CN115424057A - 一种基于拍照识别使用的物联网物流分类管理识别装置 - Google Patents
一种基于拍照识别使用的物联网物流分类管理识别装置 Download PDFInfo
- Publication number
- CN115424057A CN115424057A CN202211004613.3A CN202211004613A CN115424057A CN 115424057 A CN115424057 A CN 115424057A CN 202211004613 A CN202211004613 A CN 202211004613A CN 115424057 A CN115424057 A CN 115424057A
- Authority
- CN
- China
- Prior art keywords
- image
- analysis
- logistics
- marking
- 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.)
- Pending
Links
- 230000006855 networking Effects 0.000 title description 2
- 238000004458 analytical method Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Medical Informatics (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
本发明属于物流管理领域,涉及数据分析技术,用于解决现有的物流分类管理识别装置无法对标签类别进行自动识别以及扫描的问题,具体是一种基于拍照识别使用的物联网物流分类管理识别装置,包括处理器,所述处理器设置在管理识别装置的内部,所述处理器通信连接有采集模块、图像处理模块、图像分配模块、识别模块、待定分析模块、控制器以及存储模块;本发明通过采集模块对物流产品进行图像拍摄,图像处理模块在对图像进行数据处理之后从若干张图像中筛选到标签图像,从而通过识别模块对标签图像进行扫描即可对物流产品信息进行自动录入,减轻了物流分类人员的工作强度,同时也提高了物流分类准确性。
Description
技术领域
本发明属于物流管理领域,涉及数据分析技术,具体是一种基于拍照识别使用的物联网物流分类管理识别装置。
背景技术
基于科学技术的发展脚步不断加快,通过将自动识别技术应用于物流领域中的方式,使得物流管理的整体效率以及质量得到了大幅度提升,对推进物流领域的发展进程起到了积极影响。
现有的物流分类管理员可以通过扫描设备对物流产品的标签进行扫描,扫描成功后即可将数据自动录入物流系统,但是,现有的物流分类管理识别装置还是需要管理人员手持扫描仪进行扫描,并且管理人员需要根据不同类型的标签自主选择对应的扫描器进行扫描,这就导致了物流分类人员的工作强度大,且随着工作时间的增加,物流分类人员的疲劳程度也在增加,扫描设备也就存在选错的可能性,进而导致物流分类的准确率与分类效率低下。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于拍照识别使用的物联网物流分类管理识别装置,用于解决现有的物流分类管理识别装置无法对标签类别进行自动识别以及扫描的问题;
本发明需要解决的技术问题为:如何提供一种可以对标签类别进行自动识别以及扫描的物流分类管理识别装置。
本发明的目的可以通过以下技术方案实现:
一种基于拍照识别使用的物联网物流分类管理识别装置,包括处理器,所述处理器设置在管理识别装置的内部,所述处理器通信连接有采集模块、图像处理模块、图像分配模块、识别模块、待定分析模块、控制器以及存储模块;
所述采集模块包括若干个摄像头,所述摄像头用于从各个角度对物流产品进行图像拍摄并将拍摄到的图像发送至图像处理模块;
所述图像处理模块用于通过接收到的图像对物流产品进行信息存储载体识别并得到标签图像,将标签图像通过处理器发送至图像分配模块;
所述图像分配模块用于在接收到标签图像后对标签图像进行深度分析;
所述识别模块包括条形码扫描器、二维码扫描器以及射频扫描仪,识别模块接收到条形信号时控制条形码扫描器对条形码图像进行扫描;识别模块接收到二维信号时控制二维码扫描器对二维码图像进行扫描;识别模块接收到射频信号时控制射频扫描仪对射频图像进行扫描:
若扫描成功,则将扫描获取的物流产品信息发送至存储模块中进行存储;
