CN115310918B - 基于供应链环境的货物入库管理方法 - Google Patents

基于供应链环境的货物入库管理方法 Download PDF

Info

Publication number
CN115310918B
CN115310918B CN202211245040.3A CN202211245040A CN115310918B CN 115310918 B CN115310918 B CN 115310918B CN 202211245040 A CN202211245040 A CN 202211245040A CN 115310918 B CN115310918 B CN 115310918B
Authority
CN
China
Prior art keywords
image
dimensional code
goods
cargo
acquiring
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.)
Active
Application number
CN202211245040.3A
Other languages
English (en)
Other versions
CN115310918A (zh
Inventor
冯立磊
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.)
Nantong Yunshangxiang Home Textile E Commerce Co ltd
Original Assignee
Nantong Yunshangxiang Home Textile E Commerce Co 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 Nantong Yunshangxiang Home Textile E Commerce Co ltd filed Critical Nantong Yunshangxiang Home Textile E Commerce Co ltd
Priority to CN202211245040.3A priority Critical patent/CN115310918B/zh
Publication of CN115310918A publication Critical patent/CN115310918A/zh
Application granted granted Critical
Publication of CN115310918B publication Critical patent/CN115310918B/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
    • G06Q10/08—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
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (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)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于供应链环境的货物入库管理方法，属于物流管理技术领域；包括以下步骤：采用图像采集装置获取传送带上的货物图像，并获取采集货物图像时的初始焦距；获取货物图像中二维码区域的形状误差；获取货物图像中二维码区域的方向误差；获取货物图像中二维码区域与二维码模板图像的匹配阈值；将每个二维码区域分别进行傅里叶变换得到频谱图像；获取焦距参数；获取货物图像中所有的二维码；并通过二维码扫描器对货物图像中的每个二维码进行识别。本发明在现有物流货物自动分拣的基础上，优化分拣机的货物识别准确度以及识别速度，为提高物流高峰期的货物分流效率提供帮助。

Description

基于供应链环境的货物入库管理方法
技术领域
本发明涉及物流管理技术领域，具体涉及一种基于供应链环境的货物入库管理方法。
背景技术
供应链是从商品开始生产到最终用户之间所连接的一个完整的功能网链结构。其网链中的任何内容都需要建立在库存管理之上，库存管理是调度供应链正常运行的核心所在。而很多第三方仓储服务公司的仓库都会出现库存数目不准确，货物摆放凌乱，破损商品多等乱象，归其根本，很多时候就是从货物进库第一步就没做好，导致后续所有步骤都乱套。若做好出入库管理，仓库管理就做好了一半。
入库管理淘汰了以往用书面文件记录货物入库信息的方法，当前的货物入库拣选、分配作业都已经采用数字化自动识别系统，需要在最短的时间内将这些商品卸下并按商品品种、货主、储位或发送地点进行快速准确地分类，将这些商品运送到指定地点（如指定的货架、加工区域、出货站台等）。现有自动分拣机只适于分拣底部平坦且具有刚性包装的商品。袋装商品、包装底部柔软且凹凸不平、包装容易变形、易破损、超长、超薄、超重、超高、不能倾覆的商品不能使用普通的自动分拣机进行分拣，在物流高峰期经常出现货物漏拣或者货物类别识别错误的问题；尤其在物流高峰期，满足人们日常生活所需的快递会非常多，对于刚性包装的快递，都是使用挑拣机进行分类，则在输送带上货物较多，且不同货物的尺寸不一样，通过图像采集装置对货物包装上的二维码、条形码获取商品的基本信息识别时，对出现在同一镜头下的多个尺寸及高度不同的货物，由于货物上二维码距离镜头的景深不同，使得采集的有些货物上的二维码较为清晰，而有些货物上的二维码模糊，导致无法识别，从而会出现货物漏拣或者货物类别识别错误的问题。由此，本发明对刚性包装的货物在入库管理时提供一种基于供应链环境的货物入库管理方法。
