CN118154068A - 三角胶物流配送优化方法及系统 - Google Patents

三角胶物流配送优化方法及系统 Download PDF

Info

Publication number
CN118154068A
CN118154068A CN202410565183.5A CN202410565183A CN118154068A CN 118154068 A CN118154068 A CN 118154068A CN 202410565183 A CN202410565183 A CN 202410565183A CN 118154068 A CN118154068 A CN 118154068A
Authority
CN
China
Prior art keywords
path
logistics
triangular glue
sorting
triangular
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
CN202410565183.5A
Other languages
English (en)
Other versions
CN118154068B (zh
Inventor
马涛
王涛
邱庆清
田秋实
胡迎宝
刘占华
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.)
Qingdao Zhongyi Kerui Engineering Technology Co ltd
Original Assignee
Qingdao Zhongyi Kerui Engineering 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 Qingdao Zhongyi Kerui Engineering Technology Co ltd filed Critical Qingdao Zhongyi Kerui Engineering Technology Co ltd
Priority to CN202410565183.5A priority Critical patent/CN118154068B/zh
Publication of CN118154068A publication Critical patent/CN118154068A/zh
Application granted granted Critical
Publication of CN118154068B publication Critical patent/CN118154068B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • 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
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • 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
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0063—Using robots

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及三角胶物流配送技术领域，具体为三角胶物流配送优化方法及系统，方法包括：通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集。本发明中，通过实时捕捉三角胶在生产线上的移动状态并进行深入的图像分析，能够实现快速而准确的质量评估。不仅提高了质量控制的精确性，也加快了响应速度，确保只有符合质量标准的三角胶被送往下一生产环节，从而显著提升了产品质量。利用盒维数方法量化路径复杂度和应用迭代调整机制，能够有效简化物流路径，减少不必要的转弯和交叉点，缩短了物料在生产线间的移动时间，还降低了能耗和物流成本。

