一种装配式预制件工厂的物料管理系统

技术特征：
1.一种装配式预制件工厂的物料管理系统，其用于对装配式预制件工厂中物料的出入库过程进行数字化管理，其特征在于，所述物料管理系统包括：电子标签，其包括安装各个运输车辆上的第一标签和第二标签；所述第一标签用于存储车辆配送时的入库清单或出库清单；所述第二标签用于存储车辆的称重结果；净重测量设备，其包括称重机构和一个电子标签写入模块；所述称重机构用于对进出工厂的运输车辆进行称重，所述电子标签写入模块用于将所述称重机构的称重结果写入到车辆中的第二标签内；云服务器，其内运行有一个库存数据库和一个基于机器视觉的离散物料检测计数模型；所述库存数据库用于根据验收后进出场信息对工厂内各物料的库存量进行分类统计；所述离散物料检测计数模型用于根据输入的不同角度的物料图像，识别并统计出运送的物料中计件标称型物料的数量；以及手持终端，其与所述云服务器进行通信连接并在二者间进行数据交互；所述手持终端内包含一个图像采集模块、一个电子标签读写模块，以及一个显示模块；所述图像采集模块用于采集进出场的物料的物料图像；所述电子标签读写模块用于读取任意电子标签中的标签信息，或对任意电子标签中的标签信息进行更新；所述物料管理系统的应用过程如下：一、车辆入库阶段：预先将入库清单或出库清单录入到运输车辆的第一标签内；通过手持终端读取车辆的第一标签中的清单信息，并将清单信息上传到云服务器中完成出入库预登记；同时，净重测量设备将车辆的入库称重结果写入到车辆中第二标签内；云服务器将接收到的入库清单或出库清单与库存数据库进行匹配，并向手持终端发送指定的卸料或装料的仓库位置；二、卸料或装料阶段：根据指定的仓库位置引导车辆；在装卸过程中采用手持终端采集物料图像，并将物料图像上传到云服务器；云服务器通过所述离散物料检测计数模型识别并统计出计件标称型物料的实测标称量；三、车辆出库阶段：净重测量设备将车辆的出库称重结果写入到车辆中第二标签内；仓库管理人员使用手持终端扫描车辆的第二标签，并将读取到的入库称重结果和出库称重结果同步发送到云服务器；云服务器根据入库称重结果和出库称重结果计算货物净重，并将货物净重作为重量标称型物料的实测标称量；然后云服务器比对入库清单或出库清单中物料标称信息与实测标称量是否匹配，是则通过出库验证，放行车辆，并根据入库清单或出库清单对库存数据库进行修改。2.如权利要求1所述的装配式预制件工厂的物料管理系统，其特征在于：所述电子标签还包括安装在各个仓库上的第三标签；所述第三标签用于存储各个仓库内的物料库容数据；在车辆出库后，手持终端接收云服务器中修改后的库存数据库中的信息，并更新对应仓库的第三标签；当工厂内部生产部门需要领用任意仓库内的物料时，通过手持终端向云服务器发出领用请求；云服务器响应请求后会对库存数据库进行修改；管理人员在物料被领用后，通过手持终端更新对应仓库的第三标签；
当工厂内部生产部门需要向任意仓库内的存放生产的产品时，通过手持终端向云服务器发出存放请求；云服务器响应请求后会对库存数据库进行修改；管理人员在产品存放完成取后，通过手持终端更新对应仓库的第三标签。3.如权利要求2所述的装配式预制件工厂的物料管理系统，其特征在于：在仓库定期盘点过程中，盘点人员对仓库内的物料进行清点和处置，然后将每个仓库中第三标签中记录的物料库容数据与实际清点的数据进行比对，当二者发生偏差时则上报系统，由具有权限的管理人员进行核销后，对云服务器中的库存数据库进行修改，然后由盘点人员通过手持终端重新更新对应仓库中的第三标签。4.如权利要求1所述的装配式预制件工厂的物料管理系统，其特征在于：所述入库清单中的信息包括：当前批次物料的供货单位、运输车辆的信息、物料的溯源信息、物料类型、验收物料的标称量、接收物料的单位和部门，以及其它备注信息；所述出库清单中的信息包括：当前批次物料的收货单位、运输车辆的信息、物料的溯源信息、物料类型、验收物料的标称量、物料的供货单位和部门，以及其它备注信息。5.如权利要求1所述的装配式预制件工厂的物料管理系统，其特征在于：所述第一标签、第二标签和第三标签为rfid标签；所述手持终端为采用具有网络通信功能的专用电子设备，或采用具有通信功能且安装有特定管理程序的通用电子设备。6.如权利要求1所述的装配式预制件工厂的物料管理系统，其特征在于：构建出的所述离散物料检测计数模型包括图像优化模块、基于yolov5设计的目标检测模块，以及输出模块；所述图像优化模块用于对输入的图像进行局部亮度优化，以得到像素亮度分布均匀的图像并输出给所述目标检测模块；所述目标检测模块用于根据输入的图像识别出不同尺度特征状态下包含识别目标的各个预测框及其对应的置信度；所述输出模块采用改进型非极大值抑制算法对目标检测网络的输出进行处理，得到输入的图像中包含的目标物的数量；所述目标检测模块中包括：特征提取网络、特征融合网络、以及预测头；所述特征提取网络用于对输入的图像进行特征提取，得到160*160、80*80、40*40、20*20四个不同尺度的特征图；所述特征融合网络对四个不同尺度的特征图按照重复多次双向特征融合路径进行融合加强，得到80*80、40*40、20*20三个不同尺度的融合特征；所述预测头用于对三个不同尺度的融合特征分别进行物体检测与预测框回归；输出对应的预测框和置信度。7.如权利要求6所述的装配式预制件工厂的物料管理系统，其特征在于：所述图像优化模块的优化过程如下：（1）将原始图像image转换为灰度图grey；（2）将灰度图grey扩充为原图通道数，再乘以预设的亮度权重系数α，得到权重矩阵w，即：w=α*grey；其中，“*
”ꢀ
表示矩阵的乘法运算；亮度权重系数α的取值范围为0-1，值越大表示增强程度越大；（3）将灰度图grey中像素值小于0.5认定为暗点像素，对灰度图grey中筛选出的暗点像素进行像素增强，得到对应的曝光图exposure；（4）输出增强后的图像如下：。8.如权利要求6所述的装配式预制件工厂的物料管理系统，其特征在于：所述目标检测
模块的改进如下：（1）将yolov5的特征提取网络中所有的csp-block替换为新设计的csp-dsc-block；所述csp-dsc-block将输入特征分为两路，一路经过dsc-block处理，另一路经过多重dense-block处理，然后将两路处理结果经过3*3卷积处理后输出；（2）将所述yolov5中主干网络上的所有3*3卷积模块替换为rep-block；以在网络训练时对rep-block采用多分支结构；（3）在yolov5的特征提取网络和特征融合网络中引入注意力机制模块，所述注意力机制模块采用融合通道注意力和空间注意力的功能模块；注意力机制模块的特征输入维度为h*w*c，h为特征高度、w为特征宽度、c为特征通道数；首先输入特征分别进行全局最大池化和全局平均池化后拼接成1*1*c维度特征；然后经过1*1卷积核和sigmoid函数得到通道注意力权重；输入特征与通道注意力权重点积后得到通道注意力融合后的h*w*c特征；接着在分别经过全局最大池化和全局平均池化拼接成h*w*2的特征图，最后经过7*7的卷积核卷积和sigmoid函数，输出注意力机制处理后的h*w*c维度的输出特征；（4）对预测头进行调整，简化后的预测头采用物体置信度判断与预测框回归解耦的结构；所述预测头使用1*1卷积将传入预测头的特征图在通道上进行拆分成相同形状的两个特征图，而后分别叠加3*3卷积，最后再使用1*1卷积进行降维后得到置信度和预测框的相应检测结果；其中，物体置信度判断特征输出通道数为1，预测框回归特征输出通道数为4；（5）本算法采用改进的非极大抑制算法，保留得分前三的预测框，并赋予这三个预测框相应的权重，由得分最高的三个预测框共同平均出最接近真实框的预测框。9.如权利要求6所述的装配式预制件工厂的物料管理系统，其特征在于：在所述离散物料检测计数模型中针对不同类型的物料分别进行训练，并保存对应的训练后的目标检测模块的模型参数；各个目标检测模块的模型训练过程的改进如下：（1）采用mosaic增强策略对原始数据集进行扩增；具体处理过程包括对任意四张图像进行拼接，并采用旋转、裁剪、缩放的方式对拼接图像进行变换；（2）在网络模型训练阶段采用simota标签动态分配方法对正样本进行优选；（3）适配任务改进设计后的损失函数计算公式如下：上式中，表示预测框回归预测损失的权重，代表正样本置信度预测损失对应的的权重，表示负样本置信度预测损失的权重；s2代表特征点数量其值为特征图
长宽尺寸的乘积；b代表预测框数量可根据任务预先设置；c代表物体置信度预测值，代表物体置信度真实标签值，上下标i、j代表该值为第i个特征点中第j个预测框对应的物体置信度值，表示该特征点是否包含物体的概率，其范围为0到1;x、y、w、h分别代表预测框中心横纵坐标和宽高，分别代表真实标签中心横纵坐标和宽高，上下标i、j代表该组参数值为第i个特征点中第j个预测框对应的一组横纵坐标和宽高值；和分别为一组用于表征i、j处特征点是否包含目标物的标志：当第i行第j列特征点包含物体时，为1，为0；当第i行第j列特征点不包含物体时，为0，为1；（4）采用知识蒸馏结构，设置教师模型帮助模型快速收敛；教师模型输出的预测结果作为软标签与学生模型输出的预测结果计算损失称为软损失，真实标签与学生模型输出的预测结果计算损失称为硬损失损失;其中损失函数如下：以上损失函数中使用（3）中损失函数计算公式loss1得出，其中;当学生模型输出值比教师模型更接近真实标签时，则停止知识蒸馏训练仅单独训练学生模型，此时训练损失为：。10.如权利要求1所述的装配式预制件工厂的物料管理系统，其特征在于：所述手持终端中还包括一个基于图像识别技术的嵌套式管件物料的本地识别模块，所述本地识别模块用于根据图像采集模块采集到的图像，在手持终端本地对管件进行识别和计数；所述本地识别模块的识别结果与图像采集模块获取的图像同步发送到云服务器中；所述本地识别模块的识别结果用于与云服务器中离散物料检测计数模型的检测结果进行交叉验证；其中，本地识别模块的管件检测方法如下：（1）采用canny算法检测提取管件对应区域的图像的边缘；边缘的提取过程包括四个步骤：a.对图像进行高斯滤波使图像中边缘轮廓变得平滑，并增加边缘宽度；b.计算图像中像素的梯度值和梯度方向；c.通过非极大值抑制仅保留沿像素梯度方向梯度值最大的点，保留的像素必为边缘；d.将根据步骤c中保留像素点沿梯度法向量方向进行平滑扩充，当扩充点梯度低于给定阈值之后，停止该操作，得到最终轮廓；（2）经过边缘检测后，将边缘做平滑连贯处理之后计算轮廓上个点所在曲线的切线向内法向量，记录法向量直线；（3）法向量直线交汇点为圆形轮廓的圆心，未交汇的法向量直线判定为其它形状噪声，不予计算；（4）以交汇点为圆心的轮廓从圆心辐射线段，遇到曲线轮廓匹配为物体，通过圆心与曲
线轮廓配对则认为检测到一个物体。

技术总结
本发明属于建筑工业领域，具体涉及一种装配式预制件工厂的物料管理系统。其用于对装配式预制件工厂中物料的出入库过程进行数字化管理。该物料管理系统包括：电子标签、净重测量设备，云服务器，以及手持终端。其中，电子标签包括安装各个运输车辆上的第一标签和第二标签。净重测量设备包括称重机构和一个电子标签写入模块。云服务器内运行有一个库存数据库和一个基于机器视觉的离散物料检测计数模型。手持终端与云服务器进行通信连接并在二者间进行数据交互。手持终端内包含一个图像采集模块、一个电子标签读写模块，以及一个显示模块。解决现有装配式预制件工厂的物料管理依赖人工，库存数据更新不及时，数据容易发生错误等问题。问题。问题。


技术研发人员：李学俊 王恒新 周思宇 王华彬
受保护的技术使用者：安徽大学绿色产业创新研究院
技术研发日：2022.12.09
技术公布日：2023/1/13