若扫描失败,则将对应的物流产品标记为损标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将损标产品通过ZGV小车运送至待定仓。
作为本发明的一种优选实施方式,图像处理模块对物流产品进行信息存储载体识别的具体过程包括:将摄像头对同一个物流产品拍摄的图像标记为分析图象i,i=1,2,…,n,n为正整数,将分析图象i放大为像素格图像,对像素格图像进行灰度变换得到灰度图像,获取像素格图像中每一个像素格的灰度值,对像素格图像的像素格灰度值进行求和取平均值得到分析图象的灰度值,对所有分析图象i的灰度值进行求和取平均值得到物流产品的灰表值HB,将分析图象i的灰度值与灰表值的差值的绝对值标记为分析图象i的灰差值HCi,将分析图象按照灰差值HCi由大到小的顺序进行排列,按照排列顺序依次对分析图象进行标签分析,直至将分析图象标记为标签图像,图像处理模块将标签图像发送至图像分配模块,若分析图象全部进行标签分析并且没有分析图象被标记为标签图像,则判定标签分析失败,将对应的物流产品标记为缺标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将缺标产品通过ZGV小车运送至待定仓。
作为本发明的一种优选实施方式,对分析图象进行标签分析的过程包括:获取分析图象的偏离值,将偏离值与分析图象的像素格总数量的比值标记为偏离系数,通过存储模块获取到偏离阈值,将偏离系数与偏离阈值进行比较:若偏离系数大于等于偏离阈值,则将对应的分析图象标记为标签图像;若偏离系数小于偏离阈值,则对下一个分析图象进行标签分析。
作为本发明的一种优选实施方式,分析图象的偏离值的获取过程包括:设定最小灰度阈值HDmin与最大灰度阈值HDmax,将灰表值HB与最小灰度阈值HDmin、最大灰度阈值HDmax进行比较:若HB≤HDmin,则获取分析图象中灰度值为二百五十五的像素格的数量并标记为偏离值;若HDmin<HB<HDmax,则获取分析图象中灰度值为零和二百五十五的像素格的总数量并标记为偏离值;若HB≥HDmax,则获取分析图象中灰度值为零的像素格的总数量并标记为偏离值。
作为本发明的一种优选实施方式,图像分配模块对标签图像进行深度分析的具体过程包括:在标签图像中随机选取一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析:获取与标记格相邻的四个像素格并标记为相邻格,若相邻格中存在灰度值为零的像素格,则将灰度值为零的相邻格标记为连接格,将与连接格相邻的四个像素格标记为相邻格,再次判定相邻格中是否存在灰度值为零的像素格,若是,则将对应像素格标记为连接格,以此类推,直至一组四个像素格中没有灰度值为零的像素格,由标记格、连接格构成一个像素集合;再重新选取像素集合外的一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析,以此类推,直至所有灰度值为零的像素格全部被标记为标记格或连接格,获取各个像素集合的元素数量,将元素数量最大的像素集合剔除,由剩余所有像素集合的元素数量构成连接集合,对连接集合进行方差计算得到连接系数,通过存储模块获取到连接阈值,将连接系数与连接阈值进行比较并通过比较结果将分析图象标记为条形码图像、二维码图像或射频图像。
作为本发明的一种优选实施方式,连接系数与连接阈值进行比较的具体过程包括:
若连接系数小于等于连接阈值,则将标签图像标记为条形码图象,图像分配模块将条形码图像与条形信号通过处理器发送至识别模块;
若连接系数大于连接阈值,则获取像素集合的数量并标记为标记值,通过存储模块获取到标记阈值,将标记值与标记阈值进行比较:
若标记值大于等于标记阈值,则将标签图像标记为二维码图像,图像分配模块将二维码图像与二维信号通过处理器发送至识别模块;
若标记值小于标记阈值,则将标签图像标记为射频图像,图像分配模块将射频图像与射频信号通过处理器发送至识别模块。
作为本发明的一种优选实施方式,所述待定分析模块用于对待定仓内的缺标产品与损标产品进行数值监控分析:同一批次的物流产品完成物流分类之后,获取对应批次的物流产品总数量并标记为ZS,获取待定仓内缺标产品与损标产品的数量并分别标记为QC与SC,通过公式对QC、SC以及ZS进行数值计算得到物流产品的待定系数DD,通过存储模块获取到待定阈值DDmax,将待定系数DD与待定阈值DDmax进行比较并通过比较结果对物流产品的识别效果是否满足要求进行判定。
作为本发明的一种优选实施方式,待定系数DD与待定阈值DDmax进行比较的具体过程包括:
若待定系数DD小于待定阈值DDmax,则判定对应批次的物流产品的识别效果满足要求;