Description

三角胶物流配送优化方法及系统
技术领域
本发明涉及三角胶物流配送技术领域，尤其涉及三角胶物流配送优化方法及系统。
背景技术
在轮胎制造行业中，三角胶物流配送技术领域专注于高效、可靠地运输轮胎钢丝圈三角胶至生产线。三角胶，作为轮胎生产中不可或缺的组成部分，需要在精确的时间内被配送到指定的生产环节中，以保证生产流程的连续性和效率。包括从三角胶的储存、搬运、到最终贴合于轮胎钢丝圈的整个物流链路。
其中，三角胶物流配送优化方法通过物流管理和多种技术手段，对三角胶从仓库到生产线的配送过程进行改进和优化的方法。确保三角胶能够以最高效率和最低成本被准确无误地配送到生产线上，以满足轮胎生产的精确需求。通过优化物流配送，可以大幅度提升生产效率，减少物料的等待时间和损耗，进而达到降低生产成本、提升产品质量和增强市场竞争力的效果。
虽然现有技术的物流路径的设计和优化虽已实现一定程度的自动化和效率化，但面对路径复杂度的深入分析和运输效率的最大化仍存在不足，例如，传统物流路径设计大多采取静态的方法，导致在实际应用中存在过多的转弯和交叉点，增加了物流运输的时间，也提高了能耗和成本，尤其在高需求变动性的生产环境中，固定的物流路径很难快速适应生产线的变化，影响整体物流系统的灵活性和响应速度。此外，在质量控制和自动分拣精确性方面，虽然采用了自动化技术提升配送效率，但在高速的生产环境难以进行快速而准确的质量评估，进而影响了产品质量。
发明内容
本申请通过提供了三角胶物流配送优化方法及系统，解决了虽然现有技术的物流路径的设计和优化虽已实现一定程度的自动化和效率化，但面对路径复杂度的深入分析和运输效率的最大化仍存在不足，例如，传统物流路径设计大多采取静态的方法，导致在实际应用中存在过多的转弯和交叉点，增加了物流运输的时间，也提高了能耗和成本，尤其在高需求变动性的生产环境中，固定的物流路径很难快速适应生产线的变化，影响整体物流系统的灵活性和响应速度。此外，在质量控制和自动分拣精确性方面，虽然采用了自动化技术提升配送效率，但在高速的生产环境难以进行快速而准确的质量评估，进而影响了产品质量的问题。
鉴于上述问题，本申请提供了三角胶物流配送优化方法及系统。
本申请提供了三角胶物流配送优化方法，其中，所述方法包括：
S1：通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集；
S2：分析所述三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据；
S3：利用所述三角胶质量分类数据，通过与PLC的通信接口发送分类结果，控制分拣机械臂，根据三角胶质量状态进行自动分拣，生成三角胶分拣记录；
S4：依据所述三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果；
S5：根据所述物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径；
S6：实施所述调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行迭代调整，生成三角胶物流配送优化方案。
优选的，所述三角胶实时图像集包括三角胶的形状、大小和表面纹理多种图像特征数据，所述三角胶质量分类数据包括通过图像特征分析得出的三角胶合格与不合格的标识信息，所述三角胶分拣记录包括分拣时间、分拣位置、三角胶质量状态和分拣结果，所述物流路径分析结果包括识别的冗余转移路径、效率异常的区域以及路径优化推荐，所述调整后的三角胶物流路径包括优化后直接连接的生产关键节点以及简化的物流转移路径，所述三角胶物流配送优化方案包括优化前后的路径效率对比数据、迭代调整的记录以及确定的物流路径方案。
优选的，通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集的步骤，还包括：
S101：通过摄像技术同步监控生产线上三角胶的动态，以三角胶的运动和进入预定检测区域的活动作为触发信号，生成设定的动态捕捉条件；
S102：基于所述设定的动态捕捉条件，优化图像序列的捕捉频率和时间间隔，并针对三角胶的移动速度进行自动调整，生成图像序列捕捉策略；
S103：根据所述图像序列捕捉策略，在三角胶进入检测区域的瞬间自动记录连续图像序列，基于视角和清晰度进行图像的自动筛选和寻优，获得三角胶实时图像集。
优选的，分析所述三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据的步骤，还包括：
S201：基于所述三角胶实时图像集，对三角胶图像的亮度、对比度和清晰度进行分析，排除因曝光不足或过曝而影响分析质量的图像，生成图像筛选结果；
S202：对所述图像筛选结果中的三角胶图像，进行特征点提取，包括边缘检测和形状识别，通过优化特征点的可识别性，生成特征点提取数据；
S203：将所述特征点提取数据与预定的质量标准模板进行匹配，利用残差网络算法，自动区分出与标准模板相符合的图像标记为合格品，与标准模板不相符的标记为不合格品，获得三角胶质量分类数据。
优选的，所述残差网络算法按照改进的公式I；自动区分图像标记为合格品或不合格品，生成三角胶质量分类数据；
其中，代表改进后的残差网络模型的输出，/>代表输入到残差网络的图像特征点数据，/>是一层或多层网络对输入/>处理后的输出，/>指的是图像的质量分类标签，/>表示图像在物流过程中的位置信息，/>代表三角胶的形态特征细节，/>、/>、/>分别为质量分类标签/>、位置信息/>、形态特征细节/>的权重系数，/>为位置信息/>的量化值，/>代表形态特征细节/>的量化值。
优选的，利用所述三角胶质量分类数据，通过与PLC的通信接口发送分类结果，控制分拣机械臂，根据三角胶质量状态进行自动分拣，生成三角胶分拣记录的步骤，还包括：
S301：基于所述三角胶质量分类数据，设置通讯协议，配置信息包括质量状态及对应的图像识别时间戳，生成通讯协议配置集；
S302：采用所述通讯协议配置集，激活PLC通信的接口，通过发送分类结果指令，控制机械臂动作，区分合格与不合格的三角胶，生成计划的机械臂分拣动作；
S303：根据所述计划的机械臂分拣动作，控制机械臂将三角胶按照质量状态分拣到预设区域，并记录每次分拣的信息，包括时间、位置和质量状态，获得三角胶分拣记录。
