[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

本發明公開了一種基于卷積神經網絡算法的倉儲管理方法及系統，涉及倉儲運輸裝置技術領域，方法包括：采集倉庫數據生成區域標識結果，對物品信息分析得到整合分析結果，倉儲運輸裝置的裝置信息、整合分析結果和區域標識結果一并生成運輸規劃結果，倉儲運輸裝置通過運輸規劃結果進行目標倉儲物品的實時運輸管理，且得到倉儲運輸裝置實時位置數據，再通過圖像采集裝置對倉庫進行實時圖像采集，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，以上為基礎進行倉儲運輸裝置的倉儲控制反饋，解決了現有技術中倉儲運輸規劃效果差、運輸效率低、運輸技術落后，實現了及時準確的路徑規劃調整，提高運輸效率，保障運輸智能性的技術效果。

技術領域

本發明涉及倉儲運輸裝置技術領域，具體涉及一種基于卷積神經網絡算法的倉儲管理方法及系統。

背景技術

隨著我國市場經濟體制的不斷完善，生產力的高速發展，作為企業管理的核心：倉庫管理已成為企業發展競爭力的關鍵因素。但是在管理中，現有大型倉儲運輸系統中經常存在倉儲物品多而繁雜，通過人員進行倉儲運輸的手段逐漸被淘汰，更多的是依賴于智能設備進行倉儲的智能化運輸，進而提高倉儲過程的智能性，提高倉儲效率，將人從機械的倉儲勞動中解放出來。

現有技術中在通過智能設備倉儲運輸時，不能根據倉儲物品、倉儲運輸裝置的信息進行準確實時規劃控制，進而導致倉儲運輸規劃效果不佳、運輸效率低、運輸不智能的技術問題。

發明內容

本申請提供了一種基于卷積神經網絡算法的倉儲管理方法及系統，解決了現有技術中不能根據倉儲物品、倉儲運輸裝置的信息進行準確實時規劃控制，進而導致倉儲運輸規劃效果不佳、運輸效率低、運輸不智能的技術問題，通過結合物品信息、倉儲運輸裝置和實時障礙識別，進而進行及時準確的路徑規劃調整，提高運輸效率，保障運輸的智能性的技術效果。

鑒于上述問題，本申請提供了一種基于卷積神經網絡算法的倉儲管理方法及系統。

第一方面，本申請提供了一種基于卷積神經網絡算法的倉儲管理方法，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。

第二方面，本申請提供了一種基于卷積神經網絡算法的倉儲管理系統，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。

本申請中提供的一個或多個技術方案，至少具有如下技術效果或優點：