KR20210138952A

KR20210138952A - 물류처리 대상 제품의 분류시스템 및 분류방법

Info

Publication number: KR20210138952A
Application number: KR1020200057080A
Authority: KR
Inventors: 이연
Original assignee: 주식회사 쉐어그라운드
Priority date: 2020-05-13
Filing date: 2020-05-13
Publication date: 2021-11-22
Also published as: KR20230074456A

Abstract

본 발명에서는 물류처리 대상 제품의 분류시스템 및 분류방법이 제공된다. 일부 실시 예에 따른 물류센터로 입고된 물류처리 대상 제품을 분류하는 방법은, 상기 물류센터에 설치된 촬영장치가, 상기 물류처리 대상 제품을 촬영하여 입고제품 이미지를 획득하는 단계; 상기 촬영장치와 연결된 컴퓨팅 장치가, 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터를 수신하는 단계; 상기 컴퓨팅 장치가, 상기 입고제품 이미지로부터 추출된 특징데이터와 상기 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 상기 입고제품 이미지와 상기 물류처리 가능 제품의 이미지 간의 유사도를 판단하는 단계; 및 상기 컴퓨팅 장치가, 상기 제품데이터 및 상기 유사도의 판단결과에 기초하여 상기 입고제품 이미지를 분류하는 단계를 포함하고, 상기 물류처리 대상 제품과 상기 입고 예정 제품은 상기 물류처리 가능 제품에 포함된다.

Description

물류처리 대상 제품의 분류시스템 및 분류방법{SYSTEM FOR CLASSIFYING DISTRIBUTION TARGET PRODUCT AND METHOD THEREFOR}

본 발명은 물류처리 대상 제품을 분류하는 시스템과 그 분류방법에 관한 것이다.

종래부터 도매점과 소매점 사이에 매매, 교환, 미송, 반품, 샘플 등 도소매업과 관련된 다양한 형태의 사입거래가 있어왔고, 소매점 입장에서 각각의 업무를 모두 처리하는 것은 쉽지 않았기 때문에, 사입대행사에 이와 같은 사입거래를 대행해줄 것을 의뢰하는 것이 일반적이었다.

사입대행사는 소매점으로부터 사입대행 의뢰를 받고, 사입대행사의 직원은 일일이 도매점을 방문하여 사입대행 처리를 하게 된다. 또한 사입대행 처리가 완료된 제품은 물류센터로 전달되고, 물류센터에서 작업자에 의해 분류되어 목적지로 배송된다.

도 1은 종래 물류센터에서 물류처리 대상 제품을 처리하는 과정을 나타낸 도면이다.

일단 물류센터에 다수의 제품이 입고된다(S11). 첨부된 사진에서 확인되듯이, 각 제품이 비닐 따위의 작은 포장지에 의해 포장되고, 다수의 작은 포장지는 큰 포장지에 의해 다시 포장된다. 다수의 큰 포장지가 물류센터로 입고되면, 물류센터의 작업자는 큰 포장지 또는 작은 포장지 상의 마커(marker) 기재나 각 포장지에 부착 혹은 동봉된 식별지 상의 수기(手記) 기재를 이용하여 각 제품을 분류한다.

즉 작업자는 각 제품에 대응하는 영수증, 도매처, 제품명 등을 확인한다(S12, S13).

다음으로 작업자는 S12, S13 단계를 통해 확인된 제품에 대응하는 제품이 소매업체에서 실제로 취급되고 있는지 여부를 확인하기 위하여, 확인된 소매업체가 운영하는 웹사이트에 접속하고, 대응 제품을 검색한다(S14).

소매업체 웹사이트의 상세페이지에서 대응 제품이 검색되면, 작업자는 입고된 제품에 대한 확인을 마치고, 확인된 제품을 폴리백 등으로 포장하여 목적지로 배송한다(S15, S16).

이처럼 물류처리 대상 제품의 처리 과정은 물류센터의 작업자에 의해 이루어지는데, 작업자가 전체 과정을 일일이 체크 및 처리해야 하므로, 매우 비효율적일 수밖에 없다.

또한 작업자는 포장지 상의 마커 기재나 식별지 상의 수기 기재를 이용하여 다량의 제품을 짧은 시간 내에 분류하므로, 제품 분류나 배송이 실수, 오인 등에 의하여 잘못 이루어질 수 있고, 작업자의 피로도도 상승한다.

한국 등록특허공보 제1998384호(발명의 명칭: 스마트 물류시스템)는 물류센터의 모든 정보를 IoT 기반으로 스스로 수집하면서, 빅데이터 기술을 활용하여 분석하고, 분석된 지식을 기반으로 제품의 보관, 이송, 하역, 포장 및 배송 등을 인공지능 기법에 의해 처리하는 발명을 제안하고 있다.

