RFID射频识别主机将识别安装在存储定位上的RFID识别标签，当清运叉车的识别主机同时识别到分拣框RFID射频识别标签与定位RFID标签并将数据通过4G无线物联网传输至服务器，服务器获取到数据后绑定分拣框与存储定位标签，存储数据并下发数据至数据显示大屏，显示整个仓储入库数据情况。
清运叉车标签识别具体为：在叉车正前方装有一个RFID识别主机，通过4G无线物联网技术传输识别数据至服务器，通过识别叉车行驶路径装置的定位标签，实时识别记录清运叉车行驶轨迹，当服务器下发数据要求清运后，叉车接受指令前往清运，叉车叉起分拣框后叉车上的识别主机将识别分拣框RFID射频识别标签，数据传输至服务器后由服务器判断是否清运正常，若判定清运错误，则触发清运异常警报。通过叉车RFID识别主机识别行驶路径定位RFID标签、分拣框RFID射频识别标签与仓储RFID射频识别标签，服务器将三方数据进行判定，通过深度学习分析，根据预设的清运异常阈值集中的条件，判断本次分拣框清运入库环节是否超过异常阈值，若达到对应阈值，则触发对应阈值警报。
根据本发明实施例，所述满溢检测包括称重满溢检测、视觉满溢检测和双路满溢检测；
所述对分拣框进行满溢检测具体为：
对分拣框进行称重，判断分拣框重量是否达到预设的满溢阈值，若达到，则触发对应的阈值预警，并触发双路满溢检测；若没达到，则继续进行贮存品类分拣；
对分拣框进行视觉识别，判断分拣框是否满溢，若满溢，则触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
需要说明的是，本发明中，所述满溢检测包括称重满溢检测、视觉满溢检测和双路满溢检测，双路满溢检测是针对重满溢检测或视觉满溢检测检测到满溢后的再一次检测，双路满溢检测是实时根据多次检测物品的品类、重量进行实更新其最终的满溢阈值的，即优化后的满溢阈值。毕竟，不同的品类的视觉满溢和称重满溢的阈值是不一样的，例如称泡沫和称金属，若按泡沫的标准进行沉重，实时分拣的却是金属，则称重满溢后，视觉不一定满溢，此时需综合视觉满溢检测结果、视觉识别的实时分拣物品分析与地磅的实时分拣框重量数据优化阈值，然后再判断其是否真正满溢。再进行下一步操作。
根据本发明实施例，所述称重满溢检测具体为：
在划定的分拣框摆放位置处下方配置一台地磅，本实施例中，所述地磅为小型4G智能地磅，通过4G物联网实时获取地磅上方的分拣框总重量，并将数据发送至服务器，服务器获取分拣框重量信息后，去除分拣框毛重，设置对应分拣品类信息；
服务器分析历史满溢重量，根据设定的满溢阈值集，预设满溢阈值，当分拣框去除毛重后的重量达到相应阈值时触发对应的阈值预警，并触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
需要说明的是，本实施例服务器基于深度学习算法分析历史满溢重量。
根据本发明实施例，所述视觉满溢检测具体为：
在划定的分拣框摆放位置处摆放定位框；在划定的分拣框摆放位置处上方装设视觉识别摄像头，本实施例中，所述视觉识别摄像头为AI摄像头，AI摄像头拍摄视频图像，发送至服务器进行图像处理，根据分拣框是否摆放在定位框内判断分拣框摆放是否正确，若不正确，则发出分拣框摆放异常预警；若正确，则根据分拣框预设满溢分析集与实时分拣物品分析，判断分拣框框体是否满溢，若满溢，通过4G物联网传输技术或近程无线通信技术或有线传输技术传递视觉识别摄像头本地运算结果至服务器，服务器触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
根据本发明实施例，所述双路满溢检测具体为：
服务器获取视觉满溢检测结果、视觉识别的实时分拣物品分析与地磅的实时分拣框重量数据；
结合对应分拣品品类进行深度数据分析，自动优化满溢阈值集，若分拣框满溢程度触达优化后的满溢阈值，则指定清运路线调度清运叉车前往清运分拣框，若未触达优化后的满溢阈值，则继续进行贮存品类分拣。
需要说明的是，本实施例中服务器获取视觉识别满溢检测结果、视觉识别的实时分拣物品分析与4G智能地磅的实时分拣框重量数据，结合对应分拣品品类进行深度数据分析，自动优化满溢阈值集，对满溢进行第三重检测，若双路满溢检测判定分拣框满溢程度触达预设满溢阈值，则自动下发分拣框清运请求，触发清运入库步骤。