发明内容
本发明提供一种基于供应链环境的货物入库管理方法，该方法在现有物流货物自动分拣的基础上，优化分拣机的货物识别准确度以及识别速度，为提高物流高峰期的货物分流效率提供帮助。
本发明的目的是提供一种基于供应链环境的货物入库管理方法，包括以下步骤：
采用图像采集装置获取传送带上的货物图像，并获取采集货物图像时的初始焦距；
根据历史采取货物图像上二维码区域的尺寸大小，构建多个不同大小的二维码模板图像；
根据图像采集装置视角获取货物图像中二维码区域的形状误差；
根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历，并计算获取与该二维码模板图像结构相同或相似的区域的结构相似度；根据所有相邻两个方向的结构相似度计算获取货物图像中二维码区域的方向误差；
根据货物图像中二维码区域的形状误差和方向误差获取货物图像中二维码区域与二维码模板图像的匹配阈值；
根据每个二维码模板图像沿着货物图像不同方向对货物图像进行遍历获取与其二维码模板图像结构相同或相似的区域的结构相似度，根据该结构相似度大于匹配阈值获取货物图像中对应的二维码区域；依次类比获取与每个二维码模板图像结构相同或相似的二维码区域；
将每个二维码区域分别进行傅里叶变换得到频谱图像；
根据每个频谱图像的高频点和低频点的数量获取焦距参数；
根据焦距参数对图像采集装置的初始焦距进行调整，获取货物图像中所有的二维码；并通过二维码扫描器对货物图像中的每个二维码进行识别。
在一实施例中，所述结构相似度是计算
Figure 388977DEST_PATH_IMAGE001
的值，其中，
Figure 883543DEST_PATH_IMAGE002
表示二维码模板图像，
Figure 681735DEST_PATH_IMAGE003
表示在货物图像中与该二维码模板图像结构相同或相似的区域。
在一实施例中，每个二维码模板图像的均是正方形，且均包括三个角的定位图案和边框。
在一实施例中，所述根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历时，均包括二维码模板图像贴着货物图像旋转8个遍历方向，其中，旋转的8个遍历方向包括0°、45°、90°、135°、180°、225°、270°、315°。
在一实施例中，货物图像中二维码区域的方向误差计算公式如下：
Figure 21580DEST_PATH_IMAGE004
式中，
Figure 893721DEST_PATH_IMAGE005
表示方向误差；
Figure 683823DEST_PATH_IMAGE006
表示第
Figure 579098DEST_PATH_IMAGE007
个方向的结构相似度；
Figure 112847DEST_PATH_IMAGE008
表示与第
Figure 777178DEST_PATH_IMAGE007
个方向相邻的第
Figure 472601DEST_PATH_IMAGE009
个方向的结构相似度；
Figure 917489DEST_PATH_IMAGE010
表示遍历方向的总数。
在一实施例中，与二维码模板图像匹配的阈值计算公式如下：
Figure 864717DEST_PATH_IMAGE011
式中，
Figure 508187DEST_PATH_IMAGE012
表示形状误差；
Figure 512528DEST_PATH_IMAGE005
表示方向误差；
Figure 507029DEST_PATH_IMAGE013
表示与二维码模板图像匹配的阈值。
在一实施例中，所述形状误差
Figure 54685DEST_PATH_IMAGE014
。
在一实施例中，所述焦距参数是按照以下步骤获取：
根据每个频谱图像的高频点和低频点的数量获取每个二维码区域内低频点和高频点的占比差值；
根据每个二维码区域内低频点和高频点的数量占比差值获取所有二维码区域的低频点与高频点占比差值的均值；
根据所有二维码区域的低频点与高频点占比差值的均值，及每个二维码区域内低频点和高频点的占比差值获取焦距参数。
在一实施例中，所述焦距参数计算公式如下：
Figure 959187DEST_PATH_IMAGE015
式中，
Figure 730834DEST_PATH_IMAGE016
表示焦距参数；
Figure 100002_DEST_PATH_IMAGE017
表示第
Figure 556839DEST_PATH_IMAGE018
个二维码区域内低频点的数量占比；
Figure 704923DEST_PATH_IMAGE019
表示第
Figure 260669DEST_PATH_IMAGE018
个二维码区域内高频点的数量占比；
Figure 344163DEST_PATH_IMAGE020
表示第
Figure 313256DEST_PATH_IMAGE018
个二维码区域内低频点和高频点的占比差值；
Figure 140398DEST_PATH_IMAGE021
表示所有二维码区域的低频点与高频点占比差值的均值；
Figure 169227DEST_PATH_IMAGE022
表示获取的二维码区域的总数量。
在一实施例中，所述传送带上的货物图像是根据图像采集装置的帧数，货物在传送带上传送的速度及图像采集装置拍摄时货物在传送方向所输送的实际距离而获取的。
本发明的有益效果是：
