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！

申请/专利权人：成都康特电子科技股份有限公司

摘要：本发明公开了一种库房中盘装产品位置智能识别系统，属于智能识别技术，其包括若干货架、若干摄像头、若干控制模块和服务器，货架包括若干容纳槽，底架的顶部设置有第一闪光灯，每个容纳槽设置有重力传感器和第二闪光灯，每个货架对应的一个控制模块与对应货架的摄像头、升降机构、第一闪光灯及所有的第二闪光灯和重力传感器连接，所有的控制模块和服务器连接；本方案通过重力传感器、摄像头、控制模块和服务器的配合，可以实现产品的智能入库，产品出库时能够提示提货人员盘装产品的位置，方便提货人员快速找到盘装产品的位置，提高出库效率。

主权项：1.库房中盘装产品位置智能识别系统，其特征在于，包括：若干货架，每个货架侧壁上均设置有第一闪光灯，所述货架通过置物板分割成多层，每层通过横向隔板和纵向隔板分割成若干容纳盘装产品的容纳槽，每个容纳槽的侧壁和内部分别设置有第二闪光灯和重力传感器；若干摄像头，其数量与货架相同，每个货架正上方的库房顶壁均设置有滑轨，所述滑轨上安装有带着摄像头平移和升降的升降平移机构；控制模块，每个货架上均设置有一个，其与对应货架的摄像头、升降机构、第一闪光灯及所有的第二闪光灯和重力传感器连接；控制模块根据重力传感器上传的重力信号，启动升降平移机构带着摄像头平移和升降，使摄像头正对上传重力信号的重力传感器所在的容纳槽，并启动摄像头拍摄盘装产品图像；控制模块接收到服务器发送的取货需求时，开启第一闪光灯和被提取盘装产品所在容纳槽的第二闪光灯；当对应重力传感器的重力信号消失时，关闭第一闪光灯和第二闪光灯；服务器，其与所有的控制模块连接，用于接收控制模块上传的盘装产品图像，提取盘装产品图像中电子元件的轮廓图像和轮廓尺寸，并将轮廓图像和轮廓尺寸输入已训练的神经网络，识别得到电子元件的类型和型号；并将电子元件的类型和型号与上传盘装产品图像的控制模块进行绑定；服务器接收提货人员上传的提货需求时，查询与提货需求中的电子元件类型和型号相关联的控制模块，并向控制模块发送取货需求；提取盘装产品图像中电子元件的轮廓图像和轮廓尺寸的方法包括：A1、读取盘装产品上容纳电子元件的胶带图像，搜索盘装产品图像中与胶带图像相似的图像区域，并对盘装产品图像进行裁剪，保留与胶带图像相似的图像区域作为待识别图像；A2、对待识别图像进行滤波处理，之后对滤波后的图像进行图像增强操作，得到去噪和增强后的预处理图像；A3、采用边缘检测算法对预处理图像进行边缘检测，得到多个连通域，根据连通域中像素点数量，保留像素点数量间的差异小于预设阈值的多个连通域作为多个电子元件的轮廓图像；A4、根据每个轮廓图像，提取出电子元件的轮廓线条，并通过计算轮廓上相邻像素点之间的距离得到每个轮廓图像的周长，并将其作为轮廓尺寸；对待识别图像进行滤波处理的表达式为： 其中，为滤波后图像Q在位置的像素值；z为归一化因子；为待识别图像P在位置的像素值；i为在x轴上相对坐标x的偏移量；j为在y轴上相对坐标y的偏移量；为高斯核函数；σ是高斯核的标准差；e为自然对数；为正则化权重；为正则化参数；为待识别图像P在x+i,y+j位置的梯度；为梯度向量的L2范数；为以为中心的局部区域的像素值方差；为待识别图像P的平均方差；为常数；已训练的神经网络为卷积神经网络，对其进行训练的方法包括：B1、获取样本集，并将样本集划分为训练集和验证集；所述样本集包含若干具有标注类别和尺寸的电子元件的轮廓图像样本；B2、对训练集和验证集中的所有电子元件的轮廓图像样本进行预处理，预处理至少包括滤波处理和图像增强操作；B3、采用预处理后的训练集对卷积神经网络进行训练，通过前向传播计算卷积神经网络的输出与真实标签之间的差异，并通过反向传播更新网络权重，以最小化损失函数；B4、采用预处理后的验证集对训练的卷积神经网络进行验证，当卷积神经网络在验证集上的性能达到预设性能指标时，则完成卷积神经网络的训练，否则，返回步骤B3；所述卷积神经网络包括至少一个用于提取图像特征的卷积层，至少一个用于非线性映射的激活层，至少一个用于降低特征维度的池化层以及两个分别对尺寸和类别进行分类决策的全连接层；卷积层、激活层、池化层和全连接层依次连接；所述损失函数的表达式为： 其中，为总损失函数；分别为权重参数；为基于分类难度的损失函数；为交叉熵损失函数；为分类损失函数；C为电子元件的总类别数；c为类别变量；k为训练集中电子元件轮廓图像样本的索引；N为训练集中电子元件轮廓图像样本的总数量；为第k个电子元件轮廓图像样本属于类别c的预测概率；为第k个电子元件轮廓图像样本属于类别c的真实标签；为动态调整因子；为第k个电子元件轮廓图像样本中的第m个特征；M为电子元件轮廓图像样本中包括的特征总数量；m为特征变量；为取绝对值；为第k个电子元件轮廓图像样本的难度系数；τ为预设难度系数；为样本分类准确性；为指数函数；γ为调节因子。

全文数据：

权利要求：

百度查询： 成都康特电子科技股份有限公司 库房中盘装产品位置智能识别系统