다만 위 발명은 거듭 포장되어 있는 제품을 분류하는 데에 적합하지 않으며, 물류센터의 설비를 새롭게 개조, 보강해야 한다는 현실적인 문제점이 있었다.

또한 위 발명은 제품 식별을 위하여 각 제품으로부터 바코드나 RFID 등과 같이 정형화된 방식으로 제품 정보를 획득할 수 있는 경우에만 사용될 수 있다. 따라서 각 제품으로부터 정형화된 방식으로 제품 정보를 획득할 수 없는 경우에도 효율적으로 제품을 분류할 수 있는 기술 개발이 필요한 실정이다.

본 발명의 일부 실시 예는 학습된 제품 이미지를 이용하여 물류센터로 입고된 제품으로부터 정형화된 방식으로 제품 정보를 획득하기 어려운 조건에서도 입고된 제품을 정확하고 효율적으로 분류할 수 있는 물류처리 대상 제품의 분류시스템 및 분류방법을 제공하는 데에 목적이 있다.

또한, 본 발명의 일부 실시 예는 물류센터의 작업자가 업무를 함에 있어 발생할 수 있는 실수, 오인 등을 최소화하여 업무 효율을 향상시킬 수 있는 물류처리 대상 제품의 분류시스템 및 분류방법을 제공하는 데에 목적이 있다.

다만, 본 실시 예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 물류센터로 입고된 물류처리 대상 제품을 분류하는 방법은, 상기 물류센터에 설치된 촬영장치가, 상기 물류처리 대상 제품을 촬영하여 입고제품 이미지를 획득하는 단계; 상기 촬영장치와 연결된 컴퓨팅 장치가, 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터를 수신하는 단계; 상기 컴퓨팅 장치가, 상기 입고제품 이미지로부터 추출된 특징데이터와 상기 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 상기 입고제품 이미지와 상기 물류처리 가능 제품의 이미지 간의 유사도를 판단하는 단계; 및 상기 컴퓨팅 장치가, 상기 제품데이터 및 상기 유사도의 판단결과에 기초하여 상기 입고제품 이미지를 분류하는 단계를 포함하고, 상기 물류처리 대상 제품과 상기 입고 예정 제품은 상기 물류처리 가능 제품에 포함된다.

또한 일부 실시 예에 따르면, 상기 획득하는 단계는 상기 촬영장치와 마주보게 배치된 작업대 상에 위치한 상기 물류처리 대상 제품의 전면과 후면을 각각 촬영하여 복수의 입고제품 이미지를 획득하는 것을 특징으로 할 수 있다.

또한 일부 실시 예에 따르면, 상기 수신하는 단계는 상기 제품 사입 과정을 오프라인 상에서 수행하는 사입업자의 모바일 장치가 상기 모바일 장치에 설치된 애플리케이션의 동작에 따라 상기 제품데이터를 생성하면, 상기 모바일 장치로부터 상기 생성된 제품데이터를 수신하는 것을 특징으로 할 수 있다.

또한 일부 실시 예에 따르면, 상기 판단하는 단계는 상기 제품데이터를 기초로 상기 학습데이터 중에서 상기 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 상기 특징데이터와 상기 식별된 학습데이터를 비교하는 것을 특징으로 할 수 있다.

또한 일부 실시 예에 따르면, 상기 컴퓨팅 장치와 연결되어 상기 물류센터의 작업자에게 상기 분류하는 단계의 분류결과를 표시하는 표시장치가, 상기 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 상기 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시하는 단계를 더 포함할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일부 실시 예에 따른 물류센터로 입고된 물류처리 대상 제품의 분류시스템은, 상기 물류센터에 설치되어 상기 물류처리 대상 제품을 촬영하는 촬영장치; 및 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터 및 상기 촬영장치에서 획득된 입고제품 이미지에 대한 분석결과를 이용하여 상기 입고제품 이미지를 분류하는 컴퓨팅 장치를 포함한다.

이때 상기 컴퓨팅 장치는 상기 입고제품 이미지로부터 추출된 특징데이터와 상기 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 상기 입고제품 이미지와 상기 물류처리 가능 제품의 이미지 간의 유사도를 판단하고, 상기 제품데이터 및 상기 유사도의 판단결과에 기초하여 상기 입고제품 이미지를 분류하며, 상기 물류처리 대상 제품과 상기 입고 예정 제품은 상기 물류처리 가능 제품에 포함된다.

또한 일부 실시 예에 따르면, 상기 촬영장치와 마주보게 배치되어 상면에 상기 물류처리 대상 제품이 위치할 수 있는 공간이 마련된 작업대를 더 포함할 수 있다.

또한 일부 실시 예에 따르면, 상기 제품데이터는 상기 제품 사입 과정을 오프라인 상에서 수행하는 사입업자의 모바일 장치에 설치된 애플리케이션의 동작에 따라 생성될 수 있다.

