CN116704429A - 基于大数据分析的智能处理方法 - Google Patents

基于大数据分析的智能处理方法 Download PDF

Info

Publication number
CN116704429A
CN116704429A CN202310520283.1A CN202310520283A CN116704429A CN 116704429 A CN116704429 A CN 116704429A CN 202310520283 A CN202310520283 A CN 202310520283A CN 116704429 A CN116704429 A CN 116704429A
Authority
CN
China
Prior art keywords
goods
module
data
visual
warehouse
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
CN202310520283.1A
Other languages
English (en)
Other versions
CN116704429B (zh
Inventor
王健
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.)
Shanghai Shanhe Huiju Artificial Intelligence Technology Co ltd
Original Assignee
Hebei Chenbaisheng Information Technology 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 Hebei Chenbaisheng Information Technology Co ltd filed Critical Hebei Chenbaisheng Information Technology Co ltd
Priority to CN202310520283.1A priority Critical patent/CN116704429B/zh
Publication of CN116704429A publication Critical patent/CN116704429A/zh
Application granted granted Critical
Publication of CN116704429B publication Critical patent/CN116704429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了基于大数据分析的智能处理方法，所述该方法包括以下步骤：步骤一：建立库存数据库，在数据库中将商品的种类名称信息录入到相应的RFID标签项中，建立布局数据库，将仓库布局及路线数据录入布局数据库；步骤二：利用机械抓手把待入库货物逐一放置到传送带上并贴上RFID标签；步骤三：通过视觉模块和内部视检模块收集货物的视觉图像，针对视觉图像视觉分析模块进行处理分析；步骤四：对货物进行分类，并分层存放在固定区域；步骤五：分析订单数据，派遣智能机器人前往货架取货；步骤六：对买家退单的货物进行再入库处理；步骤七：对库存数据进行分析并进行可视化处理。本发明，具有效率高和准确性高的特点。

