CN115518893A - 一种基于数据分析的物流货物智能分拣系统 - Google Patents
一种基于数据分析的物流货物智能分拣系统 Download PDFInfo
- Publication number
- CN115518893A CN115518893A CN202211136397.8A CN202211136397A CN115518893A CN 115518893 A CN115518893 A CN 115518893A CN 202211136397 A CN202211136397 A CN 202211136397A CN 115518893 A CN115518893 A CN 115518893A
- Authority
- CN
- China
- Prior art keywords
- goods
- cylindrical
- sorting
- weight
- input
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims description 98
- 238000001125 extrusion Methods 0.000 claims description 51
- 230000007246 mechanism Effects 0.000 claims description 44
- 238000005303 weighing Methods 0.000 claims description 19
- 230000007306 turnover Effects 0.000 claims description 18
- 230000001681 protective effect Effects 0.000 claims description 13
- 238000003703 image analysis method Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明提供一种基于数据分析的物流货物智能分拣系统,涉及货物分拣技术领域,所述分拣系统包括录入模块、识别分析模块以及分拣模块;所述录入模块包括规格信息录入单元以及类别信息录入单元,所述规格信息录入单元用于录入货物的规格信息,所述类别信息录入单元用于录入货物的类别信息;所述识别分析模块用于对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;本发明通过对货物进行分类,在识别货物时能够做到有针对性地分拣识别,同时提高了不合格货物分拣识别的效率,以解决现有的货物分拣系统功能性单一、对于不合格产品的识别存在不足的问题。
Description
技术领域
本发明涉及货物分拣技术领域,尤其涉及一种基于数据分析的物流货物智能分拣系统。
背景技术
分拣时指根据出库单的要求或配送计划,将商品从拣货区或储存区捡取出来,并按一定的方式进行分类、集中的作业过程,分拣是仓库的重要作业环节,是货物出库的基础,分拣作业的效率将直接影响货物出库和订单完成的效率。
现有的技术中,在较为贵重货物的配送领域中,消费者或者商家对于产品的包装质量要求也较高,一旦出现损坏就会影响最终的签收和销售,但是现有的分拣系统通常都是基于货物的发送目的地或者货物的种类进行分拣的,缺少对货物的包装质量进行分拣的方法,通常都是采用人工进行筛选的方式,这种方式效率较低,同时对于不合格产品的挑选过程中也会存在遗漏的情况,因此缺少一种基于数据分析的物流货物智能分拣系统来解决上述存在的问题。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于数据分析的物流货物智能分拣系统,通过对货物进行分类,在识别货物时能够做到有针对性地分拣识别,同时提高了不合格货物分拣识别的效率,以解决现有的货物分拣系统功能性单一、对于不合格产品的识别存在不足的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种基于数据分析的物流货物智能分拣系统,所述分拣系统包括录入模块、识别分析模块以及分拣模块;所述录入模块包括规格信息录入单元以及类别信息录入单元,所述规格信息录入单元用于录入货物的规格信息,所述类别信息录入单元用于录入货物的类别信息;
所述识别分析模块用于对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;
所述分拣模块用于基于分析结果对货物进行分类分拣。