또한 일부 실시 예에 따르면, 상기 컴퓨팅 장치는 상기 제품데이터를 기초로 상기 학습데이터 중에서 상기 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 상기 특징데이터와 상기 식별된 학습데이터를 비교하는 것을 특징으로 할 수 있다.

또한 일부 실시 예에 따르면, 상기 물류센터의 작업자에게 상기 입고제품 이미지의 분류결과를 표시하는 표시장치를 더 포함하고, 상기 표시장치는 상기 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 상기 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시하는 것을 특징으로 할 수 있다.

또한 일부 실시 예에 따르면, 상기 컴퓨팅 장치는 클라우드 서버로 구현되는 것을 특징으로 할 수 있다.

본 발명의 일부 실시 예에 따른 물류처리 대상의 분류시스템 및 그 분류방법에 의할 때 다음과 같은 효과가 기대된다.

입고제품 이미지와 물류처리 가능 제품의 이미지 간의 유사도를 판단하고, 입고 예정 제품에 대한 제품데이터까지 고려하여 물류처리 대상 제품을 분류함으로써, 물류처리 대상 제품으로부터 정형화된 방식으로 제품 정보를 획득하기 어려운 조건에서도 물류처리 대상 제품을 정확하고 효율적으로 분류할 수 있다.

또한, 입고 예정 제품과 관련하여 높은 신뢰도의 정보를 가지는 제품데이터를 이용함으로써, 물류처리 대상 제품을 분류하거나 데이터 비교를 함에 있어 소요되는 시간이나 리소스를 절약할 수 있고, 그 정확도 및 효율을 향상시킬 수 있다.

또한, 물류센터의 작업자가 업무를 함에 있어 직접 판단하거나 확인해야 하는 부분을 최소화하고, 작업자가 수행하는 불필요한 과정을 아예 생략함으로써, 업무 효율을 향상시키고 그 과정에서 발생하는 실수, 오인 등을 줄일 수 있다.

도 1은 종래 물류센터에서 물류처리 대상 제품을 처리하는 과정을 나타낸 도면이다.
도 2는 본 발명의 일부 실시 예에 따른 물류처리 대상 제품의 분류시스템을 전체적으로 도시한 도면이다.
도 3은 도 2에 도시된 컴퓨팅 장치의 세부 구성을 나타낸 블록도이다.
도 4는 본 발명의 일부 실시 예에 따른 물류처리 대상 제품의 분류방법을 나타낸 흐름도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.

또한, 본 발명은 본 명세서에 표시된 실시 예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시 예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시 예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다.

명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다. 또한, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우 및 "통신 가능하도록 연결"되어 있는 경우도 포함한다.

본 발명의 일부 실시 예에서 제안하는 내용의 기재 중 일부 개념은 아래와 같은 의미를 가진다.

"도매점"이란 상품 또는 물건을 낱개가 아닌 한데로 묶은 수량으로 파는 점포를 말한다.

"소매점"이란 도매점에서 상품 또는 물건을 구입하여 소비자에게 낱개로 재판매하는 점포를 말한다.

"사입"이란 소매점이 도매점으로부터 소비자에게 상품 또는 물건을 판매하기 위해 상품 또는 물건을 구입하는 일련의 행위 및 매매, 교환, 미송, 반품, 샘플 등 도소매업과 관련된 다양한 형태의 거래업무를 포괄한다.

"매매"란 상품 또는 물건에 대해 일정 금액을 지불하면 그 상품 또는 물건을 내어줌으로써 소유권이 이동하는 것을 말한다.

"교환"이란 매매가 이루어진 상품 또는 물건과 관련하여 불량, 오염 등이 있는 경우, 사이즈, 색상 등을 변경하고자 하는 경우, 주문과 상이한 상품 또는 물건이 배송된 경우 등과 같은 이유로 소매점에서 도매점으로 상품 또는 물건을 보내서 새로운 상품 또는 물건으로 교환하는 것을 말한다.

"미송"이란 도매점이 가지고 있는 상품 또는 물건의 재고량이 부족함에 따라, 사입거래 당시 소매점에서 주문한 상품 또는 물건이 정상 출고되지 않아 예약을 해두는 경우와 같은 사입미송과, 교환 처리 당시 도매점이 소매점에서 보낸 상품 또는 물건의 교환 대상물을 가지고 있지 않은 경우와 같은 교환미송 등을 포괄하는 개념이다.

"반품"이란 소매점이 사입한 상품 또는 물건을 도매점으로 되돌려 보내는 행위로서, 일반적으로 도매점에서는 반품된 상품 또는 물건에 상응하는 현금을 환불해주지 않고, 소매점이 도매점으로 선납한 금액으로 취급되는 매입액을 돌려준다.

"샘플"이란 도매점이 새롭게 제작, 생산한 상품 또는 물건 중에서 소매점에게 제공되어 소매점의 사입거래에 도움을 주는 상품 또는 물건을 말한다. 대부분 결제 행위 없이 샘플이 도매점에서 소매점으로 제공되면, 소매점은 샘플을 선별하여 사입하거나 촬영 후 도매점으로 샘플을 돌려보낸다.