通过4G无线物联网传输技术，服务器实时获取小型智能地磅上的分拣框重量变化，简化了传统入库环节中的过磅称重环节，通过设置分拣框重量满溢阈值集，当分拣框当分拣框贮存满溢后，根据服务器中绑定的分拣框基础信息与分拣流水线对应的品类信息，自动计算出分拣框内的存储净重，结合分拣框RFID射频识别主机提供的分拣线信息与分拣品类信息，进一步的提升分仓储入库数据的准确性。无需传统过磅环节，清运叉车直接将分拣框转移至仓储指定位置入库即可。
本实施例通过视觉识别摄像头对分拣框摆放位置进行视觉识别定位，通过预设分拣框位置，当分拣框投放位置出错时，视觉识别摄像头将实时标记错误信息并通过4G无线物联网技术传输至服务器，有服务器下发数据至数据大屏给予警报提示。根据预设的分拣框满溢视觉识别阈值集，本实施例中当视觉识别检测到分拣框满溢达到80%，便会自动向服务器发送满溢数据，由于垃圾回收工厂分拣种类繁多，满溢情况不易，区别于传统单一的重量检测，通过增加视觉识别摄像头对分拣框进行满溢检测，提升分拣框满溢准确度。
本实施例所述服务器获取重量满溢检测与视觉识别满溢检测数据后通过深度学习技术分析，结合历史满溢数据，双线分析满溢情况，智能自动调整满溢警报，并下发清运指令。无需人工视验满溢情况与阈值调整，全程智能双线分析。
根据本发明实施例，所述方法还包括以下步骤：
当服务器指定清运路线调度清运叉车前往清运分拣框时，服务器下发数据至数据显示大屏和移动端APP显示调度清运叉车前往清运分拣框。
根据本发明实施例，所述方法还包括以下步骤：
当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器获取到数据后绑定分拣框RFID射频识别标签与仓储RFID射频识别标签，存储数据并下发数据至数据显示大屏，显示整个仓储入库数据情况。
根据本发明实施例，所述方法还包括以下步骤：
当触发清运异常警报时，数据显示大屏显示清运异常；
当触发清运线路异常警报时，数据显示大屏显示清运线路异常；
当触发入库异常警报时，数据显示大屏入库异常警报。
图4示出了本申请一种垃圾回收数字工厂分拣框仓储入库系统的框图。
如图4所示，本发明公开了一种垃圾回收数字工厂分拣框仓储入库系统，所述系统包括服务器41、分拣区RFID识别主机42、分拣区RFID识别天线43、分拣框RFID识别标签44、地磅45、视觉识别摄像头46、叉车RFID识别主机47、RFID定位标签48、仓储RFID射频识别标签49；
所述分拣框RFID射频识别标签44包括以下信息：分拣框的重量、容积、型号；
所述RFID定位标签48包括清运路线信息；
所述仓储RFID射频识别标签49包括仓储定位信息；
所述分拣区RFID识别天线43用于识别分拣框RFID射频识别标签，并将识别的信息通过分拣区RFID识别主机42发送至服务器41；
所述叉车RFID识别主机用于识别分拣框RFID射频识别标签44、RFID定位标签48、仓储RFID射频识别标签49；并将识别的信息发送至服务器41；
所述地磅45用于对分拣框进行称重，并将称重信息发送给服务器41；
所述视觉识别摄像头46用于拍摄分拣框的视频图像，并将视频图像数据发送给服务器41；
所述服务器41用于存储与绑定分拣框RFID射频识别标签信息、仓储RFID射频识别标签信息、RFID定位标签信息；
所述服务器41还存储清运路线信息，下发清运指令，判断清运是否异常，以及下发清运异常报警信息；
所述服务器41还用于分析分拣框重量信息，判断是否满溢；用于对视觉识别摄像头拍摄的视频图像进行分析，判断是否满溢；用于对双路满溢进行分析，优化满溢阈值集。
需要说明的是，如图5所示，本实施例中所述服务器41除可实现上述功能之外，还能实现其他数据的存储或其他操作，如分拣框单元信息、仓库单元信息、操作员信息、识别主机、标签信息、清运异常信息标记、信息连接传输、日志管理、视觉满溢分析、重量满溢分析、清运线路分析、清运仓进程信息、仓储、清库信息等。
根据本发明实施例，所述系统还包括数据显示大屏410，显示分拣框整体分布情况，分拣框满溢情况，清运叉车行驶情况，仓储定位存储情况。
需要说明的是，本实施例提供数据显示大屏410，通过对垃圾回收数字工厂分拣框的平面布局定位，显示分拣框整体分布情况，分拣框满溢情况，清运叉车行驶情况，仓储定位存储情况，根据决策大屏，可实时直观感知存储情况、异常情况。
数据显示大屏410可通过显示屏幕进行数据展示，页面中包括整个垃圾回收数字工厂的存量情况、各个产线品类分拣框的满溢情况、智能设备通讯设备连接情况、清运叉车行驶情况、当日入库量、阶段产量预测、回收车间分拣框分布平面定位图示、历史存量数据、历史处置信息、当日操作权限人员等数字车间全链路数据信息，根据产量预测及存量数据给予决策者提前决策处置建议，避免了可回收物品入库长时间得不到处置导致的可回收物入库的堆积，减少了人为管理因素导致的信息不透明、监管不到位等人为影响。
