一种商品复核装置及其方法与流程

1.本发明涉及智能仓储物流相关技术领域，具体为一种商品复核装置及其方法。


背景技术：

2.目前，在仓储作业管理中，商品复核是一个非常重要的作业环节，商品复核是核对从货架上拣出的商品与对应订单上的商品品类、数量、规格是否一致，它是订单拣选准确性的最后一道保障，其作业模式跟商品的包装类型有很大的关系，在大健康行业中，特别是药品包装形式的多样化，有盒装、瓶装、袋装等，这为自动复核带来了极大的挑战，所以传统的作业方式中，以人工复核为主。
3.一个中型仓库，每天的出库的商品条目在10万到30万之间，人工复核的作业强度大，长时间作业也会导致复核的准确率下降，运维成本高。因此，寻求一种解放人力的自动化复核方式是非常有价值的。


技术实现要素：

4.本发明的目的在于提供一种商品复核装置及其方法，以解决上述背景技术中提出的复核的商品包装形式多样化无法自动化复核，且人工复核的作业强度大，复核准确率低运维成本高的问题。
5.为实现上述目的，本发明提供如下技术方案：一种商品复核装置，其特征在于，包括：工业相机模块，用于待复核商品图像样本的采集；驱动服务模块，用于集成相机、图像识别算法服务和三方系统，采用c#开发的桌面应用，与算法采用http/https协议进行通信，与三方系统集成(wms)采用websocket或socket通信协议，采用websocket 或socket通信协议；图像识别算法模块，用于识别和切割样本，对多个样本条码进行定位、切割和识别，对识别、切割后的图片进行特征提取，比对特征库，判断其商品品类。
6.作为进一步的技术方案，所述驱动服务模块还包括三个功能：根据相机对驱动库进行连接，实时获取相机所拍摄到的图片，对图片进行前置压缩处理；将图片发送给算法服务，并获取识别结果；将结果返回给wms仓储管理系统。
7.作为进一步的技术方案，所述图像识别算法模块包括三段算法：第一段为基于神经网络的深度学习的目标检测算法，主要是对图片中多个样本进行识别和切割；第二段为条码定位检测及条码识别算法，主要是对图片中的多个条码进行定位、切割和识别；第三段为特征提取及匹配算法，主要采用orb特征比对实现，根据第一段算法的结果，对每一个切割后的图片进行特征提取，对比特征库，判断其品类。
8.作为进一步的技术方案，所述工业相机模块包括高拍工业相机，所述高拍工业相机配置要求为：像素2000～3000w、帧率15～30hz及千兆网卡，所述高拍工业相机的安装高度为1.5～2m。
9.作为进一步的技术方案，所述驱动服务模块包括驱动服务客户端，用于适配所述工业相机模块驱动参数，其参数要求为：自动白平衡、自动增益、曝光时间14000～16000μs、
焦距、亮度45～55cd/m2、饱和度45～55、伽马0.5～0.7、图片边长压缩1024dpi。
10.作为进一步的技术方案，所述图像识别算法模块环境要求为： centos操作系统、python3环境、内存大于32g、cpu大于16核。
11.本发明的一种商品复核的方法，包括以下步骤：
12.s1：安装高拍工业相机，并配置好像素、帧率及网络；
13.s2：安装驱动服务客户端，并配置好相机参数，根据相机对驱动库连接相机，实时获取相机所拍摄到的图片，并对图片进行前置压缩处理，将图片发送给算法服务，并获取识别结果；
14.s3：部署视觉算法服务，并进行启动服务；
15.s4：配置wms仓储管理系统通信参数，包括驱动服务ip、端口；
16.s5：wms仓储管理系统发送复核指令；
17.s6：驱动服务模块接收指令，驱动高拍工业相机拍摄相片，并将照片进行压缩，发送给图像识别算法模块；
18.s7：图像识别算法模块接收指令，进行数量检测和品类检测，对商品主体切割和识别；
19.s8：对商品主体提取orb特征，在特征库对特征进行对比，反馈商品数量和品类信息；
20.s9：驱动服务模块获取到反馈的检测结果，并将结果反馈给wms 仓储管理系统；
21.s10：wms仓储管理系统接收检测结果，并进行复核逻辑处理。
22.与现有技术相比，本发明的有益效果是：