进一步地,所述录入模块包括信息录入端,所述规格信息录入单元配置有规格信息录入策略,所述规格信息录入策略包括:首先将货物的形状定义为长方体、圆柱体以及其他形状;其中,长方体的货物的形状参数包括长度、宽度和高度,并设定为矩形录入长度、矩形录入宽度和矩形录入高度;圆柱体的货物的形状参数包括长度和直径,并设定为圆柱录入长度和圆柱录入直径;
然后通过信息录入端输入货物的形状,并录入货物的形状对应的参数;
再对应录入长方体、圆柱体以及其他形状的货物的重量,并设定为录入重量。
进一步地,所述类别信息录入单元配置有类别信息录入策略,所述类别信息录入策略包括:首先按照货物的耐挤压程度对货物进行分类,按照耐挤压程度的级别由低到高依次设定为第一级防护品、第二级防护品以及第三级防护品;按照货物的易损耗程度对货物进行分类,按照易损耗程度的级别由高到低依次设定为第一级损耗品、第二级损耗品以及第三级损耗品;
再将货物的耐挤压程度和易损耗程度的级别进行录入。
进一步地,所述识别分析模块包括分拣平台、翻转机构、称重机构以及检测机构,所述分拣平台用于承载货物,所述分拣平台设置为矩形结构,所述翻转机构设置在分拣平台一侧,所述翻转机构用于将货物进行翻转和摆放,所述称重机构设置在分拣平台上,所述称重机构用于对货物的重量进行检测;
所述检测机构包括距离检测单元以及摄像头,所述距离检测单元设置有若干距离传感器,若干距离传感器分别设置在分拣平台的四周和上方,所述摄像头设置在分拣平台的上方。
进一步地,所述识别分析模块配置有矩形识别分析策略,所述矩形识别分析策略用于对长方体的货物进行识别,所述矩形识别分析策略包括:首先通过翻转机构将货物的底面四边分别与分拣平台的矩形结构的四边保持平行,且使货物的底面中心与分拣平台的底面中心相吻合;
通过矩形录入长度、矩形录入宽度和矩形录入高度分别选取能够探测到货物范围内的距离传感器,并设定为有效距离传感器,通过若干有效距离传感器获取到与货物之间的距离,并设定为检测距离;将四周的有效距离传感器和上方的有效距离传感器检测到的检测距离分别通过距离检测波动公式中求得距离波动差值;距离检测波动公式配置为:其中,Cbj为距离波动差值,J1至Jn为四周或上方的有效距离传感器中的一组检测到的检测距离;Sa为距离传感器与分拣平台的中心之间的平行距离,Sz代指矩形录入长度、矩形录入宽度或矩形录入高度中的一个;
再通过翻转机构将货物进行翻转,并将翻转后的底面中心与分拣平台的底面中心相吻合,使货物的翻转前的底面朝向分拣平台的四周一侧,再获取翻转后的货物底面的朝向方向上的有效距离传感器,再次获取检测距离,通过距离检测波动公式求得距离波动差值;
通过称重机构获取货物的重量并设定为长方体货物检测重量;
将货物六个面检测得到的距离波动差值进行相加得到长方体货物挤压参考值。
进一步地,所述识别分析模块还配置有圆柱识别分析策略,所述圆柱识别分析策略用于对圆柱体的货物进行识别,所述圆柱识别分析策略包括:首先将货物放置在分拣平台上,通过翻转机构将货物的侧边与分拣平台的一条侧边相平行,再通过摄像头获取货物的图像;
再通过圆柱图像分析方法得到圆柱挤压波动值;
通过翻转机构每次沿货物的轴心线转动90度,依次转动三次,分别获取货物的图像,并通过圆柱图像分析方法得到圆柱挤压波动值;将四次获取到的圆柱挤压波动值相加得到圆柱体货物挤压参考值;
通过称重机构获取货物的重量并设定为圆柱体货物检测重量。
进一步地,所述圆柱图像分析方法包括:获取圆柱体货物图像的轮廓图,并设定为圆柱轮廓图;
以圆柱录入长度和圆柱录入直径构建圆柱体的平面矩形;
将圆柱轮廓图置于平面矩形内,获取圆柱轮廓图超出平面矩形和凹陷于平面矩形内的面积;并通过圆柱挤压参考公式求得圆柱挤压波动值;
进一步地,所述识别分析模块还配置有其他识别分析策略,所述其他识别分析策略用于对其他形状的货物进行识别,所述其他识别分析策略包括:
通过称重机构获取货物的重量并设定为其他货物检测重量。
进一步地,所述分拣模块配置有分拣策略,所述分拣策略包括:分别给第一级防护品、第二级防护品以及第三级防护品设置第一级防护系数kf1、第二级防护系数kf2以及第三级防护系数kf3,且kf1大于kf2,kf2大于kf3;将第一级防护系数、第二级防护系数以及第三级防护系数统一设定为防护系数,并标记为kfi,i为1、2或3,
分别给第一级损耗品、第二级损耗品以及第三级损耗品设置第一级损耗系数ks1、第二级损耗系数ks2以及第三级损耗系数ks3,ks1大于ks2,ks2大于ks3;将第一级损耗系数、第二级损耗系数以及第三级损耗系数统一设定为损耗系数,并标记为ksi;
将长方体货物检测重量、长方体货物挤压参考值、录入重量、防护系数以及损耗系数代入到长方体货物综合检测公式中求得长方体货物综合检测指数;所述长方体货物综合检测公式配置为:Zcfz=|Wcj-Wlr|×Ksi+Pcj×Kfi;其中,Zcfz为长方体货物综合检测指数,Wcj为长方体货物检测重量,Pcj为长方体货物挤压参考值,Wlr为录入重量;