本发明公开的一种垃圾回收数字工厂分拣框仓储入库方法和系统，通过提前安装RFID射频标签，对厂区内所有的分拣框进行标记，服务器中绑定RFID标签与分拣框的信息，记录分拣框初始尺寸、毛重、容积信息、分拣线绑定、分拣品类信息绑定，便于后续步骤的准确实施，同时避免传统人工记录数据导致的识别不准确、数据记录错误、旧的数据与新存入的危废记录混乱等问题，利用记录所有数据及操作步骤，实现全链路数据追溯。
需要说明的是，本实施例记录所有数据及操作步骤是采用区块链技术来实现的。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，包括以下步骤：
对分拣框加装分拣框RFID射频识别标签，其中，所述分拣框RFID射频识别标签包括以下信息：分拣框的重量、容积、型号；
将整个仓储区划分成若干个子区域，将每个子区域作为一个存储定位，对每个存储定位安装仓储RFID射频识别标签；所述仓储RFID射频识别标签包括仓储定位信息；
在清运叉车上装设叉车RFID识别主机；在清运路线上设置RFID定位标签；所述RFID定位标签包括清运路线信息；
在划定的分拣框摆放位置处设置分拣区RFID识别天线，分拣区RFID识别天线识别分拣框上的分拣框RFID射频识别标签信息；通过分拣区RFID识别主机传输至服务器，服务器根据分拣区RFID标签信息找到对应的分拣框；然后在该分拣框的RFID射频识别标签中绑定对应的贮存品类信息以及对应的生产流水线信息；
对分拣框进行满溢检测，判断分拣框是否满溢，若不满溢，则继续进行贮存品类分拣，若满溢，则服务器指定清运路线调度清运叉车前往清运分拣框；
清运叉车叉起分拣框后，叉车RFID识别主机识别分拣框RFID射频识别标签，并将数据上传至服务器，服务器判断是否正常清运，若不正常，则触发清运异常警报；若正常，则继续清运；
清运叉车在清运过程中通过叉车RFID识别主机识别RFID定位标签，并将数据上传至服务器，服务器判断清运线路是否异常，若异常，则触发清运线路异常警报；若没异常，则继续清运；
当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器判断入库定位是否异常，若异常，则触发入库异常警报，若没异常，则完成清运。
2.根据权利要求1所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述满溢检测包括称重满溢检测、视觉满溢检测和双路满溢检测；
所述对分拣框进行满溢检测具体为：
对分拣框进行称重，判断分拣框重量是否达到预设的满溢阈值，若达到，则触发对应的阈值预警，并触发双路满溢检测；若没达到，则继续进行贮存品类分拣；
对分拣框进行视觉识别，判断分拣框是否满溢，若满溢，则触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
3.根据权利要求2所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述称重满溢检测具体为：
在划定的分拣框摆放位置处下方配置一台地磅，通过4G物联网实时获取地磅上方的分拣框总重量，并将数据发送至服务器，服务器获取分拣框重量信息后，去除分拣框毛重，设置对应分拣品类信息；
服务器分析历史满溢重量，根据设定的满溢阈值集，预设满溢阈值，当分拣框去除毛重后的重量达到相应阈值时触发对应的阈值预警，并触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
4.根据权利要求3所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述视觉满溢检测具体为：
在划定的分拣框摆放位置处摆放定位框；在划定的分拣框摆放位置处上方装设视觉识别摄像头，拍摄视频图像，发送至服务器进行图像处理，根据分拣框是否摆放在定位框内判断分拣框摆放是否正确，若不正确，则发出分拣框摆放异常预警；若正确，则根据分拣框预设满溢分析集与实时分拣物品分析，判断分拣框框体是否满溢，若满溢，触发双路满溢检测；若未满溢，则继续进行贮存品类分拣。
5.根据权利要求4所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述双路满溢检测具体为：