优选的，依据所述三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果的步骤，还包括：
S401：依据所述三角胶分拣记录，收集每次分拣的时间、位置和三角胶质量状态数据，通过记录设备的时间戳和位置信息，生成分拣数据集；
S402：基于所述分拣数据集，应用盒维数方法量化当前物流路径的复杂度，通过绘制当前物流路径图，标记每个分拣点的位置和物流转移次数，通过计算转移次数和分拣点之间的距离，采用路径长度、转移频次和停留时间作为评价指标，识别重复转移和异常区域，得到效率异常区域分析结果；
S403：根据所述效率异常区域分析结果，对比分析每种物流路径的效率，通过优化路径转弯次数和直接连接生产关键节点的策略，重新规划物流路径，生成物流路径分析结果。
优选的，所述盒维数方法按照改进的公式II：计算当前物流路径的复杂度，生成效率异常区域分析结果；
其中，表示改进后的物流路径复杂度盒维数，/>是盒子的尺寸，/>为给定盒子尺寸/>下，覆盖整个物流路径所需的最小盒子数量，/>代表物流路径上指定产品的数量参数，/>为每个分拣点间的平均转移频次，/>表示每个分拣点的平均停留时间，/>是路径中直接连接生产关键节点的比例参数。
优选的，根据所述物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径的步骤，还包括：
S501：收集所述物流路径分析结果，确定三角胶生产线内部流转路径的当前状态和关键节点的位置，并进行路径长度和节点间距离的测量，得到物流路径基础数据；
S502：基于所述物流路径基础数据，识别并剔除路径中的冗余环节，包括无效循环和超出设定标准长度的直线段，参照物料搬运的最短可行距离，重新连接关键节点，形成物流路径优化图；
S503：采用所述物流路径优化图，调整每个节点之间的直接连接方式，减少转弯次数和交叉点，生成调整后的三角胶物流路径。
优选的，实施所述调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行迭代调整，生成三角胶物流配送优化方案的步骤，还包括：
S601：收集所述调整后的三角胶物流路径的实时收集物流运行速度、每个节点的停留时间以及路径的整体利用率信息，得到实时运行数据集；
S602：基于所述实时运行数据集，比较调整前后物流路径的运行速度差异、停留时间减少情况以及路径利用率，通过绘制对比图表，标识效率变化的关键指标，形成路径效率对比结果；
S603：根据所述路径效率对比结果，识别效率未达预期的区域，调整区域的路径长度或增设通道，再次监控和收集数据，分析调整措施的效果，生成三角胶物流配送优化方案。
三角胶物流配送优化系统，所述系统包括：
图像捕捉模块通过三角胶生产线上的摄像头，在三角胶进入预定检测区域时自动抓拍，记录三角胶的移动状态，生成三角胶动态图像集；
图像分析模块基于所述三角胶动态图像集，分析图像中的形状、大小和表面特征，生成三角胶质量分级数据；
分拣控制模块基于所述三角胶质量分级数据，发送指令至分拣设备，自动分拣三角胶，根据质量状态进行分类，生成分拣操作记录；
效率瓶颈分析模块基于所述分拣操作记录，分析生产线上物流路径的运作情况，识别其中的效率瓶颈和冗余区域，生成路径效率分析结果；
路径规划模块基于所述路径效率分析结果，重新设计三角胶的物流路径，连接生产线的关键节点，生成优化后的物流路径；
实时监控模块基于所述优化后的物流路径，持续监控路径运行状态，收集关于路径运行速度和停留时间多项数据，生成路径运行状态数据集；
迭代优化模块基于所述路径运行状态数据集，对路径进行持续的分析和调整，生成三角胶物流配送优化方案。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过实时捕捉三角胶在生产线上的移动状态并进行深入的图像分析，能够实现快速而准确的质量评估。不仅提高了质量控制的精确性，也加快了响应速度，确保只有符合质量标准的三角胶被送往下一生产环节，从而显著提升了产品质量。利用盒维数方法量化路径复杂度和应用迭代调整机制，能够有效简化物流路径，减少不必要的转弯和交叉点，缩短了物料在生产线间的移动时间，还降低了能耗和物流成本。此外，通过动态调整物流路径，增强了物流系统的灵活性和响应速度，使其能够更好地适应生产线的变化，进一步提高了整个物流配送系统的效率和适应性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本发明提出三角胶物流配送优化方法的整体流程示意图；
图2为本发明提出三角胶物流配送优化方法的S1具体流程示意图；
图3为本发明提出三角胶物流配送优化方法的S2具体流程示意图；
图4为本发明提出三角胶物流配送优化方法的S3具体流程示意图；
图5为本发明提出三角胶物流配送优化方法的S4具体流程示意图；
图6为本发明提出三角胶物流配送优化方法的S5具体流程示意图；
图7为本发明提出三角胶物流配送优化方法的S6具体流程示意图；
图8为本发明提出三角胶物流配送优化系统的模块图。
具体实施方式
本申请提供了三角胶物流配送优化方法及系统。
申请概述
现有技术中存在虽然现有技术的物流路径的设计和优化虽已实现一定程度的自动化和效率化，但面对路径复杂度的深入分析和运输效率的最大化仍存在不足，例如，传统物流路径设计大多采取静态的方法，导致在实际应用中存在过多的转弯和交叉点，增加了物流运输的时间，也提高了能耗和成本，尤其在高需求变动性的生产环境中，固定的物流路径很难快速适应生产线的变化，影响整体物流系统的灵活性和响应速度。此外，在质量控制和自动分拣精确性方面，虽然采用了自动化技术提升配送效率，但在高速的生产环境难以进行快速而准确的质量评估，进而影响了产品质量的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
如图1所示，本申请提供了三角胶物流配送优化方法，其中，方法包括：
S1：通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集；
S2：分析三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据；
S3：利用三角胶质量分类数据，通过与PLC的通信接口发送分类结果，控制分拣机械臂，根据三角胶质量状态进行自动分拣，生成三角胶分拣记录；
