CN116984264A - 一种粮库仓储智能作业方法、装置与系统 - Google Patents
一种粮库仓储智能作业方法、装置与系统 Download PDFInfo
- Publication number
- CN116984264A CN116984264A CN202311112672.7A CN202311112672A CN116984264A CN 116984264 A CN116984264 A CN 116984264A CN 202311112672 A CN202311112672 A CN 202311112672A CN 116984264 A CN116984264 A CN 116984264A
- Authority
- CN
- China
- Prior art keywords
- target
- grain
- target grain
- grains
- granary
- 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
- 239000000463 material Substances 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 63
- 238000004806 packaging method and process Methods 0.000 claims description 33
- 238000007637 random forest analysis Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 7
- 235000013305 food Nutrition 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- 230000001953 sensory effect Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 abstract 1
- 235000013339 cereals Nutrition 0.000 description 218
- 239000000575 pesticide Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- GTCAXTIRRLKXRU-UHFFFAOYSA-N methyl carbamate Chemical compound COC(N)=O GTCAXTIRRLKXRU-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229930195730 Aflatoxin Natural products 0.000 description 1
- XWIYFDMXXLINPU-UHFFFAOYSA-N Aflatoxin G Chemical compound O=C1OCCC2=C1C(=O)OC1=C2C(OC)=CC2=C1C1C=COC1O2 XWIYFDMXXLINPU-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000235342 Saccharomycetes Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 241000191967 Staphylococcus aureus Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000005409 aflatoxin Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 235000013373 food additive Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 150000002978 peroxides Chemical class 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000002728 pyrethroid Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000011076 safety test Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- B07C5/3412—Sorting according to other particular properties according to a code applied to the object which indicates a property of the object, e.g. quality class, contents or incorrect indication