"물류처리 가능 제품"은 도매점 등 각종 매장에서 판매 내지 취급하는 제품으로서, 제품의 종류나 사이즈는 특별히 제한되지 않는다.

"입고 예정 제품"은 "물류처리 가능 제품" 중에서 제품 사입 과정을 거친 후, 목적지로의 배송을 위해 각종 매장에서 물류센터로 전달되는 제품을 의미한다.

"물류처리 대상 제품"은 "물류처리 가능 제품" 중에서 물류센터로 입고된 제품을 의미하고, 물류센터의 작업자에 의해 분류 및 처리되어 목적지로 배송된다.

따라서 "물류처리 대상 제품"과 "입고 예정 제품"은 각각 "물류처리 가능 제품"에 포함되는 용어이다. "물류처리 가능 제품" 중 적어도 하나 이상의 제품이 "물류처리 대상 제품" 또는 "입고 예정 제품"이 될 수 있다.

이하에서는 도면을 참고하여 본 발명에서 제안하는 물류처리 대상 제품의 분류시스템에 관하여 상세히 설명하기로 한다.

도 2는 본 발명의 일부 실시 예에 따른 물류처리 대상 제품의 분류시스템을 전체적으로 도시한 도면이다.

일부 실시 예에 따르면, 물류처리 대상 제품(T)의 분류시스템(100)은 촬영장치(110), 작업대(120), 컴퓨팅 장치(130), 표시장치(140)를 포함하며, 이들은 서로 통신 가능하게 구성된다.

각 구성이 무선 통신을 하는 경우 네트워크를 이용하여 상호 간에 데이터 및 정보 교환을 한다. 네트워크는 예를 들어 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, LTE-A(Long Term Evolution-Advanced) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나, 기술발전에 따라 추가되는 네트워크도 충분히 포함될 수 있다.

촬영장치(110)는 물류센터(C)의 소정 위치에 지지수단(미도시)에 의해 고정 설치되어 물류센터(C)로 입고된 물류처리 대상 제품(T)을 촬영하고, 그 결과 적어도 하나 이상의 입고제품 이미지를 획득할 수 있다.

촬영장치(110)는 카메라, 화상카메라, 웹캠이 장착된 노트북, 촬영기능이 제공되는 모바일 장치일 수 있다.

모바일 장치는 예를 들어, PCS(Personal Communication System) 단말, GSM(Global System for Mobile communications) 단말, PDC(Personal Digital Cellular) 단말, PHS(Personal Handyphone System) 단말, PDA(Personal Digital Assistant) 단말, IMT(International Mobile Telecommunication)-2000 단말, CDMA(Code Division Multiple Access)-2000 단말, W-CDMA(W-Code Division Multiple Access) 단말, WiBro(Wireless Broadband Internet) 단말, mVoIP(mobile Voice over Internet Protocol) 단말, 스마트 폰(Smart Phone), 태블릿 PC, 웨어러블(wearable) 장치 등을 포함할 수 있다.

작업대(120)는 촬영장치(110)와 마주보게 배치되어 상면에 물류처리 대상 제품(T)이 위치할 수 있는 공간이 마련될 수 있다.

이때 촬영장치(110)가 작업대(120) 상의 물류처리 대상 제품(T)을 촬영하는 각도가 반드시 90도를 이루어야 하는 것은 아니다.

또한 물류처리 대상 제품(T)은 의류, 선글라스, 가방, 패션 액세서리 등을 포함할 수 있는데, 의류인 경우 그 의류가 완전히 펼쳐진 상태에서 촬영되는 것이 바람직하므로, 작업대(120)에는 대형 사이즈의 의류가 위치할 수 있는 공간이 확보될 수 있다.

컴퓨팅 장치(130)는 예를 들어 적어도 하나 이상의 범용 컴퓨터, 특수 서버 컴퓨터(예를 들어, PC 서버, 유닉스 서버, 미드 레인지(mid-range) 서버, 메인 프레임 컴퓨터, 랙 장착형(rack-mounted) 서버 등), 서버 팜, 서버 클러스터, 또는 임의의 다른 적절한 배열 및/또는 조합으로 이루어져 있을 수 있다.

또한 컴퓨팅 장치(130)는 적어도 하나 이상의 상이한 운영 체제를 포함할 수 있고, 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합을 사용하여 플랫폼 형태로 구현될 수 있으며, 가상화된 클라우드 서버 혹은 물리적 서버의 형태로 구현될 수도 있다.

일부 실시 예에 따르면, 컴퓨팅 장치(130)는 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터 및 촬영장치(110)에서 획득된 입고제품 이미지에 대한 분석결과를 이용하여 입고제품 이미지를 분류할 수 있다.

