[发明专利]一种基于工业互联网的智能仓储系统在审

专利信息
申请号: 202310056561.2 申请日: 2023-01-18
公开(公告)号: CN116151731A 公开(公告)日: 2023-05-23
发明(设计)人: 郑忠斌;凌颖;黄海艇;杨俊;彭新;阮大治;孙学伟;张楠笛;冯源;张旻;冯益民 申请(专利权)人: 工业互联网创新中心(上海)有限公司
主分类号: G06Q10/087 分类号: G06Q10/087;B65G1/04;G01J5/48;G01V9/00;G01D21/02;G06K7/14;G06F16/2455;G06V40/16;G06V10/74;G08B7/06
代理公司: 暂无信息 代理人: 暂无信息
地址: 200000 上海市浦东新区中国(上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 工业 互联网 智能 仓储 系统
【权利要求书】:

1.一种基于工业互联网的智能仓储系统,其特征在于,包括中央控制处理单元、入库扫描单元、自动检查单元、剔除单元、取件码生成单元、信息发送单元和摆件取件单元;

所述中央控制单元用于控制入库扫描单元对入库件的单号数据进行扫描识别,并将开启信号传输至自动检查单元,所述自动检查单元通过热成像检测模块、翻转模块和外表检测模块对入库件进行检查,所述自动检查单元检测到问题件后将数据传输至剔除单元,所述剔除单元对问题件剔除至收集处,并将入库信息和剔除信息传输至数据库和信息发送;

所述取件码生成单元接收自动检查单元传输来的入库件信息,并根据信息生成取件码,并根据入库件信息将取件码信息通过信息发送单元发送给入库件用户,如果入库件出现损坏,那么通过信息发送单元将损坏信息和照片发送至用户;

所述摆件取件单元接收取件码生成单元的传输来取件码和数据,所述摆件取件单元根据取件码将入库件放置在入货架上,并将入库件信息和货架信息发送至数据库。

2.根据权利要求1所述的一种基于工业互联网的智能仓储系统,其特征在于,还包括取件码输入单元和出库录入单元;

所述取件码输入单元通过中央控制处理单元控制,所述取件码输入单元对输入的取件码与数据库内的取件码进行对比判断,并将取件信息传输至摆件取件单元,所述摆件取件单元根据取件信息调用数据库内的数据,然后根据数据库内入库件的具体位置夹取入库件放置在出库录入单元,所述出库录入单元对入库件进行出库录入,并将出库信息传输至数据库内。

3.根据权利要求1所述的一种基于工业互联网的智能仓储系统,其特征在于,还包括环境监测单元、生物监测单元和保护监控单元;

所述环境监测单元通过中央控制处理单元控制,对库内的温度和湿度进行监测;

所述生物检测单元通过中央控制处理单元控制,对库内具有破坏力的生物进行监测;

所述保护监控单元通过中央控制处理单元控制,对库内进出的人进行人物识别,所述人物识别算法如下:

首先获取包含M张人脸图像的集合S,然后把这M个向量放到一个集合S里,如下式所示:

S={Γ1,Γ2,Γ3,.........,ΓM};

获取到人脸向量集合S后,计算得到平均图像Ψ,如下式所示:

随后计算每张图像和平均图像的差值Φ:

Φi=Γi-Ψ;

当训练图像的数量小于图像的维数,设该矩阵为L,那么L的第m行n列的元素可以表示为:

找到L矩阵的M个特征向量vl,那么协方差矩阵的特征向量ul就可以表示为:

考虑一张新的人脸,我们可以用特征脸对其进行表示:

其中k=1,2...M,对于第k个特征脸uk,上式可以计算其对应的权重,M个权重可以构成一个向量:

ΩT={ω1,ω2,.......,ωM};

最后进行人脸识别,如下式所示:

εk=||Ω-Ωk||2

其中Ω代表要判别的人脸,Ωk代表训练集内的某个人脸,两者都是通过特征脸的权重来表示的,式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的,当遍历所有训练集都大于阈值时,根据距离值的大小又可分为是新的人脸或者不是人脸的两种情况,根据训练集的不同,阈值设定并不是固定的。

4.根据权利要求1所述的一种基于工业互联网的智能仓储系统,其特征在于,还包括报警单元,所述报警单元包括声音报警和灯光报警,所述报警单元接收自动检查单元、环境监测单元、生物监测单元和保护监控单元发送来的报警信息,并根据报警信息根据报警等级启动声音报警和灯光报警,所述报警单元将接收到的报警信息传输至数据库内。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于工业互联网创新中心(上海)有限公司,未经工业互联网创新中心(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310056561.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top