-
- 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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- 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
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明提供一种粮库仓储智能作业方法、装置与系统,涉及粮仓管理技术领域,解决无法对对粮食进行准确分拣及分类存储的问题。包括:通过直流电机驱动物料盘向粮仓入口处运送目标粮食;通过第一位置传感器确定目标粮食到达预设位置时,启动极坐标机械手将目标粮食搬运至传送带;通过图像采集设备采集目标粮食的分类信息,通过变频器驱动三相异步电机带动传送带将目标粮食运送至分类信息对应的送料口;通过第二位置传感器确定目标粮食到达送料口的预设范围时,触发电磁阀控制送料口轨道入口处的气缸运动,推动目标粮食进入轨道滑向对应的分类粮仓,并更新分类粮仓内粮食的数量。可以根据不同的粮食品种,实现粮仓运送智能化。
Description
技术领域
本申请涉及粮仓管理技术领域,尤其涉及一种粮库仓储智能作业方法、装置与系统。
背景技术
粮食的储备质量直接影响到人们的生活质量,因此,人们对粮食的要求也越来越高。随着科技发展和进步, 以及生产力水平的提高, 农业发展走“ 现代化”和“ 科技化”道路迫在眉睫, 符合时代的“ 智能粮仓” 应运而生。
目前,虽然智能粮仓的存储系统日渐进步, 但是智能粮仓的运送系统大多情况是依靠人力分拣、机械搬运实现,存在一定比例分拣出错率、资源浪费,智能粮仓的运送系统技术至关重要, 也是实现精细化农业的基础。
发明内容
为了解决上述技术缺陷,本申请实施例提供了一种粮库仓储智能作业方法、装置与系统。
本申请实施例提供了一种粮库仓储智能作业方法,应用于粮库仓储智能作业系统,所述系统包括:控制器、直流电机、物料盘、第一位置传感器、极坐标机械手、图像采集设备、变频器、三相异步电机、传送带、第二位置传感器、多个电磁阀和多个气缸;所述方法应用于控制器,包括:
通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
通过所述第一位置传感器确定所述目标粮食到达预设位置时,启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
通过所述图像采集设备采集所述目标粮食的分类信息,通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
通过所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
优选地,通过所述图像采集设备采集所述目标粮食的分类信息之前包括:
确定所述目标粮食是否合格;
当所述目标粮食合格时,执行通过所述图像采集设备采集所述目标粮食的分类信息的步骤;
当所述目标粮食不合格时,通过变频器驱动所述三相异步电机带动所述传送带将所述不合格粮食运送至不合格送料口;
当所述不合格粮食到达所述不合格送料口时,触发对应的电磁阀控制所述不合格送料口轨道入口处的气缸运动,推动所述不合格粮食进入所述轨道,并更新所述不合格送料口内粮食的数量,当所述数量达到预设阈值时,发出告警信息。
优选地,确定所述目标粮食是否合格包括:
通过所述图像采集设备采集所述目标粮食包装袋的图片,确定所述目标粮食包装袋是否存在破损,当存在破损时,确定所述目标粮食不合格;
测量所述目标粮食的重量,与包装袋标识的重量或者产品信息中标记的重量进行比对,当误差超过预设阈值范围时,确定所述目标粮食不合格;
当不存在破损并误差在预设阈值范围内时,确定所述目标粮食合格。
优选地,所述粮库仓储智能作业系统还包括:钻头设备,所述确定所述目标粮食是否合格还包括:
通过所述钻头设备获取所述目标粮食内部的检测样品,并对所述检测样品进行安全检测;根据检测结果判断所述检测样品是否合格;
对所述检测样品进行安全检测的项目包括以下的一项或者多项:感官检测、理化检测、微生物检测、食品安全检测;
当存在一项或者多项安全检测项目不合格时,确定所述检测样品不合格,当全部安全检测项目均合格时,确定所述检测样品合格。
优选地,所述的方法,还包括:
若扫描所述目标粮食包装袋的条形码或者包装袋的图片无法获得所述目标粮食的分类信息,采集所述目标粮食内部的检测样品的图像,对所述目标粮食的图像进行特征提取,依据提取的所述特征通过随机森林分类模型对所述目标粮食进行分类,获得所述目标粮食的分类信息;
所述随机森林分类模型通过以下步骤进行训练:
基于随机森林分类模型的预设棵数和特征子集数目,以所述预设棵数为中心设置所述预设棵数的范围和以所述特征子集数目为中心设置所述特征子集数目的范围;
在所述预设棵数的范围和所述特征子集数目的范围内,将所述预设棵数和所述特征子集数目随机组合成特征值对,所述特征值对形成特征值对集合;对于所述特征值集合中的每一个特征值对,利用原始粮食图像样品集合训练随机森林分类模型,对所述随机森林分类模型进行测试,得到样本准确率,将最优样本准确率作为所述特征值集合的样本准确率;