将圆柱体货物检测重量、圆柱体货物挤压参考值、录入重量、防护系数以及损耗系数代入到圆柱体货物综合检测公式中求得圆柱体货物综合检测指数;所述圆柱体货物综合检测公式配置为:Zyzz=|Wyj-Wlr|×Ksi+Pyj×Kfi;其中,Zyzz为圆柱体货物综合检测指数,Wyj为圆柱体货物检测重量,Pyj为圆柱体货物挤压参考值;
将其他货物检测重量、录入重量、防护系数以及损耗系数代入到其他货物综合检测公式中求得其他货物综合检测指数;所述其他货物综合检测公式配置为:Zqtz=|Wqj-Wlr|×Ksi×Kfi;其中,Zqtz为其他货物综合检测指数,Wqj为其他货物检测重量;
当长方体货物综合检测指数大于等于长方体货物检测阈值时,将其分拣至不合格长方体货物类别;
当圆柱体货物综合检测指数大于等于圆柱体货物检测阈值时,将其分拣至不合格圆柱体货物类别;
当其他货物综合检测指数大于等于其他货物检测阈值时,将其分拣至不合格其他货物类别。
本发明的有益效果:本发明首先通过录入模块的规格信息录入单元录入货物的规格信息,通过类别信息录入单元录入货物的类别信息,再通过识别分析模块能够对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;最后通过分拣模块能够基于分析结果对货物进行分类分拣,该方法能够对货物的包装质量进行一个分拣识别质检,同时通过对不同形状的货物设置有针对性地识别分析方法,能够提高不合格货物的筛选效率,进而保障货物输出的质量。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其他特征、目的和优点将会变得更明显:
图1为本发明的分拣系统的原理框图;
图2为本发明的识别分析模块的原理框图;
图3为本发明的分拣平台与一侧的距离检测单元的连接示意图;
图4为本发明的平面矩形与圆柱轮廓图的重合示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
请参阅图1和图2所示,本发明提供一种基于数据分析的物流货物智能分拣系统,通过对货物进行分类,在识别货物时能够做到有针对性地分拣识别,同时提高了不合格货物分拣识别的效率,以解决现有的货物分拣系统功能性单一、对于不合格产品的识别存在不足的问题。
具体地,分拣系统包括录入模块、识别分析模块以及分拣模块;录入模块包括规格信息录入单元以及类别信息录入单元,规格信息录入单元用于录入货物的规格信息,录入模块包括信息录入端,规格信息录入单元配置有规格信息录入策略,规格信息录入策略包括:首先将货物的形状定义为长方体、圆柱体以及其他形状;其中,长方体的货物的形状参数包括长度、宽度和高度,并设定为矩形录入长度、矩形录入宽度和矩形录入高度;圆柱体的货物的形状参数包括长度和直径,并设定为圆柱录入长度和圆柱录入直径;然后通过信息录入端输入货物的形状,并录入货物的形状对应的参数;再对应录入长方体、圆柱体以及其他形状的货物的重量,并设定为录入重量。通常情况下,货物的包装为长方体的最多,圆柱体的次之,其他形状的也占用一定的比例。
类别信息录入单元用于录入货物的类别信息;类别信息录入单元配置有类别信息录入策略,类别信息录入策略包括:首先按照货物的耐挤压程度对货物进行分类,按照耐挤压程度的级别由低到高依次设定为第一级防护品、第二级防护品以及第三级防护品;按照货物的易损耗程度对货物进行分类,按照易损耗程度的级别由高到低依次设定为第一级损耗品、第二级损耗品以及第三级损耗品;再将货物的耐挤压程度和易损耗程度的级别进行录入。由于不同的货物对于挤压的承受和损耗的承受都不同,例如,玻璃制品,如果包装凹陷,则表明损坏的可能性较大;生鲜食品类的损耗就很大,如果重量发生降低,那么很有可能发生损坏泄漏。录入模块用于提前录入好货物的初始状态,从而在后续识别过程中能够便于比对。
识别分析模块用于对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;识别模块能够获取到货物在物流配送过程中的规格参数,从而及时发现不合格的货物,将不合格的货物分拣出来。识别分析模块包括分拣平台、翻转机构、称重机构以及检测机构,分拣平台用于承载货物,分拣平台设置为矩形结构,翻转机构设置在分拣平台一侧,翻转机构具体采用机械臂和夹爪抓取的方式,翻转机构用于将货物进行翻转和摆放,称重机构设置在分拣平台上,称重机构用于对货物的重量进行检测;称重机构内配置有称重传感器;