本发明提供的一种基于供应链环境的货物入库管理方法，该方法通过提取货物图像表的相关特征，通过预设的二维码模板图像分别对其货物图像表面进行遍历，选取结构相似或相同的区域作为二维码识别的区域，随后通过对每个所识别的二维码区域转化为频谱图进行分析获取焦距的调整参数，最后利用焦距的调整参数对其初始的图像采集装置中的镜头焦距进行调整，从而获取较为清晰的相片，让初始获取货物图像中非常模糊的二维码区域显示较清晰，使所有二维码区域的清晰度都比较适中，能够确保所有二维码都能被识别。
本发明采用一个二维码模板图像对货物图像表面进行遍历，通过计算与该二维码模板图像结构相同或相似的区域的结构相似度，而获取货物图像中二维码区域的方向误差；再根据方向误差结合形状误差对二维码模板图像和货物图像中的二维码区域进行匹配判断，依次选取结构相似或相同的二维码区域，有效增强了货物图像中二维码区域的识别能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种基于供应链环境的货物入库管理方法的实施例总体步骤的流程示意图；
图2为二维码模板图像；
图3为二维码模板图像与货物图像中二维码图案夹角视图，其中，图3中的 a表示二维码模板图像与货物图像中二维码图案夹角为45°；图3中的 b表示二维码模板图像与货物图像中二维码图案夹角为45°；
图4为二维码模板图像贴着货物图像旋转1周获取的结构相似度的变化趋势图；
图5为二维码模板图像与货物图像中二维码（原图像二维码）夹角介于0°到45°的分析图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明针对入库管理淘汰了以往用书面文件记录货物入库信息的方法，当前的货物入库拣选、分配作业都已经采用数字化自动识别系统，需要在最短的时间内将这些商品卸下并按商品品种、货主、储位或发送地点进行快速准确地分类，将这些商品运送到指定地点（如指定的货架、加工区域、出货站台等）。而拣选系统在物流高峰期经常出现货物漏拣或者货物类别识别错误的问题。
自动分拣机只适于分拣底部平坦且具有刚性的包装规则的商品。袋装商品、包装底部柔软且凹凸不平、包装容易变形、易破损、超长、超薄、超重、超高、不能倾覆的商品不能使用普通的自动分拣机进行分拣，因此本发明仅适用刚性包装以及日常生活所需的快递货物。
智能识别系统需要读取刚性包装的货物表面的二维码、条形码，获取商品的基本信息，然后计算机再对其进行具体分类。而物流高峰期时输送带上货物较多，图像采集装置在识别多个目标时会出现聚焦点分散，且不同货物的尺寸不一样，其各自二维码距离镜头的景深不同，焦距越大，景深范围越小，焦距越小，景深范围越大；这就可能导致同时识别多个二维码时出现模糊问题。本发明通过自适应调节镜头焦距，得到最佳的拍摄清晰度，能够保证所有二维码都能被识别。
本发明提供的一种基于供应链环境的货物入库管理方法，参见图1~5所示，包括以下步骤：
S1、采用图像采集装置获取传送带上的货物图像，并获取采集货物图像时的初始焦距；
所述传送带上的货物图像是根据图像采集装置的帧数，货物在传送带上传送的速度及图像采集装置拍摄时货物在传送方向所输送的实际距离而获取的。
在本实施例中，图像采集装置可以是相机或者摄像头等，货物在上分拣机传送带时，需要分拣人员将包装上印有二维码的一面朝上放置。分拣机上方的摄像头会实时拍摄货物的传送视频，根据传送速度，截取静态帧图像。根据图像采集装置的帧数，货物在传送带上传送的速度及图像采集装置拍摄时货物在传送方向所输送的实际距离获取采集传送带上的货物图像的静态帧数，其计算公式如下：
Figure 751518DEST_PATH_IMAGE023
式中，
Figure 880011DEST_PATH_IMAGE024
表示图像采集装置的帧数，单位为帧/秒；
Figure 42002DEST_PATH_IMAGE025
表示货物在传送带上传送的速度，单位为米/秒；
Figure 510023DEST_PATH_IMAGE026
表示镜头记录传送带每走过一米距离所需要的帧数，单位为帧/米；
Figure 997636DEST_PATH_IMAGE027
表示图像采集装置拍摄时货物在传送方向所输送的实际距离，也就是图像采集装置的镜头内平行于货物传送方向的实际距离，该实际距离随着镜头的视角而变化，即镜头越高视角越广，该实际距离越大，镜头越低视角越窄，实际距离越小。
Figure 675742DEST_PATH_IMAGE028
表示不同的视角，则
Figure 841757DEST_PATH_IMAGE029
表示每个货物而言，在镜头内最大可以走过
Figure 961023DEST_PATH_IMAGE029
帧，也表示在这个连续帧段
Figure 619537DEST_PATH_IMAGE030
内获取的图像信息是几乎相同的。
需要说明的是，对于识别二维码，其本身是二值化图像，所以不需要多余的色彩信息，将已采集的货物图像进行常规灰度化处理，减少计算量，增加运算速度。
S2、根据历史采取货物图像上二维码区域的尺寸大小，构建多个不同大小的二维码模板图像；
需要说明的是，获取同一张静态货物图片上的所有二维码图像，二维码的左上、右上、左下角本身存在三个定位图案，形状方正且规则，一般情况下扫描定位图案就可直接获取完整的二维码图像位置信息。但上述场景必须建立在定位图案可以被清晰识别的情况下，实际上其在镜头失焦的情况下依然存在模糊的可能，并不能保证100%被识别到，因此考虑到定位图案规则、稳定的特性，只要不被遮挡即使被模糊，也仍能保留大量的特征信息，可根据定位图案的特征进行模板匹配，计算整体的匹配度并自适应分割窗口，即使在失焦模糊的情况下也能确保二维码区域的获取。