제품 사입 과정에서 사입업자(S)는 소매점의 구매 등 요청에 따라 동대문 시장 등에 위치한 적어도 하나 이상의 도매점(X, Y, Z)을 직접 방문하여 일련의 거래행위를 할 수 있는데, 이러한 경우 모바일 장치(160) 및 이에 설치된 애플리케이션이 이용될 수 있다.

이때 입고 예정 제품에 대한 제품데이터는 제품 사입 과정을 오프라인 상에서 수행하는 사입업자(S)의 모바일 장치(160)에 설치된 애플리케이션의 동작에 따라 생성될 수 있다. 사입업자(S)는 오프라인 현장에서 입고 예정 제품에 대한 처리를 확인한 경우, 애플리케이션에 대하여 미리 정해진 컨펌 방식에 따라 컨펌하고, 애플리케이션은 이에 상응하여 입고 예정 제품에 대한 제품데이터를 생성할 수 있다. 따라서 제품데이터는 입고 예정 제품과 관련하여 높은 신뢰도의 정보를 가지게 되고, 물류센터(C) 내에서 목적지 배송을 위하여 각각의 물류처리 대상 제품을 구분 또는 분류할 때 매우 중요한 식별정보로 사용될 수 있다. 적어도 하나 이상의 도매점(X, Y, Z)에서 사입업자(S)에 의해 확인된 입고 예정 제품은 운송수단(B)에 의해 물류센터(C)로 전달되고(제품 입고), 위 생성된 제품데이터는 모바일 장치(160)에서 컴퓨팅 장치(130)로 전송될 수 있다.

물론 일부 실시 예에서는 제품데이터가 모바일 장치(160)에 의하여 생성되지 않고 애플리케이션의 동작에 따라 컴퓨팅 장치(130)에 의하여 생성될 수도 있다.

여기서 모바일 장치(160)는 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치로서, 촬영장치(110)에서 예시적으로 설명된 모바일 장치일 수 있다. 또한 모바일 장치(160) 및 이에 설치된 애플리케이션은 사입업자(S)에 의해 사용자 인증이 된 상태에서 제품데이터 생성 등의 동작을 실행할 수 있다. 또한 애플리케이션은 예를 들어 본 출원인이 개발하여 배포한 사입대행 애플리케이션 "쎌업(Sellup)"일 수 있는데, 이에 대한 자세한 정보는 "www.sell-up.co.kr"에서 확인 가능하다. 본 출원인이 2019. 6. 27. 출원한 출원번호 제10-2019-0076932호의 특허출원에는 위 애플리케이션의 상세한 특징 및 기능이 설명되어 있다.

또한 컴퓨팅 장치(130)는 촬영장치(110)에서 획득된 입고제품 이미지로부터 추출된 특징데이터와, 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 입고제품 이미지와 물류처리 가능 제품의 이미지 간의 유사도를 판단할 수 있다.

구체적으로 컴퓨팅 장치(130)는 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터를 기초로, 학습데이터 중에서 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 입고제품 이미지로부터 추출된 특징데이터와, 위 식별된 학습데이터를 비교할 수 있다.

컴퓨팅 장치(130)는 위 제품데이터를 기초로 특징데이터와 비교해야 하는 학습데이터의 범위나 양을 줄일 수 있어, 비교 과정에 소요되는 시간이나 리소스를 절약할 수 있고, 그 효율을 향상시킬 수 있다.

아울러 별도의 이미지 학습용 장치(150) 혹은 이미지 학습용 장치(150)가 통합된 형태의 컴퓨팅 장치(130)는 적어도 하나 이상의 도매점(X, Y, Z)에서 취급되는 다수의 물류처리 가능 제품의 이미지를 수집하여 누적 저장할 수 있고, 상당 기간 동안 수집된 이미지를 기계 학습할 수 있다.

수집된 이미지 각각에는 적어도 하나 이상의 레이블(label) 정보가 태깅될 수 있고, 레이블 정보는 지도 학습(supervised learning)을 위해 이용될 수 있다. 지도 학습의 구체적인 학습모델은 SVM(Support Vector Machine), 결정트리(Decision Tree), 회귀모델 등이 있다. 또한 다양한 상황이나 목적에 따라 물류처리 가능 제품의 이미지에 대한 학습을 위하여 비지도 학습(unsupervised learning) 혹은 강화학습(reinforcement learning)이 함께 적용될 수도 있다.

입고제품 이미지에서 배경 부분과 입고제품 부분을 감지 및 구분하여 입고제품 부분에서 특징데이터를 추출하는 알고리즘, 다수의 물류처리 가능 제품의 이미지를 학습시켜 학습데이터를 획득하는 알고리즘, 유사도를 판단하는 알고리즘 등은 본 발명과 관련된 기술분야에서 이미 알려져 있는 것, 깃허브(Github)에 등록되어 있는 데이터 세트, 혹은 가까운 장래에 개발되어 공개되는 것 등을 사용할 수 있다.

또한 컴퓨팅 장치(130)는 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터 및 상술한 유사도의 판단결과에 기초하여 입고제품 이미지를 분류할 수 있다.

앞서 설명한 컴퓨팅 장치(130)는 도 3에 도시된 것처럼 메모리(131), 프로세서(132), 스토리지(133), 통신 인터페이스(134)를 포함할 수 있고, 이들은 시스템 버스를 통하여 데이터를 송수신할 수 있다. 도 3은 도 2에 도시된 컴퓨팅 장치의 세부 구성을 나타낸 블록도이다.

다만 본 발명과 관련된 기술분야에서 통상의 지식을 가진 자라면 도 3에 도시된 구성들 외에 다른 범용적인 구성들이 더 포함될 수 있음을 알 수 있다.

도 3의 블록도의 각 구성은 컴퓨팅 장치(130)의 구현 방식에 따라 통합, 세분화, 추가, 또는 생략될 수 있다.

메모리(131)는 프로세서(132)에 의해 실행 가능한 명령어들을 저장할 수 있다. 메모리(131)는 소프트웨어 또는 프로그램을 저장할 수 있다. 이러한 프로그램은 아래 설명할 각 단계, 과정 혹은 오퍼레이션을 포함할 수 있다.

프로세서(132)는 메모리(131)에 저장된 명령어들 혹은 프로그램을 로드하여 실행할 수 있다. 프로세서(132)는 컴퓨팅 장치(130)의 전반적인 동작을 제어할 수 있다. 프로세서(132)는 통신 인터페이스(134)를 통해 수신되는 정보 및 요청 사항을 획득하고, 수신되는 정보를 스토리지(133)에 저장할 수 있다. 또한, 프로세서(132)는 수신되는 정보를 가공, 관리 또는 변환하여 이를 스토리지(133)에 저장할 수 있다.

또한, 프로세서(132)는 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터 및 촬영장치에서 획득된 입고제품 이미지에 대한 분석결과를 이용하여 입고제품 이미지를 분류할 수 있다.

스토리지(133)는 컴퓨팅 장치(130)가 물류처리 대상 제품 및 그에 대응하는 입고제품 이미지를 분류하기 위해 필요한 각종 소프트웨어 및 정보들을 저장할 수 있다.

스토리지(133)는 각 물류처리 대상 제품별 정보를 데이터베이스화하여 저장 및 관리할 수 있다. 스토리지(133)는 데이터베이스로 구현될 수 있고, 컴퓨팅 장치(130)와 연결되어 다양한 위치에 상주할 수 있다. 예를 들어, 데이터베이스는 비일시적(non-transitory) 저장 매체 상에 상주할 수 있고, 컴퓨팅 장치(130) 로부터 멀리 떨어져 있을 수도 있다. 또한, 데이터베이스는 SQL 포맷의 명령어에 응답하여 데이터를 저장, 업데이트 및 검색할 수 있도록 구축된 것일 수 있다.

통신 인터페이스(134)는 물류처리 대상 제품의 분류시스템에 포함된 다른 구성 및 외부 기기와 통신을 수행할 수 있다.

다시 도 2를 참고하면, 표시장치(140)는 컴퓨팅 장치(130)와 연결되어 물류센터(C)의 작업자(W)에게 입고제품 이미지의 분류결과를 표시할 수 있다.

도 2에 도시된 것과 달리 표시장치(140)는 작업대(120)에 배치 또는 매립될 수 있고, 소정 지지수단에 의해 작업대(120)와 별도로 지지될 수도 있다.

표시장치(140)는 위 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 그 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시할 수 있다.

예를 들어 위 분류결과에 따를 때 물류처리 대상 제품에 대한 입고제품 이미지는 수많은 소매업체가 취급하는 다수의 물류처리 가능 제품 중에서 "JYP"라는 소매업체가 취급하는 "ABC" 제품에 대한 이미지로 분류될 수 있다. "JYP"라는 소매업체의 웹사이트 주소가 "www.jypcloth.co.kr"라면, "ABC" 제품이 등록되어 있는 상세페이지 링크인 "www.jypcloth.co.kr/product/cloth/man/abc"가 표시장치(140)에서 표시되어 작업자가 해당 링크를 통해 상세페이지에 용이하게 접근할 수 있도록 유도할 수 있다. 혹은 위 상세페이지로의 접속까지 자동으로 처리함으로써, 작업자가 그 상세페이지에 등록된 이미지 상의 "ABC" 제품과 자신이 작업 중인 물류처리 대상 제품을 손쉽게 비교할 수 있게끔 도움을 줄 수 있다. 만약 작업자가 위 이미지 상의 제품과 작업 중인 물류처리 대상 제품이 서로 동일한 것이라고 판단하면, 작업자는 그 물류처리 대상 제품이 "JYP"라는 소매업체의 "ABC" 제품임을 확인하고, 목적지로의 배송을 위한 후속조치를 취할 수 있다.

한편, 이하에서는 본 발명에서 제안하는 물류센터로 입고된 물류처리 대상 제품을 분류하는 방법에 대하여 도 4를 참조하여 설명한다. 도 4는 본 발명의 일부 실시 예에 따른 물류처리 대상 제품의 분류방법을 나타낸 흐름도이다.

물류처리 대상 제품의 분류방법의 각 단계, 과정 혹은 오퍼레이션은 도 2에 도시된 물류처리 대상 제품의 분류시스템이나 도 3에 도시된 컴퓨팅 장치 및 그와 연결된 기타 구성(촬영장치, 이미지 학습 장치 등)에 의하여 수행될 수 있다.

S110 단계는 물류센터에 설치된 촬영장치가, 물류센터로 입고된 물류처리 대상 제품을 촬영하여 입고제품 이미지를 획득하는 단계이다.

또한 S110 단계에서는 촬영장치와 마주보게 배치된 작업대 상에 위치한 물류처리 대상 제품의 전면과 후면 (혹은 그 외의 부분)을 각각 촬영하여 복수의 입고제품 이미지를 획득할 수 있다.

예를 들어 물류처리 대상 제품이 티셔츠인 경우, 전면에 아무런 특징도 없는 티셔츠가 있을 수 있다. 반면에 후면에 텍스트, 그림, 혹은 무늬 등이 있을 수 있다. 따라서 입고제품 이미지의 분류의 정확도를 보다 높이기 위해서는 물류처리 대상 제품에 대한 복수의 입고제품 이미지를 획득하는 것이 바람직하다.

S120 단계는 촬영장치와 연결된 컴퓨팅 장치가, 입고제품 이미지로부터 특징데이터를 추출하는 단계이다.

S130 단계는 위 컴퓨팅 장치가, 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 수신하는 단계이다.

다수의 물류처리 가능 제품의 이미지에 대한 학습 자체가 위 컴퓨팅 장치에서 이루어질 수도 있다.

S140 단계는 위 컴퓨팅 장치가, S120 단계에서 추출된 특징데이터와 S130 단계에서 수신된 학습데이터를 비교하는 단계이다.

S150 단계는 위 컴퓨팅 장치가, S140 단계의 비교 결과를 토대로 S110 단계에서 획득된 입고제품 이미지와 물류처리 가능 제품의 이미지 간의 유사도를 판단하는 단계이다.

S160 단계는 위 컴퓨팅 장치가, 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터를 수신하는 단계이다.

또한 S160 단계에서는 제품 사입 과정을 오프라인 상에서 수행하는 사입업자의 모바일 장치가 그 모바일 장치에 설치된 애플리케이션의 동작에 따라 제품데이터를 생성하면, 모바일 장치로부터 그 생성된 제품데이터를 수신할 수 있다.

또한 상술한 S140 단계에서는, S160 단계에서 수신된 제품데이터를 기초로 학습데이터 중에서 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 S120 단계에서 추출된 특징데이터와 식별된 학습데이터를 비교할 수 있다.

제품데이터의 수신은 S170 단계 이전에 이루어지면 충분하고, 그 수신시기가 특정 시기로 제한되지 않는다.

S170 단계는 위 컴퓨팅 장치가, S160 단계에서 수신된 제품데이터 및 S150 단계의 유사도의 판단결과에 기초하여 S110 단계에서 획득된 입고제품 이미지를 분류하는 단계이다.

S180 단계는 위 컴퓨팅 장치와 연결되어 물류센터의 작업자에게 S170 단계의 분류결과를 표시하는 표시장치가, 위 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 그 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시하는 단계이다.

또한 S180 단계에서는 S170 단계의 분류결과에 의할 때 분류가 불가능한 경우, 물류처리 대상 제품의 재촬영을 안내하거나 바람직한 촬영방법을 상세하게 가이드할 수도 있다. S180 단계는 S110 단계에서도 이루어질 수 있고, 이는 숙련도가 부족한 작업자에게 도움이 될 수 있다.

한편, 본 발명의 일부 실시 예는 컴퓨터에 의해 실행 가능한 명령어를 실행하도록 하는 프로그램 또는 상술한 방법을 실행하도록 하는 컴퓨터 프로그램을 기록한 컴퓨터 가독형 기록매체(컴퓨터로 판독 가능한 기록 매체, 컴퓨터로 판독 가능한 저장매체에 저장된 애플리케이션)의 형태로도 구현될 수 있다. 컴퓨터 가독형 기록매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 가독형 기록매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

지금까지 본 발명의 방법 및 시스템은 특정 실시 예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍처를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