服务器获取视觉满溢检测结果、视觉识别的实时分拣物品分析与地磅的实时分拣框重量数据；
结合对应分拣品品类进行深度数据分析，自动优化满溢阈值集，若分拣框满溢程度触达优化后的满溢阈值，则指定清运路线调度清运叉车前往清运分拣框，若未触达优化后的满溢阈值，则继续进行贮存品类分拣。
6.根据权利要求5所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述方法还包括以下步骤：
当服务器指定清运路线调度清运叉车前往清运分拣框时，服务器下发数据至数据显示大屏和移动端APP显示调度清运叉车前往清运分拣框。
7.根据权利要求6所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述方法还包括以下步骤：
当清运叉车将分拣框放置在存储定位上时，通过叉车RFID识别主机识别安装在存储定位上的仓储RFID射频识别标签；并将数据上传至服务器，服务器获取到数据后绑定分拣框RFID射频识别标签与仓储RFID射频识别标签，存储数据并下发数据至数据显示大屏，显示整个仓储入库数据情况。
8.根据权利要求7所述的一种垃圾回收数字工厂分拣框仓储入库方法，其特征在于，所述方法还包括以下步骤：
当触发清运异常警报时，数据显示大屏显示清运异常；
当触发清运线路异常警报时，数据显示大屏显示清运线路异常；
当触发入库异常警报时，数据显示大屏入库异常警报。
9.一种垃圾回收数字工厂分拣框仓储入库系统，其特征在于，所述系统包括服务器、分拣区RFID识别主机、分拣区RFID识别天线、分拣框RFID识别标签、地磅、视觉识别摄像头、叉车RFID识别主机、RFID定位标签、仓储RFID射频识别标签；
所述分拣框RFID射频识别标签包括以下信息：分拣框的重量、容积、型号；
所述RFID定位标签包括清运路线信息；
所述仓储RFID射频识别标签包括仓储定位信息；
所述分拣区RFID识别天线用于识别分拣框RFID射频识别标签，并将识别的信息通过分拣区RFID识别主机发送至服务器；
所述叉车RFID识别主机用于识别分拣框RFID射频识别标签、RFID定位标签、仓储RFID射频识别标签；并将识别的信息发送至服务器；
所述地磅用于对分拣框进行称重，并将称重信息发送给服务器；
所述视觉识别摄像头用于拍摄分拣框的视频图像，并将视频图像数据发送给服务器；
所述服务器用于存储与绑定分拣框RFID射频识别标签信息、仓储RFID射频识别标签信息、RFID定位标签信息；
所述服务器还存储清运路线信息，下发清运指令，判断清运是否异常，以及下发清运异常报警信息；
所述服务器还用于分析分拣框重量信息，判断是否满溢；用于对视觉识别摄像头拍摄的视频图像进行分析，判断是否满溢；用于对双路满溢进行分析，优化满溢阈值集。
10.根据权利要求9所述的一种垃圾回收数字工厂分拣框仓储入库系统，其特征在于，所述系统还包括数据显示大屏，显示分拣框整体分布情况、分拣框满溢情况、清运叉车行驶情况、仓储定位存储情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211075458.4A CN115147053A (zh) | 2022-09-05 | 2022-09-05 | 一种垃圾回收数字工厂分拣框仓储入库方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211075458.4A CN115147053A (zh) | 2022-09-05 | 2022-09-05 | 一种垃圾回收数字工厂分拣框仓储入库方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115147053A true CN115147053A (zh) | 2022-10-04 |
Family
ID=83415847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211075458.4A Pending CN115147053A (zh) | 2022-09-05 | 2022-09-05 | 一种垃圾回收数字工厂分拣框仓储入库方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115147053A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837701A (zh) * | 2021-01-11 | 2021-12-24 | 台州动产质押金融服务有限公司 | 基于rfid标签的仓储监管系统 |
