KR20230069267A - 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법 - Google Patents

택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법 Download PDF

Info

Publication number
KR20230069267A
KR20230069267A KR1020210154374A KR20210154374A KR20230069267A KR 20230069267 A KR20230069267 A KR 20230069267A KR 1020210154374 A KR1020210154374 A KR 1020210154374A KR 20210154374 A KR20210154374 A KR 20210154374A KR 20230069267 A KR20230069267 A KR 20230069267A
Authority
KR
South Korea
Prior art keywords
cargo
courier
delivery
information
barcode
Prior art date
Application number
KR1020210154374A
Other languages
English (en)
Other versions
KR102619659B1 (ko
Inventor
이상덕
김학성
원종운
Original Assignee
한국철도기술연구원
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 한국철도기술연구원 filed Critical 한국철도기술연구원
Priority to KR1020210154374A priority Critical patent/KR102619659B1/ko
Publication of KR20230069267A publication Critical patent/KR20230069267A/ko
Application granted granted Critical
Publication of KR102619659B1 publication Critical patent/KR102619659B1/ko

Links

Images

Classifications

    • 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
    • G06Q10/0838—Historical data
    • 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
    • B07C3/00—Sorting according to destination
    • B07C3/10—Apparatus characterised by the means used for detection ofthe destination
    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2201/00—Indexing codes relating to handling devices, e.g. conveyors, characterised by the type of product or load being conveyed or handled
    • B65G2201/02—Articles
    • B65G2201/0285—Postal items, e.g. letters, parcels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0208—Control or detection relating to the transported articles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/041—Camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/042—Sensors

Abstract

본 발명은 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법에 관한 것으로, 택배화물의 정지 또는 저속 이동 없이 고속으로 이동하더라도 택배화물의 체적 측정은 물론 바코드 인식이 가능해 물류센터 내 택배화물의 취급 자동화시 효율이 향상됨은 물론 택배화물의 파손 여부를 물류센터 입출고시 파악할 수 있으므로 화물 배송 및 보관 서비스 제공자와 사용자 사이의 분쟁비용을 저감할 수 있으며 협소한 공간에도 설치 가능해 화물정보 획득을 위한 장비의 설치를 위한 공간이 충분하지 않은 중소화물 터미널 등에도 폭넓게 적용할 수 있는 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법을 제공한다.

