一种基于RFID的AI智能出入库方法、系统及存储介质与流程
本技术涉及仓储物流与射频识别,特别是涉及一种基于rfid的ai智能出入库方法、系统及存储介质。
背景技术:
1、目前工业仓储、物料库房普遍采用超高频rfid(radio frequencyidentification,射频识别)射频识别技术完成货物出入登记,利用无源电子标签存储物品信息,搭配读写天线实现批量读取;同时视频监控、ai图像识别、云端存储、本地服务器均为物联网仓储通用成熟技术,大量专利公开rfid与单路摄像头结合的出入库管控方案,基础技术普及度高,企业改造接受门槛低。
2、现有仓储rfid出入库设备、单路视频监控系统存在多重技术缺陷:传统rfid依靠信号强度判定货物进出,受电磁、物料遮挡干扰大,漏读、误读、通行方向误判频发;常规监控仅单摄像头拍摄,存在侧身、口袋、手部隐蔽夹带视觉盲区,无法捕捉小件无标物资偷盗行为;现有系统仅能识别粘贴rfid标签的货物,未贴标零件、耗材、样品无任何管控手段,仓储存在重大物资流失监管漏洞;普通ai图像算法仅做简单画面匹配,无法对比通行前后全景差异,隐蔽夹带识别误报、漏报率高;软硬件设备独立分散,无一体化可视化管控平台,设备调度、异常证据查看、台账统计操作繁琐,运维成本高;通行视频、rfid数据、预警记录分开存储,无本地加云端双重加密备份,数据易丢失、易篡改,无法满足审计、溯源合规要求;设备联动逻辑滞后,识别、抓拍、报警、数据同步分步执行,无全自动闭环处置流程,异常处置依赖人工干预;无法适配人、叉车、手推车混行复杂工况,批量货物通行与人员安检共用一套逻辑,通行效率与安防无法兼顾。
3、与本技术最接近的现有技术方案为rfid结合单摄像头的仓储核验系统,其硬件部分包括rfid电子标签、门禁读写天线、单路监控摄像头、现场显示屏和本地服务器;工作逻辑为:货物粘贴rfid标签经过门禁,天线读取标签信息,摄像头同步抓拍单张现场图片,服务器记录标签数据与抓拍图片,人工后台回看视频核查异常;配套算法仅实现标签信息解析、基础物品图像匹配和简单人员防尾随识别;数据存储仅采用本地单服务器存储,无云端加密同步;管控逻辑仅对带rfid货物自动记账,人员空载仅留存人脸照片,无画面差异比对、无无标物品自动识别、无自动声光预警闭环。该方案仅实现带标货物出入登记,未解决无标小件夹带、单摄像头盲区、判向不准、软硬件割裂、加密追溯缺失等核心痛点,为本技术最接近的现有对比文件。
4、具体地,公开专利cn110991570b公开一种rfid仓储核验系统,硬件仅配置单路监控摄像头,依靠射频信号强度判定货物进出方向,仅对带标货物完成台账登记,人员通行仅抓拍人脸,不具备无标物品自动识别、自动预警闭环功能,数据仅本地明文存储。公开专利cn116681093a公开一种仓储rfid安防系统,仍采用单定点摄像头,仅可事后回看录像,ai算法仅单帧图像匹配,无法区分衣物、光影干扰与物资夹带,无云端备份与加密机制。公开专利cn116703297a公开一种车间物资管控装置,同样仅一路视频采集,采用rssi(receivedsignal strength indication,接收信号强度指示)强度判向易受车间电磁干扰,未区分人货通行逻辑,无一体化管理平台,记录易篡改。
5、上述现有技术方案整体上仅能完成带标签货物的基础出入登记,对于无标签物品夹带、隐蔽偷盗行为识别以及多工况复杂场景下的通行效率与安防兼顾等仓储物资管控需求,均无法提供有效的系统性解决方案。具体而言,rfid识别方面采用信号强度判向,仓库金属物料和电机电磁干扰会造成信号波动,频繁出现入库/出库方向判断错误和标签漏读,台账数据失真;视觉监控方面仅采用单摄像头固定正面拍摄,人员侧身、口袋、手部小件物资不在画面覆盖范围内,隐蔽偷盗行为无法被捕捉,安防存在盲区;核验手段方面仅依靠rfid识别作为唯一手段,大量小型零件和临时样品未贴标签时无任何自动检测手段,全靠人工安检,人力成本高且容易疏漏;ai算法方面仅进行单帧图像比对,无通行前/中/后多帧全景差异分析,无法区分衣物褶皱、背包与夹带物资,误报和漏报严重;系统管理方面硬件和软件独立分开操作,无统一管理平台,天线、摄像头、报警器分开调试,异常图片、台账、视频分散存储,管理人员多系统切换,运维效率极低;数据存储方面仅本地单端存储,无国密加密、无云端异地备份,硬盘损坏会丢失全部出入库证据,数据可被篡改,无法满足审计和追责合规要求;联动处置方面识别、抓拍、报警为独立手动触发,无联动闭环,发现物资流失后无自动预警和自动存证,只能事后回看,无法事中拦截;通行逻辑方面人货共用同一套识别逻辑,大批量托盘货物通行时强制完整ai比对,大幅降低出库效率,人员通行无专属兜底核验,兼顾性差。上述三类现有方案共同存在上述仓储物资在出入库环节安防管控的系统性技术缺陷,为本技术的改进基础。
6、针对上述现有技术中rfid识别精度不足、单摄像头视觉覆盖不完整、无标签物资无自动管控、ai识别误报漏报率高、数据安全缺乏保障以及异常处置依赖人工的技术问题,目前尚未提出有效的解决方案。
技术实现思路
1、为解决上述技术问题,本公开的实施例提供了一种基于rfid的ai智能出入库方法、系统及存储介质,通过多角度多时刻全景影像采集消除视觉盲区,通过rfid主识别与ai多画面差异比对的双层核验机制实现无标签物资自动识别,通过多帧多角度深度学习比对模型降低ai识别误报漏报率,通过本地与云端加密双向同步存储保障数据安全,并通过全自动联动闭环实现异常处置无需人工介入。
2、根据本公开实施例的一个方面,提供了一种基于rfid的ai智能出入库方法,包括:响应于通行触发信号,通过rfid识别天线对通行事件中的物品进行电子标签读取尝试,并判断是否读取到电子标签;同时,由所述通行触发信号控制设置于不同安装位置的多个摄像单元同步采集通行场景在预设的多个不同时刻下的多角度全景影像;若判断结果为读取到电子标签,则以所述电子标签作为身份标识,依据预先建立的绑定关系确认所述电子标签所对应的物品身份信息,并基于所述物品身份信息生成出入库记录;若判断结果为未读取到电子标签,则触发已训练好的ai图像比对模型对所述多角度全景影像进行逐帧差异比对,根据比对的结果判定是否存在无标签物品夹带;其中,所述ai图像比对模型为基于所述多角度全景影像在空间维度和时间维度上的联合分析来识别夹带物的深度学习模型;当所述ai图像比对模型判定存在无标签物品夹带时,自动触发报警,并对所述多角度全景影像进行加密处理以生成加密影像证据,将所述加密影像证据作为存证数据同步存储至至少两个异地存储端;当生成所述出入库记录时,将所述出入库记录同步至管理平台;当生成所述存证数据时,将所述存证数据同步至所述管理平台;其中,所述出入库记录和所述存证数据分别供管理员进行调取、查询和导出。
3、根据本公开实施例的另一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时由处理器执行以上所述的方法。
4、根据本公开实施例的另一个方面,还提供了一种基于rfid的ai智能出入库系统,包括处理器和存储器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
5、根据本公开实施例的另一个方面,还提供了一种基于rfid的ai智能出入库系统,包括:硬件感知执行层,包括rfid识别天线、设置于不同安装位置的多个摄像单元、报警器以及显示终端;所述rfid识别天线用于响应于通行触发信号对通行事件中的物品进行电子标签读取尝试,所述多个摄像单元用于由所述通行触发信号控制同步采集通行场景在预设的多个不同时刻下的多角度全景影像;智能算法处理层,包括rfid解析模块和ai图像比对模块;所述rfid解析模块用于对所述rfid识别天线接收到的射频信号进行解调和解码处理以判断是否读取到电子标签;所述ai图像比对模块用于在未读取到电子标签时对所述多角度全景影像进行逐帧差异比对,以判定是否存在无标签物品夹带;数据存储同步层,包括本地服务器和云端服务器,所述本地服务器与所述云端服务器之间建立加密传输通道;所述数据存储同步层用于在判定存在无标签物品夹带时,将所述多角度全景影像经加密处理后生成的加密影像证据,作为存证数据同步存储至所述本地服务器和所述云端服务器;软件管控应用层,为可视化集成管理平台,用于在生成出入库记录时同步显示出入库记录,在生成存证数据时同步显示存证数据,供管理员进行调取、查询和导出。
6、本技术首先通过rfid识别天线对通行事件中的物品进行电子标签读取尝试并同步采集多角度全景影像,实现了通行数据的全面感知。然后根据是否读取到电子标签执行分流核验,在读取到电子标签时以电子标签作为身份标识并依据预先建立的绑定关系确认物品身份以生成出入库记录,在未读取到电子标签时触发ai图像比对模型对多角度全景影像进行逐帧差异比对以判定是否存在无标签物品夹带,实现了有标货物自动记账与无标物资自动识别的双层兜底核验;并且,该ai图像比对模型基于多角度全景影像在空间维度和时间维度上的联合分析来识别夹带物,能够有效区分光影、衣物干扰与真实夹带,降低了误报率和漏报率。当判定存在无标签物品夹带时自动触发报警并对多角度全景影像进行加密处理以生成加密影像证据,同时同步存储至至少两个异地存储端,实现了异常事件的全自动闭环处置与数据安全保障。最后将出入库记录或存证数据同步至管理平台供管理员调取查询导出,实现了出入库全流程的可视化可追溯管理。从而,有效提升了rfid识别精度,消除了单摄像头视觉盲区,实现了无标签物资的自动识别与异常事件的全自动闭环处置,异常处置无需人工介入,同时通过加密存储保障了数据安全,显著提高了仓储出入库管控的智能化水平和安防能力。解决了现有技术中rfid识别精度不足、单摄像头视觉覆盖不完整、无标签物资无自动管控、ai识别误报漏报率高、数据安全缺乏保障以及异常处置依赖人工的技术问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com