물류센터로 입고된 물류처리 대상 제품을 분류하는 방법에 있어서,
상기 물류센터에 설치된 촬영장치가, 상기 물류처리 대상 제품을 촬영하여 입고제품 이미지를 획득하는 단계;
상기 촬영장치와 연결된 컴퓨팅 장치가, 제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터를 수신하는 단계;
상기 컴퓨팅 장치가, 상기 입고제품 이미지로부터 추출된 특징데이터와 상기 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 상기 입고제품 이미지와 상기 물류처리 가능 제품의 이미지 간의 유사도를 판단하는 단계; 및
상기 컴퓨팅 장치가, 상기 제품데이터 및 상기 유사도의 판단결과에 기초하여 상기 입고제품 이미지를 분류하는 단계를 포함하고,
상기 물류처리 대상 제품과 상기 입고 예정 제품은 상기 물류처리 가능 제품에 포함되는 것인, 물류처리 대상 제품의 분류방법.
제 1 항에 있어서,
상기 획득하는 단계는 상기 촬영장치와 마주보게 배치된 작업대 상에 위치한 상기 물류처리 대상 제품의 전면과 후면을 각각 촬영하여 복수의 입고제품 이미지를 획득하는 것을 특징으로 하는 물류처리 대상 제품의 분류방법.
제 1 항에 있어서,
상기 수신하는 단계는 상기 제품 사입 과정을 오프라인 상에서 수행하는 사입업자의 모바일 장치가 상기 모바일 장치에 설치된 애플리케이션의 동작에 따라 상기 제품데이터를 생성하면, 상기 모바일 장치로부터 상기 생성된 제품데이터를 수신하는 것을 특징으로 하는 물류처리 대상 제품의 분류방법.
제 1 항에 있어서,
상기 판단하는 단계는 상기 제품데이터를 기초로 상기 학습데이터 중에서 상기 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 상기 특징데이터와 상기 식별된 학습데이터를 비교하는 것을 특징으로 하는 물류처리 대상 제품의 분류방법.
제 1 항에 있어서,
상기 컴퓨팅 장치와 연결되어 상기 물류센터의 작업자에게 상기 분류하는 단계의 분류결과를 표시하는 표시장치가, 상기 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 상기 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시하는 단계를 더 포함하는 물류처리 대상 제품의 분류방법.
물류센터로 입고된 물류처리 대상 제품의 분류시스템에 있어서,
상기 물류센터에 설치되어 상기 물류처리 대상 제품을 촬영하는 촬영장치; 및
제품 사입 과정에서 생성된 입고 예정 제품에 대한 제품데이터 및 상기 촬영장치에서 획득된 입고제품 이미지에 대한 분석결과를 이용하여 상기 입고제품 이미지를 분류하는 컴퓨팅 장치를 포함하고,
상기 컴퓨팅 장치는
상기 입고제품 이미지로부터 추출된 특징데이터와 상기 제품 사입 과정 이전에 학습된 다수의 물류처리 가능 제품의 이미지에 대한 학습데이터를 비교하여 상기 입고제품 이미지와 상기 물류처리 가능 제품의 이미지 간의 유사도를 판단하고,
상기 제품데이터 및 상기 유사도의 판단결과에 기초하여 상기 입고제품 이미지를 분류하며,
상기 물류처리 대상 제품과 상기 입고 예정 제품은 상기 물류처리 가능 제품에 포함되는 것인, 물류처리 대상 제품의 분류시스템.
제 6 항에 있어서,
상기 촬영장치와 마주보게 배치되어 상면에 상기 물류처리 대상 제품이 위치할 수 있는 공간이 마련된 작업대를 더 포함하는 물류처리 대상 제품의 분류시스템.
제 6 항에 있어서,
상기 제품데이터는 상기 제품 사입 과정을 오프라인 상에서 수행하는 사입업자의 모바일 장치에 설치된 애플리케이션의 동작에 따라 생성되는 것인, 물류처리 대상 제품의 분류시스템.
제 6 항에 있어서,
상기 컴퓨팅 장치는
상기 제품데이터를 기초로 상기 학습데이터 중에서 상기 입고 예정 제품의 이미지에 대한 학습데이터를 식별하여 상기 특징데이터와 상기 식별된 학습데이터를 비교하는 것을 특징으로 하는 물류처리 대상 제품의 분류시스템.
제 6 항에 있어서,
상기 물류센터의 작업자에게 상기 입고제품 이미지의 분류결과를 표시하는 표시장치를 더 포함하고,
상기 표시장치는 상기 분류결과에 대응하는 물류처리 가능 제품이 등록되어 있는 소매업체 웹사이트의 상세페이지 링크 또는 상기 상세페이지에 등록된 물류처리 가능 제품의 이미지를 표시하는 것을 특징으로 하는 물류처리 대상 제품의 분류시스템.
제 6 항에 있어서,
상기 컴퓨팅 장치는 클라우드 서버로 구현되는 것을 특징으로 하는 물류처리 대상 제품의 분류시스템.