Description

택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법 {Cargo information recognition device and method to automate the Delivery cargo Handling}
본 발명은 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법에 관한 것으로서, 더욱 상세하게는 물류센터 등에서 택배화물의 적재 또는 상차 작업을 자동화하기 위하여 택배화물의 체적과 택배화물에 부착된 바코드를 인식할 수 있으며 택배화물의 파손 여부를 자동으로 파악할 수 있는 다기능의 화물정보 인식 장치 및 방법에 관한 것이다.
일반적으로 택배화물은 물류센터에서 배송 목적지별로 분류하여 배송한다.
특히, 코로나 사태의 장기화로 온라인 쇼핑이나 CATV 홈쇼핑과 같은 무점포 판매시장의 확산이 확대되고 있어 택배화물을 운송하는 택배 산업의 중요성이 날로 더해 가고 있지만 택배화물을 목적지에 맞게 분류하는 데에 많은 인력이 필요한 실정이다. 이를 해소하기 위해 물류센터에서 택배화물의 분류를 자동화하기 위한 많은 시도가 이루어지고 있다.
한편, 물류센터 내 화물 취급의 자동화를 위해서는 화물의 체적, 배송지, 무게 등과 같은 화물정보의 취득이 필수적이다.
물론, 이를 위해서 화물 입·출고 시 화물정보를 자동으로 획득할 수 있는 시스템이 개발되었으며, 종래의 화물정보 인식 센서 및 장비는 크게 화물의 체적 측정 장비, 바코드 인식 장비 및 무게 측정 장비로 구분할 수 있다.
상기 화물의 체적 측정 장비는 주로 초음파 센서, 구조광 카메라 등을 이용하여 화물의 너비, 폭, 높이를 측정하는 장비로, 주로 화물 배송 및 보관의 과금을 위하여 활용한다.
그리고, 화물의 바코드 인식 장비는 레이져 스캐너 또는 카메라를 이용하여 화물에 부착된 바코드를 디코딩하는 장비로, 화물의 최종 배송지를 인식하여 화물의 분류 및 입·출고 상태 파악에 활용한다.
또한, 화물의 무게 측정 장비는 변위 센서를 이용하여 화물의 무게로 인한 센서의 변위를 계측함으로써 화물의 무게를 측정하는 장비로, 주로 배송 및 보관의 과금을 위하여 사용한다.
그런데, 종래의 화물 체적 측정 장비 및 무게 측정 장비는 고속으로 이동하는 화물의 경우 체적 및 무게를 측정할 수 없어 화물 취급과정에서 화물이 정지 혹은 저속 이동하는 구간이 발생하며, 이는 물류센터 내 전체 작업효율을 저하시키는 원인이 된다.
또한, 종래의 화물 체적 측정 장비는 정렬된 박스 형태의 화물의 체적 측정에 최적화 되어 있어, 비정형 화물과 정렬되어 있지 않은 화물의 부피측정이 부정확하다.
아울러, 종래의 화물 바코드 인식 장비는 바코드가 부착된 화물의 표면이 평탄하지 않은 경우에는 인식률이 크게 저하되는 문제가 있으며, 화물의 파손 여부를 파악할 수 있는 기능이 구비되어 있지 않아 복수의 주체가 연관된 물류 서비스의 사용자와 제공자 사이의 분쟁을 초래한다.
한편, 화물 취급의 완전한 자동화를 위해서는 화물의 체적, 무게 측정, 바코드 인식이 모두 필요하지만, 종래의 장비는 대부분 각각의 독립적인 단일 기능만을 제공하여 넓은 설치 공간을 요구하므로 다중기능을 수행하는 장비의 개발이 필요한 실정이다.
이러한 화물 입·출고 시 화물정보를 자동으로 획득할 수 있는 시스템에 관한 선행기술로 등록특허 제10-1324275호(참고문헌 1), 공개특허 제10-2001-0089533호(참고문헌 2), 등록특허 제10-1753279호(참고문헌 3), 등록특허 제10-1320459호(참고문헌 4), 등록특허 제10-0356016호(참고문헌 5), 등록특허 제10-2124292호(참고문헌 6), 등록특허 제10-2263184호(참고문헌 7) 등이 제안된 바 있다.
참고문헌 1: 등록특허 제10-1324275호 참고문헌 2: 공개특허 제10-2001-0089533호 참고문헌 3: 등록특허 제10-1753279호 참고문헌 4: 등록특허 제10-1320459호 참고문헌 5: 등록특허 제10-0356016호 참고문헌 6: 등록특허 제10-2124292호 참고문헌 7: 등록특허 제10-2263184호
따라서, 본 발명은 이러한 문제점들을 해결하기 위한 것으로서 본 발명은 물류센터 등에서 택배화물을 적재 또는 상차하는 작업을 자동화하기 위하여 택배화물의 체적을 측정하고 택배화물에 부착된 바코드를 인식할 수 있으며 택배화물의 파손 여부를 자동으로 파악할 수 있는 다기능의 화물정보 인식 장치 및 방법을 제공하는데 그 목적이 있다.
특히, 본 발명은 택배화물의 이동을 정지 또는 저속 이동 없이 택배화물의 체적 측정과 바코드를 인식할 수 있고, 택배화물의 파손 여부를 물류센터 등에 입출고시 파악이 가능하며 협소한 공간에도 화물정보 획득을 위한 장비의 설치가 가능해 소규모 물류센터 등에 적용 가능한 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법을 제공하는데 그 목적이 있다.
