[發明專利]基于深度學習及視覺識別的組合識別盤庫系統及方法

在審

• 申請號: 202310090349.8
• 申請日: 2023-02-09
• 公開（公告）號: CN116310507A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 付嵐濤;李壽君;谷志許;張杰通
• 申請（專利權）人: 云南紫金科貿有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/12;G06N20/00;G06Q10/087
• 代理公司: 昆明潤勤同創知識產權代理事務所(特殊普通合伙) 53205
• 代理人: 羅繼元

本發明涉及一種基于深度學習及視覺識別的組合識別盤庫系統，包括數據采集模塊、盤庫業務模塊、設備控制模塊、深度學習識別模塊、視覺識別模塊、組合識別模塊和綜合調度模塊。本申請相比于單純的傳統圖像算法視覺識別和單純的深度學習識別，識別準確率高，且可以做到無縫連接。

技術領域

本發明涉及盤庫系統技術領域，具體涉及一種基于深度學習及視覺識別的組合識別盤庫系統及方法。

背景技術

按照目前立體庫庫存管理的要求，廠級庫存物資必須進行定時實物盤點。目前立體庫現有盤庫方法有以下幾種：

1、載碼體識別盤點：在堆垛機上安裝掃碼設備或電子標簽識別，通過識別載碼體來識別。存在的缺點是：依賴物料本身需攜帶載碼體，無法確保條碼或載碼體信息或關聯信息是準確的，無法人工復核校驗。

2、傳統圖像算法視覺識別：在堆垛機上安裝視覺設備，通過傳統視覺特征識別。存在的缺點是：針對多種相似度很高的物料，識別準確率不高；當物料種類很多時，需要輪詢所有種類，識別效率低。

3、深度學習視覺識別：在堆垛機上安裝視覺設備，采集圖像后，通過深度學習視覺識別物料。存在的缺點是：新增任意物料或改變任意物料造型都需要進行大量的新物料標注和訓練，且需要等到新的訓練模型生成才能用于識別新增物料，無法做到無縫連接。

為此，亟需研發一種新的盤庫系統及方法，來解決上述問題。

發明內容

本發明的目的在于提供一種基于深度學習及視覺識別的組合識別盤庫系統及方法，相比于單純的傳統圖像算法視覺識別和單純的深度學習識別，識別準確率高，且可以做到無縫連接。

為實現上述目的，本發明采用以下技術方案：

一種基于深度學習及視覺識別的組合識別盤庫系統，包括數據采集模塊、盤庫業務模塊、設備控制模塊、深度學習識別模塊、視覺識別模塊、組合識別模塊和綜合調度模塊；所述數據采集模塊用于實時采集堆垛機當前位置和移動到位信號；所述盤庫業務模塊用于下發盤庫任務；所述設備控制模塊用于控制堆垛機移動和工業相機拍照；深度學習識別模塊用于基于深度學習算法識別圖像并生成識別結果；所述視覺識別模塊用于基于圖像算法視覺識別圖片，并生成識別結果；所述組合識別模塊用于根據深度學習識別模塊的識別結果和視覺識別模塊的識別結果得出最終識別結果；所述綜合調度模塊用于根據各個模塊間的輸入輸出請求，完成盤庫系統的綜合調度。

進一步的，還包括數據接口模塊和在線報警模塊；所述數據接口模塊用于將立體庫倉庫管理系統中存儲的數據傳送給綜合調度模塊；所述在線報警模塊用于當組合識別模塊輸出的識別結論與數據接口模塊傳送的數據不匹配時進行實時在線報警。

進一步的，所述數據采集模塊采集的數據還包括入庫完成信號和出庫完成信號；當數據采集模塊采集到入庫完成信號或出庫完成信號時，發送針對該庫位的盤庫命令到綜合調度模塊，綜合調度模塊針對該庫位進行小范圍盤庫。

進一步的，還包括人工校驗模塊、數據存儲模塊和查詢報表模塊；所述人工校驗模塊用于對存疑盤庫結論，進行人工校驗；所述數據存儲模塊用于存儲圖像數據、深度學習識別模塊輸出的識別結果、視覺識別模塊輸出的識別結果、組合識別模塊輸出的識別結果、數據接口模塊傳送的數據；所述查詢報表模塊用于查詢圖像數據、深度學習識別模塊輸出的識別結果、視覺識別模塊輸出的識別結果、組合識別模塊輸出的識別結果、數據接口模塊傳送的數據。

本發明還提供了一種基于深度學習及視覺識別的組合識別盤庫方法，包括如下步驟：

S1、下發盤庫任務：綜合調度模塊接收來自盤庫業務模塊的下發的盤庫任務，發送盤庫指令給設備控制模塊；

S2、數據實時采集：數據采集模塊實時采集數據，并發送給綜合調度模塊；所述數據包括堆垛機當前位置和移動到位信號；