在本实施例中，由于二维码图像距离镜头远近不同，因此在图像上表现有大有小，但必然是正方形，该模板同比例放大或缩小，因此，根据历史采取货物图像上二维码区域的尺寸大小，构建多个不同大小的二维码模板图像；另外，参见图2所示，每个二维码模板图像的均是正方形，且均包括三个角的定位图案和边框；也就是模板图像仅包含三个角的定位图案和边框，而不是边框内的所有像素点，即该模板是“空心”的，而边框是为了将三个定位图案连接为整体，在以下计算中，边框的少量像素点对二维码识别的影响极小，可以暂时忽略。
S3、根据获取货物图像的图像采集装置视角获取货物图像中二维码区域的形状误差；
需要说明的是，实际货物图像上的二维码不一定是正方形，此时可能产生形状误差
Figure 784939DEST_PATH_IMAGE012
；
在本实施例中，当实际二维码图像不一定成像为正方形时，存在一个匹配误差，但是由于采集货物图像是俯视视角，正对面朝上的二维码，因此该误差尽管存在却很小，本实施例直接设定误差经验值为0.05。即
Figure 288733DEST_PATH_IMAGE014
。
S4、根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历，并计算获取与该二维码模板图像结构相同或相似的区域的结构相似度，依次获取该二维码模板图像在不同方向的结构相似度；根据所有相邻两个方向的结构相似度计算获取货物图像中二维码区域的方向误差；也就是每个方向遍历时在货物图像表面上寻找与二维码模板图像结构相同或者相似的区域。
所述根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历时，均包括二维码模板图像贴着货物图像旋转8个遍历方向，其中，旋转的8个遍历方向包括二维码模板图像与货物图像呈0°、45°、90°、135°、180°、225°、270°、315°的夹角方向。由于货物的摆放方向不固定，因此遍历时需要多个方向进行遍历，因此本实施例固定8个遍历方向。
需要说明的是，利用任一二维码模板图像对货物图像遍历时，二维码模板图像类似于窗口对其货物图像进行遍历，寻找与其相同区域的二维码区域。
在本实施例中，根据二维码定位图案的形状特征，以及正方形模板图案在图像上直线遍历最多为8个方向。可知二维码模板图像和实际货物图像中二维码图案夹角为0°时，两者的结构相似度在忽略误差和边框的情况下为1；当夹角为90°、180°、270°时，其结构相似度在忽略误差和边框的情况下为
Figure 528084DEST_PATH_IMAGE031
。而当夹角在45°、135°、225°、315°时，其结构相似度在忽略误差和边框的情况下为0。需要说明的是，夹角是二维码模板图像贴着实际货物图像旋转1周是，获取不同夹角，根据夹角来确定二维码模板图像对货物图像的遍历方向。也就是每个夹角就是一个遍历方向；结构相似度的取值范围在（-1，1），两者完全相同时取值为1。参见图3所示，表示二维码模板图像与货物图像中二维码图案夹角视图，其中，图3中的 a表示二维码模板图像200与货物图像中二维码图案100夹角为45°；图3中的 b表示二维码模板图像200与货物图像中二维码图案100夹角为45°。
为此，利用任一二维码模板图像沿着货物图像依次呈0°、45°、90°、135°、180°、225°、270°、315°时的方向依次获取结构相似度为1、0、
Figure 295183DEST_PATH_IMAGE032
、0、
Figure 619985DEST_PATH_IMAGE033
、0、
Figure 520945DEST_PATH_IMAGE034
、0；
参见图4所示，可看做二维码模板图像贴着原货物图像旋转1周，得到可确定的结构相似度值变化图像；图4中，虚线部分仅体现结构相似度随着夹角的变化规律为递增或递减，其具体的变化为非线性变化，除了固定点，其余坐标在上图中没有实际取值。另外，图4中，360°的方向的结构相似度与0°时的方向的结构相似度相同。
另外，货物图像中二维码方向在任意相邻两个遍历方向之间，存在一个偏向问题，即实际二维码方向偏向两个遍历方向中的一个，则其与偏向的遍历方向模板匹配结构相似度的误差较小，所以无论遍历方向设定为多少个，每两个相邻方向的最大误差为两个方向所成角度的一半。
参见图5所示，原图像二维码方向更偏向0°或者45°，任意相邻的遍历方向所呈角区域内，无论偏向哪个方向，最大误差都在22.5°处。也就是，假如二维码模板图像和实际货物图像中二维码方向夹角从0°到45°变化时，结构相似度变化为1至0递减，那么0-22.5°时，结构相似度都偏向1，当22.5°到45°时，结构相似度偏向0。假如二维码模板图像和实际货物图像中二维码方向夹角从90°到135°变化时，结构相似度变化为
Figure 441235DEST_PATH_IMAGE034
至0递减，同样前半个22.5°结构相似度偏向1，后半个22.5°结构相似度偏向0。
则可认为，每个二维码模板遍历方向与实际货物图像中二维码方向的实际判定范围就是22.5°，所计算结构相似度的最大误差值也应为0°与22.5°处的结构相似度差值，由于22.5°处的结构相似度无法直接获取，本实施例中采用中值法代替夹角22.5°处的结构相似度，然后整合8个遍历方向的结构相似度的方向误差。
由此本实施例根据所有相邻两个方向的结构相似度计算获取货物图像中二维码区域的方向误差；
货物图像中二维码区域的方向误差计算公式如下：
Figure 658196DEST_PATH_IMAGE035
式中，
Figure 407977DEST_PATH_IMAGE005
表示方向误差；
Figure 847049DEST_PATH_IMAGE006
表示第
Figure 60992DEST_PATH_IMAGE007
个方向的结构相似度；
Figure 435473DEST_PATH_IMAGE008
表示与第
Figure 797184DEST_PATH_IMAGE007
个方向相邻的第
Figure 915313DEST_PATH_IMAGE009
个方向的结构相似度；
Figure 258131DEST_PATH_IMAGE010
表示遍历方向的总数，即为8个方向；
Figure 928147DEST_PATH_IMAGE036
表示二维码模板图像和实际货物图像中二维码方向夹角每差距45°，结构相似度的差值中值；
由此，将任一二维码模板图像沿着货物图像依次呈0°、45°、90°、135°、180°、225°、270°、315°时的方向依次获取结构相似度为1、0、
Figure 386941DEST_PATH_IMAGE032
、0、
Figure 105499DEST_PATH_IMAGE033
、0、
Figure 621931DEST_PATH_IMAGE034
、0通过方向误差计算公式计算获得：
Figure 338214DEST_PATH_IMAGE037
；
在计算的过程中当选取第
Figure 408938DEST_PATH_IMAGE038
个方向时，则
Figure 665607DEST_PATH_IMAGE039
表示二维码模板图像沿着货物图像呈315°夹角方向的结构相似度，
Figure 646333DEST_PATH_IMAGE040
表示二维码模板图像沿着货物图像呈360°夹角方向的结构相似度；需要说明的是，
Figure 330255DEST_PATH_IMAGE040
表示二维码模板图像沿着货物图像呈360°夹角的方向的结构相似度等于二维码模板图像沿着货物图像呈0°夹角的方向的结构相似度。
需要说明的是，上述计算结构相似度是
Figure 153854DEST_PATH_IMAGE001
的值，其中，
Figure 151897DEST_PATH_IMAGE002
表示二维码模板图像，
Figure 312096DEST_PATH_IMAGE003
表示在货物图像中与任意二维码模板图像结构相同或相似的区域。结构相似度利用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量。
至此，获取货物图像中二维码区域的方向误差
Figure 494815DEST_PATH_IMAGE041
。
S5、根据货物图像中二维码区域的形状误差和方向误差获取货物图像中二维码区域与二维码模板图像的匹配阈值；其中，货物图像中二维码区域与二维码模板图像匹配的阈值计算公式如下：
Figure 415498DEST_PATH_IMAGE011
式中，
Figure 13970DEST_PATH_IMAGE012
表示形状误差；
Figure 93921DEST_PATH_IMAGE005
表示方向误差；
Figure 322908DEST_PATH_IMAGE013
表示与二维码模板图像的匹配阈值。
Figure 793204DEST_PATH_IMAGE042
为两个误差值进行欧几里得度量，得到综合误差指标，
Figure 257683DEST_PATH_IMAGE043
即为减去误差值而获取实际的匹配阈值，结构相似度大于该匹配阈值则认为匹配度达标；计算出的
Figure 333087DEST_PATH_IMAGE044
。
S6、根据每个二维码模板图像沿着货物图像不同方向对货物图像进行遍历获取与其二维码模板图像结构相同或相似的区域的结构相似度，根据该结构相似度大于匹配阈值获取货物图像中对应的二维码区域；依次类比获取与每个二维码模板图像结构相同或相似的二维码区域；
在本实施例中，将每个二维码模板图像沿着货物图像依次呈0°、45°、90°、135°、180°、225°、270°、315°时的方向对货物图像进行遍历获取与其二维码模板图像结构相同或相似的区域的结构相似度，其结构相似度于上述获取的方法相同都是计算
Figure 529713DEST_PATH_IMAGE001
的值，其中，a表示二维码模板图像，
Figure 815201DEST_PATH_IMAGE003
表示在货物图像中与任意二维码模板图像结构相同或相似的区域。
在每个二维码模板图像遍历的过程中，将结构相似度大于阈值
Figure 958737DEST_PATH_IMAGE013
的区域就认为是二维码区域进行提取；依次类比在货物图像中获取与每个二维码模板图像结构相同或相似的二维码区域。
至此，将获取的货物图像中的所有的二维码区域提取出来。
S7、将每个二维码区域分别进行傅里叶变换得到频谱图像；
根据每个频谱图像的高频点和低频点的数量获取焦距参数；
根据焦距参数对图像采集装置的初始焦距进行调整，获取货物图像中所有的二维码；并通过二维码扫描器对货物图像中的每个二维码进行识别。
需要说明的是，货物图像上多个二维码的清晰程度不一样，焦距较近则距离镜头近的二维码成像清晰，距离镜头较远的二维码成像模糊。相反焦距较远则距离镜头近的二维码成像模糊，距离镜头较远的二维码成像清晰。对于这两种情况具体分析：
焦距较近时，距离镜头近的二维码成像清晰度高，高频信息比例相对多，低频信息比例相对少（需要说明的是该相对并不是与其自身的低频信息、高频信息做对比，而是相对于其他二维码在各自图像区域内的高频信息、低频信息比例，下述一致），距离镜头较远的二维码高频信息比例相对少、低频信息比例相对多。那对于二维码扫描识别而言，距离镜头近的二维码的清晰度是“溢出”的，可以适当将焦距拉远，距离镜头远的二维码清晰度也可以提高，直至同一张图像上，远近不同的二维码都可以被二维码扫描器识别到。
