[发明专利]一种货物入库检测方法、仓储入库系统及存储介质

说明书

本发明公开了一种货物入库检测方法、仓储入库系统及存储介质，涉及识别仓储出入库货物领域。该方法包括：通过双目相机采集待入库货物的三维数据，对所述三维数据进行预处理，将预处理后的所述三维数据通过训练后的深度卷积模型，识别出所述三维数据对应的货物型号，根据所述货物型号获得货物信息条形码，并存储进仓储数据库中。本发明方案使用双目相机捕捉货物的立体信息，并使用深度学习卷积模型，自动准确识别入库货物的类型和型号，保证准确的仓储信息。

技术领域

本发明涉及识别仓储出入库货物领域，尤其涉及一种货物入库检测方法、仓储入库系统及存储介质。

背景技术

随着电商规模日益扩大和社会的发展进步，对仓储的需求量也日益攀升。不同于普通仓库的码放和需要较多的人力劳动力，智能仓储逐渐以无人化、智能化、高效的特点占据发展新方向。

智能仓储为了尽可能做到无人化、智能化，会对入库的货物会进行智能仓位分配。而合理分配仓储位置和准确入库信息的基础，就是准确录入货物型号信息。使用人力的成本略高，且容易出现误识别事故。而且以智能仓库储藏能力，无法保证入库货物是同型号连续入库，不能简单地批次标记处理。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种货物入库检测方法、仓储入库系统及存储介质。

本发明解决上述技术问题的技术方案如下：

一种货物入库检测方法，包括：

S1，通过双目相机采集待入库货物的三维数据；

S2，对所述三维数据进行预处理；

S3，将预处理后的所述三维数据通过训练后的深度卷积模型，识别出所述三维数据对应的货物型号；

S4，根据所述货物型号获得货物信息条形码，并存储进仓储数据库中。

本发明的有益效果是：本方案通过采集待入库货物的三维数据，将预处理后的所述三维数据通过训练后的深度卷积模型，识别出所述三维数据对应的货物型号，根据所述货物型号获得货物信息条形码，并存储进仓储数据库中，本发明使用双目相机捕捉货物的立体信息，并使用深度学习卷积模型，自动准确识别入库货物的类型和型号，保证准确的仓储信息。

进一步地，所述通过训练后的深度卷积模型，识别出所述三维数据的货物型号具体包括：

通过特征提取模块提取预处理后的所述三维数据的左图图像特征和右图图像特征，采用权值共享法对所述左图图像特征和所述右图图像特征进行处理；

通过双目特征融合函数对处理后的所述左图图像特征和所述右图图像特征进行融合；

使用图像特征金字塔对融合后的图像特征进行特征挖掘；

通过分类模块对挖掘后的图像特征进行分类，输出对应的货物型号；

所述深度卷积模型包括: 所述特征提取模块和所述分类模块。

采用上述进一步方案的有益效果是：本方案通过深度卷积模型有效融合双目相机左右相机的数据特征，能够准确分类入库货物的型号。

进一步地，所述分类模块包括：全连接层和sigmoid层。

进一步地，所述使用图像特征金字塔对融合后的图像特征进行特征挖掘具体包括：

通过图像特征金字塔采用下采样和自上而下的连接路径进行特征挖掘，并通过横向连接保留原始特征信息。

采用上述进一步方案的有益效果是：本方案采用下采样和自上而下的连接路径进行特征挖掘，再通过横向连接中加入注意力机制增强有效特征信息。

进一步地，所述双目特征融合函数的公式如下: