[发明专利]称重设备和称重方法

权利要求书

1.一种称重设备，其特征在于，包括：

识别模块，配置为识别被称重物的物品信息；

存储模块，配置为存储所述被称重物的物品信息与称重误差之间的函数映射关系；

处理模块，配置为根据训练样本中测得的数据，建立函数映射关系WE＝F(A,WT)；其中，WE为称重误差，A为物品信息，WT为被称重物的实际称重数值；以及，

根据所述函数映射关系，计算所述称重误差，并对当前称重数据按照所述称重误差作数据补偿。

2.根据权利要求1所述的称重设备，其特征在于，

所述物品信息包括被称重物在承载台上位置和方向，所述函数映射关系为WE＝F(P,RD,WT)；其中，P为被称重物在所述承载台上的位置参数，RD为被称重物在所述承载台上的方向参数。

3.根据权利要求2所述的称重设备，其特征在于，

还包括一图像获取模块，用于获取被称重物的图像；所述识别模块根据所述被称重物的图像，识别被称重物在所述承载台上的位置和方向；

或者，所述识别模块通过接收用户输入识别被称重物在所述承载台上的位置和方向。

4.根据权利要求3所述的称重设备，其特征在于，

所述物品信息还包括被称重物的物体形状和质量分布，所述函数映射关系为WE＝F(P,RD,S,D,WT)；其中，S为被称重物的物体形状参数，D为被称重物的质量分布参数。

5.根据权利要求4所述的称重设备，其特征在于，

所述存储模块存储被称重物类型与物体形状以及质量分布的对应关系；

所述识别模块根据所述被称重物的图像，识别被称重物类型；

所述处理模块根据被称重物类型匹配相应的物体形状以及质量分布。

6.根据权利要求1所述的称重设备，其特征在于，所述处理模块根据训练样本中测得的数据，通过神经网络建立所述函数映射关系。

7.根据权利要求1所述的称重设备，其特征在于，所述处理模块根据训练样本中测得的数据，通过数据拟合建立所述函数映射关系。

8.一种称重方法，其特征在于，通过如权利要求1所述的称重设备实施，包括：

对被称重物称重；

识别被称重物的物品信息；

根据预存储的称重误差与所述被称重物的物品信息的函数映射关系WE＝F(A,WT)，计算所述称重误差；其中，WE为称重误差，A为物品信息，WT为被称重物的实际称重数值；

对当前称重数据按照所述称重误差作数据补偿。

9.根据权利要求8所述的称重方法，其特征在于，

所述物品信息包括被称重物在承载台上位置和方向，所述函数映射关系为WE＝F(P,RD,WT)；其中，P为被称重物在所述承载台上的位置参数，RD为被称重物在所述承载台上的方向参数；

所述识别被称重物的物品信息包括：识别被称重物在所述承载台上的位置和方向；

所述根据预存储的称重误差与所述被称重物的物品信息的函数映射关系WE＝F(A,WT)，计算所述称重误差包括：根据函数映射关系WE＝F(P,RD,WT)计算所述称重误差。

10.根据权利要求9所述的称重方法，其特征在于，

所述物品信息还包括被称重物的物体形状和质量分布，所述函数映射关系为WE＝F(P,RD,S,D,WT)；其中，S为被称重物的物体形状参数，D为被称重物的质量分布参数；

所述识别被称重物的物品信息包括：根据被称重物的类型，匹配相应的物体形状和质量分布；

所述根据预存储的称重误差与所述被称重物的物品信息的函数映射关系WE＝F(A,WT)，计算所述称重误差包括：根据函数映射关系WE＝F(P,RD,S,D,WT)计算所述称重误差。