Description

基于大数据分析的智能处理方法
技术领域
本发明涉及仓库管理技术领域，具体为基于大数据分析的智能处理方法。
背景技术
随着信息技术的快速发展，企业的各项管理都在向信息化、智能化的方向发展。大多数电商企业的仓库管理数据已经开始采用计算机数据系统进行管理，但货物仍然采用人工搬运并记录的方式进行仓库管理。这不仅造成大量的人力资源浪费，而且由于人为的因素，仓库运行效率低、准确率低。
随着企业规模的不断发展，业务流量的激增，仓库管理的物资种类及数量在不断增加、出入库频率剧增，仓库管理作业也已十分复杂和多样化，传统的仓库作业模式已经难以满足仓库管理的便捷、快速和准确的要求，针对货物保质期限统计起来也是非常麻烦，而且在仓库的储存条件下货物真正可以储存的时间也是难以估计的，对客户退单货物再入库不能及时处理，或是处理起来十分不便。因此，设计效率高、便于管理和准确性高的基于大数据分析的智能处理方法是很有必要的。
发明内容
本发明的目的在于提供基于大数据分析的智能处理方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于大数据分析的智能处理方法，包括以下步骤：
步骤一：建立库存数据库，在数据库中将商品的种类名称信息录入到相应的RFID标签项中，建立布局数据库，将仓库布局及路线数据录入布局数据库；
步骤二：利用机械抓手把待入库货物逐一放置到传送带上并贴上RFID标签；
步骤三：通过视觉模块和内部视检模块收集货物的视觉图像，将数据传输到视觉分析模块进行数据分析；
步骤四：对货物进行分类，并分层存放在固定区域；
步骤五：分析订单数据，派遣智能机器人前往货架取货；
步骤六：对买家退单的货物进行再入库处理；
步骤七：对库存数据进行分析并进行可视化处理。
根据上述技术方案，所述通过视觉模块和内部视检模块收集货物的视觉图像，将数据传输到视觉分析模块进行数据分析，包括
通过视觉模块采集货物全方位的视觉图像；
内部视检模块对货物进行验视，根据外包装的破损情况选择验视方式，并将验视的数据收集并记录；
采集图像通过数据线传输到视觉分析模块；
视觉分析模块针对采集的视觉图像进行分析，将分析结果上传到控制终端。
根据上述技术方案，所述视觉分析模块针对所得到的视觉图像进行分析，包括：
获取货物外包装各方向的视觉图像，对每一张视觉图像进行扫描来提取外包装上的文字和轮廓特征，当提取的外包装上文字数据出现生产日期或保质期片段缺失时，初步判定为外包装字段缺失需返回进货口检查，对提取的文字数据进行特征筛选，选取包含有生产日期、保质期等信息的文字数据，将分析结果通过局域网传输到视觉分析模块的RFID读取器；
获取货物外包装的轮廓特征，与数据库中完好的货物外包装轮廓特征进行对比，判断出货物外包装是否破损；当货物外包装完好时，直接对货物进行X光射线扫描，判断货物内部物品是否损坏；当货物外包装破损时，利用X光透视装置对货物进行详细扫描，判断货物内部物品是否损坏。
根据上述技术方案，所述对货物进行分类，并分层存放在固定区域,包括：
分类模块根据RFID读取器每读取一个RFID标签都会识别货物种类和货物破损情况对机械抓手进行控制，对于完好的货物根据货物种类由机械抓手抓取货物，放到相应的传送带上方升降台的托盘上，每个托盘上都有固定的RFID标签记录货物名称信息；
通过智能机器人上的RFID读取器读取托盘上的RFID标签，将数据上传到控制终端，控制终端调取仓库布局数据库，规划智能机器人行驶路线，将货物运送到规定区域。
根据上述技术方案，所述分析订单数据，派遣智能机器人前往货架取货，包括：
出库模块调取数据库中的订单数据，将数据传输至订单处理模块，订单处理模块针对订单数据根进行分析，分析出订单货物的种类和所需数量，将分析结果上传到控制终端，控制终端调取仓库布局数据库根据分析结果规划路线，并向智能机器人发出指令优先从最下层的货物开始取，智能机器人前往货物所在区域取货，通过RFID读取器读取托盘上的RFID标签进一步确认所取货物信息是否正确。
