仓储管理对于减少货品储存过程中的损失,以及提高货品经济效益具有重要意义。仓储货物数量的统计是仓储管理中重要的信息源,为科学的仓储管理策略提供了数据支持。传统货物数量统计基于RFID技术获取流通的货物的信息,存在耗时、费力、复杂的问题。现有的基于计算机视觉的统计方法尚不成熟,设备规划困难、经济成本较高且准确率不理想,在货物数量统计领域的应用并不广泛。为解决上述问题,本文提出了基于合理性损失的货物堆放模型构建方法。在仅使用原有监控摄像头的基础上构建出货物模型并完成高精度的货物数量估算。为获得更高质量的建模效果,本文还设计了基于CSwin-Unet分割模型结合像素位置权重损失函数的货物区域分割方法。主要研究内容如下:(1)PPW-CSwin-Unet的货物区域分割模型。为实现对货物区域进行精确分割,本文在Swin-Unet模型的基础上加以改进,设计了CSwin-Unet语义分割模型,并在COCO stuff数据集上进行了预训练。此模型能够快速、精确的完成语义分割任务。为解决货仓图像内像素重要程度不均衡的问题,本文设计了像素位置权重(pixel position weight,PPW)损失函数。使用其在本地货物分割数据集对CSwin-Unet进行微调,能够获得更好的特征提取效果。(2)货物数量估算与基于合理性损失的货物堆放模型构建。为实现箱式货物数量的估算,本文设计了基于XGBoost回归模型的货物数量估计方法。在此基础之上,为了构建具象化的货物堆放模型,本文设计了基于合理性损失的货物堆放模型构建方法。此方法不仅构建了数字化的货物堆放的三维模型,而且可以通过累加计算完成货物数量的估算,对可视化及其他科学管理工作具有重要意义。(3)基于YOLOv4的仓库电子围栏。为实现高精度的货仓区域电子围栏功能,本文设计了基于YOLOv4的闯入检测算法。使用YOLOv4对仓库内物体进行目标检测,通过目标框特征点与仓位投影多边形的关系,实现对目标位置是否在电子围栏内的识别判定。结合前后多帧的判定结果优化当前帧的判定结果,提高连续帧的判定准确率。最终达到了98.67%的准确率,能够满足任务需要。基于上述研究,本论文研发了基于B/S架构的仓储管理系统,实现对仓库内货物数据的实时监测与管理。主要功能包括货物数量估算、货物堆放模型构建、电子围栏监测。此外,将电子围栏进出记录与货物模型结果相结合,生成货物进出库记录。通过对建模结果进行分析,提供货物进出库单元位置推荐,为货物仓储自动化管理提供数据支持。
暂无评论