CN112308492A - 基于深度学习与知识图谱融合的仓库管理方法及系统 - Google Patents
基于深度学习与知识图谱融合的仓库管理方法及系统 Download PDFInfo
- Publication number
- CN112308492A CN112308492A CN202011244716.8A CN202011244716A CN112308492A CN 112308492 A CN112308492 A CN 112308492A CN 202011244716 A CN202011244716 A CN 202011244716A CN 112308492 A CN112308492 A CN 112308492A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- warehouse management
- deep learning
- materials
- management robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 177
- 238000013135 deep learning Methods 0.000 title claims abstract description 47
- 230000004927 fusion Effects 0.000 title claims abstract description 27
- 238000013136 deep learning model Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 11
- 206010063385 Intellectualisation Diseases 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 24
- 230000003993 interaction Effects 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000032258 transport Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Warehouses Or Storage Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于深度学习与知识图谱融合的仓库管理方法及系统，属于仓库管理领域，本发明要解决的技术问题为目前传统仓库管理强度大、效率低、出错率高、存放混乱、智能化低，采用的技术方案为：该方法是通过在仓库管理机器人上安装摄像头进行全方位实时的采集物料信息，根据采集到的物料信息建立深度学习模型及知识图谱，再进行出入库物料信息采集以及人脸或工卡识别检测，最后通过云平台实现仓库管理的高效性、便捷性、条理性、智能化以及无人化；具体如下：机器深度学习；入库管理：公司内部采购物料的入库登记及分类存放；出库管理：公司内部物料出库登记及领取。本发明还公开了一种基于深度学习与知识图谱融合的仓库管理系统。
Description
技术领域
本发明涉及仓库管理领域，具体地说是一种基于深度学习与知识图谱融合的仓库管理方法及系统。
背景技术
大数据时代的到来，为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下，人工智能技术获得了前所未有的长足进步。其进展突出体现在以知识图谱为代表的知识工程以及深度学习为代表的机器学习等相关领域。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，大数据为深度学习带来前所未有的数据红利，得益于大规模标注数据，深度神经网络能够习得有效的层次化特征表示，从而在图像识别等领域取得优异效果。
知识图谱本质上是一种语义网络，表达了各类实体、概念及其之间的语义关系。相对于传统知识表示形式(诸如本体、传统语义网络)，知识图谱具有实体/概念覆盖率高、语义关系多样、结构友好(通常表示为RDF格式)以及质量较高等优势，从而使得知识图谱日益成为大数据时代和人工智能时代最为主要的知识表示方式。
现阶段将深度学习技术应用于知识图谱的方法较为直接。大量的深度学习模型可以有效完成端到端的实体识别、关系抽取和关系补全等任务，进而可以用来构建或丰富知识图谱。融合知识图谱与深度学习，已然成为进一步提升深度学习模型效果的重要思路之一。以知识图谱为代表的符号主义、以深度学习为代表的联结主义，日益脱离原先各自独立发展的轨道，走上协同并进的新道路。
目前，一般中小公司仓库管理系统还停留在传统的员工进行登记出入库，然后员工进行分类存放处理，存在出入库强度大、效率低、出错率高、存放混乱等问题，严重影响了生产效率，给公司带来经济损失，一般大型公司虽采用智能化仓库管理系统，但仍需要人员管理、存在智能化低的问题。
发明内容
本发明的技术任务是提供一种基于深度学习与知识图谱融合的仓库管理方法及系统，来解决目前传统仓库管理强度大、效率低、出错率高、存放混乱、智能化低的问题。
本发明的技术任务是按以下方式实现的，一种基于深度学习与知识图谱融合的仓库管理方法，该方法是通过在仓库管理机器人上安装摄像头进行全方位实时的采集物料信息，根据采集到的物料信息建立深度学习模型及知识图谱，再进行出入库物料信息采集以及人脸或工卡识别检测，最后通过云平台实现仓库管理的高效性、便捷性、条理性、智能化以及无人化；具体如下：
机器深度学习：学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
入库管理：公司内部采购物料的入库登记及分类存放；
出库管理：公司内部物料出库登记及领取。
作为优选，机器深度学习具体如下：
通过摄像头采集物料视频或图片；
测试数据：通过摄像头采集物料视频或图片经过预处理后形成测试数据；
标注数据：将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
关系抽取模型：将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