检测机构包括距离检测单元以及摄像头,距离检测单元设置有若干距离传感器,若干距离传感器分别设置在分拣平台的四周和上方,摄像头设置在分拣平台的上方。设置翻转机构能够对货物进行全面的翻转检测,防止出现检测死角。
分拣模块用于基于分析结果对货物进行分类分拣,通过分拣模块进行计算处理,能够及时将不合格的货物分拣出来。分拣模块配置有分拣策略,分拣策略包括:分别给第一级防护品、第二级防护品以及第三级防护品设置第一级防护系数kf1、第二级防护系数kf2以及第三级防护系数kf3,且kf1大于kf2,kf2大于kf3;将第一级防护系数、第二级防护系数以及第三级防护系数统一设定为防护系数,并标记为kfi,i为1、2或3,分别给第一级损耗品、第二级损耗品以及第三级损耗品设置第一级损耗系数ks1、第二级损耗系数ks2以及第三级损耗系数ks3,ks1大于ks2,ks2大于ks3;将第一级损耗系数、第二级损耗系数以及第三级损耗系数统一设定为损耗系数,并标记为ksi。其中,第一级防护品、第二级防护品以及第三级防护品的耐挤压程度是由低到高进行排列的,因此设置的防护系数刚好相反,表明第一级防护品所需要受到的防护保护要求也最高;第一级损耗品、第二级损耗品以及第三级损耗品的易损耗程度是由高到低进行排列的,因此损耗系数的设置也刚好对应,表明第一级损耗品是最容易受到损耗影响的。
实施例一
请参阅图3所示,实施例一种提供了一种针对长方体货物进行识别分析的分拣方法,具体方案为:识别分析模块配置有矩形识别分析策略,矩形识别分析策略用于对长方体的货物进行识别,矩形识别分析策略包括:首先通过翻转机构将货物的底面四边分别与分拣平台的矩形结构的四边保持平行,且使货物的底面中心与分拣平台的底面中心相吻合;
通过矩形录入长度、矩形录入宽度和矩形录入高度分别选取能够探测到货物范围内的距离传感器,并设定为有效距离传感器,通过若干有效距离传感器获取到与货物之间的距离,并设定为检测距离;将四周的有效距离传感器和上方的有效距离传感器检测到的检测距离分别通过距离检测波动公式中求得距离波动差值;距离检测波动公式配置为:其中,Cbj为距离波动差值,J1至Jn为四周或上方的有效距离传感器中的一组检测到的检测距离;Sa为距离传感器与分拣平台的中心之间的平行距离,Sz代指矩形录入长度、矩形录入宽度或矩形录入高度中的一个;距离检测波动公式中Sa减去二分之Sz所代表的含义为,距离传感器与标准状态下的货物的一个侧面的距离,因此将检测距离与上述距离相减,如果差值波动较大,这说明货物出现鼓包或者凹陷。
再通过翻转机构将货物进行翻转,并将翻转后的底面中心与分拣平台的底面中心相吻合,使货物的翻转前的底面朝向分拣平台的四周一侧,再获取翻转后的货物底面的朝向方向上的有效距离传感器,再次获取检测距离,通过距离检测波动公式求得距离波动差值;
通过称重机构获取货物的重量并设定为长方体货物检测重量;
将货物六个面检测得到的距离波动差值进行相加得到长方体货物挤压参考值。
分拣策略还包括:将长方体货物检测重量、长方体货物挤压参考值、录入重量、防护系数以及损耗系数代入到长方体货物综合检测公式中求得长方体货物综合检测指数;长方体货物综合检测公式配置为:Zcfz=|Wcj-Wlr|×Ksi+Pcj×Kfi;其中,Zcfz为长方体货物综合检测指数,Wcj为长方体货物检测重量,Pcj为长方体货物挤压参考值,Wlr为录入重量;
当长方体货物综合检测指数大于等于长方体货物检测阈值时,将其分拣至不合格长方体货物类别。长方体货物综合检测指数越大表明长方体货物与初始状态时的差距越大,因此不合格的可能性也越大。
实施例二
请参阅图4所示,实施例二提供了一种针对圆柱体货物进行识别分析的分拣方法,具体方案为:识别分析模块还配置有圆柱识别分析策略,圆柱识别分析策略用于对圆柱体的货物进行识别,圆柱识别分析策略包括:首先将货物放置在分拣平台上,通过翻转机构将货物的侧边与分拣平台的一条侧边相平行,再通过摄像头获取货物的图像;
再通过圆柱图像分析方法得到圆柱挤压波动值;
通过翻转机构每次沿货物的轴心线转动90度,依次转动三次,分别获取货物的图像,并通过圆柱图像分析方法得到圆柱挤压波动值;将四次获取到的圆柱挤压波动值相加得到圆柱体货物挤压参考值;
通过称重机构获取货物的重量并设定为圆柱体货物检测重量。
具体地,圆柱图像分析方法包括:获取圆柱体货物图像的轮廓图,并设定为圆柱轮廓图;
以圆柱录入长度和圆柱录入直径构建圆柱体的平面矩形;
将圆柱轮廓图置于平面矩形内,获取圆柱轮廓图超出平面矩形和凹陷于平面矩形内的面积;并通过圆柱挤压参考公式求得圆柱挤压波动值;
圆柱挤压参考公式配置为:其中,Byz为圆柱挤压波动值,Mc为圆柱轮廓图超出平面矩形的面积,Ma为圆柱轮廓图凹陷于平面矩形内的面积,Cl为圆柱录入长度,Ry为圆柱录入直径。其中,圆柱挤压参考公式所代表的含义为:如果圆柱轮廓图超出平面矩形和凹陷于平面矩形内的面积占平面矩形的比例越高,则对应的圆柱挤压波动值越高,圆柱体货物出现鼓包或者凹陷的可能性越大。