이와 같은 기술적 과제를 해결하기 위해 본 발명은;
물류센터의 택배화물 이송 경로에 설치되어 유효거리 내 택배화물의 표면에 존재하는 점들과의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물의 이미지를 촬영하는 센서부; 상기 센서부에서 수신한 점군집 데이터를 분석하여 택배화물의 체적을 산출하고, 상기 센서부에서 수신한 이미지 데이터를 이용하여 바코드를 인식하는 연산부; 및 상기 연산부에서 산출된 결과인 택배화물의 체적, 바코드를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템으로 전송하는 입출력부를 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치를 제공한다.
이때, 상기 센서부는 유효거리 내 물체인 택배화물의 표면에 존재하는 복수의 점과 센서 사이의 거리정보를 점군집 형태로 제공할 수 있는 거리 센서와, 고해상도의 이미지를 촬영할 수 있는 카메라를 포함하는 것을 특징으로한다.
아울러, 상기 센서부는 고휘도의 조명을 더 포함하는 것을 특징으로 한다.
그리고, 상기 연산부는 구겨진 포장지 또는 요철이 있는 택배화물에 부착된 바코드 이미지를 평탄면에 부착된 바코드 이미지로 재구성(reconstruction)하여 바코드를 인식하는 것을 특징으로 한다.
아울러, 상기 연산부는 택배화물의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 한다.
이때, 상기 연산부는 학습부에서 학습한 인공지능을 이용하여 택배화물의 파손 여부를 더 산출하는 것을 특징으로 한다.
그리고, 이러한 인공지능은 센서부에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물을 검출하는 화물검출기와, 상기 화물검출기에서 검출된 택배화물의 종류를 분류하는 화물 종류분류기와, 상기 화물 종류분류기에서 분류된 택배화물의 파손 여부를 구분하는 화물파손 여부 구분기를 포함하는 것을 특징으로 한다.
아울러, 상기 입출력부는 상기 연산부의 산출결과인 택배화물의 체적, 바코드 및 파손 여부를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하는 UI(User Interface)와, 물류센터 운영 시스템 및 물류관리를 위한 기타 장비 및 시스템과 통신을 수행하기 위해 통신모듈을 포함하는 것을 특징으로 한다.
그리고, 상기 연산부는 택배화물의 정보를 획득하는 센서부로부터 이미지 데이터 및 거리 정보를 획득하여 택배화물의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 한다.
아울러, 상기 화물정보는 화물적재 로봇의 적재 의사결정 시스템으로 전송하는 것을 특징으로 한다.
또한, 본 발명은;
택배화물 표면에 존재하는 복수의 점과 센서의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물의 이미지를 촬영하는 제1단계; 상기 점군집 데이터를 분석하여 택배화물의 체적을 산출하고, 상기 센서부에서 수신한 이미지 데이터를 이용하여 바코드를 인식하는 제2단계; 및 상기 택배화물의 체적, 바코드를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템으로 전송하는 제3단계;를 포함하는 것을 택배화물 취급 자동화를 위한 화물정보 인식 방법도 제공한다.
이때, 상기 제2단계는, 점군집 데이터의 분석을 통해 비정형의 택배화물과 비정렬 택배화물을 다면체로 모사하여 택배화물의 체적을 측정하고 구겨진 포장지 또는 요철이 있는 택배화물에 부착된 바코드 이미지를 평탄면에 부착된 바코드 이미지로 재구성(reconstruction)하여 바코드를 인식하는 단계인 것을 특징으로 한다.
그리고, 상기 제2단계는, 택배화물의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물의 파손 여부를 더 산출하는 단계인 것을 특징으로 한다.
아울러, 상기 제2단계에서 상기 택배화물의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한 후, 택배화물의 정보를 획득하는 센서부로부터 이미지 데이터 및 거리 정보를 획득하여 기학습된 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 한다.
이때, 상기 인공지능의 사전 학습은, 센서부에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물을 검출하고, 상기 화물검출기에서 검출된 택배화물의 종류를 분류한 후 분류된 택배화물의 파손 여부를 구분하는 것을 특징으로 한다.
그리고, 상기 제3단계는 상기 택배화물의 체적, 바코드를 포함하는 화물정보를 화물적재 로봇의 적재 의사결정 시스템으로 더 전송하는 단계인 것을 특징으로 한다.