S4：依据三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果；
S5：根据物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径；
S6：实施调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行迭代调整，生成三角胶物流配送优化方案。
三角胶实时图像集包括三角胶的形状、大小和表面纹理多种图像特征数据，三角胶质量分类数据包括通过图像特征分析得出的三角胶合格与不合格的标识信息，三角胶分拣记录包括分拣时间、分拣位置、三角胶质量状态和分拣结果，物流路径分析结果包括识别的冗余转移路径、效率异常的区域以及路径优化推荐，调整后的三角胶物流路径包括优化后直接连接的生产关键节点以及简化的物流转移路径，三角胶物流配送优化方案包括优化前后的路径效率对比数据、迭代调整的记录以及确定的物流路径方案。
如图2所示，通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集的步骤，还包括：
S101：通过摄像技术同步监控生产线上三角胶的动态，以三角胶的运动和进入预定检测区域的活动作为触发信号，生成设定的动态捕捉条件的具体过程为；
S101子步骤基于实时监控需求，采用帧差法算法，利用OpenCV库获取视频帧，对连续两帧进行像素差异计算，设定阈值识别运动物体，通过运动物体的位置变化判断三角胶是否进入预定检测区域，根据运动轨迹和速度动态生成捕捉条件，生成动态捕捉条件集。
S102：基于设定的动态捕捉条件，优化图像序列的捕捉频率和时间间隔，并针对三角胶的移动速度进行自动调整，生成图像序列捕捉策略的具体过程为；
S102子步骤基于动态捕捉条件集，采用动态区间采样算法，设置起始捕捉频率为每秒10帧，根据三角胶移动速度变化，自动调整捕捉频率和时间间隔，使用Python时间模块控制时间间隔，保证图像序列连贯性和有效覆盖，生成图像序列捕捉策略。
S103：根据图像序列捕捉策略，在三角胶进入检测区域的瞬间自动记录连续图像序列，基于视角和清晰度进行图像的自动筛选和寻优，获得三角胶实时图像集的具体过程为；
S103子步骤基于图像序列捕捉策略，采用自动对焦算法，利用数字图像处理技术，通过边缘检测识别三角胶轮廓，调整相机焦点以增强图像清晰度，同时应用角度调整算法优化拍摄角度，确保图像质量，通过评估每帧图像的清晰度和视角，自动筛选和寻优，生成三角胶实时图像集。
如图3所示，分析三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据的步骤，还包括：
S201：基于三角胶实时图像集，对三角胶图像的亮度、对比度和清晰度进行分析，排除因曝光不足或过曝而影响分析质量的图像，生成图像筛选结果的具体过程为；
S201子步骤基于三角胶实时图像集，进行图像质量评估，采用直方图均衡化方法，利用OpenCV库分别对图像的亮度、对比度进行调整，分析每张图像的亮度直方图，设定亮度和对比度的阈值范围，自动排除亮度过低或过高的图像，同时采用拉普拉斯算子对图像清晰度进行评估，排除模糊图像，生成图像筛选结果。
S202：对图像筛选结果中的三角胶图像，进行特征点提取，包括边缘检测和形状识别，通过优化特征点的可识别性，生成特征点提取数据的具体过程为；
S202子步骤基于图像筛选结果，进行特征点提取，采用Canny边缘检测算法，利用OpenCV库执行边缘检测，设定最低和最高阈值参数识别图像中的边缘，通过Sobel算子提取图像的形状特征，设置窗口大小和方向参数以强化特征点的可识别性，根据边缘和形状特征生成特征点提取数据。
S203：将特征点提取数据与预定的质量标准模板进行匹配，利用残差网络算法，自动区分出与标准模板相符合的图像标记为合格品，与标准模板不相符的标记为不合格品，获得三角胶质量分类数据的具体过程为；
S203子步骤基于特征点提取数据，进行图像匹配与分类，采用残差网络算法，使用PyTorch框架构建残差网络模型，定义模型结构包括多个残差块，设置学习率和批处理大小参数，将特征点数据与预设的质量标准模板进行匹配，自动区分图像标记为合格品或不合格品，生成三角胶质量分类数据。
残差网络算法按照改进的公式I；自动区分图像标记为合格品或不合格品，生成三角胶质量分类数据；
其中，代表改进后的残差网络模型的输出，/>代表输入到残差网络的图像特征点数据，是进行质量分类前的原始图像信息。/>是一层或多层网络对输入/>处理后的输出，代表了图像经过特征提取和增强后的数据。/>指的是图像的质量分类标签，用于区分图像是合格品还是不合格品。/>表示图像在物流过程中的位置信息，用于捕获图像在生产线上的具体位置，增强模型对于物流环境的适应性。/>代表三角胶的形态特征细节，包括形状、大小等具体特征，用于提高模型对三角胶图像细节的识别能力。/>、/>、/>分别为质量分类标签/>、位置信息/>、形态特征细节/>的权重系数，用于调整参数在模型中的影响力，确保模型可以根据实际应用场景的需要灵活调整各因素的重要性，通过交叉验证方法在训练集上测试不同的权重组合，选择使模型性能最优化的组合确定，/>通过分析不同位置信息对分类准确率的影响程度，采用敏感性分析确定，/>通过评估不同形态特征细节在模型预测性能中的贡献，使用回归分析方法确定。/>为位置信息/>的量化值，通过对位置信息进行量化处理，将其转换为模型可以处理的数值，以便更准确地利用位置信息进行质量分类。/>代表形态特征细节/>的量化值，将形态特征的具体细节转化为数值，以便残差网络可以有效利用信息进行精确分类。
执行过程如下：
从输入图像中提取特征点数据，包括使用图像处理技术如Canny边缘检测算法和Sobel算子提取图像的形状和边缘特征。
将特征点数据输入到残差网络中，通过网络层的处理得到输出/>，其中残差网络由多个残差块构成，每个残差块通过跳过连接学习输入与输出的残差。
对图像进行初步的质量分类，得到质量分类标签，可以通过阈值判定或先前模型的分类结果获得。
根据图像在生产线上的位置信息和三角胶的形态特征细节/>，分别计算其量化值/>和/>。包括位置编码和形态特征描述符的计算。
