[发明专利]一种信息化的仓储智能管理方法和系统

权利要求书

1.一种信息化的仓储智能管理方法，其特征在于，包括：

基于条形码/二维码、RFID或计算机视觉检测仓储产品的产品信息，并将检测出的产品信息自动录入数据库，根据录入的产品信息对仓储产品进行包括入库、出库、调转、移库、移位和盘点在内的仓储管理；

通过传感器实时监测每个仓储产品的在库存储状态信息，根据在库存储状态信息对仓储产品进行包括盘点和查询在内的仓储管理；

所述仓储管理的历史信息支持用户查询和日志信息导出。

2.根据权利要求1所述的仓储智能管理方法，其特征在于，对于不包含条形码/二维码、RFID信息的结构体零件产品，采用计算机视觉采集识别结构体零件产品的图像标识，获取包括图像标识的文字和颜色信息在内的产品信息。

3.根据权利要求1所述的仓储智能管理方法，其特征在于，采用计算机视觉采集识别结构体零件产品的图像标识具体包括：

步骤S201、采集结构体零件含有标识信息外侧面的视频图像；

步骤S202、在视频图像中找到标识的位置，分割出含有标识的图像区域；

步骤S203、对图像区域中标识的字符内容和标识的颜色进行识别；

步骤S204、通过识别出的字符内容和颜色来判别结构体零件的产品信息，存入数据库中。

4.根据权利要求3所述的仓储智能管理方法，其特征在于，在步骤S202中，采用基于CTPN的标识分割方法，对采集到的视频图像中的文字区域进分割；具体包括：

1)通过VGG-16结构进行特征融合，将来自VGG-16的不同阶段、不同尺度的特征图进行融合提取特征谱；

2)采用EAST算法检测细分化文本，采用集成语义分割和单阶段目标检测算法解决由于检测文本的几何信息的先验知难以估计而导致的新能损失问题；

3)使用双向循环神经网络对特征谱同时在水平和竖直两个方向上下文转入文本线构造，分割出视频图像的文字区域。

5.根据权利要求3所述的仓储智能管理方法，其特征在于，所述步骤S203中采用基于CRNN的标识识别方法，对分割出来的文字区域进行识别；具体包括：

通过训练得到自底向上依次为卷积层、循环层和转录层的CRNN网络模型；

利用训练好的CRNN网络模型对输入的分割出视频图像的文字区域进行识别得到标识的文字信息；

具体的，所述卷积层用于提取输入文字区域图像中的特征序列，原始文字区域图像在输入卷积层前需要将其缩放到相同的高度，卷积层输出的特征序列的每一个特征向量在特征图上按列从左到右生成；卷积层输出的特征序列作为循环层的输入；

循环层由双向循环神经网络组建，用于预测卷积层输出的特征序列中每一帧的标签分布；

转录层用于将循环层输出的每帧预测转换为标签序列，得到视频图像的文字区域中的字符内容；

所述转录层的转录是根据每帧预测找到的具有最高概率的标签序列。

6.根据权利要求5所述的仓储智能管理方法，其特征在于，

所述CRNN网络模型的训练选择TensorFlow深度学习框架进行训练。

7.根据权利要求1所述的仓储智能管理方法，其特征在于，

基于条形码/二维码的产品仓储管理，根据产品的管理目标对产品进行条形码/二维码编码形成产品标签，对库位也进行条形码/二维码编码形成库位标签；其中一个仓储产品的产品标签与仓储的一个库位的库位标签对应，用于仓储产品的仓储作业的配对定位。

8.根据权利要求1所述的仓储智能管理方法，其特征在于，

基于RFID的产品仓储管理，根据产品的管理目标对产品和相应的库位分别进行RFID编码形成产品电子标签和库位电子标签；其中一个仓储产品的产品电子标签与仓储的一个库位的库位电子标签对应，用于仓储产品的仓储作业的配对定位。