본 발명에 따르면 택배화물의 정지 또는 저속 이동 없이 고속(1m/s 이상)으로 이동하더라도 택배화물의 체적 측정은 물론 바코드 인식이 가능해 물류센터 내 택배화물의 취급 자동화시 효율이 향상된다.
아울러, 본 발명에 따르면 택배화물의 파손 여부를 물류센터 입출고시 파악할 수 있으므로 화물 배송 및 보관 서비스 제공자와 사용자 사이의 분쟁비용을 저감 할 수 있다.
또한, 본 발명에 따른 화물정보 인식 장치는 협소한 공간에도 설치가 가능해 화물정보 획득을 위한 장비의 설치를 위한 공간이 충분하지 않은 중소화물 터미널 등에도 폭넓게 적용할 수 있다.
도 1은 본 발명에 따른 택배화물 취급 자동화를 위한 화물정보 인식 장치의 구성도이다.
도 2는 본 발명에 따른 택배화물 취급 자동화를 위한 화물정보 인식 장치의 센서부 구성 예를 도시한 도면이다.
도 3은 본 발명에 따른 택배화물의 파손 여부 인식 과정 흐름도이다.
도 4는 본 발명에 따른 택배화물의 파손 여부 인식을 위한 인공신경망의 구성도이다.
도 5는 본 발명에 따른 화물정보를 화물정보 인식 장치에서 화물적재 로봇의 적재 의사결정 시스템에 전달하는 예를 설명하기 위해 도시한 구성도이다.
도 6은 본 발명에 따른 택배화물에 부착된 바코드의 이미지로 재구성(reconstruction)하는 과정 흐름도이다.
도 7은 본 발명에 따른 택배화물의 구겨진 포장지 또는 요철이 있는 화물에 부착된 바코드의 이미지 재구성 예를 도시한 도면이다.
도 8은 본 발명에 따른 택배화물의 파손 여부를 인식하기 위한 인공신경망의 일 실시 예를 도시한 도면이다.
이하, 본 발명에 따른 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법을 첨부한 도면을 참고로 하여 상세히 기술되는 실시 예에 의하여 그 특징들을 이해할 수 있을 것이다.
이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서, 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들은 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
도 1 및 도 2를 참고하면, 본 발명에 따른 택배화물 취급 자동화를 위한 화물정보 인식 장치는 물류센터의 컨베이어 등 택배화물(1)의 이송 경로에 설치되어 유효거리 내 택배화물(1)의 표면에 존재하는 복수의 점과 센서 사이의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물(1)의 이미지를 촬영하는 센서부(10)와; 상기 센서부(10)에서 수신한 점군집 데이터를 분석하여 택배화물(1)의 체적을 산출하고, 상기 센서부(10)에서 수신한 이미지 데이터를 이용하여 바코드를 인식하고 택배화물(1)의 파손 여부를 산출하는 연산부(20)와; 상기 연산부(20)에서 산출된 결과인 택배화물(1)의 체적, 바코드 및 파손 여부를 포함하는 화물정보를 사용자(또는 작업자 등)가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템(40) 등으로 전송하는 입출력부(30)를 포함한다.
이하, 본 발명의 각부 구성을 구체적으로 설명한다.
상기 센서부(10)는 유효거리 내 물체인 택배화물(1)의 표면에 존재하는 복수의 점과 센서 사이의 거리정보를 점군집 형태로 제공할 수 있는 거리 센서(11)와, 고해상도의 이미지를 촬영할 수 있는 카메라(12)를 포함한다.
물론, 상기 센서부(10)는 거리 센서(11)의 점군집 데이터와 카메라(12)의 고해상도의 이미지 촬영을 위해 고휘도의 조명(13)을 더 포함함이 바람직하다.
그리고, 상기 연산부(20)는 상기 센서부(10)에서 수신한 점군집 데이터의 분석을 통해 비정형의 택배화물(1)과 비정렬 택배화물(1)을 다면체로 모사하여 택배화물(1)의 체적을 측정(20a)할 수 있으며, 상기 센서부(10)에서 수신한 이미지 데이터를 이용하여 바코드를 인식(20b)한다.
이 경우 상기 연산부(20)는 구겨진 포장지 또는 요철이 있는 택배화물(1)에 부착된 바코드(barcode) 이미지를 평탄면에 부착된 바코드 이미지로 재구성(reconstruction)할 수 있다.
이때, 상기 바코드는 택배화물(1)의 무게, 배송지 등 택배화물의 배송에 관한 정보를 확인하는데 사용할 수 있다.
또한, 상기 연산부(20)는 택배화물(1)의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물(1)의 파손 여부를 산출(20c)할 수 있다.
이때, 상기 연산부(20)는 택배화물(1)의 파손 여부 산출(20c)을 위해 인공지능을 사용할 수 있으며, 인공지능을 위한 학습은 연산부(20)와 연계된 학습부(21)에서 수행한다.
이러한 학습부(21)는 화물정보 인식 장치와 독립된 시스템으로 운영함이 바람직하나, 학습 시스템과 화물정보 인식 장치는 필요시 하나의 시스템으로 통합 가능하다.
일 예로 상기 학습 시스템과 화물정보 인식 장치는 필요시 하나의 시스템으로 하는 경우 상기 학습부(21)는 연산부(20)에 포함될 수 있다.