确定权重系数，通过在训练集上使用交叉验证方法测试不同权重组合，并选择使模型性能最优化的组合。确定/>权重系数，通过对不同位置信息在分类准确率中的影响程度进行敏感性分析。确定/>权重系数，通过评估不同形态特征细节对模型预测性能的贡献，使用回归分析方法。
根据公式I，结合提取的特征点数据、网络输出/>、质量分类标签/>、位置信息量化值/>、形态特征细节量化值/>以及相应的权重系数/>、/>、/>，计算得到最终的分类评分。
基于综合评分判定每张图像是合格品还是不合格品，得到最终的三角胶质量分类数据。
如图4所示，利用三角胶质量分类数据，通过与PLC的通信接口发送分类结果，控制分拣机械臂，根据三角胶质量状态进行自动分拣，生成三角胶分拣记录的步骤，还包括：
S301：基于三角胶质量分类数据，设置通讯协议，配置信息包括质量状态及对应的图像识别时间戳，生成通讯协议配置集的具体过程为；
S301子步骤基于三角胶质量分类数据，进行通讯协议配置，采用JSON格式定义数据结构，包含质量状态键值对和图像识别时间戳，使用Python的json库进行数据序列化，设定Content-Type为application/json，确保数据在传输过程中的一致性和解析性，通过网络套接字编程，建立TCP/IP连接，发送数据至PLC通信接口，生成通讯协议配置集。
S302：采用通讯协议配置集，激活PLC通信的接口，通过发送分类结果指令，控制机械臂动作，区分合格与不合格的三角胶，生成计划的机械臂分拣动作的具体过程为；
S302子步骤基于通讯协议配置集，激活PLC通信接口，采用Modbus TCP协议，利用python库pymodbus创建客户端实例，配置服务器地址和端口，根据三角胶质量分类数据，构造写入寄存器的请求指令，发送分类结果至PLC，使用PLC逻辑编程根据接收到的数据指令，控制分拣机械臂的启动和停止，动态调整机械臂分拣动作，区分合格与不合格的三角胶，生成计划的机械臂分拣动作。
S303：根据计划的机械臂分拣动作，控制机械臂将三角胶按照质量状态分拣到预设区域，并记录每次分拣的信息，包括时间、位置和质量状态，获得三角胶分拣记录的具体过程为；
S303子步骤基于计划的机械臂分拣动作，控制机械臂执行分拣任务，使用PLC编程软件，设定输出控制信号至分拣机械臂的执行器，根据质量状态指令，动态选择分拣路径，将三角胶按照质量状态分拣到预设区域，采用光电传感器监测分拣结果，记录每次分拣的时间戳、位置信息和质量状态，使用数据采集模块汇总分拣记录，生成三角胶分拣记录。
如图5所示，依据三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果的步骤，还包括：
S401：依据三角胶分拣记录，收集每次分拣的时间、位置和三角胶质量状态数据，通过记录设备的时间戳和位置信息，生成分拣数据集的具体过程为；
S401子步骤基于三角胶分拣记录，进行数据收集，采用SQL查询语句，利用数据库管理系统执行对分拣记录表的查询，设置查询条件为分拣时间段内的所有记录，提取每次分拣的时间戳、位置信息和三角胶质量状态，通过Python脚本使用pandas库对查询结果进行数据清洗，剔除任何缺失或异常值，生成分拣数据集。
S402：基于分拣数据集，应用盒维数方法量化当前物流路径的复杂度，通过绘制当前物流路径图，标记每个分拣点的位置和物流转移次数，通过计算转移次数和分拣点之间的距离，采用路径长度、转移频次和停留时间作为评价指标，识别重复转移和异常区域，得到效率异常区域分析结果的具体过程为；
S402子步骤基于分拣数据集，应用盒维数方法量化当前物流路径的复杂度，采用fractaldim库计算盒维数，设置盒子尺寸范围和步长，对每个分拣点位置进行空间分布分析，通过Python脚本计算每个分拣点到其他分拣点的欧氏距离，利用matplotlib库绘制物流路径图，标记每个分拣点位置和物流转移次数，通过转移次数和分拣点间距离的关系，确定路径长度、转移频次和停留时间作为评价指标，识别路径中的重复转移和效率异常区域，生成效率异常区域分析结果。
盒维数方法按照改进的公式II：计算当前物流路径的复杂度，生成效率异常区域分析结果；
其中，表示改进后的物流路径复杂度盒维数，用于衡量物流路径复杂度的一个新指标。/>是盒子的尺寸，用于覆盖整个物流路径进行复杂度计算的尺度基准。/>为给定盒子尺寸/>下，覆盖整个物流路径所需的最小盒子数量。/>代表物流路径上指定产品的数量参数，反映了物流路径上处理的三角胶数量对路径复杂度的影响，通过分析历史物流数据，统计特定时间段内处理的三角胶数量，基于产品流通频率确定。/>为每个分拣点间的平均转移频次，衡量了物流路径中转移动作的频繁程度，通过物流系统的实时监控数据，计算一定时期内所有分拣点间转移动作的平均次数，基于转移频次数据分析确定。
表示每个分拣点的平均停留时间，反映了物流过程中各节点处理效率的时间成本，通过记录并分析每个分拣点在处理三角胶过程中的实际停留时间，计算出的平均值确定。/>是路径中直接连接生产关键节点的比例参数，量化了物流路径优化中直接连接关键节点的程度，通过对物流路径的结构分析，计算直接连接的关键节点与总节点的比例，基于路径优化分析确定。
执行过程如下：
对物流路径进行初步的盒维数计算，包括确定不同尺寸（）的盒子所需覆盖整个物流路径的最小数量/>。通过将物流路径划分成尽可能小的盒子完成，估计路径的复杂度。
收集物流路径上特定产品的数量参数。包括统计物流路径上三角胶的总数量，以考虑物流量对路径复杂度的影响。
计算每个分拣点间的平均转移频次。通过分析物流系统数据库中的转移记录来完成，计算所有转移次数的平均值，量化物流路径中转移动作的频繁程度。
确定每个分拣点的平均停留时间。通过对物流系统记录的每个节点停留时间进行平均计算实现，反映物流过程中各节点的处理效率。
确定路径中直接连接生产关键节点的比例参数。参数通过分析物流路径，计算直接连接关键节点与总节点的比例来得到，目的是量化物流路径优化的程度。
将所有收集和计算得到的参数、/>、/>以及/>结合到改进的盒维数公式中，执行改进后的复杂度计算。包括将参数与基础的盒维数计算/>相结合，按照公式II进行复杂度的最终估算。
S403：根据效率异常区域分析结果，对比分析每种物流路径的效率，通过优化路径转弯次数和直接连接生产关键节点的策略，重新规划物流路径，生成物流路径分析结果的具体过程为；