实体关系对：将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
构建知识图谱:利用图数据库构建出待抽取文本的知识图谱。
作为优选，入库管理具体如下：
开机初始化：物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
经办人识别：进行经办人人脸或工卡识别，便于追溯入库信息，
通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
仓库管理机器人输出物料定位框及类别标签数据；
利用已建立的图数据库，与现有物料构建知识图谱；
判断是否有物料等待入库：
若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
若否，则入库失败。
更优地，出库管理具体如下：
开机初始化：物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
经办人识别：进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
判断是否有物料等待出库：
若是，则由仓库管理机器人操作出库，进而实现物料出库成功；
若否，则说明出库失败。
更优地，由仓库管理机器人操作出库包括如下两种情况：
当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
一种基于深度学习与知识图谱融合的仓库管理系统，该系统包括硬件子系统和软件子系统；
其中，硬件子系统包括，
仓库管理机器人，用于代替人工完成物料的入库及出库，并在其上安装摄像头；
摄像头，用于全方位实时的采集物料信息，建立深度学习模型及知识图谱，便于出入库物料信息采集及人脸或工卡识别检测；
云平台，用于远程操控机器人及摄像头；
软件子系统包括，
机器深度学习单元，用于学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
入库管理单元，用于公司内部采购物料的入库登记及分类存放；
出库管理单元，用于公司内部物料出库登记及领取。
作为优选，所述机器深度学习单元包括，
采集模块，用于通过摄像头采集物料视频或图片；
测试数据形成模块，用于通过摄像头采集物料视频或图片经过预处理后形成测试数据；
标注数据生产模块，用于将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
关系抽取模型生产模块，用于将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
实体关系对提取模块，用于将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
知识图谱构建模块，用于利用图数据库构建出待抽取文本的知识图谱。
作为优选，所述入库管理单元包括，
入库初始化模块，用于物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
入库识别模块，用于进行经办人人脸或工卡识别，便于追溯入库信息，
入库完成图像采集模块，用于通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
入库输出模块，用于通过仓库管理机器人输出物料定位框及类别标签数据；
入库知识图谱构建模块，用于利用已建立的图数据库，与现有物料构建知识图谱；
入库判断模块，用于判断是否有物料等待入库：
若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
若否，则入库失败。
更优地，所述出库管理单元包括，
出库初始化模块，用于物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
出库识别模块，用于进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
出库物料信息采集模块，用于通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
出库登记模块，用于利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
出库判断模块，用于判断是否有物料等待出库：
若是，则由仓库管理机器人操作出库，进而实现物料出库成功；由仓库管理机器人操作出库包括如下两种情况：
①当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
②当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
若否，则说明出库失败。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行时，实现如上述的基于深度学习与知识图谱融合的仓库管理方法。
本发明的基于深度学习与知识图谱融合的仓库管理方法及系统具有以下优点：
(一)本发明解决了目前传统仓库管理强度大、效率低、出错率高、存放混乱、智能化低等问题，将深度学习及知识图谱结合，通过云平台使公司物料管理更加高效、便捷、有条理、智能化及无人化；
(二)本发明能够让机器人实现像人一样进行出入库管理及存取，可以由原来的2-3个库管员，更换成一个机器人，降低人员成本；
(三)本发明能够通过识别图片或视频信息，即可完成物料识别与分类，提高了入库效率，同时可以完成有序的存放及领取，避免的仓库物料混乱及丢料、漏料的问题；
(四)本发明可以不断地学习新的物料信息，也可以建立各个物料的关系，如进行一套机器的组装，进行物料出库时不需要列清晰整套机器物料清单，只需列出需组装机器名称，仓库管理系统即可将相关联需求数量的全部物料运输到物料待出库区域，提高了出库效率，实现了仓库管理智能化运作；
(五)本发明能够应用于仓库管理技术领域，降低公司人员、管理成本、提高出入库效率、降低人工强度、实现了仓库管理智能化、无人化，具备较好的应用前景。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于深度学习与知识图谱融合的仓库管理方法的流程框图；