若待定系数DD≥待定阈值DDmax,则判定对应批次的物流产品的识别效果不满足要求,将QC与ZS的比值标记为缺标系数QX,通过存储模块获取到缺标阈值QXmax,将缺标系数QX与缺标阈值QXmax进行比较:
若缺标系数QX大于等于缺标阈值QXmax,待定分析模块向处理器发送生产商提醒信号;
若缺标系数QX小于缺标阈值QXmax,待定分析模块向处理器发送物流商提醒信号。
本发明具备下述有益效果:
1、通过采集模块对物流产品进行图像拍摄,图像处理模块在对图像进行数据处理之后从若干张图像中筛选到标签图像,从而通过识别模块对标签图像进行扫描即可对物流产品信息进行自动录入,减轻了物流分类人员的工作强度,同时也提高了物流分类准确性;
2、通过图像处理模块可以对摄像头拍摄的图像进行放大、灰度变换等处理,通过提取标签特征的方式进行标签图像筛查,同时对缺少标签的物流产品进行标记,不需要物流分类人员对物流产品进行翻面查看标签,加快物流分类效率;
3、通过图像分配模块可以对标签图像进行深度分析,对标签图像中的像素格连接特征对标签类别进行判定,从而根据判定结果选择对应的扫描设备进行标签扫描,物流管理人员只需要进行巡视或对待定仓内的物品进行统计即可,大大降低了物流人类人员的工作强度;
4、通过待定分析模块可以对缺标产品与损标产品进行数值比例分析,通过待定系数的数值大小对物流分类装置的物流分类效果是否满足要求进行判定,在不满足要求时,通过缺标产品与损标产品的数量占比对导致物流分类效果不满足要求的原因进行分析,进而可以针对性的对上流合作商提出规范预警。
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为本发明整体的系统框图;
图2为本发明实施例一的系统框图;
图3为本发明实施例二的系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于拍照识别使用的物联网物流分类管理识别装置,包括处理器,处理器设置在管理识别装置的内部,处理器通信连接有采集模块、图像处理模块、图像分配模块、识别模块、待定分析模块、控制器以及存储模块。
实施例一
如图2所示,采集模块包括若干个摄像头,摄像头用于从各个角度对物流产品进行图像拍摄并将拍摄到的图像发送至图像处理模块。
图像处理模块用于通过接收到的图像对物流产品进行信息存储载体识别:将摄像头对同一个物流产品拍摄的图像标记为分析图象i,i=1,2,…,n,n为正整数,将分析图象i放大为像素格图像,对像素格图像进行灰度变换得到灰度图像,获取像素格图像中每一个像素格的灰度值,对像素格图像的像素格灰度值进行求和取平均值得到分析图象的灰度值,对所有分析图象i的灰度值进行求和取平均值得到物流产品的灰表值HB,将分析图象i的灰度值与灰表值的差值的绝对值标记为分析图象i的灰差值HCi,将分析图象按照灰差值HCi由大到小的顺序进行排列,物流产品的外包装通常比较简单,且外包装的各个表面的颜色基本相同,因而带有标签的表面的色差与其他表面的色差的差距较为明显,排序靠前的分析图象为带有标签的表面的可能性更高,按照排列顺序依次对分析图象进行标签分析,直至将分析图象标记为标签图像,图像处理模块将标签图像发送至图像分配模块,若分析图象全部进行标签分析并且没有分析图象被标记为标签图像,则判定标签分析失败,将对应的物流产品标记为缺标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将缺标产品通过ZGV小车运送至待定仓;对分析图象进行标签分析的过程包括:获取分析图象的偏离值,将偏离值与分析图象的像素格总数量的比值标记为偏离系数,通过存储模块获取到偏离阈值,将偏离系数与偏离阈值进行比较:若偏离系数大于等于偏离阈值,则将对应的分析图象标记为标签图像;若偏离系数小于偏离阈值,则对下一个分析图象进行标签分析;分析图象的偏离值的获取过程包括:设定最小灰度阈值HDmin与最大灰度阈值HDmax,将灰表值HB与最小灰度阈值HDmin、最大灰度阈值HDmax进行比较:若HB≤HDmin,则获取分析图象中灰度值为二百五十五的像素格的数量并标记为偏离值;若HDmin<HB<HDmax,则获取分析图象中灰度值为零和二百五十五的像素格的总数量并标记为偏离值;若HB≥HDmax,则获取分析图象中灰度值为零的像素格的总数量并标记为偏离值;偏离值的获取过程排除了物流产品包装全黑或全白对标签分析精确性的影响,对摄像头拍摄的图像进行放大、灰度变换等处理,通过提取标签特征的方式进行标签图像筛查,同时对缺少标签的物流产品进行标记,不需要物流分类人员对物流产品进行翻面查看标签,加快物流分类效率。