根据上述技术方案，所述对买家退单的货物进行再入库处理，包括：
调取数据库中的订单记录，调整入库模块的模式转换为退单处理模式，机械抓手抓取要退货物放置到传送带上经过退单模式下入库模块的审查，最终得到应退货物的种类集合M和数量集合K，实退货物的种类集合Y和数量S，将结果上传至控制终端，控制终端接收到退款请求数据，针对退款请求数据进行处理将实退货物数量S对应的金额进行退款，撤销订单数据中实退货物的数量。
根据上述技术方案，所述对库存数据进行分析并进行可视化处理，包括：
通过库存数据库可视化模块调取库存数据库中的数据，进行分析处理，并将分析结果上传至控制终端，由控制终端将数据整合绘制成图表模型显示在控制终端上。
根据上述技术方案，所述库存数据库可视化模块进行分析，包括：
获取库存数据库中的货物信息数据，筛选出生产日期和保质期属性的数据，根据生产日期、保质期和入库时的日期,利用函数计算出货物还可以在仓库储存的时间T，将分析结果上传到控制终端，其中T的单位是天，当时间T等于设定的阈值D时，控制终端将会弹窗提醒这种商品即将过期请尽快处理；
调取库存数据库，筛选出货物种类集合Z及其所剩数量集合P，其中集合Z与集合P是一一对应的即Z1与P1是对应的，当集合P中存在Pn小于设定阈值G时，控制终端会弹窗提醒与之对应的Zn缺货，并根据设定的补货数量自动联系供货商下订单进行补货，并将订单记录上传到控制终端。
根据上述技术方案，所述基于大数据分析的智能处理方法及系统包括：
控制终端，用于对整个系统的控制；
入库模块，用于对入库货物的检测、统计，利用智能机器人将货物放到指定的位置；
出库模块，用于根据订单进行出货，对退单货物检查统计后再入库；
库存数据可视化模块，用于分析数据将数据被转换成可视化图表显示在控制终端上；
货物配送模块，用于规划智能机器人搬运货物路线。
与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有视觉模块、内部视检模块和视觉分析模块来分析待入库货物的状态，根据分析结果筛选出破损的货物，并且在此过程中还可以完成数据库商品信息的录入和生产日期保质期的提取，节省了人工录入的时间，而且避免了人为因素的影响，大大提高了仓库管理速度和准确度，还设置有自动补货方法，在货物剩余不多时进行自动补货，方便仓库管理员快捷高效的管理仓库。
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为本发明实施例一提供的基于大数据分析的智能处理方法流程图；
图2为本发明实施例二提供的一种基于大数据分析的智能处理系统的模块组成示意图。
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。
实施例一：图1为本发明实施例一提供的基于大数据分析的智能处理方法的流程图，本实施例可应用仓库管理的场景，该方法可以由本实施例提供的基于大数据分析的智能处理方法来执行，如图1所示，该方法具体包括以下步骤：
步骤一：建立库存数据库，在数据库中将商品的种类名称信息录入到相应的RFID标签项中，建立布局数据库，将仓库布局及路线数据录入布局数据库；
步骤二：利用机械抓手把待入库货物逐一放置到传送带上并贴上RFID标签；
步骤三：通过视觉模块和内部视检模块收集货物的视觉图像数据，针对视觉图像视觉分析模块进行处理分析；
在本发明实施例中，货物在传送带上运输的过程中，通过视觉模块对放置于传送带上的货物进行抓拍，采集货物全方位的视觉图像，采集后的图像通过数据线传输到视觉分析模块，内部视检模块对货物进行验视，根据外包装的破损情况选择验视方式，并将验视的数据收集并记录，采集的数据通过数据线传输到视觉分析模块，视觉分析模块针对所得到的视觉图像进行分析，将分析结果上传到控制终端；