그리고, 상기 입출력부(30)는, 상기 연산부(20)의 산출결과인 택배화물(1)의 체적, 바코드 및 파손 여부를 포함하는 화물정보를 사용자(또는 작업자 등)가 인지할 수 있도록 다양한 형태로 표시하는 UI(User Interface)(31)와, 물류센터 운영 시스템(40) 및 물류관리를 위한 기타 장비 및 시스템(50)과 통신을 수행하기 위해 통신모듈(32)을 포함한다.
이때, 상기 UI(31)는 LCD, 터치스크린 등 다양한 디스플레이수단으로 구성할 수 있고, 상기 통신모듈(32)은 다양한 통신 프로토콜 및 통신 입출력 단자를 포함한다.
그리고, 상기 물류센터 운영 시스템(40)은 물류센터의 운영을 위해 택배화물(1)을 통합 관리하고 운영하는 시스템이며, 상기 기타 장비 및 시스템(50)은 택배화물(1) 등의 물류 관리를 위해 화물을 적재하거나 이송하기 위한 화물 적재 자동화 장비 및 시스템(51), 화물 이송 자동화 장비 및 시스템(52) 등을 포함한다.
따라서, 상기 연산부(20)의 산출결과인 택배화물(1)의 체적, 바코드 및 파손 여부를 포함하는 화물정보는 입출력부(30)의 통신모듈(32)을 통해 물류센터의 운영과 물류 관리를 위해 물류센터 운영 시스템(40)은 물론 기타 장비 및 시스템(50)으로 전송하고, 필요에 따라 해당 시스템(40,50)으로부터 필요 정보를 수신할 수 있다.
이하에서는 도 3을 참고로 본 발명에 따른 화물 정보 인식 장치를 이용해 택배화물의 파손 여부을 인식하는 방법을 설명한다.
우선 화물 정보 인식 장치의 연산부(20)는 연계된 학습부(21)를 통해 택배화물(1)의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한다.(S10)
그리고, 상기 연산부(20)는 파손 여부 인식 대상인 택배화물(1)의 정보를 획득하는 센서부(10)로부터 이미지 이미지 데이터 및 거리 정보를 획득한다.(S11)
다음으로 상기 연산부(20)는 상기 단계(S10)를 통해 학습부(21)에서 기학습된 인공지능을 이용하여 택배화물(1)의 파손 여부를 산출(또는 연산)한다.(S12)
마지막으로 상기 연산부(20)는 택배화물(1)의 파손 여부를 입출력부(30)를 통해 물류센터 운영 시스템(40)은 물론 기타 장비 및 시스템(50)으로 전송한다.(S13)
한편, 상기 학습부(21)의 학습단계(S10)에서는 도 4에 도시된 바와 같이 센서부(10)에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물(1)을 검출하는 화물검출기(21a)와, 상기 화물검출기(21a)에서 검출된 택배화물(1)의 종류를 분류하는 화물 종류분류기(21b), 그리고 상기 화물 종류분류기(21b)에서 분류된 택배화물(1)의 파손 여부를 구분하는 화물파손 여부 구분기(21c)를 통해 화물 파손 여부를 인식한다.
좀 더 구체적으로 설명하면, 상기 학습부(21)의 학습단계(S10)는 인공신경망을 이용하여 화물검출기(21a)를 이용해 2차원 이미지 데이터로부터 택배화물(1)의 영역을 검출하고, 화물종류 분류기(classifier)(21b)를 이용하여 택배화물(1)의 종류를 분류하는 학습을 수행한다.
또한, 화물파손 여부 구분기(21c)를 통해 분류된 택배화물(1)의 종류별로 정상적인 택배화물(1)과 파손된 택배화물(1)을 구분하는 학습을 수행한다.
물론, 상기 학습부(21)의 학습단계(S10)에서, 2차원 이미지 데이터로부터 택배화물(1)에 대한 학습을 수행하지 않고, 상기 센서부(10)를 통해 획득되는 거리 정보를 활용하여 택배화물(1)의 3차원 이미지 데이터에 대한 학습을 수행할 수도 있다.
즉, 택배화물(1)의 형상을 표현할 수 있는 3차원 이미지 데이터를 바탕으로 택배화물(1)의 영역을 검출하고, 화물종류 분류기(21b)를 통하여 택배화물(1)을 분류하며, 화물파손 여부 구분기(21c)를 통해 파손 여부를 산출하도록 학습하도록 할 수 있다.
다음으로 도 5는 본 발명의 일 실시예에 따른 화물정보 인식 장치에서 화물정보를 화물적재 로봇의 적재 의사결정 시스템(60)으로 전달하는 과정을 개념적으로 도시한 도면이다.
이에 의하면 화물적재 로봇을 이용한 택배화물(1)의 적재 자동화를 위해서는 택배화물(1)의 적재 구역 구분을 위한 배송지 정보, 택배화물(1)의 안정적인 적재 및 효율적인 적재공간 사용을 위한 택배화물(1)의 무게와 체적 정보, 분쟁 해소 및 서비스 품질 개선을 위한 택배화물(1)의 파손 여부 정보가 필요하다.
여기서, 상기 택배화물(1)의 체적 정보는 택배화물(1)의 폭, 너비, 높이 등을 포함하며, 상기 바코드는 택배화물(1)의 무게, 배송지 등을 포함한다.
이에 화물정보 인식 장치는 생성된 택배화물(1)의 체적, 바코드 및 파손 여부를 포함하는 관련 화물정보를 인식하여 화물적재 로봇의 적재 의사결정 시스템(60)에 전달할 수 있다.
또한, 상기 화물적재 로봇의 적재 의사결정 시스템(60)은 적재 공간 인식센서(61)의 정보와 상기 화물정보 인식 장치로부터 수신한 화물정보를 이용해 최적의 적재(62)가 이루어지도록 의사결정을 한다.
그리고, 도 6 및 도 7은 본 발명에 따른 택배화물(1)에 부착된 바코드 이미지(1a)에서의 바코드 인식도를 향상시키기 위해 구겨진 포장지 또는 요철이 있는 택배화물(1)에 부착된 바코드 이미지(1a)를 평탄면에 부착된 바코드 이미지(1b)로 재구성(reconstruction)한다.
좀더 구체적으로 설명하면, 화물정보 인식 장치의 연산부(20)는 센서부(10)의 거리 센서(12)를 이용하여 획득한 3차원 바코드 이미지(1a)를 산출(S20)하고, 산출된 3차원 바코드 이미지(1a)를 이용하여 바코드의 기저평면을 산출(S21)한다. 산출된 기저평면으로 3차원 바코드 이미지상의 픽셀을 좌표 변환함으로써, 기저평면 상의 바코드 이미지(1b)로 재구성(S22)한다.
또한, 도 8은 본 발명에 따른 택배화물의 파손 여부를 인식하기 위한 인공신경망의 실시 예이다.
이에 의하면 화물정보 인식 장치의 연산부(20)는 택배화물(1)의 파손 여부를 산출하기 위해 인공지능을 사용할 수 있으며, 인공지능을 위한 학습은 상기 연산부(20)에서 수행될 수도 있다.
이에 연산부(20)는 센서부(10)에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물(1)을 검출하는 화물검출기(21a)와, 상기 화물검출기(21a)에서 검출된 택배화물(1)의 종류를 분류하는 화물 종류분류기(21b)와, 그리고 상기 화물 종류분류기(21b)에서 분류된 택배화물(1)의 파손 여부를 구분하는 화물파손 여부 구분기(21c)를 포함할 수 있다.
이에 상기 화물 검출기(21a)는 상기 센서부(10)로부터 획득한 택배화물(1)의 2차원 또는 3차원 이미지를 바탕으로 택배화물(1)의 영역을 산출한다.
그리고, 화물 종류 분류기(21b)는 화물의 영역과 이미지를 바탕으로 택배화물(1)의 종류를 산출한다. 이후 화물 파손 여부 구분기(21c)는 화물의 종류와 이미지를 바탕으로 택배화물(1)의 종류별로 구분된 인공신경망을 이용하여 해당 종류의 택배화물(1)의 파손 여부를 산출한다.
위에서 설명한 택배화물 취급 자동화를 위한 화물정보 인식 방법을 정리하면, 택배화물(1) 표면에 존재하는 복수의 점과 센서의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물(1)의 이미지를 촬영하는 제1단계와 상기 점군집 데이터를 분석하여 택배화물(1)의 체적을 산출하고, 상기 센서부(10)에서 수신한 이미지 데이터를 이용하여 바코드를 인식하는 제2단계 및 상기 택배화물(1)의 체적, 바코드를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템(40)으로 전송하는 제3단계를 포함하여 택배화물 취급 자동화를 위한 화물정보 인식 방법이 이루어진다.
이때, 상기 제2단계는 점군집 데이터의 분석을 통해 비정형의 택배화물(1)과 비정렬 택배화물(1)을 다면체로 모사하여 택배화물(1)의 체적을 측정하고 구겨진 포장지 또는 요철이 있는 택배화물(1)에 부착된 바코드 이미지(1a)를 평탄면에 부착된 바코드 이미지(1b)로 재구성(reconstruction)하여 바코드를 인식하는 단계이다.
그리고, 상기 제2단계는 택배화물(1)의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물(1)의 파손 여부를 더 산출하는 단계이다.
아울러, 상기 제2단계에서 상기 택배화물(1)의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한 후, 택배화물(1)의 정보를 획득하는 센서부(10)로부터 이미지 데이터 및 거리 정보를 획득하여 기학습된 인공지능을 이용하여 택배화물(1)의 파손 여부를 산출하게 된다.
이때, 상기 인공지능의 사전 학습은 센서부(10)에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물(1)을 검출하고, 상기 화물검출기(21a)에서 검출된 택배화물(1)의 종류를 분류한 후 분류된 택배화물(1)의 파손 여부를 구분한다.
그리고, 상기 제3단계는 상기 택배화물(1)의 체적, 바코드를 포함하는 화물정보를 화물적재 로봇의 적재 의사결정 시스템(60)으로 더 전송하는 단계로 이루어지게 된다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형 가능한 것으로, 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
1: 택배화물 10: 센서부
11: 거리 센서 12: 카메라
13: 조명 20: 연산부
21: 학습부 21a: 화물검출기
21b: 화물 종류분류기 21c: 화물파손 여부 구분기
30: 입출력부 31: UI(User Interface)
32: 통신모듈 40: 물류센터 운영 시스템
50: 기타 장비 및 시스템 60: 적재 의사결정 시스템