将所述最优样本准确率对应的最优特征值对作为所述随机森林分类模型的预设棵数的初始值和特征子集数目参量的初始值,重复上述步骤,直到最优特征值对不再变化为止。
优选地,所述方法还包括:检测所述分类粮仓内粮食的数量,当所述数量少于或者等于预设缺粮阈值时,发出提示信息。
优选地,所述方法还包括:获取所述分类粮仓的实时监控视频,并将每相邻两个视频帧做差,得到视频差值图像,基于粮仓堆放模型对所述视频差值图像进行检测,判断是否存在倒塌危险,在存在倒塌危险的情况下触发提示。
优选地,基于粮仓堆放模型对所述视频差值图像进行检测包括:
多个视频差值图像构成视频差值图像序列;
基于粮仓堆放模型对所述视频差值图像序列进行粮仓堆放的关键点检测和子集划分,得到所述视频差值图像中的粮仓目标和粮仓目标的关键点集合;
基于三维卷积神经网络对所述视频差值图像中的粮仓目标和其关键点分别进行行为识别,得到粮仓目标是否存爱倒塌危险。
第二方面,本发明还提供一种粮库仓储智能作业装置,设置于控制器,所述装置包括:
供料模块,用于通过直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
搬运模块,用于通过第一位置传感器确定所述目标粮食到达预设位置时,启动极坐标机械手将所述目标粮食搬运至传送带;
运送模块,用于通过图像采集设备采集所述目标粮食的分类信息,通过变频器驱动三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
分拣模块,用于通过第二位置传感器确定所述目标粮食到达送料口的预设范围时,触发电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
第三方面,本发明还提供一种粮库仓储智能作业系统,所述系统包括:控制器、直流电机、物料盘、第一位置传感器、极坐标机械手、图像采集设备、变频器、三相异步电机、传送带、第二位置传感器、多个电磁阀和多个气缸;
所述控制器通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
在所述第一位置传感器确定所述目标粮食到达预设位置时,所述控制器启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
所述图像采集设备采集所述目标粮食的分类信息,所述控制器通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,所述控制器触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
本申请实施例中提供的粮库仓储智能作业方法、装置与系统,针对无法对智能对粮食进行准确分拣及运送、分类存储的问题,能够根据不同的粮食品种, 进行不同品种粮食的识别, 分拣及运送、分类存储至不同的小粮仓或者位置(存储对应品种的粮食),从而实现粮仓运送智能化。进一步地,本发明在粮食缺少或者不合格粮食达到一定数量时,可以发出提示或者告警信息,便于粮仓监测和管理。
附图说明
图1为本申请实施例提供的一种粮库仓储智能作业方法的流程图;
图2为本申请实施例提供的一种粮库仓储智能作业装置的结构示意图;
图3为本申请实施例提供的一种粮库仓储智能作业系统的结构示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示,本发明实施例提供粮库仓储智能作业方法,应用于粮库仓储智能作业系统,所述系统包括:控制器、直流电机、物料盘、第一位置传感器、极坐标机械手、图像采集设备、变频器、三相异步电机、传送带、多个第二位置传感器、多个电磁阀和多个气缸;所述方法应用于控制器,可以包括步骤S110至步骤S140:
S110、通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
S120、通过所述第一位置传感器确定所述目标粮食到达预设位置时,启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
S130、通过所述图像采集设备采集所述目标粮食的分类信息,通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
S140、通过所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
本发明实施例中,首先以直流电机驱动物料盘向智能粮仓供给目标粮食, 在目标粮食到达预定位置后,使用极坐标机械手进行目标粮食的搬运,然后进行不同品种粮食的识别,使用三相异歩直流电机、电磁阀和气缸对传送带上的粮食进行分拣和运送,本发明实施例通过硬件和软件的有机结合,完成粮库仓储智能作业。
本发明实施例中,步骤S130通过所述图像采集设备采集所述目标粮食的分类信息之前包括:
确定所述目标粮食是否合格;
当所述目标粮食合格时,执行通过所述图像采集设备采集所述目标粮食的分类信息的步骤;