焦距较远时，距离镜头近的二维码成像模糊，低频信息比例相对多，高频信息比例相对少。距离镜头远的二维码高频信息比例相对多，低频信息比例相对少。可以适当将焦距拉近。
本实施例通过每个二维码图像区域的高频、低频比例来计算最佳焦距。
将每个分割出的二维码图像，分别进行傅里叶变换得到频谱图像。
在本实施例中，频谱图像上每一个点的亮度代表能量值，即亮点为低频点，暗点为高频点。我们统计所有二维码图像内部的低频点和高频点占比关系。即根据不同的场景设置阈值统计频谱图像 中的高亮点、低亮点数量，求得各自占比。
具体的，所述焦距参数是按照以下步骤获取：
根据每个频谱图像的高频点和低频点的数量获取每个二维码区域内低频点和高频点的占比差值；
根据每个二维码区域内低频点和高频点的数量占比差值获取所有二维码区域的低频点与高频点占比差值的均值；
根据所有二维码区域的低频点与高频点占比差值的均值，及每个二维码区域内低频点和高频点的占比差值获取焦距参数。
其中，焦距参数计算公式如下：
Figure 13281DEST_PATH_IMAGE015
式中，
Figure 377879DEST_PATH_IMAGE016
表示焦距参数；
Figure 26029DEST_PATH_IMAGE017
表示第
Figure 97890DEST_PATH_IMAGE018
个二维码区域内低频点的数量占比；
Figure 616727DEST_PATH_IMAGE019
表示第
Figure 748631DEST_PATH_IMAGE018
个二维码区域内高频点的数量占比；
Figure 415236DEST_PATH_IMAGE020
表示第
Figure 166154DEST_PATH_IMAGE018
个二维码区域内低频点和高频点的占比差值；
Figure 664132DEST_PATH_IMAGE021
表示所有二维码区域的低频点与高频点占比差值的均值；
Figure 842303DEST_PATH_IMAGE022
表示获取的二维码区域的总数量。
所有二维码区域的低频点与高频点占比差值的均值计算公式如下：
Figure 996204DEST_PATH_IMAGE045
式中，
Figure 144289DEST_PATH_IMAGE046
表示第
Figure 700035DEST_PATH_IMAGE018
个二维码区域内低频点的数量占比；
Figure 780599DEST_PATH_IMAGE047
表示第
Figure 749692DEST_PATH_IMAGE018
个二维码区域内高频点的数量占比；
Figure 639150DEST_PATH_IMAGE048
表示第
Figure 987086DEST_PATH_IMAGE018
个二维码区域内低频点和高频点的占比差值；
Figure DEST_PATH_IMAGE049
表示获取的二维码区域的总数量。
Figure 834957DEST_PATH_IMAGE050
则为所有二维码区域的低频点与高频点占比之差求均（因为无论二维码图像清晰或者模糊，低频信息数量都高于高频信息数量，所以均用低频减去高频）。即调节焦距使所有二维码的高、低频点差值为P，则认为所有二维码的清晰度都比较适中，可以被扫码器扫描识别。
根据焦距参数对图像采集装置的初始焦距进行调整过程中，其按照以下计算公式进行调整：
Figure 697870DEST_PATH_IMAGE051
式中，
Figure 63124DEST_PATH_IMAGE052
表示调整后的焦距；
Figure 593462DEST_PATH_IMAGE053
表示焦距参数；
Figure 877813DEST_PATH_IMAGE054
表示采集货物图像时的初始焦距。将焦距调整为
Figure 493602DEST_PATH_IMAGE052
时，为最佳焦距；
在初次采集的静态货物图像向后连续
Figure 671335DEST_PATH_IMAGE030
帧图像中，调焦后再次采集静态帧图像，将调焦后的图像输入二维码扫描器完成识别。也就是将采集货物图像时的初始焦距调整为焦距
Figure 56180DEST_PATH_IMAGE052
，获取货物图像中所有的二维码；并通过二维码扫描器对货物图像中的每个二维码进行识别。
综上，本发明提供的一种基于供应链环境的货物入库管理方法，该方法通过提取货物图像表的相关特征，通过预设的二维码模板图像分别对其货物图像表面进行遍历，选取结构相似或相同的区域作为二维码区域，随后通过对每个所识别的二维码区域转化为频谱图进行分析获取焦距的调整参数，最后利用焦距的调整参数对其初始的图像采集装置中的镜头焦距进行调整，从而获取较为清晰的相片，让初始获取货物图像中非常模糊的二维码区域显示较清晰，使所有二维码区域的清晰度都比较适中，能够确保所有二维码都能被识别。
本发明采用一个二维码模板图像对货物图像表面进行遍历，通过计算与该二维码模板图像结构相同或相似的区域的结构相似度，而获取货物图像中二维码区域的方向误差；再根据方向误差结合形状误差对二维码模板图像和货物图像中的二维码区域进行匹配判断，依次选取结构相似或相同的二维码区域，有效增强了货物图像中二维码区域的识别能力。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于供应链环境的货物入库管理方法，其特征在于，包括以下步骤：
采用图像采集装置获取传送带上的货物图像，并获取采集货物图像时的初始焦距；
根据历史采取货物图像上二维码区域的尺寸大小，构建多个不同大小的二维码模板图像；
根据图像采集装置视角获取货物图像中二维码区域的形状误差；