图像分配模块接收到标签图像后对标签图像进行深度分析:在标签图像中随机选取一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析:获取与标记格相邻的四个像素格并标记为相邻格,若相邻格中存在灰度值为零的像素格,则将灰度值为零的相邻格标记为连接格,将与连接格相邻的四个像素格标记为相邻格,再次判定相邻格中是否存在灰度值为零的像素格,若是,则将对应像素格标记为连接格,以此类推,直至一组四个像素格中没有灰度值为零的像素格,由标记格、连接格构成一个像素集合;再重新选取像素集合外的一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析,以此类推,直至所有灰度值为零的像素格全部被标记为标记格或连接格,获取各个像素集合的元素数量,将元素数量最大的像素集合剔除,由剩余所有像素集合的元素数量构成连接集合,对连接集合进行方差计算得到连接系数,通过存储模块获取到连接阈值,将连接系数与连接阈值进行比较:若连接系数小于等于连接阈值,则将标签图像标记为条形码图象,图像分配模块将条形码图像与条形信号通过处理器发送至识别模块;若连接系数大于连接阈值,则获取像素集合的数量并标记为标记值,通过存储模块获取到标记阈值,将标记值与标记阈值进行比较:若标记值大于等于标记阈值,则将标签图像标记为二维码图像,图像分配模块将二维码图像与二维信号通过处理器发送至识别模块;若标记值小于标记阈值,则将标签图像标记为射频图像,图像分配模块将射频图像与射频信号通过处理器发送至识别模块;对标签图像进行深度分析,对标签图像中的像素格连接特征对标签类别进行判定,从而根据判定结果选择对应的扫描设备进行标签扫描,物流管理人员只需要进行巡视或对待定仓内的物品进行统计即可,大大降低了物流人类人员的工作强度。
识别模块包括条形码扫描器、二维码扫描器以及射频扫描仪,识别模块接收到条形信号时控制条形码扫描器对条形码图像进行扫描;识别模块接收到二维信号时控制二维码扫描器对二维码图像进行扫描;识别模块接收到射频信号时控制射频扫描仪对射频图像进行扫描;扫描成功时将扫描获取的物流产品信息发送至存储模块中进行存储,扫描失败时将对应的物流产品标记为损标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将损标产品通过ZGV小车运送至待定仓;通过采集模块对物流产品进行图像拍摄,图像处理模块在对图像进行数据处理之后从若干张图像中筛选到标签图像,从而通过识别模块对标签图像进行扫描即可对物流产品信息进行自动录入,减轻了物流分类人员的工作强度,同时也提高了物流分类准确性。
实施例二
如图3所示,待定分析模块用于对待定仓内的缺标产品与损标产品进行数值监控分析:同一批次的物流产品完成物流分类之后,获取对应批次的物流产品总数量并标记为ZS,获取待定仓内缺标产品与损标产品的数量并分别标记为QC与SC,通过公式DD=(α1*QC+α2*SC)/(α3*ZS)得到物流产品的待定系数DD,其中α1、α2以及α3均为比例系数,且α1>α2>α3>1,通过存储模块获取到待定阈值DDmax,将待定系数DD与待定阈值DDmax进行比较:若待定系数DD小于待定阈值DDmax,则判定对应批次的物流产品的识别效果满足要求;若待定系数DD≥待定阈值DDmax,则判定对应批次的物流产品的识别效果不满足要求,将QC与ZS的比值标记为缺标系数QX,通过存储模块获取到缺标阈值QXmax,将缺标系数QX与缺标阈值QXmax进行比较:若缺标系数QX大于等于缺标阈值QXmax,待定分析模块向处理器发送生产商提醒信号;若缺标系数QX小于缺标阈值QXmax,待定分析模块向处理器发送物流商提醒信号;对缺标产品与损标产品进行数值比例分析,通过待定系数的数值大小对物流分类装置的物流分类效果是否满足要求进行判定,在不满足要求时,通过缺标产品与损标产品的数量占比对导致物流分类效果不满足要求的原因进行分析,进而可以针对性的对上流合作商提出规范预警。