分拣策略还包括:将圆柱体货物检测重量、圆柱体货物挤压参考值、录入重量、防护系数以及损耗系数代入到圆柱体货物综合检测公式中求得圆柱体货物综合检测指数;圆柱体货物综合检测公式配置为:Zyzz=|Wyj-Wlr|×Ksi+Pyj×Kfi;其中,Zyzz为圆柱体货物综合检测指数,Wyj为圆柱体货物检测重量,Pyj为圆柱体货物挤压参考值;
当圆柱体货物综合检测指数大于等于圆柱体货物检测阈值时,将其分拣至不合格圆柱体货物类别。
实施例三
实施例三中提供了一种针对其他形状的货物进行识别分析的分拣方法,具体方案为:识别分析模块还配置有其他识别分析策略,其他识别分析策略用于对其他形状的货物进行识别,其他识别分析策略包括:
通过称重机构获取货物的重量并设定为其他货物检测重量。其他形状的货物通常为不规则包装形状的货物,因此采用检测其重量变化的方式进行合格性检测。
分拣策略还包括:将其他货物检测重量、录入重量、防护系数以及损耗系数代入到其他货物综合检测公式中求得其他货物综合检测指数;其他货物综合检测公式配置为:Zqtz=|Wqj-Wlr|×Ksi×Kfi;其中,Zqtz为其他货物综合检测指数,Wqj为其他货物检测重量;
当其他货物综合检测指数大于等于其他货物检测阈值时,将其分拣至不合格其他货物类别。
工作原理:本发明首先通过录入模块的规格信息录入单元录入货物的规格信息,通过类别信息录入单元录入货物的类别信息,再通过识别分析模块能够对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;最后通过分拣模块能够基于分析结果对货物进行分类分拣。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置,如存在权重系数和比例系数,其设置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,关于权重系数和比例系数的大小,只要不影响参数与量化后数值的比例关系即可。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于数据分析的物流货物智能分拣系统,其特征在于,所述分拣系统包括录入模块、识别分析模块以及分拣模块;所述录入模块包括规格信息录入单元以及类别信息录入单元,所述规格信息录入单元用于录入货物的规格信息,所述类别信息录入单元用于录入货物的类别信息;
所述识别分析模块用于对货物进行规格参数的识别获取;再基于识别获取到的规格参数和录入的信息进行分析,并输出货物的分析结果;
所述分拣模块用于基于分析结果对货物进行分类分拣。
2.根据权利要求1所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述录入模块包括信息录入端,所述规格信息录入单元配置有规格信息录入策略,所述规格信息录入策略包括:首先将货物的形状定义为长方体、圆柱体以及其他形状;其中,长方体的货物的形状参数包括长度、宽度和高度,并设定为矩形录入长度、矩形录入宽度和矩形录入高度;圆柱体的货物的形状参数包括长度和直径,并设定为圆柱录入长度和圆柱录入直径;
然后通过信息录入端输入货物的形状,并录入货物的形状对应的参数;
再对应录入长方体、圆柱体以及其他形状的货物的重量,并设定为录入重量。
3.根据权利要求1所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述类别信息录入单元配置有类别信息录入策略,所述类别信息录入策略包括:首先按照货物的耐挤压程度对货物进行分类,按照耐挤压程度的级别由低到高依次设定为第一级防护品、第二级防护品以及第三级防护品;按照货物的易损耗程度对货物进行分类,按照易损耗程度的级别由高到低依次设定为第一级损耗品、第二级损耗品以及第三级损耗品;
再将货物的耐挤压程度和易损耗程度的级别进行录入。
4.根据权利要求2所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述识别分析模块包括分拣平台、翻转机构、称重机构以及检测机构,所述分拣平台用于承载货物,所述分拣平台设置为矩形结构,所述翻转机构设置在分拣平台一侧,所述翻转机构用于将货物进行翻转和摆放,所述称重机构设置在分拣平台上,所述称重机构用于对货物的重量进行检测;
所述检测机构包括距离检测单元以及摄像头,所述距离检测单元设置有若干距离传感器,若干距离传感器分别设置在分拣平台的四周和上方,所述摄像头设置在分拣平台的上方。