S403子步骤基于效率异常区域分析结果，进行物流路径对比分析，使用Dijkstra算法，通过networkx库构建物流网络图模型，设置节点为分拣点，边的权重为路径长度或转移次数，计算每条物流路径的最短路径和转弯次数，比较当前物流路径与优化后路径的效率，根据优化策略减少路径转弯次数和直接连接生产关键节点，使用Python脚本重新规划物流路径，生成物流路径分析结果。
如图6所示，根据物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径的步骤，还包括：
S501：收集物流路径分析结果，确定三角胶生产线内部流转路径的当前状态和关键节点的位置，并进行路径长度和节点间距离的测量，得到物流路径基础数据的具体过程为；
S501子步骤基于物流路径分析结果，进行数据收集，采用SQL查询语句，通过数据库管理系统提取三角胶生产线内每个节点的位置数据和物流路径的当前状态，使用Python脚本中的pandas库进行数据整理，计算节点间的直线距离，利用numpy库执行数组操作，得到物流路径基础数据。
S502：基于物流路径基础数据，识别并剔除路径中的冗余环节，包括无效循环和超出设定标准长度的直线段，参照物料搬运的最短可行距离，重新连接关键节点，形成物流路径优化图的具体过程为；
S502子步骤基于物流路径基础数据，识别路径中的冗余环节，采用图论分析方法，使用networkx库构建物流网络图，设置节点为分拣点，边为物流路径，应用最短路径算法，如Floyd-Warshall算法，计算各节点间的最短距离，识别并剔除超出设定标准长度的直线段和无效循环，根据物料搬运的最短可行距离，重新连接关键节点，利用matplotlib库绘制物流路径优化图。
S503：采用物流路径优化图，调整每个节点之间的直接连接方式，减少转弯次数和交叉点，生成调整后的三角胶物流路径的具体过程为；
S503子步骤采用物流路径优化图，调整节点之间的直接连接方式，采用路径优化算法，如遗传算法，设置路径长度和转弯次数为优化目标，使用Python脚本实现算法逻辑，动态调整每个节点之间的连接方式，以减少转弯次数和交叉点，利用numpy和matplotlib库对优化后的路径进行模拟和可视化，生成调整后的三角胶物流路径。
如图7所示，实施调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行迭代调整，生成三角胶物流配送优化方案的步骤，还包括：
S601：收集调整后的三角胶物流路径的实时收集物流运行速度、每个节点的停留时间以及路径的整体利用率信息，得到实时运行数据集的具体过程为；
S601子步骤基于调整后的三角胶物流路径，进行实时监控数据收集，采用传感器网络，配置每个节点处的速度传感器和停留时间计时器，通过工业以太网收集每个节点的物流运行速度和停留时间数据，使用数据采集系统对路径的整体利用率信息进行实时记录，应用数据接收模块对收集到的信息进行初步整理，得到实时运行数据集。
S602：基于实时运行数据集，比较调整前后物流路径的运行速度差异、停留时间减少情况以及路径利用率，通过绘制对比图表，标识效率变化的关键指标，形成路径效率对比结果的具体过程为；
S602子步骤基于实时运行数据集，进行路径效率对比分析，采用数据分析软件，配置运行速度差异、停留时间减少情况及路径利用率为主要分析指标，通过编写SQL查询语句提取调整前后的运行数据，应用数据可视化工具如Tableau绘制对比图表，对每个分析指标进行详细对比，标识出效率变化的关键指标，形成路径效率对比结果。
S603：根据路径效率对比结果，识别效率未达预期的区域，调整区域的路径长度或增设通道，再次监控和收集数据，分析调整措施的效果，生成三角胶物流配送优化方案的具体过程为；
S603子步骤基于路径效率对比结果，进行路径迭代调整，采用模拟优化算法，配置算法参数包括路径长度优化和通道增设可能性，根据效率未达预期的区域，通过编程脚本在地图软件上模拟调整路径长度或增设通道，应用改进的路径规划算法对调整后的方案进行效果预测，再次通过实时监控系统收集调整措施的运行数据，分析调整效果，生成三角胶物流配送优化方案。
如图8所示，三角胶物流配送优化系统，系统包括：
图像捕捉模块通过三角胶生产线上的摄像头，在三角胶进入预定检测区域时自动抓拍，记录三角胶的移动状态，生成三角胶动态图像集；
图像分析模块基于三角胶动态图像集，分析图像中的形状、大小和表面特征，生成三角胶质量分级数据；
分拣控制模块基于三角胶质量分级数据，发送指令至分拣设备，自动分拣三角胶，根据质量状态进行分类，生成分拣操作记录；
效率瓶颈分析模块基于分拣操作记录，分析生产线上物流路径的运作情况，识别其中的效率瓶颈和冗余区域，生成路径效率分析结果；
路径规划模块基于路径效率分析结果，重新设计三角胶的物流路径，连接生产线的关键节点，生成优化后的物流路径；
实时监控模块基于优化后的物流路径，持续监控路径运行状态，收集关于路径运行速度和停留时间多项数据，生成路径运行状态数据集；
迭代优化模块基于路径运行状态数据集，对路径进行持续的分析和调整，生成三角胶物流配送优化方案。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.三角胶物流配送优化方法，其特征在于，所述方法包括：
通过摄像技术捕捉三角胶在生产线移动过程中的状态，当三角胶到达检测区域时，触发摄像头抓拍，获得三角胶实时图像集；
分析所述三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据；
利用所述三角胶质量分类数据，通过与PLC的通信接口发送分类结果，控制分拣机械臂，根据三角胶质量状态进行自动分拣，生成三角胶分拣记录；
依据所述三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果；
根据所述物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径；
实施所述调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行-迭代调整，生成三角胶物流配送优化方案。