| CN114476444A (zh) * | 2022-01-21 | 2022-05-13 | 汶上县圣元环保电力有限公司 | 一种垃圾卸料智能管理系统 |
-
2022
- 2022-09-05 CN CN202211075458.4A patent/CN115147053A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837701A (zh) * | 2021-01-11 | 2021-12-24 | 台州动产质押金融服务有限公司 | 基于rfid标签的仓储监管系统 |
| CN114476444A (zh) * | 2022-01-21 | 2022-05-13 | 汶上县圣元环保电力有限公司 | 一种垃圾卸料智能管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 周志刚等: "基于RFID的服装供应链立体仓储拣选配送优化管理", 《物流工程与管理》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046468A (zh) | 基于物联网的智能仓储方法 | |
| US20180137452A1 (en) | Methods and systems for facilitating transportation of articles in warehouses using video analytics | |
| CN110788015B (zh) | 智能化自动分拣回收方法及系统 | |
| CN114331284A (zh) | 一种基于云计算的智能仓储服务管理系统 | |
| CN112938292B (zh) | 一种智能仓储装置、系统及辅助决策方法 | |
| CN114266514A (zh) | 一种信息化的仓储智能管理方法和系统 | |
| CN108154334A (zh) | 一种散粮汽车卸船及进出仓作业动态智能管控系统 | |
| CN118038674A (zh) | 一种基于大数据的监控系统实时动态分析警示系统 | |
| CN111056258A (zh) | 一种智能调整传送带的方法和装置 | |
| CN110633639A (zh) | 一种收运监管方法及收运监管系统 | |
| JPH10194411A (ja) | 商品在庫管理装置 | |
| CN118246584A (zh) | 快递全程时效预测方法、装置、设备及存储介质 | |
| CN113590628A (zh) | 一种面向工业园区的物联网大数据管理方法 | |
| CN115147053A (zh) | 一种垃圾回收数字工厂分拣框仓储入库方法和系统 | |
| CN110328147B (zh) | 自动分拣方法和系统 | |
| CN112934728B (zh) | 一种机场行李安检状态踪溯系统及方法 | |
| CN111105180A (zh) | 商品数据的处理方法、装置、电子设备及理货车 | |
| CN111260173A (zh) | 生产监控方法、装置及计算机可读存储介质 | |
| CN109597361A (zh) | 生产线监控系统及生产线监控方法 | |
| CN110712970B (zh) | 悬挂链系统及悬挂链控制方法、装置及系统 | |
| CN115392559A (zh) | 一种基于5g的无人驾驶搬运设备的智能遥控方法 | |
| CN113592047A (zh) | Rfid标签数据的处理装置及方法 | |
| CN113298469A (zh) | 异常数据检测方法、装置、电子设备和存储介质 | |
| CN111768150A (zh) | 一种基于5g网络的物流设备健康管理平台 | |
| KR20210107316A (ko) | 스크랩 무인계근시스템 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221004 |
|
| RJ01 | Rejection of invention patent application after publication |