买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京易油互联科技有限公司申请的专利物联网手持终端仓储作业数字化云端协同监管方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120935215B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511119139.2，技术领域涉及：H04L67/12；该发明授权物联网手持终端仓储作业数字化云端协同监管方法及系统是由李彬;孙常栋设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本物联网手持终端仓储作业数字化云端协同监管方法及系统在说明书摘要公布了：本发明属于仓储作业管理技术领域，公开了一种物联网手持终端仓储作业数字化云端协同监管方法及系统。所述的方法包括如下步骤：使用手持终端，采集实时仓储作业数据，使用传感器终端，采集实时传感器数据，并传输至物联网网关；在物联网网关中，进行处理与转换，并将得到的实时多模态数据上传至监管云端平台；在监管云端平台，使用多模态智能分析模型，对实时多模态数据进行分析，得到实时智能分析结果；根据实时智能分析结果，使用协同调度策略生成模型，进行策略生成，得到实时协同调度策略，并发送至执行设备。本发明解决了现有技术存在的信息孤岛与数据碎片化、实时性差且响应滞后、决策缺乏智能化以及协同效率低下的问题。

本发明授权物联网手持终端仓储作业数字化云端协同监管方法及系统在权利要求书中公布了：1.一种物联网手持终端仓储作业数字化云端协同监管方法，其特征在于：包括如下步骤： 使用手持终端，采集实时仓储作业数据，使用传感器终端，采集实时传感器数据，并传输至通信范围内的物联网网关； 在物联网网关中，对实时仓储作业数据和对应的实时传感器数据进行处理与转换，并将得到的实时多模态数据上传至监管云端平台； 在监管云端平台，使用多模态智能分析模型，对实时多模态数据进行分析，得到实时智能分析结果； 所述的多模态智能分析模型基于多模态特征提取与知识蒸馏算法构建，且多模态智能分析模型包括教师子模型和学生子模型； 所述的教师子模型设置有多模态特征提取架构； 所述的多模态特征提取架构包括时序特征提取层、空间特征编码层、语义特征解析层以及跨模态对齐层，所述的时序特征提取层、空间特征编码层以及语义特征解析层均与跨模态对齐层连接，所述的跨模态对齐层与学生子模型连接； 所述的学生子模型设置有知识蒸馏层； 所述的时序特征提取层基于LSTM-Transformer算法构建； 所述的空间特征编码层基于3D-CNN算法构建； 所述的语义特征解析层基于BERT算法构建； 所述的跨模态对齐层基于CL算法构建； 所述的知识蒸馏层基于MobileViT算法构建； 包括如下步骤： 在监管云端平台，将实时多模态数据输入实时智能分析结果的教师子模型； 使用教师子模型的时序特征提取层，提取实时多模态数据中实时时序数据序列的实时时序特征； 公式为： ； 式中，为时序特征提取函数；为实时时序特征； 使用教师子模型的空间特征提取层，提取实时多模态数据中实时空间数据序列的实时空间特征； 公式为： ； 式中，为空间特征提取函数；为实时空间特征； 使用教师子模型的文本特征提取层，提取实时多模态数据中实时文本数据序列的实时文本特征； 公式为： ； 式中，为文本特征提取函数；为实时文本特征； 使用教师子模型的跨模态对齐层，对实时时序特征、实时空间特征以及实时文本特征进行对齐，得到对齐后实时多模态特征； 公式为： ； 式中，为跨模态对齐函数；为对齐后实时多模态特征； ； 式中，为对比学习损失函数；为余弦相似度函数；为温度参数；为负样本和；为第,任一模态特征；,为特征指示量；为指数函数； 根据对齐后实时多模态特征，使用学生子模型的知识蒸馏层，进行分析，得到实时智能分析结果； 公式为： ； 式中，为实时2D卷积层特征；为2D卷积层函数；为实时Transformer特征；为实时智能分析结果；为MLP函数，其中MLP，用作最终的分类器；为Transformer函数； 根据实时智能分析结果，使用协同调度策略生成模型，进行策略生成，得到实时协同调度策略，并发送至执行设备； 所述的协同调度策略生成模型基于分层强化学习算法构建，且协同调度策略生成模型包括依次连接的战略层、战术层以及操作层； 所述的战略层设置有战略层智能体和对应的长期目标集合； 所述的战术层设置有若干战术层智能体和对应的协同目标集合； 所述的操作层设置有操作层智能体和对应的任务目标集合； 所述的战略层基于PPO算法构建； 所述的战术层基于MADDPG算法构建； 所述的操作层基于DQN算法构建； 包括如下步骤： 根据实时智能分析结果和对应的实时全局仓库状态，使用协同调度策略生成模型的战略层的战略层智能体，结合长期目标集合，进行策略生成，得到实时全局协同调度策略； 公式为： ； 式中，为战略层智能体在状态下采取动作的策略函数；为策略网络参数；为策略层函数，用于根据全局状态和长期目标生成动作策略；为实时全局仓库状态；为长期目标集合；为实时全局协同调度策略；策略更新函数，用于根据PPO算法更新策略网络参数；策略更新过程中使用的优势函数，用于衡量动作的收益；为综合指示量；为战略层智能体的策略选择值； 根据实时全局协同调度策略和对应的若干实时局部设备状态，使用协同调度策略生成模型的战术层的若干战术层智能体，结合对应的协同目标集合，进行策略生成，得到若干实时任务协同调度策略； 公式为： ； 式中，为第i个战术层智能体在局部状态下采取动作的策略函数；为策略网络参数；为基于MADDPG算法构建的第个战术层函数，用于根据局部状态和协同目标生成动作策略；为第个战术层智能体的实时局部设备状态；为第个战术层智能体的协同目标集合；为第个战术层智能体生成的实时任务协同调度策略；为第个战术层智能体的策略更新函数，用于根据MADDPG算法更新策略网络参数；为第个战术层智能体的Q值函数，用于衡量动作的价值；为战术层智能体指示量；为综合指示量；，为第i个战术层智能体的策略选择值； 根据每一实时任务协同调度策略和对应的实时任务执行状态，使用协同调度策略生成模型的操作层的操作层智能体，结合任务目标集合，进行策略生成，得到实时设备协同调度策略； 公式为： ； 式中，为操作层智能体在状态下采取动作的Q值函数；i为战术层智能体指示量；为基于DQN算法构建的操作层函数，用于根据任务状态和任务目标生成动作策略；为实时任务执行状态；为任务目标集合；为实时设备协同调度策略；为Q值网络更新函数，用于根据DQN算法更新Q值网络参数；为操作层智能体的Q值；为Q值网络更新过程中使用的目标值，用于衡量动作的价值； 整合实时全局协同调度策略、若干实时任务协同调度策略以及实时设备协同调度策略，得到实时协同调度策略，并通过物联网网关，将实时协同调度策略发送至对应的执行设备。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京易油互联科技有限公司，其通讯地址为：102400 北京市房山区拱辰街道学园北街11号教育实习楼8层80908；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。