2.根据权利要求1所述的三角胶物流配送优化方法，其特征在于：所述三角胶实时图像集包括三角胶的形状、大小和表面纹理多种图像特征数据，所述三角胶质量分类数据包括通过图像特征分析得出的三角胶合格与不合格的标识信息，所述三角胶分拣记录包括分拣时间、分拣位置、三角胶质量状态和分拣结果，所述物流路径分析结果包括识别的冗余转移路径、效率异常的区域以及路径优化推荐，所述调整后的三角胶物流路径包括优化后直接连接的生产关键节点以及简化的物流转移路径，所述三角胶物流配送优化方案包括优化前后的路径效率对比数据、迭代调整的记录以及确定的物流路径方案。
3.根据权利要求1所述的三角胶物流配送优化方法，其特征在于，分析所述三角胶实时图像集，识别每张图像中三角胶的形态特征，辨别图像质量，生成三角胶质量分类数据的步骤，还包括：
基于所述三角胶实时图像集，对三角胶图像的亮度、对比度和清晰度进行分析，排除因曝光不足或过曝而影响分析质量的图像，生成图像筛选结果；
对所述图像筛选结果中的三角胶图像，进行特征点提取，包括边缘检测和形状识别，通过优化特征点的可识别性，生成特征点提取数据；
将所述特征点提取数据与预定的质量标准模板进行匹配，利用残差网络算法，自动区分出与标准模板相符合的图像标记为合格品，与标准模板不相符的标记为不合格品，获得三角胶质量分类数据。
4.根据权利要求3所述的三角胶物流配送优化方法，其特征在于，所述残差网络算法按照改进的公式I；自动区分图像标记为合格品或不合格品，生成三角胶质量分类数据；
其中，代表改进后的残差网络模型的输出，/>代表输入到残差网络的图像特征点数据，/>是一层或多层网络对输入/>处理后的输出，/>指的是图像的质量分类标签，/>表示图像在物流过程中的位置信息，/>代表三角胶的形态特征细节，/>、/>、/>分别为质量分类标签/>、位置信息/>、形态特征细节/>的权重系数，/>为位置信息/>的量化值，/>代表形态特征细节/>的量化值。
5.根据权利要求1所述的三角胶物流配送优化方法，其特征在于，依据所述三角胶分拣记录，分析分拣过程中的效率瓶颈，通过识别当前三角胶生产线物流路径中的冗余转移和效率异常区域，生成物流路径分析结果的步骤，还包括：
依据所述三角胶分拣记录，收集每次分拣的时间、位置和三角胶质量状态数据，通过记录设备的时间戳和位置信息，生成分拣数据集；
基于所述分拣数据集，应用盒维数方法量化当前物流路径的复杂度，通过绘制当前物流路径图，标记每个分拣点的位置和物流转移次数，通过计算转移次数和分拣点之间的距离，采用路径长度、转移频次和停留时间作为评价指标，识别重复转移和异常区域，得到效率异常区域分析结果；
根据所述效率异常区域分析结果，对比分析每种物流路径的效率，通过优化路径转弯次数和直接连接生产关键节点的策略，重新规划物流路径，生成物流路径分析结果。
6.根据权利要求5所述的三角胶物流配送优化方法，其特征在于，所述盒维数方法按照改进的公式II：计算当前物流路径的复杂度，生成效率异常区域分析结果；其中，/>表示改进后的物流路径复杂度盒维数，/>是盒子的尺寸，为给定盒子尺寸/>下，覆盖整个物流路径所需的最小盒子数量，/>代表物流路径上指定产品的数量参数，/>为每个分拣点间的平均转移频次，/>表示每个分拣点的平均停留时间，/>是路径中直接连接生产关键节点的比例参数。
7.根据权利要求1所述的三角胶物流配送优化方法，其特征在于，根据所述物流路径分析结果，对三角胶在生产线内的流转路径进行重新规划，直接连接生产关键节点，生成调整后的三角胶物流路径的步骤，还包括：
收集所述物流路径分析结果，确定三角胶生产线内部流转路径的当前状态和关键节点的位置，并进行路径长度和节点间距离的测量，得到物流路径基础数据；
基于所述物流路径基础数据，识别并剔除路径中的冗余环节，包括无效循环和超出设定标准长度的直线段，参照物料搬运的最短可行距离，重新连接关键节点，形成物流路径优化图；
采用所述物流路径优化图，调整每个节点之间的直接连接方式，减少转弯次数和交叉点，生成调整后的三角胶物流路径。
8.根据权利要求1所述的三角胶物流配送优化方法，其特征在于，实施所述调整后的三角胶物流路径，通过实时监控的方式收集当前路径的运行数据，分析路径优化前后的效率变化，根据收集到的数据进行迭代调整，生成三角胶物流配送优化方案的步骤，还包括：
收集所述调整后的三角胶物流路径的实时收集物流运行速度、每个节点的停留时间以及路径的整体利用率信息，得到实时运行数据集；
基于所述实时运行数据集，比较调整前后物流路径的运行速度差异、停留时间减少情况以及路径利用率，通过绘制对比图表，标识效率变化的关键指标，形成路径效率对比结果；
根据所述路径效率对比结果，识别效率未达预期的区域，调整区域的路径长度或增设通道，再次监控和收集数据，分析调整措施的效果，生成三角胶物流配送优化方案。
9.三角胶物流配送优化系统，其特征在于，根据权利要求1-8任一项所述的三角胶物流配送优化方法执行，所述系统包括：
图像捕捉模块通过三角胶生产线上的摄像头，在三角胶进入预定检测区域时自动抓拍，记录三角胶的移动状态，生成三角胶动态图像集；
图像分析模块基于所述三角胶动态图像集，分析图像中的形状、大小和表面特征，生成三角胶质量分级数据；
分拣控制模块基于所述三角胶质量分级数据，发送指令至分拣设备，自动分拣三角胶，根据质量状态进行分类，生成分拣操作记录；
效率瓶颈分析模块基于所述分拣操作记录，分析生产线上物流路径的运作情况，识别其中的效率瓶颈和冗余区域，生成路径效率分析结果；
路径规划模块基于所述路径效率分析结果，重新设计三角胶的物流路径，连接生产线的关键节点，生成优化后的物流路径；
实时监控模块基于所述优化后的物流路径，持续监控路径运行状态，收集关于路径运行速度和停留时间多项数据，生成路径运行状态数据集；
迭代优化模块基于所述路径运行状态数据集，对路径进行持续的分析和调整，生成三角胶物流配送优化方案。
CN202410565183.5A 2024-05-09 2024-05-09 三角胶物流配送优化方法及系统 Active CN118154068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410565183.5A CN118154068B (zh) 2024-05-09 2024-05-09 三角胶物流配送优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410565183.5A CN118154068B (zh) 2024-05-09 2024-05-09 三角胶物流配送优化方法及系统