当所述目标粮食不合格时,通过变频器驱动所述三相异步电机带动所述传送带将所述不合格粮食运送至不合格送料口;
当所述不合格粮食到达所述不合格送料口时,触发对应的电磁阀控制所述不合格送料口轨道入口处的气缸运动,推动所述不合格粮食进入所述轨道,并更新所述不合格送料口内粮食的数量,当所述数量达到预设阈值时,发出告警信息。
本发明实施例中,确定所述目标粮食是否合格包括:
通过所述图像采集设备采集所述目标粮食包装袋的图片,确定所述目标粮食包装袋是否存在破损,当存在破损时,确定所述目标粮食不合格;
测量所述目标粮食的重量,与包装袋标识的重量或者产品信息中标记的重量进行比对,当误差超过预设阈值范围时,确定所述目标粮食不合格;
当不存在破损并误差在预设阈值范围内时,确定所述目标粮食合格。
本发明实施例中,可以分拣出破损、净含量不合格的粮食,并进行单独存储,以免不合格粮食流入市场或者污染其他粮食。
实施例
1、由物料盘进行粮食供给,通过物料盘不断的供应不同品种的粮食至粮仓入口处。
2、第一位置传感器感应到信号,说明当前运送的粮食达到预设位置,即 “粮食到位”,控制器向极坐标机械手发送搬运指令,由极坐标机械手将当前粮食搬运至传送带上。
3、图像采集设备通过扫码或者识别文字获取粮食的品种,例如麦类、米类、薯类、谷类、豆类等,本发明实施例中的粮库需要将不同品种的粮食运送至不同的小粮仓或者位置,控制器通过变频器驱动三相异步电机带动传送带将粮食运送至对应品种的粮仓的送料口,本实施例中设置一条传送带,该条传送带通过每个品种的粮食的送料口。在其他实施例中,可以设置多条传送带,每条传送带通过唯一品种的粮食的送料口,此情况下,在识别出粮食的品种后,将粮食运送至对应的传送带上,由该传送带直接运送至对应品种的粮食的送料口。
4、每个送料口附近设置第二位置传感器和气缸,每个送料口对应一个电磁阀,电磁阀可以远程设置,也可以设置在送料口附近,第二位置传感器感应到信号,说明当前运送的粮食达到送料口的预设范围,即当前运送的粮食可以被推入送料口轨道,控制器触发电磁阀控制送料口轨道入口处的气缸运动,推动当前粮食进入轨道滑向对应的分类粮仓。其中,不同分类粮仓的送料口的距离可以很近,由对应的轨道滑向距离很远的分类粮仓。
5、若检测到当前运送的粮食不合格,由控制器触发对应的电磁阀控制所述不合格送料口轨道入口处的气缸运动,推动不合格粮食进入轨道,将当前运送的粮食滑入不合格粮仓。
本发明实施例中,所述粮库仓储智能作业系统还包括:钻头设备,所述确定所述目标粮食是否合格还包括:
通过所述钻头设备获取所述目标粮食内部的检测样品,并对所述检测样品进行安全检测;根据检测结果判断所述检测样品是否合格;
对所述检测样品进行安全检测的项目包括以下的一项或者多项:感官检测、理化检测、微生物检测、食品安全检测;
当存在一项或者多项安全检测项目不合格时,确定所述检测样品不合格,当全部安全检测项目均合格时,确定所述检测样品合格。
为进一步检测粮食是否合格,可以对粮食进行感官检测、理化检测、微生物检测、食品安全检测,进而确定粮食质量是否合格,感官检测的内容可以包括:色泽、颜色、粘度、比重、气味、杂质、粒型、饱满度、不完善粒、出糙率等。理化检测的内容可以包括:pH值、水分、灰分、湿度、酸度检测、过氧化值、密度、不溶物、淀粉含量、粗纤维检测等。微生物检测的内容可以包括:霉菌检测、酵母菌、金黄色葡萄球菌、菌落总数、大肠菌群,其他致病菌,无菌检测等。食品安全检测的内容可以包括:农残(有机氯农药、有机磷农药、菊酯类农药、氨基甲酸甲酯农药等)、重金属(铅、汞、铬、镉、砷)、黄曲霉毒素检测、食品添加剂检测、污染物检测等。本发明实施例中由于粮食运送中判断粮食是否合格,因此,只能进行快速显示结果的检测。
本发明实施例中,若扫描所述目标粮食包装袋的条形码或者包装袋的图片无法获得所述目标粮食的分类信息,采集所述目标粮食内部的检测样品的图像,对所述目标粮食的图像进行特征提取,依据提取的所述特征通过随机森林分类模型对所述目标粮食进行分类,获得所述目标粮食的分类信息;
通过随机森林分类模型对进行识别,确定所述目标粮食的分类信息;
所述随机森林分类模型通过以下步骤进行训练:
基于随机森林分类模型的预设棵数和特征子集数目,以所述预设棵数为中心设置所述预设棵数的范围和以所述特征子集数目为中心设置所述特征子集数目的范围;
在所述预设棵数的范围和所述特征子集数目的范围内,将所述预设棵数和所述特征子集数目随机组合成特征值对,所述特征值对形成特征值对集合;对于所述特征值集合中的每一个特征值对,利用原始粮食图像样品集合训练随机森林分类模型,对所述随机森林分类模型进行测试,得到样本准确率,将最优样本准确率作为所述特征值集合的样本准确率;
将所述最优样本准确率对应的最优特征值对作为所述随机森林分类模型的预设棵数的初始值和特征子集数目参量的初始值,重复上述步骤,直到最优特征值对不再变化为止。
本发明实施例中如果通过一般方式无法获得粮食的品种,可以利用图像采集装置,例如摄像头,获得粮食内部的检测样品的图像,对粮食内部的检测样品的图像采用图像处理、目标识别等方法,判断粮食的品种,进而准确识别粮食。具体算法可以采用随机森林用于目标识别的算法。