5.根据权利要求4任意一项所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述识别分析模块配置有矩形识别分析策略,所述矩形识别分析策略用于对长方体的货物进行识别,所述矩形识别分析策略包括:首先通过翻转机构将货物的底面四边分别与分拣平台的矩形结构的四边保持平行,且使货物的底面中心与分拣平台的底面中心相吻合;
通过矩形录入长度、矩形录入宽度和矩形录入高度分别选取能够探测到货物范围内的距离传感器,并设定为有效距离传感器,通过若干有效距离传感器获取到与货物之间的距离,并设定为检测距离;将四周的有效距离传感器和上方的有效距离传感器检测到的检测距离分别通过距离检测波动公式中求得距离波动差值;距离检测波动公式配置为:其中,Cbj为距离波动差值,J1至Jn为四周或上方的有效距离传感器中的一组检测到的检测距离;Sa为距离传感器与分拣平台的中心之间的平行距离,Sz代指矩形录入长度、矩形录入宽度或矩形录入高度中的一个;
再通过翻转机构将货物进行翻转,并将翻转后的底面中心与分拣平台的底面中心相吻合,使货物的翻转前的底面朝向分拣平台的四周一侧,再获取翻转后的货物底面的朝向方向上的有效距离传感器,再次获取检测距离,通过距离检测波动公式求得距离波动差值;
通过称重机构获取货物的重量并设定为长方体货物检测重量;
将货物六个面检测得到的距离波动差值进行相加得到长方体货物挤压参考值。
6.根据权利要求4所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述识别分析模块还配置有圆柱识别分析策略,所述圆柱识别分析策略用于对圆柱体的货物进行识别,所述圆柱识别分析策略包括:首先将货物放置在分拣平台上,通过翻转机构将货物的侧边与分拣平台的一条侧边相平行,再通过摄像头获取货物的图像;
再通过圆柱图像分析方法得到圆柱挤压波动值;
通过翻转机构每次沿货物的轴心线转动90度,依次转动三次,分别获取货物的图像,并通过圆柱图像分析方法得到圆柱挤压波动值;将四次获取到的圆柱挤压波动值相加得到圆柱体货物挤压参考值;
通过称重机构获取货物的重量并设定为圆柱体货物检测重量。
8.根据权利要求4所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述识别分析模块还配置有其他识别分析策略,所述其他识别分析策略用于对其他形状的货物进行识别,所述其他识别分析策略包括:
通过称重机构获取货物的重量并设定为其他货物检测重量。
9.根据权利要求1-8任意一项所述的一种基于数据分析的物流货物智能分拣系统,其特征在于,所述分拣模块配置有分拣策略,所述分拣策略包括:分别给第一级防护品、第二级防护品以及第三级防护品设置第一级防护系数kf1、第二级防护系数kf2以及第三级防护系数kf3,且kf1大于kf2,kf2大于kf3;将第一级防护系数、第二级防护系数以及第三级防护系数统一设定为防护系数,并标记为kfi,i为1、2或3,
分别给第一级损耗品、第二级损耗品以及第三级损耗品设置第一级损耗系数ks1、第二级损耗系数ks2以及第三级损耗系数ks3,ks1大于ks2,ks2大于ks3;将第一级损耗系数、第二级损耗系数以及第三级损耗系数统一设定为损耗系数,并标记为ksi;
将长方体货物检测重量、长方体货物挤压参考值、录入重量、防护系数以及损耗系数代入到长方体货物综合检测公式中求得长方体货物综合检测指数;所述长方体货物综合检测公式配置为:Zcfz=|Wcj-Wlr|×Ksi+Pcj×Kfi;其中,Zcfz为长方体货物综合检测指数,Wcj为长方体货物检测重量,Pcj为长方体货物挤压参考值,Wlr为录入重量;
将圆柱体货物检测重量、圆柱体货物挤压参考值、录入重量、防护系数以及损耗系数代入到圆柱体货物综合检测公式中求得圆柱体货物综合检测指数;所述圆柱体货物综合检测公式配置为:Zyzz=|Wyj-Wlr|×Ksi+Pyj×Kfi;其中,Zyzz为圆柱体货物综合检测指数,Wyj为圆柱体货物检测重量,Pyj为圆柱体货物挤压参考值;
将其他货物检测重量、录入重量、防护系数以及损耗系数代入到其他货物综合检测公式中求得其他货物综合检测指数;所述其他货物综合检测公式配置为:Zqtz=|Wqj-Wlr|×Ksi×Kfi;其中,Zqtz为其他货物综合检测指数,Wqj为其他货物检测重量;
当长方体货物综合检测指数大于等于长方体货物检测阈值时,将其分拣至不合格长方体货物类别;
当圆柱体货物综合检测指数大于等于圆柱体货物检测阈值时,将其分拣至不合格圆柱体货物类别;