Publications (2)

Publication Number Publication Date
CN118154068A true CN118154068A (zh) 2024-06-07
CN118154068B CN118154068B (zh) 2024-07-23

Family

ID=91293289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410565183.5A Active CN118154068B (zh) 2024-05-09 2024-05-09 三角胶物流配送优化方法及系统

Country Status (1)

Country Link
CN (1) CN118154068B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004125629A (ja) * 2002-10-02 2004-04-22 Jfe Steel Kk 欠陥検出装置
US6856859B1 (en) * 1998-12-31 2005-02-15 Kimberly-Clark Worldwide, Inc. Method of controlling cross-direction alignment in manufacturing process
US20130046559A1 (en) * 2011-08-19 2013-02-21 Hartford Fire Insurance Company System and method for computing and scoring the complexity of a vehicle trip using geo-spatial information
CN112966404A (zh) * 2021-01-16 2021-06-15 西安交通大学 一种三维雷电先导发展路径的生成方法
CN112987735A (zh) * 2021-02-24 2021-06-18 同济大学 一种基于Delaunay三角形的移动机器人安全路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6856859B1 (en) * 1998-12-31 2005-02-15 Kimberly-Clark Worldwide, Inc. Method of controlling cross-direction alignment in manufacturing process
JP2004125629A (ja) * 2002-10-02 2004-04-22 Jfe Steel Kk 欠陥検出装置
US20130046559A1 (en) * 2011-08-19 2013-02-21 Hartford Fire Insurance Company System and method for computing and scoring the complexity of a vehicle trip using geo-spatial information
CN112966404A (zh) * 2021-01-16 2021-06-15 西安交通大学 一种三维雷电先导发展路径的生成方法
CN112987735A (zh) * 2021-02-24 2021-06-18 同济大学 一种基于Delaunay三角形的移动机器人安全路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何传江;黄娟娟;李高平;: "基于分数盒维数的快速分形图像编码", 中国图象图形学报, no. 02, 28 February 2007 (2007-02-28) *
张涛;孙林;黄爱民;: "图像分形维数的差分盒方法的改进研究", 电光与控制, no. 05, 15 October 2007 (2007-10-15) *

Also Published As

Publication number Publication date
CN118154068B (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
US11341626B2 (en) Method and apparatus for outputting information
CN111444939B (zh) 电力领域开放场景下基于弱监督协同学习的小尺度设备部件检测方法
CN108520273A (zh) 一种基于目标检测的稠密小商品快速检测识别方法
CN111652852B (zh) 一种产品表面缺陷检测方法和装置及设备
CN108711148B (zh) 一种基于深度学习的轮胎缺陷智能检测方法
CN111814850A (zh) 缺陷检测模型训练方法、缺陷检测方法及相关装置
CN109284779A (zh) 基于深度全卷积网络的物体检测方法
WO2021120179A1 (zh) 产品制造消息处理方法、设备和计算机存储介质
CN110648310A (zh) 基于注意力机制的弱监督铸件缺陷识别方法
JP2021515885A (ja) 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体
CN117115148B (zh) 基于5g技术的芯片表面缺陷智能识别方法
CN111591715A (zh) 一种皮带纵向撕裂检测方法及装置
CN110070106A (zh) 烟雾检测方法、装置及电子设备
WO2023124734A1 (zh) 物体抓取点估计、模型训练及数据生成方法、装置及系统
CN117274843B (zh) 基于轻量级边缘计算的无人机前端缺陷识别方法及系统
CN113408630A (zh) 一种变电站指示灯状态识别方法
CN115294009A (zh) 一种基于机器学习检测电池极耳焊接缺陷的方法、设备及存储介质
CN118052793A (zh) 毛绒玩具生产过程实时监控系统及方法
CN118037662A (zh) 加工刀具的检测方法、系统、设备及介质
KR20190127029A (ko) G-code를 이용한 3D 프린팅 관리 방법 및 장치
CN118154068B (zh) 三角胶物流配送优化方法及系统
CN116843615B (zh) 一种基于柔性光路的引线框架智能全检方法
CN117563960A (zh) 一种自动化外观检测方法和装置
CN117314829A (zh) 一种基于计算机视觉的工业零件质检方法和系统
KR102494829B1 (ko) 컨볼루션 신경망을 이용한 건물 손상 평가 방법 및 상기 방법을 수행하는 컴퓨팅 장치

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