本发明实施例中,所述的方法,所述方法还包括:检测所述分类粮仓内粮食的数量,当所述数量少于或者等于预设缺粮阈值时,发出提示信息。
本发明实施例中,所述方法还包括:获取所述分类粮仓的实时监控视频,并将每相邻两个视频帧做差,得到视频差值图像,基于粮仓堆放模型对所述视频差值图像进行检测,判断是否存在倒塌危险,在存在倒塌危险的情况下触发提示。
本发明实施例中,基于粮仓堆放模型对所述视频差值图像进行检测包括:
多个视频差值图像构成视频差值图像序列;
基于粮仓堆放模型对所述视频差值图像序列进行粮仓堆放的关键点检测和子集划分,得到所述视频差值图像中的粮仓目标和粮仓目标的关键点集合;
基于三维卷积神经网络对所述视频差值图像中的粮仓目标和其关键点分别进行行为识别,得到粮仓目标是否存爱倒塌危险。
另外粮仓在入库、出库时,采用人工或者运输工具对粮食进行堆放或者粮食堆放完成后,由于变形或者其他原因,可能会有倒塌的风险,因此,本发明实施例通过监控视频的处理分析确定是否有粮食堆放倒塌危险,对于危险进行提示,从而可以提前疏散人员和运输工具,或者对粮食堆放进行加固,实现粮仓的自动化监控,节省了人力,也提升了粮仓的监控效果。
如图2所示,本发明实施例还提供一种粮库仓储智能作业装置,设置于控制器,所述装置包括:
供料模块210,用于通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
搬运模块220,用于通过所述第一位置传感器确定所述目标粮食到达预设位置时,启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
运送模块230,用于通过所述图像采集设备采集所述目标粮食的分类信息,通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
分拣模块240,用于通过所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
如图3所示,本发明实施例提供一种粮库仓储智能作业系统,所述系统包括:控制器、直流电机301、物料盘302、第一位置传感器303、极坐标机械手304、图像采集设备305、变频器306、三相异步电机307、传送带308、第二位置传感器309、多个电磁阀和多个气缸310;
所述控制器通过所述直流电机301驱动所述物料盘302向粮仓入口处运送目标粮食;
在所述第一位置传感器303确定所述目标粮食到达预设位置时,所述控制器启动所述极坐标机械手304将所述目标粮食搬运至所述传送带308;
所述图像采集设备305采集所述目标粮食的分类信息,所述控制器通过变频器306驱动所述三相异步电机307带动所述传送带308将所述目标粮食运送至所述分类信息对应的送料口;
所述第二位置传感器309确定所述目标粮食到达所述送料口的预设范围时,所述控制器触发所述电磁阀控制所述送料口轨道入口处的气缸310运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备305采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的方法。
以示例而非限制的方式,可读介质括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的优选实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。
Claims (10)
1.一种粮库仓储智能作业方法,其特征在于,应用于粮库仓储智能作业系统,所述系统包括:控制器、直流电机、物料盘、第一位置传感器、极坐标机械手、图像采集设备、变频器、三相异步电机、传送带、多个第二位置传感器、多个电磁阀和多个气缸;所述方法应用于控制器,包括:
通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
通过所述第一位置传感器确定所述目标粮食到达预设位置时,启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
通过所述图像采集设备采集所述目标粮食的分类信息,通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
通过所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
2.根据权利要求1所述的方法,其特征在于,通过所述图像采集设备采集所述目标粮食的分类信息之前包括:
确定所述目标粮食是否合格;
当所述目标粮食合格时,执行通过所述图像采集设备采集所述目标粮食的分类信息的步骤;
当所述目标粮食不合格时,通过变频器驱动所述三相异步电机带动所述传送带将所述不合格粮食运送至不合格送料口;
当所述不合格粮食到达所述不合格送料口时,触发对应的电磁阀控制所述不合格送料口轨道入口处的气缸运动,推动所述不合格粮食进入所述轨道,并更新所述不合格送料口内粮食的数量,当所述数量达到预设阈值时,发出告警信息。