Claims (16)

  1. 물류센터의 택배화물 이송 경로에 설치되어 유효거리 내 택배화물의 표면에 존재하는 점들과의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물의 이미지를 촬영하는 센서부;
    상기 센서부에서 수신한 점군집 데이터를 분석하여 택배화물의 체적을 산출하고, 상기 센서부에서 수신한 이미지 데이터를 이용하여 바코드를 인식하는 연산부; 및
    상기 연산부에서 산출된 결과인 택배화물의 체적, 바코드를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템으로 전송하는 입출력부를 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  2. 제 1항에 있어서,
    상기 센서부는 유효거리 내 물체인 택배화물의 표면에 존재하는 복수의 점과 센서 사이의 거리정보를 점군집 형태로 제공할 수 있는 거리 센서와, 고해상도의 이미지를 촬영할 수 있는 카메라를 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  3. 제 1항에 있어서,
    상기 센서부는 고휘도의 조명을 더 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  4. 제 1항에 있어서,
    상기 연산부는 구겨진 포장지 또는 요철이 있는 택배화물에 부착된 바코드 이미지를 평탄면에 부착된 바코드 이미지로 재구성(reconstruction)하여 바코드를 인식하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  5. 제 1항에 있어서,
    상기 연산부는 택배화물의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  6. 제 5항에 있어서,
    상기 연산부는 학습부에서 학습한 인공지능을 이용하여 택배화물의 파손 여부를 더 산출하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  7. 제 5항 또는 제6항에 있어서,
    상기 인공지능은 센서부에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물을 검출하는 화물검출기와, 상기 화물검출기에서 검출된 택배화물의 종류를 분류하는 화물 종류분류기와, 상기 화물 종류분류기에서 분류된 택배화물의 파손 여부를 구분하는 화물파손 여부 구분기를 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  8. 제 1항에 있어서,
    상기 입출력부는 상기 연산부의 산출결과인 택배화물의 체적, 바코드 및 파손 여부를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하는 UI(User Interface)와, 물류센터 운영 시스템 및 물류관리를 위한 기타 장비 및 시스템과 통신을 수행하기 위해 통신모듈을 포함하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  9. 제 1항에 있어서,
    상기 연산부는 택배화물의 정보를 획득하는 센서부로부터 이미지 데이터 및 거리 정보를 획득하여 택배화물의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  10. 제 1항에 있어서,
    상기 화물정보는 화물적재 로봇의 적재 의사결정 시스템으로 전송하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 장치.
  11. 택배화물 표면에 존재하는 복수의 점과 센서의 거리정보를 점군집 데이터 형태로 감지하고 상기 택배화물의 이미지를 촬영하는 제1단계;
    상기 점군집 데이터를 분석하여 택배화물의 체적을 산출하고, 상기 센서부(10)에서 수신한 이미지 데이터를 이용하여 바코드를 인식하는 제2단계; 및
    상기 택배화물의 체적, 바코드를 포함하는 화물정보를 사용자가 인지할 수 있도록 표시하고 연계된 물류센터 운영 시스템으로 전송하는 제3단계;를 포함하는 것을 택배화물 취급 자동화를 위한 화물정보 인식 방법.
  12. 제 11항에 있어서,
    상기 제2단계는, 점군집 데이터의 분석을 통해 비정형의 택배화물과 비정렬 택배화물을 다면체로 모사하여 택배화물의 체적을 측정하고 구겨진 포장지 또는 요철이 있는 택배화물에 부착된 바코드 이미지를 평탄면에 부착된 바코드 이미지로 재구성(reconstruction)하여 바코드를 인식하는 단계인 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 방법.
  13. 제 11항에 있어서,
    상기 제2단계는, 택배화물의 이미지 데이터 및 거리 정보를 바탕으로 인공지능을 이용하여 택배화물의 파손 여부를 더 산출하는 단계인 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 방법.
  14. 제 11항에 있어서,
    상기 제2단계에서 상기 택배화물의 파손 여부를 산출하기 위해 인공지능의 사전 학습을 진행한 후, 택배화물의 정보를 획득하는 센서부로부터 이미지 데이터 및 거리 정보를 획득하여 기학습된 인공지능을 이용하여 택배화물의 파손 여부를 산출하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 방법.
  15. 제 14항에 있어서,
    상기 인공지능의 사전 학습은, 센서부에서 검출된 이미지 데이터 또는 거리 정보를 이용해 택배화물을 검출하고, 상기 화물검출기에서 검출된 택배화물의 종류를 분류한 후 분류된 택배화물의 파손 여부를 구분하는 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 방법.
  16. 제 11항에 있어서,
    상기 제3단계는 상기 택배화물의 체적, 바코드를 포함하는 화물정보를 화물적재 로봇의 적재 의사결정 시스템으로 더 전송하는 단계인 것을 특징으로 하는 택배화물 취급 자동화를 위한 화물정보 인식 방법.
KR1020210154374A 2021-11-11 2021-11-11 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법 KR102619659B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210154374A KR102619659B1 (ko) 2021-11-11 2021-11-11 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210154374A KR102619659B1 (ko) 2021-11-11 2021-11-11 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230069267A true KR20230069267A (ko) 2023-05-19
KR102619659B1 KR102619659B1 (ko) 2024-01-05