附图2为基于深度学习与知识图谱融合的仓库管理方法的运作示意图；
附图3为机器深度学习的流程框图；
附图4为入库管理的流程框图；
附图5为出库管理的流程框图。
具体实施方式
参照说明书附图和具体实施例对本发明的基于深度学习与知识图谱融合的仓库管理方法及系统作以下详细地说明。
实施例1：
本发明的基于深度学习与知识图谱融合的仓库管理方法，该方法是通过在仓库管理机器人上安装摄像头进行全方位实时的采集物料信息，根据采集到的物料信息建立深度学习模型及知识图谱，再进行出入库物料信息采集以及人脸或工卡识别检测，最后通过云平台实现仓库管理的高效性、便捷性、条理性、智能化以及无人化；其中，仓库管理机器人安装有2-4个摄像头；如附图1所示，具体如下：
S1、机器深度学习：学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
S2、入库管理：公司内部采购物料的入库登记及分类存放；
S3、出库管理：公司内部物料出库登记及领取。
如附图3所示，本实施例步骤S1中的机器深度学习具体如下：
S101、通过摄像头采集物料视频或图片；
S102、测试数据：通过摄像头采集物料视频或图片经过预处理后形成测试数据；
S103、标注数据：将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
S104、关系抽取模型：将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
S105、实体关系对：将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
S106、构建知识图谱:利用图数据库构建出待抽取文本的知识图谱。
如附图4所示，本实施例步骤S2中的入库管理具体如下：
S201、开机初始化：物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
S202、经办人识别：进行经办人人脸或工卡识别，便于追溯入库信息，
S203、通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
S204、仓库管理机器人输出物料定位框及类别标签数据；
S205、利用已建立的图数据库，与现有物料构建知识图谱；
S206、判断是否有物料等待入库：
①、若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
②、若否，则入库失败。
如附图5所示，本实施例步骤S3中的出库管理具体如下：
S301、开机初始化：物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
S302、经办人识别：进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
S303、通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
S304、利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
S305、判断是否有物料等待出库：
①、若是，则由仓库管理机器人操作出库，进而实现物料出库成功；
②、若否，则说明出库失败。
其中，由仓库管理机器人操作出库包括如下两种情况：
当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
实施例2：
本发明的基于深度学习与知识图谱融合的仓库管理系统，该系统包括硬件子系统和软件子系统；
其中，硬件子系统包括，
仓库管理机器人，用于代替人工完成物料的入库及出库，并在其上安装摄像头；
摄像头，用于全方位实时的采集物料信息，建立深度学习模型及知识图谱，便于出入库物料信息采集及人脸或工卡识别检测；
云平台，用于远程操控机器人及摄像头；
软件子系统包括，
机器深度学习单元，用于学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
入库管理单元，用于公司内部采购物料的入库登记及分类存放；
出库管理单元，用于公司内部物料出库登记及领取。
本实施例中的机器深度学习单元包括，
采集模块，用于通过摄像头采集物料视频或图片；
测试数据形成模块，用于通过摄像头采集物料视频或图片经过预处理后形成测试数据；
标注数据生产模块，用于将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
关系抽取模型生产模块，用于将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
实体关系对提取模块，用于将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
知识图谱构建模块，用于利用图数据库构建出待抽取文本的知识图谱。
本实施例中的入库管理单元包括，
入库初始化模块，用于物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
入库识别模块，用于进行经办人人脸或工卡识别，便于追溯入库信息，
入库完成图像采集模块，用于通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
入库输出模块，用于通过仓库管理机器人输出物料定位框及类别标签数据；
入库知识图谱构建模块，用于利用已建立的图数据库，与现有物料构建知识图谱；
入库判断模块，用于判断是否有物料等待入库：
若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
若否，则入库失败。
本实施例中的出库管理单元包括，
出库初始化模块，用于物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
出库识别模块，用于进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