示例性的，视觉模块对视觉图像的分析方法主要包括针对货物外包装上名称、生产日期和保质期的提取和对货物质量的分析。其中针对货物外包装上名称、生产日期和保质期的提取具体方法为：获取货物外包装各方向的视觉图像，对每一张视觉图像进行扫描来提取外包装上的文字和轮廓特征，当提取的外包装上文字数据出现生产日期或保质期片段缺失时，初步判定为外包装字段缺失需返回进货口检查，对提取的文字数据进行特征筛选，选取包含有生产日期、保质期等信息的文字数据，将分析结果通过局域网传输到视觉分析模块的RFID读取器。对货物质量分析的具体方法为：获取货物外包装的轮廓特征，与数据库中完好的货物外包装轮廓特征进行对比，判断出货物外包装是否破损，当轮廓特征完全对上时，货物外包装完好，反之则当轮廓特征存在缺失时，货物外包装破损，针对货物包装是否破损所采取的货物内部物品检测方法也存在差异，当货物外包装完好时，直接对货物进行X光射线扫描，根据货物内部物品对X光射线的吸收程度不同，获得货物内部物品的轮廓，并将内部物品轮廓与预设在库存数据库中完好的货物内部物品轮廓进行对比，判断货物内部物品是否损坏，当内部物品轮廓与完好的货物内部物品轮廓不完全相同时，则判断该货物内部物品出现破损，当完全相同时，判定货物内部物品无破损；当货物外包装破损时，利用X光透视装置对货物进行详细扫描，根据货物内部物品厚度、密度不同对X光的吸收程度不同，因此最终到达接收器的X光射线数量也不同，经过数据图像处理构建物品的立体模型，与数据库中该物品的完好的立体模型进行细致对比，检测并判断货物内部物品是否破损，当物品的立体模型完全相同时，判定货物内部物品保存完好；当立体模型出现差异时，例如构建的物品立体模型表面出现一片黑色区域，判定货物内部物品出现问题，并根据对比结果分析出具体问题，将分析结果传输到RFID读取器。由视觉分析模块的RFID读取器将视觉分析结果录入RFID标签，方便后续能够高效、准确地对货物分区放置。其中，粗略的X光射线扫描与X光透视装置是分开的，由于外包装并没有破损，利用X光射线进行粗略地扫描速度快，效率高；对于外包装破损的货物，进行X光透视装置的扫描，精确度要求高，扫描速度就很慢，两个装置分开来同时进行大大提高了效率，并且一般情况下破损的货物不会很多，不会浪费很多时间。
步骤四：对货物进行分类，并分层存放在固定区域；
示例性的，传送带上货物在运输的过程中，位于传送带正上方的RFID读取器每读取一个RFID标签都会识别货物种类和货物破损情况，并在库存数据库中记录完好货物的数量，用于统计入库货物数量，分类模块根据货物种类和货物破损情况对机械抓手进行控制，对于完好的货物根据货物种类由机械抓手抓取货物，放到相应的传送带上方升降台的托盘上，每个托盘上都有固定的RFID标签记录货物名称信息，当托盘上的货物数量达到预设阈值N个后，升降台下降将托盘放置在传送带上，升降台再次升起机械抓手再放置一个托盘在升降台上，以此往复，通过智能机器人上的RFID读取器读取托盘上的RFID标签，将数据上传到控制终端，控制终端调取仓库布局数据库，规划智能机器人行驶路线，将货物运送到规定区域，当智能机器人在放置货物时，智能机器人抬升机械臂将货物堆放在货架上，智能机器人的机械臂在没抬升的状态下对应的是货架的第一层，机械臂每抬升一阶对应的层数就相应的加一，机器人会把机械臂抬升阶数收集并记录下来，上传控制终端并通过智能机器人上的RFID读取器将数据录入托盘上的RFID标签中，机械臂对于外包装破损或内部破损的货物由机械抓手抓取放到另一个反向传送带上，传送至仓库进货口与供货商置换新的外包装用于更换破损的包装并将损坏的货物与供货商置换成完好的货物，这样就节约了仓库对待入库货物进行人工挑拣处理的人力资源投入，还节省了大量时间，大大提高了仓库管理的效率，而且没有了人为因素的影响，处理结果更加准确。
步骤五：分析订单数据，派遣智能机器人前往货架取货；
示例性的，在仓库长期运营的情况下，仓库的环境可能不会适应所有货物的储存条件，放在最下层的货物可能长时间的堆积会受到仓库环境的影响，导致保质期限期可能会短于实际期限，所以对最下层的货物优先出库，对减少仓库损失节约成本有很大意义。出库模块调取数据库中的订单数据，将数据传输至订单处理模块，订单处理模块针对订单数据根进行分析，分析出订单货物的种类和所需数量，将分析结果上传到控制终端，控制终端调取仓库布局数据库根据分析结果规划路线，并向智能机器人发出指令优先从最下层的货物开始取，智能机器人前往货物所在区域取货，通过RFID读取器读取托盘上的RFID标签进一步确认所取货物信息是否正确，当RFID读取器读取的RFID标签信息符合时，智能机器人将托盘放置在传送带上的升降平台上，由机械抓手抓取放置于传送带上传送至出货口，机械抓手每抓取一次将在库存数据中记录一次该种货物数量减一，反之则当读取信息不符合时，智能机器人立即停止行动并向控制终端发送警报，提醒仓库管理人员前去查看，根据查看结果做出判断。因此，在出货的过程中就避免了出现出错货的情况，整体提高了出货的准确性，为客户提供更优质的服务。
步骤六：对买家退单的货物进行再入库处理；
示例性的，在仓库的运营中，可能会出现买家退单的情况，针对这种情况，
通过退单再入库模块调取数据库中的这批货物的订单记录，根据实退单货物情况对订单数据进行处理。针对退单货物的具体处理方法为：调取数据库中的订单记录，调整入库模块的模式转换为退单处理模式，机械抓手抓取要退货物放置到传送带上经过退单模式下入库模块的审查，最终得到应退货物的种类集合M=（M1，M2，...Mn）和数量集合K=（K1，K2，...Kn），实退货物的种类集合Y=（Y1，Y2，...Yn）和数量S=（S1，S2，...Sn），将结果上传至控制终端。其中集合M与集合Y是一一对应的关系即应退货物种类M1与数量K1对应，集合Y与集合S也是一一对应的关系即实退货物种类Y1与数量S1对应。控制终端接收到退款请求数据，针对退款请求数据进行处理将实退货物数量S对应的金额进行退款，撤销订单数据中实退货物的种类Yn和对应的数量Sn，将经过退单模式下入库模块检测出的破损货物交付给买家。这种模式节约了单独开设退货模块所需设备成本和场地成本，而且还可以快速处理退单货物，使仓库管理起来更加方便快捷。
步骤七：对库存数据进行分析并进行可视化处理。
在本发明实施例中，通过库存数据库可视化模块调取库存数据库中的数据，进行分析处理，并将分析结果上传至控制终端，由控制终端将数据整合绘制成图表模型显示在控制终端上，方便管理员对仓库库存数量和货物保质期限的把控。
示例性的，库存数据库可视化模块进行分析的具体方法包括针对货物状态的分析、对库存数量的分析。其中针对货物状态分析的具体方法为：获取库存数据库中的货物信息数据，筛选出生产日期和保质期属性的数据，根据生产日期、保质期和入库时的日期,利用函数计算出货物还可以在仓库储存的时间T，将分析结果上传到控制终端，其中T的单位是天，当时间T等于设定的阈值D时，控制终端将会弹窗提醒这种商品即将过期请尽快处理。不再需要人工去对货物保质期进行统计，节约大量的时间，极大的提高了仓库管理的效率。对库存数量分析的具体方法为：调取库存数据库，筛选出货物种类集合Z=（Z1，Z2，...，Zn）及其所剩数量集合P=（P1，P2，...，Pn），其中集合Z=（Z1，Z2，...，Zn）与集合P=（P1，P2，...，Pn）是一一对应的即Z1与P1是对应的，当集合P中存在Pn货物数量小于设定阈值G时，控制终端会弹窗提醒与之对应的Zn缺货，并根据设定的补货数量自动联系供货商下订单进行补货，并将订单记录上传到控制终端。因此仓库管理员可以清晰地了解到货物数量情况，能够更便捷、更高效地进行补货处理。
实施例二：本发明实施例二提供了基于大数据分析的智能处理方法，图2为本发明实施例二提供的基于大数据分析的智能处理方法的模块组成示意图，如图2所示，该系统包括：
控制终端，用于对整个系统的控制；
入库模块，用于对入库货物的检测、统计，利用智能机器人将货物放到指定的位置；
出库模块，用于根据订单进行出货，对退单货物检查统计后再入库；
库存数据可视化模块，用于分析数据将数据被转换成可视化图表显示在控制终端上；
货物配送模块，用于规划智能机器人搬运货物路线。
在本发明的一些实施例中，入库模块包括：
RFID标签录入，用于把商品名称信息录入RFID标签；
库存数据库，用于储存仓库中的货物数据；
货物检测模块，用于收集货物的视觉图像数据；
视觉分析模块，用于提取货物外包装上的货物信息，检测货物内部或外包装是否损坏；
分类模块，用于对货物分类并挑选出破损的货物。
在本发明的一些实施例中，出库模块包括：
订单处理模块，用于根据订单分析出所需货物的种类及其对应的数量；
退单再入库模块，用于对客户退单货物进行检查并再入库。
在本发明的一些实施例中，库存数据可视化模块包括：
货物状态分析模块，用于计算货物保质期剩余时间；
库存数量分析模块，用于根据库存剩余数量进行采购；
在本发明的一些实施例中，货物配送包括：
仓库布局数据库，用于储存仓库货物位置布局和仓库线路信息；
智能机器人，用于货物的搬运。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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.基于大数据分析的智能处理方法，其特征在于：所述方法包括以下步骤：
步骤一：建立库存数据库，在数据库中将商品的种类名称信息录入到相应的RFID标签项中，建立布局数据库，将仓库布局及路线数据录入布局数据库；
步骤二：利用机械抓手把待入库货物逐一放置到传送带上并贴上RFID标签；
步骤三：通过视觉模块和内部视检模块收集货物的视觉图像，针对视觉图像视觉分析模块进行处理分析；
步骤四：对货物进行分类，并分层存放在固定区域；
步骤五：分析订单数据，派遣智能机器人前往货架取货；
步骤六：对买家退单的货物进行再入库处理；
步骤七：对库存数据进行分析并进行可视化处理。
2.根据权利要求1所述的基于大数据分析的智能处理方法，其特征在于：所述通过视觉模块和内部视检模块收集货物的视觉图像，针对视觉图像视觉分析模块进行处理分析的步骤，包括：
通过视觉模块采集货物全方位的视觉图像；
内部视检模块对货物进行验视，根据外包装的破损情况选择验视方式，并将验视的数据收集并记录；
采集图像通过数据线传输到视觉分析模块；
视觉分析模块针对采集的视觉图像进行分析，将分析结果上传到控制终端。
3.根据权利要求2所述的基于大数据分析的智能处理方法，其特征在于：所述视觉分析模块针对所得到的视觉图像进行分析的步骤，包括：
获取货物外包装各方向的视觉图像，对每一张视觉图像进行扫描来提取外包装上的文字和轮廓特征，当提取的外包装上文字数据出现生产日期或保质期片段缺失时，初步判定为外包装字段缺失需返回进货口检查，对提取的文字数据进行特征筛选，选取包含有生产日期、保质期等信息的文字数据，将分析结果通过局域网传输到视觉分析模块的RFID读取器；
获取货物外包装的轮廓特征，与数据库中完好的货物外包装轮廓特征进行对比，判断出货物外包装是否破损；当货物外包装完好时，直接对货物进行X光射线扫描，判断货物内部物品是否损坏；当货物外包装破损时，利用X光透视装置对货物进行详细扫描，判断货物内部物品是否损坏。
4.根据权利要求3所述的基于大数据分析的智能处理方法，其特征在于：所述对货物进行分类，并分层存放在固定区域的步骤，包括：
分类模块根据RFID读取器每读取一个RFID标签都会识别货物种类和货物破损情况对机械抓手进行控制，对于完好的货物根据货物种类由机械抓手抓取货物，放到相应的传送带上方升降台的托盘上，每个托盘上都有固定的RFID标签记录货物名称信息；
通过智能机器人上的RFID读取器读取托盘上的RFID标签，将数据上传到控制终端，控制终端调取仓库布局数据库，规划智能机器人行驶路线，将货物运送到规定区域。
5.根据权利要求4所述的基于大数据分析的智能处理方法，其特征在于：所述分析订单数据，派遣智能机器人前往货架取货的步骤，包括：
出库模块调取数据库中的订单数据，将数据传输至订单处理模块，订单处理模块针对订单数据根进行分析，分析出订单货物的种类和所需数量，将分析结果上传到控制终端，控制终端调取仓库布局数据库根据分析结果规划路线，并向智能机器人发出指令优先从最下层的货物开始取，智能机器人前往货物所在区域取货，通过RFID读取器读取托盘上的RFID标签进一步确认所取货物信息是否正确。
6.根据权利要求5所述的基于大数据分析的智能处理方法，其特征在于：所述对买家退单的货物进行再入库处理的步骤，包括：
调取数据库中的订单记录，调整入库模块的模式转换为退单处理模式，机械抓手抓取要退货物放置到传送带上经过退单模式下入库模块的审查，最终得到应退货物的种类集合M和数量集合K，实退货物的种类集合Y和数量S，将结果上传至控制终端，控制终端接收到退款请求数据，针对退款请求数据进行处理将实退货物数量S对应的金额进行退款，撤销订单数据中实退货物的数量。
7.根据权利要求6所述的基于大数据分析的智能处理方法，其特征在于：所述对库存数据进行分析并进行可视化处理的步骤，包括
通过库存数据库可视化模块调取库存数据库中的数据，进行分析处理，并将分析结果上传至控制终端，由控制终端将数据整合绘制成图表模型显示在控制终端上。
8.根据权利要求7所述的基于大数据分析的智能处理方法，其特征在于：所述库存数据库可视化模块进行分析的步骤，包括
获取库存数据库中的货物信息数据，筛选出生产日期和保质期属性的数据，根据生产日期、保质期和入库时的日期,利用函数计算出货物还可以在仓库储存的时间T，将分析结果上传到控制终端；
调取库存数据库，筛选出货物种类集合Z及其所剩数量集合P，其中集合Z与集合P是一一对应的即Z1与P1是对应的，当集合P中存在Pn小于设定阈值G时，控制终端会弹窗提醒与之对应的Zn缺货，并根据设定的补货数量自动联系供货商下订单进行补货，并将订单记录上传到控制终端。
9.基于大数据分析的智能处理方法及系统，其特征在于：所述该系统包括：
控制终端，用于对整个系统的控制；
入库模块，用于对入库货物的检测、统计，利用智能机器人将货物放到指定的位置；
出库模块，用于根据订单进行出货，对退单货物检查统计后再入库；
库存数据可视化模块，用于分析数据将数据被转换成可视化图表显示在控制终端上；
货物配送模块，用于规划智能机器人搬运货物路线。
10.根据权利要求9所述的基于大数据分析的智能处理方法及系统，其特征在于：所述入库模块包括：
RFID标签录入，用于把商品名称信息录入RFID标签；
库存数据库，用于储存仓库中的货物数据；
货物检测模块，用于收集货物的视觉图像数据；
视觉分析模块，用于提取货物外包装上的货物信息，检测货物内部或外包装是否损坏；
分类模块，用于对货物分类并挑选出破损的货物；
所述出库模块包括：
订单处理模块，用于根据订单分析出所需货物的种类及其对应的数量；
退单再入库模块，用于对客户退单货物进行检查并再入库；
所述库存数据可视化模块包括：
货物状态分析模块，用于计算货物保质期剩余时间；
库存数量分析模块，用于根据库存剩余数量进行采购；
所述货物配送包括：
仓库布局数据库，用于储存仓库货物位置布局和仓库线路信息；
智能机器人，用于货物的搬运。
CN202310520283.1A 2023-05-10 2023-05-10 基于大数据分析的智能处理方法 Active CN116704429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310520283.1A CN116704429B (zh) 2023-05-10 2023-05-10 基于大数据分析的智能处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310520283.1A CN116704429B (zh) 2023-05-10 2023-05-10 基于大数据分析的智能处理方法