一种基于拍照识别使用的物联网物流分类管理识别装置,在工作时,采集模块从各个角度对物流产品进行图像拍摄并将拍摄到的图像发送至图像处理模块;图像处理模块通过接收到的图像对物流产品进行信息存储载体识别并得到标签图像;图像分配模块对标签图像进行深度分析并得到标签对象的标签类别,然后通过识别模块采用对应的扫描设备对标签图像进行扫描,实现对物流产品进行扫描分类的全自动化过程。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式DD=(α1*QC+α2*SC)/(α3*ZS);由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的待定系数;将设定的待定系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为5.28、2.67和2.15;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的待定系数;只要不影响参数与量化后数值的比例关系即可,如待定系数与缺标产品的数量成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于拍照识别使用的物联网物流分类管理识别装置,包括处理器,其特征在于,所述处理器设置在管理识别装置的内部,所述处理器通信连接有采集模块、图像处理模块、图像分配模块、识别模块、待定分析模块、控制器以及存储模块;
所述采集模块包括若干个摄像头,所述摄像头用于从各个角度对物流产品进行图像拍摄并将拍摄到的图像发送至图像处理模块;
所述图像处理模块用于通过接收到的图像对物流产品进行信息存储载体识别并得到标签图像,将标签图像通过处理器发送至图像分配模块;
所述图像分配模块用于在接收到标签图像后对标签图像进行深度分析;
所述识别模块包括条形码扫描器、二维码扫描器以及射频扫描仪,识别模块接收到条形信号时控制条形码扫描器对条形码图像进行扫描;识别模块接收到二维信号时控制二维码扫描器对二维码图像进行扫描;识别模块接收到射频信号时控制射频扫描仪对射频图像进行扫描:
若扫描成功,则将扫描获取的物流产品信息发送至存储模块中进行存储;
若扫描失败,则将对应的物流产品标记为损标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将损标产品通过ZGV小车运送至待定仓。
2.根据权利要求1所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,图像处理模块对物流产品进行信息存储载体识别的具体过程包括:将摄像头对同一个物流产品拍摄的图像标记为分析图象i,i=1,2,…,n,n为正整数,将分析图象i放大为像素格图像,对像素格图像进行灰度变换得到灰度图像,获取像素格图像中每一个像素格的灰度值,对像素格图像的像素格灰度值进行求和取平均值得到分析图象的灰度值,对所有分析图象i的灰度值进行求和取平均值得到物流产品的灰表值HB,将分析图象i的灰度值与灰表值的差值的绝对值标记为分析图象i的灰差值HCi,将分析图象按照灰差值HCi由大到小的顺序进行排列,按照排列顺序依次对分析图象进行标签分析,直至将分析图象标记为标签图像,图像处理模块将标签图像发送至图像分配模块,若分析图象全部进行标签分析并且没有分析图象被标记为标签图像,则判定标签分析失败,将对应的物流产品标记为缺标产品,图像处理模块向处理器发送待定信号,处理器接收到待定信号后将待定信号发送至控制器,控制器接收到待定信号后将缺标产品通过ZGV小车运送至待定仓。
3.根据权利要求2所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,对分析图象进行标签分析的过程包括:获取分析图象的偏离值,将偏离值与分析图象的像素格总数量的比值标记为偏离系数,通过存储模块获取到偏离阈值,将偏离系数与偏离阈值进行比较:若偏离系数大于等于偏离阈值,则将对应的分析图象标记为标签图像;若偏离系数小于偏离阈值,则对下一个分析图象进行标签分析。
4.根据权利要求3所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,分析图象的偏离值的获取过程包括:设定最小灰度阈值HDmin与最大灰度阈值HDmax,将灰表值HB与最小灰度阈值HDmin、最大灰度阈值HDmax进行比较:若HB≤HDmin,则获取分析图象中灰度值为二百五十五的像素格的数量并标记为偏离值;若HDmin<HB<HDmax,则获取分析图象中灰度值为零和二百五十五的像素格的总数量并标记为偏离值;若HB≥HDmax,则获取分析图象中灰度值为零的像素格的总数量并标记为偏离值。