出库物料信息采集模块，用于通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
出库登记模块，用于利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
出库判断模块，用于判断是否有物料等待出库：
若是，则由仓库管理机器人操作出库，进而实现物料出库成功；由仓库管理机器人操作出库包括如下两种情况：
①当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
②当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
若否，则说明出库失败。
实施例3：
本发明实施例还提供了一种计算机可读存储介质，其中存储有多条指令，指令由处理器加载，使处理器执行本发明任一实施例中的基于深度学习与知识图谱融合的仓库管理方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-R基于深度学习与知识图谱融合的仓库管理方法及系统M、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于深度学习与知识图谱融合的仓库管理方法，其特征在于，该方法是通过在仓库管理机器人上安装摄像头进行全方位实时的采集物料信息，根据采集到的物料信息建立深度学习模型及知识图谱，再进行出入库物料信息采集以及人脸或工卡识别检测，最后通过云平台实现仓库管理的高效性、便捷性、条理性、智能化以及无人化；具体如下：
机器深度学习：学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
入库管理：公司内部采购物料的入库登记及分类存放；
出库管理：公司内部物料出库登记及领取。
2.根据权利要求1所述的基于深度学习与知识图谱融合的仓库管理方法，其特征在于，机器深度学习具体如下：
通过摄像头采集物料视频或图片；
测试数据：通过摄像头采集物料视频或图片经过预处理后形成测试数据；
标注数据：将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
关系抽取模型：将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
实体关系对：将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
构建知识图谱:利用图数据库构建出待抽取文本的知识图谱。
3.根据权利要求1所述的基于深度学习与知识图谱融合的仓库管理方法，其特征在于，入库管理具体如下：
开机初始化：物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
经办人识别：进行经办人人脸或工卡识别，便于追溯入库信息，
通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
仓库管理机器人输出物料定位框及类别标签数据；
利用已建立的图数据库，与现有物料构建知识图谱；
判断是否有物料等待入库：
若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
若否，则入库失败。
4.根据权利要求1-3中任一所述的基于深度学习与知识图谱融合的仓库管理方法，其特征在于，出库管理具体如下：
开机初始化：物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
经办人识别：进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
判断是否有物料等待出库：
若是，则由仓库管理机器人操作出库，进而实现物料出库成功；
若否，则说明出库失败。
5.根据权利要求4所述的基于深度学习与知识图谱融合的仓库管理方法，其特征在于，由仓库管理机器人操作出库包括如下两种情况：
当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
6.一种基于深度学习与知识图谱融合的仓库管理系统，其特征在于，该系统包括硬件子系统和软件子系统；
其中，硬件子系统包括，
仓库管理机器人，用于代替人工完成物料的入库及出库，并在其上安装摄像头；
摄像头，用于全方位实时的采集物料信息，建立深度学习模型及知识图谱，便于出入库物料信息采集及人脸或工卡识别检测；
云平台，用于远程操控机器人及摄像头；
软件子系统包括，
机器深度学习单元，用于学习及了解物料种类、数量、厂家及规格参数的信息，并通过文本数据与关系抽取模型形成知识图谱，从而建立起各个物料的连接关系；
入库管理单元，用于公司内部采购物料的入库登记及分类存放；
出库管理单元，用于公司内部物料出库登记及领取。
7.根据权利要求6所述的基于深度学习与知识图谱融合的仓库管理系统，其特征在于，所述机器深度学习单元包括，
采集模块，用于通过摄像头采集物料视频或图片；
测试数据形成模块，用于通过摄像头采集物料视频或图片经过预处理后形成测试数据；
标注数据生产模块，用于将测试数据利用数据标注平台生产语料数据，再将语料数据处理成标注数据；
关系抽取模型生产模块，用于将标注数据输入深度学习模型进行训练和测试，生成关系抽取模型；
实体关系对提取模块，用于将待抽取文本数据输入关系抽取模型，提取出待抽取文本数据的实体关系对；
知识图谱构建模块，用于利用图数据库构建出待抽取文本的知识图谱。
8.根据权利要求6所述的基于深度学习与知识图谱融合的仓库管理系统，其特征在于，所述入库管理单元包括，
入库初始化模块，用于物料需要入库时，对于仓库管理机器人已学习的物料信息，公司人员需要到达指定的待入库区域，并启动仓库管理机器人；
入库识别模块，用于进行经办人人脸或工卡识别，便于追溯入库信息，
入库完成图像采集模块，用于通过语音交互或触摸屏操作操纵仓库管理机器人利用摄像头自主采集物料识别区完整图像；
入库输出模块，用于通过仓库管理机器人输出物料定位框及类别标签数据；
入库知识图谱构建模块，用于利用已建立的图数据库，与现有物料构建知识图谱；
入库判断模块，用于判断是否有物料等待入库：
若是，则仓库管理机器人在确认物料信息登记完毕后，由仓库管理机器人进行分类存放物料，进而实现物料入库成功；
若否，则入库失败。
9.根据权利要求6-8中任一所述的基于深度学习与知识图谱融合的仓库管理系统，其特征在于，所述出库管理单元包括，
出库初始化模块，用于物料需要出库时，通过远程操控或现场领取将仓库管理机器人开机；
出库识别模块，用于进行经办人人脸识别或工卡识别，现场领取则需要现场进行经办人人脸识别或工卡识别；
出库物料信息采集模块，用于通过语音交互说出需要领取的物料或通过触摸屏控制仓库管理机器人摄像头采集物料标签数据名称；
出库登记模块，用于利用现有知识图谱输出物料图片及相关信息，仓库管理机器人完成相关出库登记信息；
出库判断模块，用于判断是否有物料等待出库：
若是，则由仓库管理机器人操作出库，进而实现物料出库成功；由仓库管理机器人操作出库包括如下两种情况：
①当物料信息未超出仓库管理机器人已学习范围时，由仓库管理机器人运输相关物料，并分类放置在待出库区域，经办人从待出库区域将物料直接取走即可；
②当物料信息已超出仓库管理机器人已学习范围时，通过深度学习模型及知识图谱再次学习新物料信息后，通过云平台下发至仓库管理机器人本体，再由仓库管理机器人正常完成出入库登记与存取即可。
若否，则说明出库失败。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行时，实现如权利要求1至5中所述的基于深度学习与知识图谱融合的仓库管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011244716.8A CN112308492A (zh) | 2020-11-10 | 2020-11-10 | 基于深度学习与知识图谱融合的仓库管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011244716.8A CN112308492A (zh) | 2020-11-10 | 2020-11-10 | 基于深度学习与知识图谱融合的仓库管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112308492A true CN112308492A (zh) | 2021-02-02 |
Family
ID=74325540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011244716.8A Pending CN112308492A (zh) | 2020-11-10 | 2020-11-10 | 基于深度学习与知识图谱融合的仓库管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112308492A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861311A (zh) * | 2020-06-24 | 2020-10-30 | 山东临工工程机械有限公司 | 可实现入库检验的机型自动识别实时库存统计管理方法 |
| CN114782761A (zh) * | 2022-06-23 | 2022-07-22 | 山东能源数智云科技有限公司 | 基于深度学习的智能仓储物料识别方法和系统 |
| CN117151338A (zh) * | 2023-09-08 | 2023-12-01 | 安徽大学 | 一种基于大语言模型的多无人机任务规划方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106516530A (zh) * | 2016-12-21 | 2017-03-22 | 锥能机器人（上海）有限公司 | 一种自动化仓储分拣站及其分拣方法 |
| CN107077659A (zh) * | 2016-09-26 | 2017-08-18 | 达闼科技（北京）有限公司 | 一种智能库存管理系统、服务器、方法、终端和程序产品 |
| CN107705066A (zh) * | 2017-09-15 | 2018-02-16 | 广州唯品会研究院有限公司 | 一种商品入库时信息录入方法及电子设备 |
| CN110377755A (zh) * | 2019-07-03 | 2019-10-25 | 江苏省人民医院（南京医科大学第一附属医院） | 基于药品说明书的合理用药知识图谱构建方法 |
| CN110598000A (zh) * | 2019-08-01 | 2019-12-20 | 达而观信息科技（上海）有限公司 | 一种基于深度学习模型的关系抽取及知识图谱构建方法 |
| CN110825882A (zh) * | 2019-10-09 | 2020-02-21 | 西安交通大学 | 一种基于知识图谱的信息系统管理方法 |
| CN110910065A (zh) * | 2019-11-21 | 2020-03-24 | 秒针信息技术有限公司 | 基于大数据和知识图谱的仓库空间分配方法及系统 |
| CN111126888A (zh) * | 2018-10-31 | 2020-05-08 | 南京智能仿真技术研究院有限公司 | 一种自动化程度高的仓库管理系统 |
| CN111386233A (zh) * | 2018-03-27 | 2020-07-07 | 株式会社日立产业机器 | 仓库系统 |
| CN111476520A (zh) * | 2020-04-03 | 2020-07-31 | 上海明略人工智能(集团)有限公司 | 摆放位置的确定方法及装置、存储介质、电子装置 |
-
2020
- 2020-11-10 CN CN202011244716.8A patent/CN112308492A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107077659A (zh) * | 2016-09-26 | 2017-08-18 | 达闼科技（北京）有限公司 | 一种智能库存管理系统、服务器、方法、终端和程序产品 |
| CN106516530A (zh) * | 2016-12-21 | 2017-03-22 | 锥能机器人（上海）有限公司 | 一种自动化仓储分拣站及其分拣方法 |
| CN107705066A (zh) * | 2017-09-15 | 2018-02-16 | 广州唯品会研究院有限公司 | 一种商品入库时信息录入方法及电子设备 |
| CN111386233A (zh) * | 2018-03-27 | 2020-07-07 | 株式会社日立产业机器 | 仓库系统 |
| CN111126888A (zh) * | 2018-10-31 | 2020-05-08 | 南京智能仿真技术研究院有限公司 | 一种自动化程度高的仓库管理系统 |
| CN110377755A (zh) * | 2019-07-03 | 2019-10-25 | 江苏省人民医院（南京医科大学第一附属医院） | 基于药品说明书的合理用药知识图谱构建方法 |
| CN110598000A (zh) * | 2019-08-01 | 2019-12-20 | 达而观信息科技（上海）有限公司 | 一种基于深度学习模型的关系抽取及知识图谱构建方法 |
| CN110825882A (zh) * | 2019-10-09 | 2020-02-21 | 西安交通大学 | 一种基于知识图谱的信息系统管理方法 |
| CN110910065A (zh) * | 2019-11-21 | 2020-03-24 | 秒针信息技术有限公司 | 基于大数据和知识图谱的仓库空间分配方法及系统 |
| CN111476520A (zh) * | 2020-04-03 | 2020-07-31 | 上海明略人工智能(集团)有限公司 | 摆放位置的确定方法及装置、存储介质、电子装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861311A (zh) * | 2020-06-24 | 2020-10-30 | 山东临工工程机械有限公司 | 可实现入库检验的机型自动识别实时库存统计管理方法 |
| CN114782761A (zh) * | 2022-06-23 | 2022-07-22 | 山东能源数智云科技有限公司 | 基于深度学习的智能仓储物料识别方法和系统 |
| CN117151338A (zh) * | 2023-09-08 | 2023-12-01 | 安徽大学 | 一种基于大语言模型的多无人机任务规划方法 |
| CN117151338B (zh) * | 2023-09-08 | 2024-05-28 | 安徽大学 | 一种基于大语言模型的多无人机任务规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112308492A (zh) | 基于深度学习与知识图谱融合的仓库管理方法及系统 | |
| CN110428069A (zh) | 电力工器具智能管理方法、系统、设备和介质 | |
| CN115409069A (zh) | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 | |
| CN109242431B (zh) | 一种基于数据体系的企业管理方法及其系统 | |
| CN110781381A (zh) | 基于神经网络的数据验证方法、装置、设备及存储介质 | |
| CN112257740B (zh) | 基于知识图谱的图像隐患识别方法及其系统 | |
| CN109064467A (zh) | 小区安防的分析方法、装置及电子设备 | |
| CN116957165A (zh) | 电厂施工工期进度优化方法 | |
| Bhargava et al. | A study on potential of big visual data analytics in construction Arena | |
| KR20220105689A (ko) | 머신러닝 모델에 기반한 디스플레이 패널의 결함 판정 시스템 | |
| Awadid et al. | MBSE to Support Engineering of Trustworthy AI-Based Critical Systems | |
| CN117519656A (zh) | 一种基于智能制造的软件开发系统 | |
| CN116911811A (zh) | 一种简历收集人工智能大数据系统 | |
| US11580666B2 (en) | Localization and mapping method and moving apparatus | |
| Johansen et al. | Automated rule-based safety inspection and compliance checking of temporary guardrail systems in construction | |
| CN112558512A (zh) | 基于大数据与物联网技术的智慧控申系统 | |
| Lika et al. | Lightweight Deep Learning for Object Detection on Mobile Device | |
| CN111859370A (zh) | 识别服务的方法、装置、电子设备和计算机可读存储介质 | |
| CN112256912A (zh) | 审讯视频智能标注分析及播放方法 | |
| CN116030418B (zh) | 一种汽车吊运行状态监测系统及方法 | |
| CN112968941B (zh) | 一种基于边缘计算的数据采集和人机协同标注方法 | |
| KR102703844B1 (ko) | 빅데이터 기반 딥러닝을 이용한 비전 검사 서비스 제공 시스템 | |
| CN118587711B (zh) | 一种ai大模型分布式遥感样本构建与审核方法和系统 | |
| CN118470612B (zh) | 基于多模态信息融合的安全生产作业人员行为识别方法及系统 | |
| CN115565201B (zh) | 禁忌图片识别方法、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |