[发明专利]物流路径智能优化方法、装置、系统、介质和设备

说明书

本发明公开了一种物流路径智能优化方法、装置、系统、介质和设备，首先通过配送车辆上所采集到的已知品质的货物的品质数据，训练出货物品质检测模型，然后针对于正在进行货物配送的配送车辆，获取货物的品质数据，将货物的品质数据输入到货物品质检测模型中检测出货物品质，然后根据货物品质和配送车辆当前所在位置为配送车辆调整物流路径。本发明方法根据配送车辆上货物的品质数据能够实时检测出货物的品质，从而确定货物是否存在变质或可能变质的情况，根据货物品质以及配送车辆当前所在位置，调整配送车辆的物流路径，使得货物能够改道前往更适合的配送站点，以降低生鲜等货物在配送中的损耗。

技术领域

本发明涉及智能物流管理技术领域，特别涉及一种物流路径智能优化方法、装置、系统、介质和设备。

背景技术

随着冷链物流和生鲜电商的兴起，物流运输的要求也越来跃严格，保证货物品质和降低货物损耗是物流运输企业需要解决的一个重要问题。

传统物流运输一般由人工检查和监控从配送中心到目的地的货物品质，而且运输路线固定不变。这种方式的物流运输存在的不足在于：1)无法实时监控货物品质；2)无法根据货物品质为每一批货物动态调整物流路线和目的地导致高货物损耗，比如当实时检测到生鲜物流车辆的温度上升或货物变质，应当调整物流路线和目的地，改道前往更近的目的地，阻止生鲜货物进一步被损耗。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提供一种物流路径智能优化方法，该方法可以实时监控货物品质,并且根据货物品质调整物流路径,降低生鲜等货物在配送中的损耗。

本发明的第二目的在于提供一种物流路径智能优化装置。

本发明的第三目的在于提供一种物流路径智能优化系统。

本发明的第四目的在于提供一种存储介质。

本发明的第五目的在于提供一种计算设备。

本发明的第一目的通过下述技术方案实现：一种物流路径智能优化方法，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；

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。

优选的，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。

优选的，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。