[发明专利]物流路径智能优化方法、装置、系统、介质和设备

权利要求书

1.一种物流路径智能优化方法，其特征在于，包括如下步骤：

获取配送车辆上所采集到的已知品质的货物的品质数据，作为训练样本；货物的品质数据包括货物所在环境的温度、湿度和光照强度以及货物的照片；

所述训练样本和测试样本对应货物的品质数据经过预处理后分别输入到神经网络和货物品质检测模型，其中预处理的过程如下：

将货物的照片进行图像分割，将图像分割为m*n的分块；计算每个分块的像素Census变换值，计算每个分块的像素Census变换值的累积直方图，得到每个分块的256维特征值；将所有分块的特征值级联，形成m*n*256维的图像特征值；

将货物所在环境的温度、湿度和光照强度以及上述获取到的m*n*256维的图像特征值级联，形成（m*n*256+3）维的特征向量，作为神经网络或货物品质检测模型的输入；

将训练样本作为神经网络的输入，将训练样本对应货物品质作为标签，对神经网络进行训练，得到货物品质检测模型；

针对于正在进行货物配送的配送车辆，获取其上所采集到的货物的品质数据，作为测试样本；

将测试样本输入到货物品质检测模型中，检测出货物的品质；

获取配送车辆当前所在位置；

根据货物的品质以及配送车辆当前所在的位置，为配送车辆调整物流路径；为配送车辆调整物流路径的具体过程如下：

在货物品质检测模型检测出货物的当前品质后，根据货物的当前品质确定货物是否存在变质的情况，和/或将货物当前的品质与一定时间段之前的品质进行比较，根据比较结果确定是否存在变质可能；

若否，则配送车辆的物流路径不变；

若是，则获取配送车辆当前所在位置，采用带有时间窗的物流路径选择策略确定出配送车辆的物流路径，为配送车辆选择距离当前所在位置配送成本最低且满足时间窗需求的配送站点；

采用带有时间窗的物流路径选择策略确定出配送车辆的物流路径的具体步骤如下：

设置车辆当前所在位置到原定配送站点的路径为当前物流路径；

计算各个可达配送站点插入到当前物流路径时的成本，选择成本最低的可达配送站点插入当前物流路径，并判断该配送站点在时间窗的约束条件下插入当前物流路径是否可行，若可行，则将该配送站插入到当前路径，并更新物流路径；若不可行，则保持当前物流路径不变。

2.根据权利要求1所述的物流路径智能优化方法，其特征在于，所述神经网络为多层卷积CNN神经网络、深度残差网络和混合神经网络；

针对于通过货物品质检测模型检测出品质的货物，将其品质数据作为训练样本，对当前 货物品质检测模型进行增量学习。

3.根据权利要求1所述的物流路径智能优化方法，其特征在于，针对于正在进行货物配送的配送车辆，定时和/或警报触发方式获取其上采集到的货物的品质数据；

所述警报触发方式是指，当配送车辆上采集到的品质数据超过一定阈值时，获取配送车辆上采集到的品质数据。

4.一种物流路径智能优化装置，其特征在于，应用于权利要求1-3中任一项所述的物流路径智能优化方法，所述装置包括：

训练样本获取模块，用于获取配送车辆上所采集到的已知品质的货物的品质数据，作为训练样本；

货物品质检测模型构建模块，用于将训练样本作为神经网络的输入，将训练样本对应货物品质作为标签，对神经网络进行训练，得到货物品质检测模型；

测试样本获取模块，用于针对于正在进行货物配送的配送车辆，获取其上所采集到的货物的品质数据，作为测试样本；

货物品质检测模块，将测试样本输入到货物品质检测模型中，检测出货物的品质；

配送车辆位置获取模块，用于获取配送车辆所在的位置；

物流路径优化模块，用于根据货物的品质以及配送车辆当前所在的位置，为配送车辆调整物流路径。

5.一种物流路径智能优化系统，其特征在于，所述系统包括终端数据采集装置和物流路径智能优化装置；所述终端数据采集装置通过无线网络连接物流路径智能优化装置；

所述终端数据采集装置，用于采集配送车辆上货物的品质数据，并且发送给物流路径智能优化装置；

所述物流路径智能优化装置，用于实现权利要求1至3中任一项所述的物流路径智能优化方法。