3.根据权利要求2所述的方法,其特征在于,确定所述目标粮食是否合格包括:
通过所述图像采集设备采集所述目标粮食包装袋的图片,确定所述目标粮食包装袋是否存在破损,当存在破损时,确定所述目标粮食不合格;
测量所述目标粮食的重量,与包装袋标识的重量或者产品信息中标记的重量进行比对,当误差超过预设阈值范围时,确定所述目标粮食不合格;
当不存在破损并误差在预设阈值范围内时,确定所述目标粮食合格。
4.根据权利要求3所述的方法,其特征在于,所述粮库仓储智能作业系统还包括:钻头设备,所述确定所述目标粮食是否合格还包括:
通过所述钻头设备获取所述目标粮食内部的检测样品,并对所述检测样品进行安全检测;根据检测结果判断所述检测样品是否合格;
对所述检测样品进行安全检测的项目包括以下的一项或者多项:感官检测、理化检测、微生物检测、食品安全检测;
当存在一项或者多项安全检测项目不合格时,确定所述检测样品不合格,当全部安全检测项目均合格时,确定所述检测样品合格。
5.根据权利要求4所述的方法,其特征在于,还包括:
若扫描所述目标粮食包装袋的条形码或者包装袋的图片无法获得所述目标粮食的分类信息,采集所述目标粮食内部的检测样品的图像,对所述目标粮食的图像进行特征提取,依据提取的所述特征通过随机森林分类模型对所述目标粮食进行分类,获得所述目标粮食的分类信息;
所述随机森林分类模型通过以下步骤进行训练:
基于随机森林分类模型的预设棵数和特征子集数目,以所述预设棵数为中心设置所述预设棵数的范围和以所述特征子集数目为中心设置所述特征子集数目的范围;
在所述预设棵数的范围和所述特征子集数目的范围内,将所述预设棵数和所述特征子集数目随机组合成特征值对,所述特征值对形成特征值对集合;对于所述特征值集合中的每一个特征值对,利用原始粮食图像样品集合训练随机森林分类模型,对所述随机森林分类模型进行测试,得到样本准确率,将最优样本准确率作为所述特征值集合的样本准确率;
将所述最优样本准确率对应的最优特征值对作为所述随机森林分类模型的预设棵数的初始值和特征子集数目参量的初始值,重复上述步骤,直到最优特征值对不再变化为止。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:检测所述分类粮仓内粮食的数量,当所述数量少于或者等于预设缺粮阈值时,发出提示信息。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述分类粮仓的实时监控视频,并将每相邻两个视频帧做差,得到视频差值图像,基于粮仓堆放模型对所述视频差值图像进行检测,判断是否存在倒塌危险,在存在倒塌危险的情况下触发提示。
8.根据权利要求7所述的方法,其特征在于,基于粮仓堆放模型对所述视频差值图像进行检测包括:
多个视频差值图像构成视频差值图像序列;
基于粮仓堆放模型对所述视频差值图像序列进行粮仓堆放的关键点检测和子集划分,得到所述视频差值图像中的粮仓目标和粮仓目标的关键点集合;
基于三维卷积神经网络对所述视频差值图像中的粮仓目标和其关键点分别进行行为识别,得到粮仓目标是否存爱倒塌危险。
9.一种粮库仓储智能作业装置,其特征在于,设置于控制器,所述装置包括:
供料模块,用于通过直流电机驱动物料盘向粮仓入口处运送目标粮食;
搬运模块,用于通过第一位置传感器确定所述目标粮食到达预设位置时,启动极坐标机械手将所述目标粮食搬运至传送带;
运送模块,用于通过图像采集设备采集所述目标粮食的分类信息,通过变频器驱动三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
分拣模块,用于通过第二位置传感器确定所述目标粮食到达送料口的预设范围时,触发电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
10.一种粮库仓储智能作业系统,其特征在于:所述系统包括:控制器、直流电机、物料盘、第一位置传感器、极坐标机械手、图像采集设备、变频器、三相异步电机、传送带、多个第二位置传感器、多个电磁阀和多个气缸;
所述控制器通过所述直流电机驱动所述物料盘向粮仓入口处运送目标粮食;
在所述第一位置传感器确定所述目标粮食到达预设位置时,所述控制器启动所述极坐标机械手将所述目标粮食搬运至所述传送带;
所述图像采集设备采集所述目标粮食的分类信息,所述控制器通过变频器驱动所述三相异步电机带动所述传送带将所述目标粮食运送至所述分类信息对应的送料口;
所述第二位置传感器确定所述目标粮食到达所述送料口的预设范围时,所述控制器触发所述电磁阀控制所述送料口轨道入口处的气缸运动,推动所述目标粮食进入所述轨道滑向对应的分类粮仓,并更新所述分类粮仓内粮食的数量;
通过所述图像采集设备采集所述目标粮食的分类信息包括以下之一:
扫描所述目标粮食包装袋的条形码获得所述目标粮食的产品信息,通过所述产品信息得到所述目标粮食的分类信息;
采集所述目标粮食包装袋的图片,识别所述图片上的文字,通过所述文字得到所述目标粮食的分类信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311112672.7A CN116984264A (zh) | 2023-08-31 | 2023-08-31 | 一种粮库仓储智能作业方法、装置与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311112672.7A CN116984264A (zh) | 2023-08-31 | 2023-08-31 | 一种粮库仓储智能作业方法、装置与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116984264A true CN116984264A (zh) | 2023-11-03 |
Family
ID=88524946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311112672.7A Pending CN116984264A (zh) | 2023-08-31 | 2023-08-31 | 一种粮库仓储智能作业方法、装置与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116984264A (zh) |
-
2023
- 2023-08-31 CN CN202311112672.7A patent/CN116984264A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11069053B2 (en) | Systems and methods for optical material characterization of waste materials using machine learning | |
CN110238078B (zh) | 分拣方法、装置、系统及存储介质 | |
US20220297940A1 (en) | Systems and methods for learning to extrapolate optimal object routing and handling parameters | |
CN109454003B (zh) | 货物分拣方法、装置和计算机可读存储介质 | |
CN110711718A (zh) | 基于x光图像的快递包裹智能分拣系统、方法及存储介质 | |
CN110239794B (zh) | 包装方法、装置、系统及存储介质 | |
CN110049934A (zh) | 用于处理在车辆中设置的物品的系统和方法 | |
US20230264901A1 (en) | System and method for detecting a number of goods in a load carrier | |
CN111792256B (zh) | 一种智能检测及智能分级储放的送料系统 | |
KR102382947B1 (ko) | 재활용 가능 폐기물 선별 시스템 및 방법 | |
US20240103447A1 (en) | Product identification system and method | |
EP4072977B1 (de) | Lager- und kommissioniersystem und verfahren zum prognostizieren und/oder abwenden einer zukünftigen störung | |
CN109414729A (zh) | 分类传输货物的方法、系统及存储装置 | |
CN111806944B (zh) | 一种智能检测及智能分级储放的物料运输系统 | |
CN116984264A (zh) | 一种粮库仓储智能作业方法、装置与系统 | |
EP4237356A1 (en) | Systems and methods for sku induction, decanting and automated- eligibility estimation | |
CN117622757A (zh) | 网格式物流仓分拣信息处理方法、系统和存储介质 | |
CN116468373B (zh) | 一种基于物联网的电厂设备仓储管理系统 | |
CN111861324A (zh) | 一种基于大数据云分析的物料分级系统的送料系统 | |
CN116786431A (zh) | 货品分拣方法及货品分拣设备 | |
CN114972234B (zh) | 一种食用菌品质监测方法及系统 | |
CN210585910U (zh) | 包裹粗分设备及自动分拣系统 | |
CN114219400B (zh) | 一种智能工厂的物料监管系统及方法 | |
CN114881467A (zh) | 一种基于机器视觉的仓储商品货物智能上下货控制管理系统 | |
CN114433502A (zh) | 货品拣选方法、装置、电子设备及存储介质 |
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 |