Family

ID=86546886

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210154374A KR102619659B1 (ko) 2021-11-11 2021-11-11 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102619659B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102642446B1 (ko) * 2023-10-18 2024-03-04 한국철도기술연구원 파손에 따른 화물 분류를 위한 송장 마스킹 적용 이미지 증강 방법 및 장치

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010089533A (ko) 1998-12-03 2001-10-06 추후기재 물류 정보 판독 장치
KR100356016B1 (ko) 1999-12-21 2002-10-18 한국전자통신연구원 영상인식에 의한 소포우편물 부피계측시스템 및부피계측방법
KR101320459B1 (ko) 2011-12-26 2013-10-23 강상국 화물의 크기측정장치
KR101324275B1 (ko) 2012-11-30 2013-11-01 (주)덕평물류 화물 볼륨 체커
KR101753279B1 (ko) 2015-10-26 2017-07-03 씨제이대한통운 (주) 택배화물 자동 인식 시스템
KR20190113140A (ko) * 2018-03-27 2019-10-08 한국철도기술연구원 물류 센터의 피킹 자동화 시스템 및 이를 이용한 피킹 자동화 방법
JP2019175121A (ja) * 2018-03-28 2019-10-10 株式会社日立ソリューションズ・クリエイト 貨物ダメージ情報管理システム、及びそれに用いる貨物ダメージ情報管理方法
KR20200002383A (ko) * 2018-06-29 2020-01-08 주식회사 가치소프트 일렬 정렬이 불필요한 화물 분류장치 및 그 방법
KR102124292B1 (ko) 2020-02-19 2020-06-17 백옥현 운송용 화물의 부피를 측정하는 방법 및 그를 이용한 시스템
KR102263184B1 (ko) 2020-12-14 2021-06-09 주식회사 대곤코퍼레이션 저 품질 바코드 판독시스템

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010089533A (ko) 1998-12-03 2001-10-06 추후기재 물류 정보 판독 장치
KR100356016B1 (ko) 1999-12-21 2002-10-18 한국전자통신연구원 영상인식에 의한 소포우편물 부피계측시스템 및부피계측방법
KR101320459B1 (ko) 2011-12-26 2013-10-23 강상국 화물의 크기측정장치
KR101324275B1 (ko) 2012-11-30 2013-11-01 (주)덕평물류 화물 볼륨 체커
KR101753279B1 (ko) 2015-10-26 2017-07-03 씨제이대한통운 (주) 택배화물 자동 인식 시스템
KR20190113140A (ko) * 2018-03-27 2019-10-08 한국철도기술연구원 물류 센터의 피킹 자동화 시스템 및 이를 이용한 피킹 자동화 방법
JP2019175121A (ja) * 2018-03-28 2019-10-10 株式会社日立ソリューションズ・クリエイト 貨物ダメージ情報管理システム、及びそれに用いる貨物ダメージ情報管理方法
KR20200002383A (ko) * 2018-06-29 2020-01-08 주식회사 가치소프트 일렬 정렬이 불필요한 화물 분류장치 및 그 방법
KR102124292B1 (ko) 2020-02-19 2020-06-17 백옥현 운송용 화물의 부피를 측정하는 방법 및 그를 이용한 시스템
KR102263184B1 (ko) 2020-12-14 2021-06-09 주식회사 대곤코퍼레이션 저 품질 바코드 판독시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102642446B1 (ko) * 2023-10-18 2024-03-04 한국철도기술연구원 파손에 따른 화물 분류를 위한 송장 마스킹 적용 이미지 증강 방법 및 장치

Also Published As

Publication number Publication date
KR102619659B1 (ko) 2024-01-05

Similar Documents

Publication Publication Date Title
US11315262B1 (en) Tracking objects in three-dimensional space using calibrated visual cameras and depth cameras
US11783613B1 (en) Recognizing and tracking poses using digital imagery captured from multiple fields of view
EP3335002B1 (en) Volumetric estimation methods, devices and systems
US11030442B1 (en) Associating events with actors based on digital imagery
US9830704B1 (en) Predicting performance metrics for algorithms
US11861927B1 (en) Generating tracklets from digital imagery
US20170066597A1 (en) Information processing device, information processing system, distribution system, information processing method, and program storage medium
CN107179324B (zh) 检测产品包装的方法、装置和系统
US11393207B1 (en) Multi-video annotation
US20130329013A1 (en) Hand held dimension capture apparatus, system and method
US11284041B1 (en) Associating items with actors based on digital imagery
WO2022105231A1 (zh) 入库管理方法、装置、仓库管理系统和电子系统
CN110888345A (zh) 检测设备、控制设备及自动校验系统和方法
CN111597857B (zh) 一种物流包裹检测方法、装置、设备及可读存储介质
US11922728B1 (en) Associating events with actors using digital imagery and machine learning
JPWO2019064802A1 (ja) 荷物仕分けシステム、投影指示装置および荷物仕分け方法
US11281888B2 (en) Separation of objects in images from three-dimensional cameras
CN111767902A (zh) 安检机危险品的识别方法、装置、设备及存储介质
KR102619659B1 (ko) 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법
KR102283197B1 (ko) 상품의 유형을 결정하는 방법 및 디바이스
US11468698B1 (en) Associating events with actors using digital imagery and machine learning
KR102527061B1 (ko) Mes와 연동된 스마트 공장 제조 지능 서비스 시스템
JP2021025853A (ja) サイズ測定装置、サイズ測定方法、プログラム
US11599737B1 (en) System for generating tags
Łubkowski et al. Assessment of quality of identification of data in systems of automatic licence plate recognition

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right