根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历，并计算获取与该二维码模板图像结构相同或相似的区域的结构相似度；根据所有相邻两个方向的结构相似度计算获取货物图像中二维码区域的方向误差；
根据货物图像中二维码区域的形状误差和方向误差获取货物图像中二维码区域与二维码模板图像的匹配阈值；
根据每个二维码模板图像沿着货物图像不同方向对货物图像进行遍历获取与其二维码模板图像结构相同或相似的区域的结构相似度，根据该结构相似度大于匹配阈值获取货物图像中对应的二维码区域；依次类比获取与每个二维码模板图像结构相同或相似的二维码区域；
将每个二维码区域分别进行傅里叶变换得到频谱图像；
根据每个频谱图像的高频点和低频点的数量获取焦距参数；
根据焦距参数对图像采集装置的初始焦距进行调整，获取货物图像中所有的二维码；并通过二维码扫描器对货物图像中的每个二维码进行识别。
2.根据权利要求1所述的基于供应链环境的货物入库管理方法，其特征在于，所述结构相似度是计算
Figure 298832DEST_PATH_IMAGE001
的值，其中，
Figure 464234DEST_PATH_IMAGE002
表示二维码模板图像，
Figure 436869DEST_PATH_IMAGE003
表示在货物图像中与该二维码模板图像结构相同或相似的区域。
3.根据权利要求1所述的基于供应链环境的货物入库管理方法，其特征在于，每个二维码模板图像的均是正方形，且均包括三个角的定位图案和边框。
4.根据权利要求3所述的基于供应链环境的货物入库管理方法，其特征在于，所述根据任一二维码模板图像沿着货物图像不同方向对货物图像进行遍历时，均包括二维码模板图像贴着货物图像旋转8个遍历方向，其中，旋转的8个遍历方向包括0°、45°、90°、135°、180°、225°、270°、315°。
5.根据权利要求4所述的基于供应链环境的货物入库管理方法，其特征在于，货物图像中二维码区域的方向误差计算公式如下：
Figure 269696DEST_PATH_IMAGE004
式中，
Figure 302374DEST_PATH_IMAGE005
表示方向误差；
Figure 955072DEST_PATH_IMAGE006
表示第
Figure 740187DEST_PATH_IMAGE007
个方向的结构相似度；
Figure 427521DEST_PATH_IMAGE008
表示与第
Figure 864056DEST_PATH_IMAGE007
个方向相邻的第
Figure 426887DEST_PATH_IMAGE009
个方向的结构相似度；
Figure 865958DEST_PATH_IMAGE010
表示遍历方向的总数。
6.根据权利要求5所述的基于供应链环境的货物入库管理方法，其特征在于，与二维码模板图像匹配的阈值计算公式如下：
Figure 283164DEST_PATH_IMAGE011
式中，
Figure 451453DEST_PATH_IMAGE012
表示形状误差；
Figure 704842DEST_PATH_IMAGE005
表示方向误差；
Figure 633090DEST_PATH_IMAGE013
表示与二维码模板图像匹配的阈值。
7.根据权利要求6所述的基于供应链环境的货物入库管理方法，其特征在于，所述形状误差
Figure 763857DEST_PATH_IMAGE014
。
8.根据权利要求1所述的基于供应链环境的货物入库管理方法，其特征在于，所述焦距参数是按照以下步骤获取：
根据每个频谱图像的高频点和低频点的数量获取每个二维码区域内低频点和高频点的占比差值；
根据每个二维码区域内低频点和高频点的数量占比差值获取所有二维码区域的低频点与高频点占比差值的均值；
根据所有二维码区域的低频点与高频点占比差值的均值，及每个二维码区域内低频点和高频点的占比差值获取焦距参数。
9.根据权利要求8所述的基于供应链环境的货物入库管理方法，其特征在于，所述焦距参数计算公式如下：
Figure 309239DEST_PATH_IMAGE015
式中，
Figure 423826DEST_PATH_IMAGE016
表示焦距参数；
Figure DEST_PATH_IMAGE017
表示第
Figure 876804DEST_PATH_IMAGE018
个二维码区域内低频点的数量占比；
Figure 3023DEST_PATH_IMAGE019
表示第
Figure 843940DEST_PATH_IMAGE018
个二维码区域内高频点的数量占比；
Figure 321189DEST_PATH_IMAGE020
表示第
Figure 905754DEST_PATH_IMAGE018
个二维码区域内低频点和高频点的占比差值；
Figure 948796DEST_PATH_IMAGE021
表示所有二维码区域的低频点与高频点占比差值的均值；
Figure 844770DEST_PATH_IMAGE022
表示获取的二维码区域的总数量。
10.根据权利要求1所述的基于供应链环境的货物入库管理方法，其特征在于，所述传送带上的货物图像是根据图像采集装置的帧数，货物在传送带上传送的速度及图像采集装置拍摄时货物在传送方向所输送的实际距离而获取的。
CN202211245040.3A 2022-10-12 2022-10-12 基于供应链环境的货物入库管理方法 Active CN115310918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211245040.3A CN115310918B (zh) 2022-10-12 2022-10-12 基于供应链环境的货物入库管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211245040.3A CN115310918B (zh) 2022-10-12 2022-10-12 基于供应链环境的货物入库管理方法

