[發明專利]一種基于輕量網絡的智能倉儲物件識別裝置

在審

• 申請號: 202110359606.4
• 申請日: 2021-04-02
• 公開（公告）號: CN113505629A
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 安康;陸葉斌;苗田恬;上官倩芡;方祖華
• 申請（專利權）人: 上海師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q10/08;G06T7/13
• 代理公司: 上海唯智贏專利代理事務所(普通合伙) 31293
• 代理人: 劉朵朵

本發明公開了一種基于輕量網絡的智能倉儲物件識別裝置，包括一用于放置待識別件的轉盤，轉盤與轉盤驅動裝置連接，在轉盤驅動裝置的驅動下可水平旋轉；圍繞轉盤布置有兩個以上視野中心對準轉盤中心的圖像采集設備，圖像采集設備布置在所述轉盤的不同方位上且其與轉盤間的高度差不同；圖像采集設備、轉盤驅動裝置分別與中央處理單元連接，中央處理器通過圖像采集設備獲取待識別件的圖片，而后將其輸入訓練好的Densenet改進模型中，訓練好的Densenet改進模型輸出目標類別。本發明的裝置，識別效率高、數據處理量小且識別精度高，極具應用前景。

技術領域

本發明屬于設備識別技術領域，涉及一種基于輕量網絡的智能倉儲物件 識別裝置。

背景技術

從20世紀開始，機器視覺經歷了近60年的發展已經出現的眾多應用， 也是當下各界學者的熱點研究方向之一。將機器視覺應用到檢測、交通、醫 療圖像、監控系統當中的案例數不勝數，將機器視覺應用到工業倉儲當中能 夠有助于更快實現工業智能化。由于機器視覺系統可以快速獲取大量信息， 而且易于自動處理，也易于同設計信息以及加工控制信息集成，因此，在現 代自動化生產過程中，人們將機器視覺系統廣泛地用于工況監視、成品檢驗 和質量控制等領域。但是機器視覺技術比較復雜，最大的困難在于人的視覺 機制尚不清楚。因此建立機器視覺系統仍存在一定復雜性。在研究機器視覺 的過程中，獲取一張高質量的可用圖像至關重要，因此為保證圖像質量，整 個結構對于光源系統的要求很高，對比度、亮度、魯棒性(位置敏感度)等 都是設計過程中需要慎重考慮的問題?？梢灶A見的是，隨著機器視覺技術自 身的成熟和發展，它將在現代和未來制造業中得到越來越廣泛的應用。

隨著物聯網的快速發展，各行各業都在開發智能倉儲系統，尤其體現在 物流行業。在工業環境中建立智能倉儲系統將極大提升查找效率，現代工業 倉儲系統內部不僅物品復雜，而且形態各異、性能各異，實現動態存取、智 能查詢可以為工業智能化提供良好的保證。

傳統工業生產或倉儲場景中，對生產物料(器件)或貨物的識別跟蹤通 常以打標簽(條形碼、二維碼)的方式實現，通過人力來對打過標簽(如二 維碼)的貨物存放到倉庫的固定位置，取貨時通過掃描標簽獲取貨物在倉庫 的位置，實現貨物取放，或者設置于傳送帶上的掃碼系統掃描通過的物料， 實現對物料的跟蹤。而對于非標準貨物(數量少)或異形貨物(無法打標簽)， 打標簽方式效率低或者根本無法實現。對于此類貨物，當前的倉儲系統主要 是在特定角度采集特定狀態的零件，而后完成零件識別，為完成零件識別往 往還需要使用理料機與圖像采集設備配合，其不僅采集非常繁瑣且不易于管 理，而且理料機往往需要定制，其價格昂貴，同時其難以適用于不規則且復 雜的物料整理。

此外，目標檢測是計算機視覺領域的重要研究方向之一，傳統的目標檢 測方法是通過構建特征描述子提取特征后利用分類器對特征進行分類實現目 標檢測，如梯度方向直方圖HOG(Histogram of Oriented Gradient)和支持向量機 SVM(Support VectorMachine)。隨著深度學習在圖像分類領域的優異表現，卷 積神經網絡在計算機視覺的各領域開始得到了廣泛使用。在目標檢測領域中 使用深度學習實現目標檢測成為一個新的方向。傳統神經網絡使用使用全連 接層進行層與層之間的連接，而卷積神經網絡的權值共享網絡使得計算量大 幅度減少，降低了網絡模型的復雜度。卷積神經網絡的平移不變性可以使其 更好處理圖片的特征，基于圖像識別方法出現了大量的卷積神經網絡，從最 初的LeNet、AlexNet、ZFNext、VGGNet、Inception系列、ResNet系列到輕 量型神經網絡，這些算法在基于Backbone上進行修改，能夠得到很高的精度， 這些技術被逐步使用到了人臉識別，智能倉儲等其他應用中。盡管如此，該 技術目前還存在以下缺陷：由于殘差連接的出現，使其在保證精度的前提下 能夠堆疊更深的網絡，但這同時也增大了網絡模型的復雜度、計算量，一些 商用計算機能夠憑借優越的GPU和內存能夠運行這些網絡，但對于一些性能 有限的嵌入式設備而言，其處理數據量過大，難以滿足時效與精度的要求。

因此，開發一種精度高、數據處理量小且適用性好的倉儲物件識別裝置 極具現實意義。