当其他货物综合检测指数大于等于其他货物检测阈值时,将其分拣至不合格其他货物类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211136397.8A CN115518893B (zh) | 2022-09-19 | 2022-09-19 | 一种基于数据分析的物流货物智能分拣系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211136397.8A CN115518893B (zh) | 2022-09-19 | 2022-09-19 | 一种基于数据分析的物流货物智能分拣系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115518893A true CN115518893A (zh) | 2022-12-27 |
CN115518893B CN115518893B (zh) | 2023-05-23 |
Family
ID=84698193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211136397.8A Active CN115518893B (zh) | 2022-09-19 | 2022-09-19 | 一种基于数据分析的物流货物智能分拣系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115518893B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116273908A (zh) * | 2023-04-24 | 2023-06-23 | 天津万事达物流装备有限公司 | 一种基于智能制造的货架分拣系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102218404A (zh) * | 2011-01-26 | 2011-10-19 | 安徽省一一通信息科技有限公司 | 基于射频、视频和红外识别跟踪的物流分拣系统及其方法 |
CN109784819A (zh) * | 2019-03-19 | 2019-05-21 | 东部机场集团有限公司 | 货运安检分类分级系统及其分级方法 |
CN110738374A (zh) * | 2019-10-15 | 2020-01-31 | 秒针信息技术有限公司 | 货物的装配方法及装置 |
CN111401813A (zh) * | 2020-03-20 | 2020-07-10 | 河北凯通信息技术服务有限公司 | 一种基于影像识别的物流分拣系统 |
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 |
CN215099800U (zh) * | 2020-12-17 | 2021-12-10 | 河南冠邦供应链管理有限公司 | 一种智能入库系统 |
CN114682515A (zh) * | 2022-02-25 | 2022-07-01 | 无锡市泰瑞电子设备制造有限公司 | 一种生产线自动分拣配送系统及方法 |
CN114985275A (zh) * | 2022-07-15 | 2022-09-02 | 重庆金丙科技有限公司 | 一种基于智能化的物流仓储自动化分拣输送调控管理系统 |
-
2022
- 2022-09-19 CN CN202211136397.8A patent/CN115518893B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102218404A (zh) * | 2011-01-26 | 2011-10-19 | 安徽省一一通信息科技有限公司 | 基于射频、视频和红外识别跟踪的物流分拣系统及其方法 |
CN109784819A (zh) * | 2019-03-19 | 2019-05-21 | 东部机场集团有限公司 | 货运安检分类分级系统及其分级方法 |
CN110738374A (zh) * | 2019-10-15 | 2020-01-31 | 秒针信息技术有限公司 | 货物的装配方法及装置 |
CN111401813A (zh) * | 2020-03-20 | 2020-07-10 | 河北凯通信息技术服务有限公司 | 一种基于影像识别的物流分拣系统 |
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 |
CN215099800U (zh) * | 2020-12-17 | 2021-12-10 | 河南冠邦供应链管理有限公司 | 一种智能入库系统 |