23.本发明能够自动化地进行商品复核，支持不同商品的批量复核，不同商品的任意平面摆放，基于神经网络的深度学习实现，并支持图片的增强和前后置处理，整个方法的性能在500ms以内完成，大大增加了作业的效率使用软件系统替代人工作业，降低了人工作业的成本，提高了复核的准确率，同时也能延长作业时间，为仓库运营的降本增效提供了极大的帮助。
附图说明
24.图1为本发明视觉识别技术的商品复核装置的示意图；
25.图2为本发明视觉识别技术的商品复核方法主要步骤的示意图；
26.图3为本发明视觉识别技术的商品复核方法的流程图；
具体实施方式
27.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.如图1所示，本发明实施例的基于视觉识别技术的商品复核装置，包括：
29.工业相机模块，工业相机模块使用高拍工业相机，其配置要求为：像素2000～3000w、帧率15～30hz及千兆网卡，所述高拍工业相机的安装高度为1.5～2m，使用该配置的
高拍工业相机可以保障商品复核的准确率和效率。
30.驱动服务模块，用于集成相机、图像识别算法服务和三方系统，采用c#开发对桌面应用进行服务，还包括wms仓储管理系统，采用websocket或socket通信协议，驱动服务模块还包括三个功能：根据相机对驱动库进行连接，实时获取相机所拍摄到的图片，对图片进行前置压缩处理；将图片发送给算法服务，并获取识别结果；将结果返回给wms仓储管理系统，从而达到支持不同商品的批量复核，驱动服务模块包括驱动服务客户端，用于适配工业相机模块驱动参数，其参数要求为：自动白平衡、自动增益、曝光时间14000～16000μs、焦距、亮度45～55cd/m2、饱和度45～55、伽马0.5～0.7、图片边长压缩1024dpi。
31.图像识别算法模块，用于识别和切割样本，对多个样本条码进行定位、切割和识别，对识别、切割后的图片进行特征提取，比对特征库，判断其商品品类，这样能支持商品的任一平面摆放，在某些特殊情况下，商品会放在一些容器中，如：篮子。图像识别算法模块包括三段算法：第一段为基于神经网络的深度学习的目标检测算法，主要是对图片中多个样本进行识别和切割；第二段为条码定位检测及条码识别算法，主要是对图片中的多个条码进行定位、切割和识别；第三段为特征提取及匹配算法，主要采用orb特征比对实现，根据第一段算法的结果，对每一个切割后的图片进行特征提取，对比特征库，判断其品类。图像识别算法模块环境要求为：centos操作系统、python3 环境、内存大于32g、cpu大于16核。
32.如图2所示为本发明视觉识别技术的商品复核方法主要步骤的示意图，步骤如下：
33.安装高拍工业相机，并配置好像素、帧率及网络，进行高拍工业相机选型，进行安装，用于保障复核的准确率和效率，安装驱动服务客户端，并配置好相机参数，根据相机对驱动库连接相机，实时获取相机所拍摄到的图片，并对图片进行前置压缩处理，将图片发送给算法服务，并获取识别结果。部署视觉算法服务，并进行启动服务。配置wms仓储管理系统通信参数，包括驱动服务ip、端口。wms仓储管理系统发送复核指令；驱动服务模块接收指令，驱动高拍工业相机拍摄相片，并将照片进行压缩，发送给图像识别算法模块；图像识别算法模块接收指令，进行数量检测和品类检测，对商品主体切割和识别；对商品主体提取orb特征，在特征库对特征进行对比，反馈商品数量和品类信息；驱动服务模块获取到反馈的检测结果，并将结果反馈给 wms仓储管理系统；wms仓储管理系统接收检测结果，并进行复核逻辑处理。
34.具体的，商品进行扫码后，读取供包单，然后放入指定数量、种类的商品至供包台，通过触发复核事件，商品自动复核，复核通过则自动投递至传动带，开始下一批供包复核，复核未通过则再次放入商品，进行重复操作。
35.本发明能够自动化地进行商品复核，支持不同商品的批量复核，不同商品的任意平面摆放，基于神经网络的深度学习实现，并支持图片的增强和前后置处理，整个方法的性能在500ms以内完成，大大增加了作业的效率使用软件系统替代人工作业，降低了人工作业的成本，提高了复核的准确率，同时也能延长作业时间，为仓库运营的降本增效提供了极大的帮助。
36.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。