Publications (2)

Publication Number Publication Date
CN115310918A CN115310918A (zh) 2022-11-08
CN115310918B true CN115310918B (zh) 2022-12-06

Family

ID=83867677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211245040.3A Active CN115310918B (zh) 2022-10-12 2022-10-12 基于供应链环境的货物入库管理方法

Country Status (1)

Country Link
CN (1) CN115310918B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013025428A (ja) * 2011-07-19 2013-02-04 Toshiba Tec Corp 貨物受付装置、プログラム及び貨物受付方法
CN108510222A (zh) * 2018-02-28 2018-09-07 中国烟草总公司北京市公司物流中心 一种烟草物流管控系统
CN111626665A (zh) * 2020-05-09 2020-09-04 武汉中岩科技股份有限公司 一种基于双目视觉的智能物流系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013025428A (ja) * 2011-07-19 2013-02-04 Toshiba Tec Corp 貨物受付装置、プログラム及び貨物受付方法
CN108510222A (zh) * 2018-02-28 2018-09-07 中国烟草总公司北京市公司物流中心 一种烟草物流管控系统
CN111626665A (zh) * 2020-05-09 2020-09-04 武汉中岩科技股份有限公司 一种基于双目视觉的智能物流系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于条形码识别的物流包裹自动分拣系统设计;王昆 等;《洛阳理工学院学报(自然科学版)》;20160625;第26卷(第02期);第66-70、80页 *

Also Published As

Publication number Publication date
CN115310918A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
RU2708422C1 (ru) Способ и система управления банкоматами
US11227405B2 (en) Determining positions and orientations of objects
JP3910447B2 (ja) マルチ解像度ラベルロケータ
US7356162B2 (en) Method for sorting postal items in a plurality of sorting passes
CN110610141A (zh) 一种物流仓储规则形状货物识别系统
CN105046252B (zh) 一种人民币冠字码识别方法
US20220331841A1 (en) Methods and arrangements to aid recycling
CN108416355B (zh) 一种基于机器视觉的工业现场生产数据的采集方法
WO2014198315A1 (en) Image based object classification
JP6344389B2 (ja) 光学文字認識装置
CN108171098B (zh) 一种条码检测方法及设备
JP2003518300A5 (zh)
JP7062722B2 (ja) 光学コードのモジュールサイズの特定
CN110619336B (zh) 基于图像处理的货品识别算法
CN110807354A (zh) 一种工业流水线产品计数方法
CN115310918B (zh) 基于供应链环境的货物入库管理方法
CN114332622A (zh) 一种基于机器视觉的标签检测方法
CN111507177B (zh) 一种用于计量周转柜的识别方法及装置
CN115532620B (zh) 一种纸浆模塑制品质检装置和方法
US20230152781A1 (en) Manufacturing intelligence service system connected to mes in smart factory
CN116630946A (zh) 在携带代码的对象的图像中找出代码图像区域
CN113409297A (zh) 骨料体积计算方法、粒形级配数据生成方法、系统和设备
CN112288372A (zh) 一种可同时识别一维条码和三段码字符的快递单识别方法
CN110782423B (zh) 一种实木锯材线扫相机图像自动拼接及抠图方法
Visilter et al. Development of OCR system for portable passport and visa reader

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