CN114682515A (zh) * | 2022-02-25 | 2022-07-01 | 无锡市泰瑞电子设备制造有限公司 | 一种生产线自动分拣配送系统及方法 |
CN114985275A (zh) * | 2022-07-15 | 2022-09-02 | 重庆金丙科技有限公司 | 一种基于智能化的物流仓储自动化分拣输送调控管理系统 |
Non-Patent Citations (2)
Title |
---|
蔡静;周昕;周锦云;张俊;: "水果加工分拣技术与损伤研究的现状与展望", 浙江农业科学 * |
陈默;: "物流分拣中破损快件的智能识别技术", 物流技术 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116273908A (zh) * | 2023-04-24 | 2023-06-23 | 天津万事达物流装备有限公司 | 一种基于智能制造的货架分拣系统 |
CN116273908B (zh) * | 2023-04-24 | 2023-09-19 | 天津万事达物流装备有限公司 | 一种基于智能制造的货架分拣系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115518893B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107617573B (zh) | 一种基于多任务深度学习的物流编码识别和分拣方法 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
CN111210181B (zh) | 一种货物流向管控方法及系统 | |
CN112861631B (zh) | 一种基于Mask Rcnn以及SSD的地磅人体入侵检测方法 | |
CN113744244B (zh) | 测量锂电池极片边缘到极耳边缘距离的在线视觉检测系统 | |
CN111160270B (zh) | 一种基于智能视频识别的桥梁监测方法 | |
CN115518893A (zh) | 一种基于数据分析的物流货物智能分拣系统 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
CN111242899A (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
CN113362009A (zh) | 一种物资库存管理方法、系统及计算机存储介质 | |
CN103473644A (zh) | 一种rfid物流平托盘全生命周期跟踪系统及方法 | |
CN114724076A (zh) | 图像识别方法、装置、设备及存储介质 | |
CN112985494A (zh) | 基于大数据和人工智能的冷链智慧物流运输在线实时监测云平台 | |
CN108508023A (zh) | 一种铁路接触网中接触端部顶紧螺栓的缺陷检测系统 | |
Wu et al. | Research on approaches for computer aided detection of casting defects in X-ray images with feature engineering and machine learning | |
CN111311546A (zh) | 集装箱检测方法、装置及计算机可读存储介质 | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
Sruthy et al. | Car damage identification and categorization using various transfer learning models | |
CN108557364B (zh) | 一种自动盘库方法和装置 | |
CN110689005A (zh) | 一种基于深度学习融合位置和形状信息的商品识别方法 | |
CN113987240B (zh) | 一种基于知识图谱的海关检样溯源方法及系统 | |
CN114581002A (zh) | 基于云计算和人工智能的工业生产原料智能管理系统 | |
CN111523522A (zh) | 一种设备智能运维管理方法及管理系统 | |
CN111275682A (zh) | 集装箱检测方法、装置及计算机可读存储介质 | |
CN117474344B (zh) | 一种货物运输过程的风险评估方法及系统 |
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 |