Publications (2)

Publication Number Publication Date
CN116704429A true CN116704429A (zh) 2023-09-05
CN116704429B CN116704429B (zh) 2024-03-22

Family

ID=87836435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310520283.1A Active CN116704429B (zh) 2023-05-10 2023-05-10 基于大数据分析的智能处理方法

Country Status (1)

Country Link
CN (1) CN116704429B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117218112A (zh) * 2023-11-03 2023-12-12 江苏森途信息技术有限公司 一种基于视频分析的危废仓库超量识别系统及方法
CN117270544A (zh) * 2023-11-21 2023-12-22 天津华燕康源科技有限公司 一种基于ai识别的智能物流机器人物流方法和系统
CN117455346A (zh) * 2023-12-21 2024-01-26 广东鑫港湾供应链管理有限公司 一种用于药品仓储中心的包装追踪方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082528A (ko) * 2011-12-07 2013-07-22 삼성에스디에스 주식회사 창고 관리 시스템 및 창고 관리 방법
CN111091322A (zh) * 2019-12-06 2020-05-01 南通中实纺织交易市场有限公司 一种基于rfid的智能仓储平台的管理方法
CN114331284A (zh) * 2021-12-31 2022-04-12 深圳市凯东源现代物流股份有限公司 一种基于云计算的智能仓储服务管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082528A (ko) * 2011-12-07 2013-07-22 삼성에스디에스 주식회사 창고 관리 시스템 및 창고 관리 방법
CN111091322A (zh) * 2019-12-06 2020-05-01 南通中实纺织交易市场有限公司 一种基于rfid的智能仓储平台的管理方法
CN114331284A (zh) * 2021-12-31 2022-04-12 深圳市凯东源现代物流股份有限公司 一种基于云计算的智能仓储服务管理系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117218112A (zh) * 2023-11-03 2023-12-12 江苏森途信息技术有限公司 一种基于视频分析的危废仓库超量识别系统及方法
CN117218112B (zh) * 2023-11-03 2024-02-06 江苏森途信息技术有限公司 一种基于视频分析的危废仓库超量识别系统及方法
CN117270544A (zh) * 2023-11-21 2023-12-22 天津华燕康源科技有限公司 一种基于ai识别的智能物流机器人物流方法和系统
CN117455346A (zh) * 2023-12-21 2024-01-26 广东鑫港湾供应链管理有限公司 一种用于药品仓储中心的包装追踪方法及系统
CN117455346B (zh) * 2023-12-21 2024-04-09 广东鑫港湾供应链管理有限公司 一种用于药品仓储中心的包装追踪方法及系统

Also Published As

Publication number Publication date
CN116704429B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN116704429B (zh) 基于大数据分析的智能处理方法
CN108764783B (zh) 一种电商自动化仓储配货的货找人管理方法
CN106056341A (zh) 一种精确化仓库信息管理系统
WO2023092541A1 (zh) 信息管理方法及装置
CN109886606A (zh) 一种元器件智能化检测生产管理系统及方法
CN113435812A (zh) 订单全链路轨迹生成方法、装置、设备及存储介质
CN116409575A (zh) 一种智能仓储货架进出库管控系统
CN111652547A (zh) 一种物流集运方法与系统
CN112766857B (zh) 一种智能仓储管理平台、系统及方法
CN110826663A (zh) 一种基于rfid的航材管理系统
TWI759891B (zh) 用於向使用者提供指令的電腦實施系統及電腦實施方法、以及用於在資訊的受限存取下工作的使用者有效分類物件的電腦實施系統
CN112249573B (zh) 一种多规格产品分类集中入库存储的系统及其方法
US11176516B1 (en) Systems and methods for automated information collection and processing
MXPA05010672A (es) Sistema y metodo para el seguimiento del correo usando un sistema de codificacion universal.
CN110328147B (zh) 自动分拣方法和系统
CN113837339A (zh) 一种生产、仓储、物流一体化系统及方法
CN112580941A (zh) 一种中药饮片的物料管理方法
Au Warehouse management system and business performance: Case study of a regional distribution centre
CN109540467A (zh) 基于工业互联网平台的光纤自动测试系统
CN111339259A (zh) 一种在sap中实现预包装待交付物料的方法
Kelepouris et al. Automatic ID Systems: Enablers for Track and Trace Performance
CN113112175B (zh) 一种高效的仓库货架清点方法和管理系统
CN117840058A (zh) 一种结合自动分拣管理系统的快递物流智能安检管理系统
CN116523436B (zh) 一种基于超高频rfid技术的“直播式”仓储管理系统
JP7335658B2 (ja) 情報処理装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240223

Address after: Room 1001, 10th Floor, Jincheng Building, No. 511 Tianmu West Road, Jing'an District, Shanghai 200040

Applicant after: Shanghai Shanhe Huiju Artificial Intelligence Technology Co.,Ltd.

Country or region after: China

Address before: 050000 707, Building A, Huigu Building, High tech Zone, Shijiazhuang City, Hebei Province

Applicant before: Hebei Chenbaisheng Information Technology Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant