[发明专利]一种产品入库存储方法、系统、存储介质及计算机设备

说明书

本发明提出了一种产品入库存储方法、系统、存储介质及计算机设备，通过聚类算法对采集到的产品三维数据进行处理，完成对产品的分类，在面对数量庞大和种类多样的入库产品时做到分类清晰且错误率低；同时采用最短路径算法为产品规划入库路线，并结合电子标签达到自动辨识和追踪产品的效果，实现了产品入库存储的智能化、自动化控制。

技术领域

本发明涉及仓储控制技术领域，更具体地，涉及一种产品入库存储方法、系统、存储介质及计算机设备。

背景技术

至今为止很多仓库仍旧采取依靠人工操作，这种模式难以适应增长越来越快的仓储业务，即当仓库的入库产品增多时，会因操作人员数量不够而出现产品入库慢的问题，这就导致了仓库运作效率低下的问题，加上在面临数量庞大的入库产品时，操作人员在将产品分类入库存储的正确率难以得到保证。

如申请号为201911282673.X的专利所示，该专利将神经网络等技术运用在仓储运输调度系统中，但其算法中需要依赖权重函数来进行调整，因而具有一定的局限性。

发明内容

针对的现有技术的局限，本发明提出一种产品入库存储方法和装置，本发明采用的技术方案是：

一种产品入库存储方法，包括以下步骤：

扫描待入库的产品得到产品的三维点云，根据产品的三维点云建立对应的三维立体模型；对所述三维立体模型的数据进行预处理得到产品数据集；

对所述产品数据集的数据进行聚类，得到产品的分类信息；

将产品对应的分类信息、入库时间以及三维立体模型中的几何构造数据写入与产品绑定的电子标签；

根据产品自身属性以及市场对产品的需求量，使用最短路径算法为产品规划入库路线，按所述入库路线将产品入库存储。

相较于现有技术，本申请提供的产品入库存储方法，通过聚类算法对采集到的产品三维数据进行处理，完成对产品的分类，在面对数量庞大和种类多样的入库产品时做到分类清晰且错误率低；同时采用最短路径算法为产品规划入库路线，并结合电子标签达到自动辨识和追踪产品的效果，实现了产品入库存储的智能化、自动化控制。

作为一种优选方案，按以下步骤对所述三维立体模型的数据进行预处理得到产品数据集：

运用min-max标准化法，按以下转换函数，对所述三维立体模型的数据进行线性变换，使结果值映射到[0,1]之前，得到产品数据集：

X*＝(x-min)/(max-min)；

其中，max为所述三维立体模型的数据的最大值，min为所述三维立体模型的数据的最小值。

原始数据经过上述数据标准化处理后，各指标会处于同一数量级，可以提升之后聚类的速度和精度。

作为一种优选方案，通过K-MEANS算法对所述产品数据集的数据进行聚类，得到产品的分类信息。

进一步的，对所述产品数据集的数据进行聚类，得到产品的分类信息，包括以下步骤：

预设K值，从所述产品数据集内随机选取K个点作为初始质心；

重复以下步骤：获取所述产品数据集内各点分别与质心的欧式距离，并将各点划分到最近质心所属的簇，获取各簇的质心以及各簇的质心到初始质心的欧式距离；直至各簇的质心到初始质心的欧式距离小于阈值。

使用K-MEANS算法对所述产品数据集的数据进行聚类，能够实现对入库产品的自动分类的结果，提高了产品分类入库存储的效率和精确度。

作为一种优选方案，所属最短路径算法为Dijkstra算法。