[发明专利]一种对仓储空间中货物进行远程智能检测的方法及系统

说明书

一种对仓储空间中货物进行远程智能检测的方法，包括：构建远程智能检测系统，其包括云端控制平台和至少一仓储空间智能点，每一仓储空间智能点至少包括设置在所述仓储空间现场的一货物盘点小车和边缘算力设备，所述云端控制平台与所述仓储空间智能点进行通信连接；货物盘点小车完成仓储空间内当前目标货物的视频采集并回传至所述边缘算力设备；所述边缘算力设备对所述视频分割成以帧为单位的帧图像信息，并利用已训练好的YOLO检测识别模型进行检测，检测出所述帧图像中的当前货物类别及数量。本发明结合货物盘点小车实时采集的货物视频边缘算力设备就能利用该模型和算法检测出当前仓库目标货物的数量从而实现远程盘库的功能。

技术领域

本发明涉及一种智能算法在检测领域的应用，特别是一种对仓储空间中货物进行远程智能检测的方法及系统。

背景技术

产业数字金融、供应链金融等场景，经常需要基于仓库的监管，提供库存质押融资服务。为确保仓库存货安全，资金方需要对货物入库、出库和在库情况进行监管。行业内现有的做法是，会通过定期(每月)和不定期派人去仓库进行抽盘，进行库存数量确认。这种依靠人工操作为主的模式下成本高(需安排大量人员，去现场进行实地盘库)，效率低(抽查频率不会很高，无法做到每天抽查)，而且操作风险规避也存在困难。

上海品览数据科技有限公司在202011014178.3公开了一种基于深度学习的多目标跟踪视频巡店方法，涉及深度学习的多目标跟踪技术领域。本发明包括如下步骤：P1、用工业相机采集高清视频；P2、将采集完成的视频上传至库存盘点系统；P3、将巡店视频输入训练好的YOLO V3+DeepSort模型中；P4、根据预测结果进行货物盘点和后续操作；步骤P3中YOLO V3+DeepSort模型包括Detection跟踪步骤以及track跟踪步骤。该发明应用非图像特征，提升了商品规格分类的识别准确率，同样适用于同种商品不同规格的识别。对于视频盘点货物的目标跟踪算法，利用YOLO V3/Faster RCNN/SSD等目标检测框架加上Deep SORT多目标跟踪算法可以有效提高检测精度。但是，本申请人仔细研读并没有看到采集完成的视频如何通过Detection跟踪步骤以及track跟踪步骤具体实现识别准确率，其仅给出一个很初的概念，而且该方案也不能具体实现远程仓库中的货物数量等的智能检测。另外，将采集完成的视频上传至库存盘点系统再处理，即回传至平台，视频上传的数据量是非常大的，若都放在平台来处理，不仅占用大量的传输资源而且整个智能处理效率非常低，无法做到完成多个仓储空间内的货物智能检测。

产业数字金融、供应链金融等场景，经常需要基于仓库的监管，提供库存质押融资服务。而且监管存在对多个仓库的情况，若都需要去现场采集视频，成本高且效率低，且不能实时监测某一仓库当前的实时货物数量。还有，这种仓库很多时候是租的，经常会搬，这种情况下更需要远程完成监测且实时检测出当前货物数据。

发明内容

本发明提供一种基于机器视觉的传送带货品智能监控方法和系统，以解决现有技术中无法解决多种不同货品在传送带上需要智能统计其分类和对应的个数，处理效率慢且精度不高的技术问题。

一种对仓储空间中货物进行远程智能检测的方法，其特征在于，包括：

构建远程智能检测系统，其包括云端控制平台和至少一仓储空间智能点，每一仓储空间智能点至少包括设置在所述仓储空间现场的一货物盘点小车和边缘算力设备，所述云端控制平台与所述仓储空间智能点进行通信连接；

货物盘点小车完成仓储空间内当前目标货物的视频采集并回传至所述边缘算力设备；

所述边缘算力设备对所述视频分割成以帧为单位的帧图像信息，并利用已训练好的YOLO检测识别模型进行检测，检测出所述帧图像中的当前货物类别及数量，再经包括去重、加合在内的数据处理后，获得所述仓储空间目标货物的实时库存数据；

所述云端控制平台通过边缘算力设备获得所述仓储空间目标货物的当前库存数据。