[發明專利]一種基于卷積神經網絡算法的倉儲管理方法及系統

在審

• 申請號: 202211313512.4
• 申請日: 2022-10-25
• 公開（公告）號: CN115759492A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 郭海波;謝濤;楊歡歡;李妍潔
• 申請（專利權）人: 四川業億辰科技有限公司
• 主分類號: G06Q10/047
• 分類號: G06Q10/047;G06Q10/0835;G06Q10/087;G06V10/82;G06N3/0464
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 肖會

1.一種基于卷積神經網絡算法的倉儲管理方法，其特征在于，所述方法應用于倉儲管理系統，所述倉儲管理系統與圖像采集裝置、倉儲運輸裝置通信連接，所述方法包括：

采集倉庫數據，基于所述倉庫數據進行區域標識，生成區域標識結果；

獲得目標倉儲物品的物品信息，對所述物品信息進行整合分析，生成整合分析結果；

采集所述倉儲運輸裝置的裝置信息，基于所述裝置信息、所述整合分析結果和所述區域標識結果進行倉儲運輸規劃，生成運輸規劃結果；

通過所述運輸規劃結果基于所述倉儲運輸裝置進行所述目標倉儲物品的實時運輸管理，并獲得所述倉儲運輸裝置的實時位置數據；

通過所述圖像采集裝置進行倉庫的實時圖像采集，并基于卷積神經網絡進行實時圖像采集結果的特征識別，生成障礙識別數據；

通過所述運輸規劃結果、所述實時位置數據和所述障礙識別數據進行所述倉儲運輸裝置的倉儲控制反饋。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

獲得所述目標倉儲物品的物品屬性數據，基于所述物品屬性數據進行所述目標倉儲物品的倉儲順序排序，獲得排序約束信息；

獲得所述目標倉儲物品的訂單需求信息，基于所述訂單需求信息生成訂單排序約束信息；

對所述訂單排序約束信息和所述排序約束信息進行整合評價，生成整合約束信息；

通過所述整合約束信息生成所述整合分析結果。

3.如權利要求1所述的方法，其特征在于，所述方法還包括：

設定周期識別節點；

通過所述周期識別節點中的第一節點進行所述實時圖像采集結果的特征識別，獲得特征識別結果；

當特征識別結果為不存在障礙特征時，則對所述第一節點開啟動靜檢測，關閉特征識別；

當動靜檢測檢測出現動態特征和/或到達第二節點時，則重新開啟特征識別，其中，所述第二節點為所述周期識別節點中所述第一節點的后一節點。

4.如權利要求3所述的方法，其特征在于，所述倉儲管理系統與關聯圖像采集裝置通信連接，所述方法還包括：

當特征識別結果為存在障礙特征時，則通過所述特征識別結果進行初始定位，基于初始定位結果匹配所述關聯圖像采集裝置；

通過所述關聯圖像采集裝置進行圖像采集，得到新增圖像；

對所述實時圖像采集結果和所述新增圖像進行障礙的卷積特征識別，基于識別結果生成所述障礙識別數據，其中，所述障礙識別數據包括障礙位置數據、影響空間坐標數據；

通過所述障礙識別數據進行所述倉儲運輸裝置的倉儲控制反饋。

5.如權利要求4所述的方法，其特征在于，所述方法還包括：

根據所述運輸規劃結果、所述實時位置數據和障礙位置數據匹配影響倉儲運輸裝置集合；

根據所述影響空間坐標數據進行所述影響倉儲運輸裝置集合的通行評價，生成通行評價結果；

基于所述通行評價結果進行所述倉儲運輸裝置的運輸路徑調整。

6.如權利要求5所述的方法，其特征在于，所述方法還包括：

基于所述通行評價結果獲得通行倉儲運輸裝置集合，根據所述實時位置數據進行所述通行倉儲運輸裝置集合的通行順序規劃，生成通行順序規劃結果；

獲得所述順序規劃結果的第一通行倉儲運輸裝置的裝置信息，通過所述裝置信息和所述影響空間坐標數據進行通行速度約束，構建第一通行時間節點；

通過所述第一通行時間節點進行第二通行倉儲運輸裝置的速度約束調整，其中，所述第二通行倉儲運輸裝置為所述第一通行倉儲運輸裝置的相鄰后通行裝置；

根據所述第一通行時間節點和速度約束調整進行所述通行倉儲運輸裝置集合的通行管理。

7.如權利要求6所述的方法，其特征在于，所述方法還包括：

對通行倉儲運輸裝置集合進行障礙通行評價，生成通行時間評價集合；

通過所述通行時間評價集合獲得通行滯后時間值；

依據所述通行順序規劃結果進行逐次通行滯后時間值比對；

當存在通行滯后時間值不滿足預設時間閾值的第三通行倉儲運輸裝置時，則將所述第三通行倉儲運輸裝置進行路徑更改。

8.一種基于卷積神經網絡算法的倉儲管理系統，其特征在于，所述倉儲管理系統與圖像采集裝置、倉儲運輸裝置通信連接，所述系統包括：

區域標識模塊：所述區域標識模塊用于采集倉庫數據，基于所述倉庫數據進行區域標識，生成區域標識結果；

整合分析模塊：所述整合分析模塊用于獲得目標倉儲物品的物品信息，對所述物品信息進行整合分析，生成整合分析結果；

運輸規劃模塊：所述運輸規劃模塊用于采集所述倉儲運輸裝置的裝置信息，基于所述裝置信息、所述整合分析結果和所述區域標識結果進行倉儲運輸規劃，生成運輸規劃結果；

實時位置數據模塊：所述實時位置數據模塊用于通過所述運輸規劃結果基于所述倉儲運輸裝置進行所述目標倉儲物品的實時運輸管理，并獲得所述倉儲運輸裝置的實時位置數據；

識別障礙模塊：所述識別障礙模塊用于通過所述圖像采集裝置進行倉庫的實時圖像采集，并基于卷積神經網絡進行實時圖像采集結果的特征識別，生成障礙識別數據；

控制倉儲模塊：所述控制倉儲模塊用于通過所述運輸規劃結果、所述實時位置數據和所述障礙識別數據進行所述倉儲運輸裝置的倉儲控制反饋。