5.根据权利要求2所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,图像分配模块对标签图像进行深度分析的具体过程包括:在标签图像中随机选取一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析:获取与标记格相邻的四个像素格并标记为相邻格,若相邻格中存在灰度值为零的像素格,则将灰度值为零的相邻格标记为连接格,将与连接格相邻的四个像素格标记为相邻格,再次判定相邻格中是否存在灰度值为零的像素格,若是,则将对应像素格标记为连接格,以此类推,直至一组四个像素格中没有灰度值为零的像素格,由标记格、连接格构成一个像素集合;再重新选取像素集合外的一个灰度值为零的像素格并标记为标记格,对标记格进行连接分析,以此类推,直至所有灰度值为零的像素格全部被标记为标记格或连接格,获取各个像素集合的元素数量,将元素数量最大的像素集合剔除,由剩余所有像素集合的元素数量构成连接集合,对连接集合进行方差计算得到连接系数,通过存储模块获取到连接阈值,将连接系数与连接阈值进行比较并通过比较结果将分析图象标记为条形码图像、二维码图像或射频图像。
6.根据权利要求5所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,连接系数与连接阈值进行比较的具体过程包括:
若连接系数小于等于连接阈值,则将标签图像标记为条形码图象,图像分配模块将条形码图像与条形信号通过处理器发送至识别模块;
若连接系数大于连接阈值,则获取像素集合的数量并标记为标记值,通过存储模块获取到标记阈值,将标记值与标记阈值进行比较:
若标记值大于等于标记阈值,则将标签图像标记为二维码图像,图像分配模块将二维码图像与二维信号通过处理器发送至识别模块;
若标记值小于标记阈值,则将标签图像标记为射频图像,图像分配模块将射频图像与射频信号通过处理器发送至识别模块。
7.根据权利要求1所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,待定分析模块用于对待定仓内的缺标产品与损标产品进行数值监控分析:同一批次的物流产品完成物流分类之后,获取对应批次的物流产品总数量并标记为ZS,获取待定仓内缺标产品与损标产品的数量并分别标记为QC与SC,通过公式对QC、SC以及ZS进行数值计算得到物流产品的待定系数DD,通过存储模块获取到待定阈值DDmax,将待定系数DD与待定阈值DDmax进行比较并通过比较结果对物流产品的识别效果是否满足要求进行判定。
8.根据权利要求7所述的一种基于拍照识别使用的物联网物流分类管理识别装置,其特征在于,待定系数DD与待定阈值DDmax进行比较的具体过程包括:
若待定系数DD小于待定阈值DDmax,则判定对应批次的物流产品的识别效果满足要求;
若待定系数DD≥待定阈值DDmax,则判定对应批次的物流产品的识别效果不满足要求,将QC与ZS的比值标记为缺标系数QX,通过存储模块获取到缺标阈值QXmax,将缺标系数QX与缺标阈值QXmax进行比较:
若缺标系数QX大于等于缺标阈值QXmax,待定分析模块向处理器发送生产商提醒信号;
若缺标系数QX小于缺标阈值QXmax,待定分析模块向处理器发送物流商提醒信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004613.3A CN115424057A (zh) | 2022-08-22 | 2022-08-22 | 一种基于拍照识别使用的物联网物流分类管理识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004613.3A CN115424057A (zh) | 2022-08-22 | 2022-08-22 | 一种基于拍照识别使用的物联网物流分类管理识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115424057A true CN115424057A (zh) | 2022-12-02 |
Family
ID=84198091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211004613.3A Pending CN115424057A (zh) | 2022-08-22 | 2022-08-22 | 一种基于拍照识别使用的物联网物流分类管理识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115424057A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117074600A (zh) * | 2023-08-25 | 2023-11-17 | 徐州天意药业股份有限公司 | 基于数据试验的双黄连成品质量分析系统及方法 |
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117854091A (zh) * | 2024-01-15 | 2024-04-09 | 金锋馥(滁州)科技股份有限公司 | 基于图像特征检测的包裹多面密集标签信息提取方法 |
-
2022
- 2022-08-22 CN CN202211004613.3A patent/CN115424057A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117074600A (zh) * | 2023-08-25 | 2023-11-17 | 徐州天意药业股份有限公司 | 基于数据试验的双黄连成品质量分析系统及方法 |
CN117074600B (zh) * | 2023-08-25 | 2024-03-29 | 徐州天意药业股份有限公司 | 基于数据试验的双黄连成品质量分析系统及方法 |
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117191809B (zh) * | 2023-08-30 | 2024-03-22 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117854091A (zh) * | 2024-01-15 | 2024-04-09 | 金锋馥(滁州)科技股份有限公司 | 基于图像特征检测的包裹多面密集标签信息提取方法 |
CN117854091B (zh) * | 2024-01-15 | 2024-06-07 | 金锋馥(滁州)科技股份有限公司 | 基于图像特征检测的包裹多面密集标签信息提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115424057A (zh) | 一种基于拍照识别使用的物联网物流分类管理识别装置 | |
CN102184405B (zh) | 图像采集分析方法 | |
CN117893817A (zh) | 晶圆缺陷分类方法及其装置、系统、电子设备和存储介质 | |
CN114638797A (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
CN112215821A (zh) | 一种基于人工智能的光伏电池板栅线缺陷检测方法及系统 | |
CN101482927B (zh) | 基于自动视觉检测的异性纤维模糊分类系统及其方法 | |
CA2416966C (en) | Method and apparatus for testing the quality of reclaimable waste paper matter containing contaminants | |
CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
JP2021039734A (ja) | 光学コードのモジュールサイズの特定 | |
CN114594114A (zh) | 一种锂电芯全自动在线无损检测方法 | |
CN112847321A (zh) | 基于人工智能的工业机器人视觉图像识别系统 | |
CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
CN117455917A (zh) | 一种蚀刻引线框架误报库建立及误报在线判定筛选方法 | |
JP2021196304A (ja) | 繊維製品等の色変化評価方法 | |
CN114419043B (zh) | 一种利用光学手段对印刷新材料进行检测的方法及系统 | |
CN116078680A (zh) | 一种基于深度学习的物流分拣系统 | |
CN113052821B (zh) | 一种电力设备巡检图片的质量评价方法 | |
CN112215149B (zh) | 基于视觉检测的配件分拣系统及方法 | |
CN110807817B (zh) | 一种适应光照变化的目标颜色识别的机器视觉方法 | |
CN103927544A (zh) | 皮棉轧工质量的机器视觉分级方法 | |
CN114757939A (zh) | 一种基于机器视觉的光缆生产检测监管系统 | |
JP2004194610A (ja) | 微生物集落の検査方法および装置 | |
CN117115114B (zh) | 基于yolo的电力电子器件生产工艺目标识别与缺陷检测方法 | |
CN109785292B (zh) | 一种基于机器视觉的芯线顺序判别方法 | |
CN115204341B (zh) | 智能化物料识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |