一种智能仓储柜

摘要

本发明涉及一种智能仓储柜，将AI的计算机视觉技术，如faster_rcnn算法，运用于仓库管理工作中，实现对仓储情况的快速感知，实现了高效的仓储管理，同时大大的减轻了仓管人员的工作负担，大大的减少了仓储管理中的人力物力损耗。该智能柜是实现智能化仓库的基础装备。faster_rcnn只检测方框顶点，并且识别与判断过程中只判断有无，不分辨种类，使得识别与判断过程化繁为简，可以大大的提高检测的正确性，并具有更快的执行速度。采用矩阵进行数据存储，赋值快速，占用更小的空间，能够加快程序运行速度。当需要分别针对物品的种类进行仓储统计时，只需要通过数据库对应地定义每个单元格允许放置的物品的种类，则通过解析矩阵，即可实现各种类物品的仓储统计。

权利要求

1.一种智能仓储柜，其特征在于，包括至少一层单元柜，单元柜内设置图像获取装置，单元柜的底板分布若干单元格，通过图像获取装置获取底板的监控图像，识别并判断单元格内是否放置有物品，并将判断结果进行数据记录。

2.根据权利要求1所述的智能仓储柜，其特征在于，单元格为方格，所有方格拼成方框，在监控图像内识别方框的四个顶点的位置，利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。

3.根据权利要求2所述的智能仓储柜，其特征在于，经透视变换、畸变矫正的监控图像，形成垂直向下的视角。

4.根据权利要求2所述的智能仓储柜，其特征在于，利用faster_rcnn检测方框的四个顶点。

5.根据权利要求1所述的智能仓储柜，其特征在于，对监控图像进行边缘检测，获取单元格的像素平均值，根据预设阈值判断对应的单元格是否放置有物品。

6.根据权利要求1至5任一项所述的智能仓储柜，其特征在于，对应单元格的行列位置，通过矩阵记录每个单元格的判断结果。

7.根据权利要求6所述的智能仓储柜，其特征在于，如果单元格放置有物品，则记为1，如果无，则记为0。

8.根据权利要求6所述的智能仓储柜，其特征在于，逐层单元柜、逐个单元格判断是否放置有物品，直至完成所有智能仓储柜的判断。

9.根据权利要求8所述的智能仓储柜，其特征在于，当存在多个智能仓储柜时，所述的矩阵为四维矩阵。

10.根据权利要求6所述的智能仓储柜，其特征在于，针对每个单元格的位置与存放物品的种类设置对应的数据库，数据库与矩阵关联，通过对矩阵的统计，完成各种类物品的仓储统计。

说明书

一种智能仓储柜

技术领域

[0001] 本发明涉及储物柜，更具体地说，涉及一种智能仓储柜。

背景技术

[0002] 传统仓库清点物资，耗时耗力，尤其当仓库规模很大时，劳动力的消耗，不容忽视，还不能保证清点的准确性。

[0003] 传统仓库尧发现存储异常，需要对仓库进行全面盘点，耗时过长。小仓库耗时半天，大仓库耗时几天、十几天不等，盘点的不便，影响了盘点执行的频率，不利于及时发现仓储异常的问题。

[0004] 传统仓库当某一种物资用完后，需要工作人员及时发现并申报，而工作人员工作较忙碌的情况下，很难避免没有遗漏。

[0005] 传统仓库常存在存放不规范的情况，各种物资常混合在一起，容易使物资盘点不到位而导致物资流失。

[0006] 综上，传统的储物柜存在的不足总结如下：

[0007] 1、传统储物柜无法快速获取仓储情况的痛点；

[0008] 2、使用传统储物柜，清点仓库物资耗时耗力的问题；

[0009] 3、传统储物柜不能快速发现物资存储异常的问题；

[0010] 4、传统储物柜不能及时发现所缺失的物资的问题；

[0011] 5、传统储物柜该项目有利于规范物资存放，避免资产流失。

发明内容

[0012] 本发明的目的在于克服现有技术的不足，提供一种能够实现快速、准确地自动完成仓储统计的智能仓储柜。

[0013] 本发明的技术方案如下：

[0014] 一种智能仓储柜，包括至少一层单元柜，单元柜内设置图像获取装置，单元柜的底板分布若干单元格，通过图像获取装置获取底板的监控图像，识别并判断单元格内是否放置有物品，并将判断结果进行数据记录。

[0015] 作为优选，单元格为方格，所有方格拼成方框，在监控图像内识别方框的四个顶点的位置，利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。

[0016] 作为优选，经透视变换、畸变矫正的监控图像，形成垂直向下的视角。

[0017] 作为优选，利用faster_rcnn检测方框的四个顶点。

[0018] 作为优选，对监控图像进行边缘检测，获取单元格的像素平均值，根据预设阈值判断对应的单元格是否放置有物品。

[0019] 作为优选，对应单元格的行列位置，通过矩阵记录每个单元格的判断结果。

[0020] 作为优选，如果单元格放置有物品，则记为1，如果无，则记为0。

[0021] 作为优选，逐层单元柜、逐个单元格判断是否放置有物品，直至完成所有智能仓储柜的判断。

[0022] 作为优选，当存在多个智能仓储柜时，所述的矩阵为四维矩阵。

[0023] 作为优选，针对每个单元格的位置与存放物品的种类设置对应的数据库，数据库与矩阵关联，通过对矩阵的统计，完成各种类物品的仓储统计。

[0024] 本发明的有益效果如下：

[0025] 本发明所述的智能仓储柜，将AI的计算机视觉技术，如faster_rcnn算法，运用于仓库管理工作中，实现对仓储情况的快速感知，实现了高效的仓储管理，同时大大的减轻了仓管人员的工作负担，大大的减少了仓储管理中的人力物力损耗。该智能柜是实现智能化仓库的基础装备。

[0026] 本发明将AI技术实用化，faster_rcnn只检测方框顶点，并且识别与判断过程中，只判断有无，而不分辨种类，使得识别与判断过程化繁为简，可以大大的提高检测的正确性，并具有更快的执行速度。

[0027] 本发明采用矩阵进行数据存储，不仅可以实现快速赋值，而且与其他数据类型相比，占用更小的空间，进而能够加快程序运行速度，提高状态响应速度。当需要分别针对物品的种类进行仓储统计时，只需要通过数据库对应地定义每个单元格允许放置的物品的种类，则通过解析矩阵，即可实现各种类物品的仓储统计。

[0028] 本发明通过透视变换、畸变矫正消除图像获取装置存在的镜头畸变，并能使图像获取装置在大部分拍摄角度下，获取几乎相同的图像视角，提高安装或改造的便利性。

附图说明

[0029] 图1是智能仓储柜的结构示意图(透视)；

[0030] 图2是本实施例的底板的示意图；

[0031] 图3是原始监控图像的示意图；

[0032] 图4是进行透视变换、畸变矫正后的监控图像的示意图；

[0033] 图5是本实施例的2维矩阵的示意图；

[0034] 图中：10是单元柜，11是底板，20是图像获取装置。

具体实施方式

[0035] 以下结合附图及实施例对本发明进行进一步的详细说明。

[0036] 本发明为了解决传统仓储存在的各方面不足，提供一种智能仓储柜，以实现快速、准确的仓储监控。

[0037] 如图1、图2所示，本发明所述的智能仓储柜为层级结构，包括至少一层单元柜10，单元柜10内设置图像获取装置20，单元柜10的底板11分布若干单元格，通过图像获取装置20获取底板11的监控图像，识别并判断单元格内是否放置有物品，并将判断结果进行数据记录。实施本发明时，可设置为定时(也可以手动)监控，即可实现自动化的仓库盘点。利用本发明构建的智能仓库，可以全自动的获取仓库存储的情况。由于盘点的速度迅速，若一个智能仓储柜包括三层单元柜10，则可实现0.1秒内完成盘点，即使是设置1000个智能仓储柜的大型仓库，也能在2分钟内完成盘点。进一步地，通过程序自动比对前后几次的仓储情况，及期间出入库的情况，可以快速准确的定位某个单元格的物品存储异常的问题。基于本发明，还可以在仓储为0的时候，自动发出警报。本实施例中，图像获取装置20采用低照度、WIFI摄像头，自带红外灯，可以保证在照明不足的情况下，获取清晰图，同时，采用WIFI连接，可减少布线的困扰。

[0038] 为了充分进行空间利用，并更有利于识别与判断，本实施例中，单元格为方格，所有方格拼成方框，且方框尽量布满单元柜10的底板11。基于方框与单元格，在监控图像内识别方框的四个顶点的位置，利用四个顶点的位置坐标对监控图像进行透视变换、畸变矫正。通过透视变换，可将图像获取装置20获取的任意视角的监控图像，变换为一致的视角，如图
3、图4所示。本实施例中，将所有视角的监控图像经透视变换、畸变矫正的监控图像，形成垂直向下的视角，以便于消除镜头畸变及识别与判断。

[0039] 为了实现方框四个顶点的极速识别，本实施例中，利用faster_rcnn检测方框的四个顶点。faster_rcnn是一种用于目标检测的AI算法，相比rcnn、fast_rcnn，faster_rcnn检测速度有大幅提高(使用gtx1080显卡用于推理，速度可由原来的81秒/张加速至0.1x秒/张)，同时也是检测正确率最高的目标检测算法之一。本发明采用faster_rcnn算法只检测方框的顶点(即只有一种被检物品)，不受新增物资种类的影响，易于训练。同时，方框的顶点结构简单，易于检测，经试验统计，检测准确率为100％，即使在长时间的海量运用过程中，也可以保证检测准确率近乎100％。

[0040] 对监控图像进行透视变换、畸变矫正后，进行边缘检测，获取单元格的像素平均值，根据预设阈值判断对应的单元格是否放置有物品。由于单元格在变换后的监控图像中的位置是已知的，则算出各单元格的像素平均值，基于得到的像素平均值，根据预设阈值即可判断单元格是否放置有物品。本实施例使用边缘检测避免了deeplearning的黑箱问题，保证了结果的稳定。

[0041] 对应单元格的行列位置，通过矩阵记录每个单元格的判断结果，本发明进行识别与判断时，逐层单元柜10、逐个单元格判断是否放置有物品，直至完成所有智能仓储柜的判断。特别是当实施为方框与方格时，一个单元柜10中所有单元格的排列近似一个矩阵，则采用矩阵进行数据记录，可存在直观的对应作用。当存在多个智能仓储柜时，所述的矩阵为四维矩阵，即一层单元柜10对应形成2维矩阵，如图5所示，一个智能仓储柜对应形成3维矩阵，一个仓库对应形成4维矩阵。

[0042] 本发明对于物品的有无只进行状态识别，即有或无，则如果单元格放置有物品，则记为1，如果无，则记为0。由于每个单元格只有0、1两个值，只需要1/8字节空间。而其他数据类型，如int、float、double型数据，分别需要占用4、4、8个字节，如果再加入种类信息，1个字符占用1个字节，占用空间将大大增加。显然，本发明采用矩阵进行数据记录，相对于逐个赋值的方式，可以实现快速赋值，具备成百上千倍的性能提升。同时，能够a)加快程序运行速度，提高状态响应速度。多维矩阵由于数据简单(只有0、1)，可以将数据进一步压缩，将数据存储为多维数据，能大大的降低存储空间，否则要付出32倍至几百倍的存储代价。

[0043] 由于仓库的物资种类繁多，如果采用其他识别算法直接检测各种类的数量，就要求在初始训练时对所有的种类的物资进行训练，对应地，需要收集所有物资的多角度图片数据，工作量太大了。当仓库增加新的物资种类，又要进行新的训练，而训练工作十分很耗时。因而，直接检测种类的方式，在仓库物资种类频繁更新时，不具可操作性。并且，传统仓库常存在存放不规范的情况，各种物资常混合在一起，容易使物资盘点不到位而导致物资流失。本发明中，当需要进一步实现仓储的物品的种类监控时，针对每个单元格的位置与存放物品的种类设置对应的数据库，数据库与矩阵关联，通过对矩阵的统计，完成各种类物品的仓储统计。具体实施时，可形成一张关联单元格位置与物品的种类的数据表，进而矩阵的每个数据与数据表记载的物品的种类形成关联，进而通过解析矩阵实现各种类物品的仓储统计。同时，根据数据表的规范，预先控制规范进行物品的种类对应放置，有利于规范仓库管理。

[0044] 上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。