[发明专利]一种基于视觉识别的仓储物流检测系统在审

专利信息
申请号: 202211536168.5 申请日: 2022-12-01
公开(公告)号: CN115860605A 公开(公告)日: 2023-03-28
发明(设计)人: 资鑫斌;徐帅;欧云龙 申请(专利权)人: 井松机器人(杭州)有限公司
主分类号: G06Q10/083 分类号: G06Q10/083;G06Q10/087;G06V20/64;G06Q50/28
代理公司: 合肥正则元起专利代理事务所(普通合伙) 34160 代理人: 韩立峰
地址: 311100 浙江省杭州市余杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 视觉 识别 仓储 物流 检测 系统
【说明书】:

发明公开了一种基于视觉识别的仓储物流检测系统,涉及物流仓储技术领域,解决了现有技术容易造成货物信息遗漏和货物丢失,导致仓储效率不高,无法保证仓储质量的技术问题;本发明包括中央分析模块,以及与之连接的若干图像采集设备;若干图像采集设备设置在仓储区域的若干仓储功能区中,仓储功能区包括物流入仓区、物流存储区以及物流配送区;本发明通过设置在物流入仓区中的图像采集设备获取入仓图像,根据入仓图像识别物流包裹的标签特征和外观特征;在物流存储区和物流配送区通过全局图像识别出物流包裹,进而匹配记录存储位置和配送信息,实现仓储物流的自动化;本发明能够实现仓储物流的自动化检测,提高仓储物流效率,降低人力成本。

技术领域

本发明属于物流仓储领域,涉及基于视觉识别的仓储物流检测技术,具体是一种基于视觉识别的仓储物流检测系统。

背景技术

仓储物流是利用自建或者租赁库房、场地对物资进行储存、保管和配送。随着快递行业的发展,仓储物流行业的体量也随之增长,如何在复杂的仓储环境中对物品进行追踪定位越来越重要。

现有技术一般是通过手持设备或者智能手机来对货物的储存、保管以及配送进行记录,每个货物均需要经过工作人员的手动操作。现有技术在仓储管理过程中,工作人员容易出现失误,造成货物信息的遗漏,而且在对货物存储管理过程中,经常会出现货物丢失的情况,因此现有技术会影响仓储效率,同时无法保证仓储质量;因此,亟须一种基于视觉识别的仓储物流检测系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种基于视觉识别的仓储物流检测系统,用于解决现有技术容易造成货物信息遗漏和货物丢失,导致仓储效率不高,无法保证仓储质量的技术问题。

为实现上述目的,本发明的第一方面提供了一种基于视觉识别的仓储物流检测系统,包括中央分析模块,以及与之连接的若干图像采集设备;若干图像采集设备设置在仓储区域的若干仓储功能区中,仓储功能区包括物流入仓区、物流存储区以及物流配送区;

中央分析模块通过物流入仓区中的图像采集设备对有序入仓的物流包裹进行图像采集,标记为入仓图像;其中,入仓图像中包括物流包裹的物流标签;

中央分析模块根据入仓图像确定物流包裹的标签特征和外观特征,建立二者之间的关联;接着通过物流存储区的图像采集设备采集物流包裹的存储图像;

中央分析模块分析存储图像中的物流包裹是否与外观特征相匹配;是,则从存储图像中提取存储位置,将存储位置与标签特征关联;否,则进行预警;

中枢分析模块通过物流配送区的图像采集设备获取物流包裹的配送图像,分析配送图像中的物流包裹是否与外观特征相匹配;是,则提取配送信息,将配送信息与标签特征进行关联;否,则持续检测。

优选的,所述中央分析模块分别与智能终端和若干图像采集设备通信和/或连接;其中,智能终端包括手机或者电脑;

若干所述图像采集设备合理设置在存储功能区;且物流入仓区、物流存储区和物流配送区之间通过智能小车连接。

优选的,所述中央分析模块在物流入仓区采集物流包裹的入仓图像,包括:

调整物流包裹的姿态和间距后,通过物流入仓区的包裹传送带上有序传送;

物流入仓区的若干图像采集设备依次采集物流包裹的入仓图像,对入仓图像进行预处理之后发送至中央分析模块;其中,若干图像采集设备拍摄角度不同。

优选的,所述中央分析模块基于入仓图像识别获取物流包裹的标签特征和外观特征,包括:

选择携带有物流标签的至少一幅入仓图像,通过该入仓图像识别获取标签特征;同时,根据若干入仓图像建立物流包裹的三维轮廓;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于井松机器人(杭州)有限公司,未经井松机器人(杭州)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211536168.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top