CN115463844A - 一种基于双重识别的货物智能分拣方法及系统 - Google Patents

Abstract

本发明公开了一种基于双重识别的货物智能分拣方法及系统，涉及货物分拣领域，其中，所述方法包括：在待分拣货物传输过程中，采用扫码装置采集获取待分拣货物上的标识码信息；将其输入预构建的标识码信息空间内，判断是否获得第一识别结果；若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；根据所述第二识别结果，对所述待分拣货物进行分拣。达到了提高货物识别的准确性及自动化程度，进而提高货物分拣的质量和效率等技术效果。

Description

一种基于双重识别的货物智能分拣方法及系统

技术领域

本发明涉及货物分拣领域，具体地，涉及一种基于双重识别的货物智能分拣方法及系统。

背景技术

每天都有大量的货物需要进行分拣处理，现有的货物分拣处理方法对人力的依赖性较高，这样不仅效率低而且易出现差错。货物分拣还直接影响企业的工作效率和生产效益。很多企业急需一套成本低且性能好的货物分拣方法，为适应这种需求，设计一种优化货物分拣的方法，具有重要的现实意义。

现有技术中，存在针对货物识别的准确性不足、自动化程度不高，进而造成货物分拣的质量和效率不高的技术问题。

发明内容

本申请提供了一种基于双重识别的货物智能分拣方法及系统。解决了现有技术中针对货物识别的准确性不足、自动化程度不高，进而造成货物分拣的质量和效率不高的技术问题。

鉴于上述问题，本申请提供了一种基于双重识别的货物智能分拣方法及系统。

第一方面，本申请提供了一种基于双重识别的货物智能分拣方法，其中，所述方法应用于一种基于双重识别的货物智能分拣系统，所述方法包括：对待分拣货物进行传输；在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；根据所述第二识别结果，对所述待分拣货物进行分拣。

第二方面，本申请还提供了一种基于双重识别的货物智能分拣系统，其中，所述系统包括：传输模块，所述传输模块用于对待分拣货物进行传输；扫码模块，所述扫码模块用于在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；判断模块，所述判断模块用于将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；分拣传输选择模块，所述分拣传输选择模块用于若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；图像采集模块，所述图像采集模块用于在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；输入模块，所述输入模块用于将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；分拣模块，所述分拣模块用于根据所述第二识别结果，对所述待分拣货物进行分拣。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过扫码装置采集获取待分拣货物上的标识码信息；将标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；并在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；并根据其对待分拣货物进行分拣。达到了提高货物识别的准确性及自动化程度，进而提高货物分拣的质量和效率；同时，提高货物分拣的智能性、科学性，降低货物分拣的成本，减少货物分拣造成的人力浪费，高效、快速的完成货物分拣的技术效果。

附图说明

图1为本申请一种基于双重识别的货物智能分拣方法的流程示意图；

图2为本申请一种基于双重识别的货物智能分拣方法中获取待分拣货物的图像信息的流程示意图；

图3为本申请一种基于双重识别的货物智能分拣方法中构建图像识别模型的流程示意图；

图4为本申请一种基于双重识别的货物智能分拣系统的结构示意图。

附图标记说明：传输模块11，扫码模块12，判断模块13，分拣传输选择模块14，图像采集模块15，输入模块16，分拣模块17。

具体实施方式

本申请通过提供一种基于双重识别的货物智能分拣方法及系统。解决了现有技术中针对货物识别的准确性不足、自动化程度不高，进而造成货物分拣的质量和效率不高的技术问题。达到了提高货物识别的准确性及自动化程度，进而提高货物分拣的质量和效率；同时，提高货物分拣的智能性、科学性，降低货物分拣的成本，减少货物分拣造成的人力浪费，高效、快速的完成货物分拣的技术效果。

实施例一

请参阅附图1，本申请提供一种基于双重识别的货物智能分拣方法，其中，所述方法应用于一种基于双重识别的货物智能分拣系统，所述系统包括扫码装置和图像采集装置，所述方法具体包括如下步骤：

步骤S100：对待分拣货物进行传输；

步骤S200：在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；

具体而言，通过传送带等物流传输设备对待分拣货物进行传输，同时，在传输待分拣货物的过程中，通过扫码装置对待分拣货物进行识别，获得标识码信息。其中，所述待分拣货物为使用所述一种基于双重识别的货物智能分拣系统进行自动化分拣的任意货物。且，所述待分拣货物的表面具有标识码，该标识码与待分拣货物一一对应。所述标识码信息包括待分拣货物的标识码被扫码装置识别出的类型信息、分拣批次信息等数据信息。达到了通过扫码装置获得待分拣货物的标识码信息，提高标识码信息采集的自动化程度，避免因人力采集标识码信息造成的人力浪费，以及标识码信息采集的成本高、效率低等问题；同时，提高标识码信息采集的效率、准确性的技术效果。

所述扫码装置包括于所述一种基于双重识别的货物智能分拣系统。示例性地，所述扫码装置由五个扫码枪、传感器等结构组成。通过该扫码装置可以对待分拣货物进行五面扫描，当待分拣货物经过扫码枪前面的传感器时，触发扫码枪进行扫码，五个扫码枪同时对待分拣货物开始扫码，其中一个扫码枪为主扫码枪，主扫码枪可将其余四个扫码枪获得的标识码信息进行汇总，并将所有的标识码信息上传至所述一种基于双重识别的货物智能分拣系统。

当对扫码装置进行安装后，为了保证获得的标识码信息的准确性，防止因标识码信息质量不高对货物分拣产生影响，通常需要对扫码装置中扫码枪进行静态调试、动态测试。静态调试是指通过扫码枪供应商Cognex提供的软件Dataman对扫码枪进行一系列的参数设置，该参数设置包括扫码枪的焦距、光圈大小、曝光值大小、增益大小，以及主扫码枪的选择设置。同时，该参数设置还包括对扫码枪需要识别的标识码的类型、数量进行选择，对需要识别的标识码的位数和需要显示的内容进行筛选。此外，静态调试还包括对扫码枪的安装位置进行调整。动态测试是指使用完成静态调试的扫码装置对正在传输的货物进行标识码采集，获得货物的标识码信息，并对该标识码信息的清晰度、完整度等质量参数进行判断，如果该标识码信息的清晰度不高、完整度不足，则对扫码装置再次进行静态调试，直至扫码装置达到较佳的扫码效果。

步骤S300：将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；

进一步的，本申请步骤S300还包括：

步骤S310：构建所述标识码信息空间；

进一步的，本申请步骤S310还包括：

步骤S311：根据多类货物的标识码，采集获取多类货物的类型，获得多个类型信息；

步骤S312：根据多类货物的标识码，采集获取多类货物的批次，获得多个批次信息；

步骤S313：根据所述多类货物，获得多个实体信息；

步骤S314：根据所述多个类型信息，获得第一属性和多个第一属性值信息；

步骤S315：根据所述多个批次信息，获得第二属性和多个第二属性值信息；

步骤S316：基于所述多个实体信息、第一属性、多个第一属性值信息、第二属性和多个第二属性值信息，基于知识图谱，构建所述标识码信息空间。

具体而言，基于多类货物的标识码，由所述一种基于双重识别的货物智能分拣系统对多类货物的类型、批次进行信息采集，获得多个类型信息、多个批次信息。进一步，按照多类货物，确定多个实体信息。按照多个类型信息，获得第一属性和多个第一属性值信息。按照多个批次信息，获得第二属性和多个第二属性值信息。基于此，结合知识图谱思想，构建获得标识码信息空间。其中，所述多类货物的标识码包括使用所述一种基于双重识别的货物智能分拣系统进行自动化分拣的多类货物对应的多个标识码。所述多个类型信息包括多类货物的标识码对应的多个货物种类信息。所述多个批次信息包括多类货物的标识码对应的分拣批次信息。分拣批次信息包括多类货物的标识码对应的分拣线信息。所述多个实体信息包括多类货物。所述第一属性为多类货物的类型。所述多个第一属性值信息包括多个类型信息。所述第二属性为多类货物的批次。所述多个第二属性值信息包括多个批次信息。所述知识图谱是一种数据信息的表达方式。所述知识图谱包括模式层、数据层。数据层由一系列的事实组成；模式层构建在数据层之上，主要用于对数据层的一系列事实进行规范表达。所述标识码信息空间包括多个实体信息、第一属性、多个第一属性值信息、第二属性、多个第二属性值信息，以及它们之间的对应关系。达到了通过多个类型信息、多个批次信息构建可靠的标识码信息空间，进而提高后续获得的第一识别结果的准确性的技术效果。

步骤S320：将所述标识码信息输入所述标识码信息空间进行映射对应，判断是否存在映射结果；

步骤S330：若是，则将所述映射结果作为所述第一识别结果；

步骤S340：若否，则未获得所述第一识别结果。

具体而言，将已获得的标识码信息输入构建完成的标识码信息空间进行映射对应，并对该标识码信息是否存在映射结果进行判断，即对该标识码信息是否与标识码信息空间内的多个实体信息、第一属性、多个第一属性值信息、第二属性、多个第二属性值信息具有对应关系进行判断。进一步，如果标识码信息存在映射结果，将该映射结果设置为第一识别结果。如果标识码信息不存在映射结果，则无法获得第一识别结果。其中，所述映射结果包括标识码信息对应的实体信息、第一属性、第一属性值信息、第二属性、第二属性值信息。所述第一识别结果即为映射结果。达到了通过标识码信息空间对标识码信息进行准确地映射判断，并适应性地获得第一识别结果，提高货物分拣的精准性的技术效果。

步骤S400：若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；

具体而言，在判断是否获得第一识别结果时，如果获得第一识别结果，则按照第一识别结果对待分拣货物进行分拣。如果未获得第一识别结果，则继续将待分拣货物进行传输。达到了根据是否获得第一识别结果对待分拣货物进行适应性地分拣或传输，提高货物分拣的准确性的技术效果。

步骤S500：在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；

进一步的，如附图2所示，本申请步骤S500还包括：

步骤S510：获得多个预设角度；

步骤S520：基于所述多个预设角度，通过所述图像采集装置采集获取所述待分拣货物的多个角度图像信息；

步骤S530：将所述多个角度图像信息作为所述图像信息。

具体而言,针对未获得第一识别结果的待分拣货物，在该待分拣货物继续传输的过程中，按照多个预设角度，利用图像采集装置对待分拣货物进行多个角度图像信息的采集，获得待分拣货物的图像信息。其中，所述多个预设角度包括图像采集装置的多个图像采集角度信息。所述多个预设角度由所述一种基于双重识别的货物智能分拣系统预先设置确定。所述待分拣货物的图像信息包括多个角度图像信息。所述多个角度图像信息包括图像采集装置的多个预设角度对应的待分拣货物的图像数据信息。达到了对未获得第一识别结果的待分拣货物，按照多个预设角度对其进行图像采集，获得待分拣货物的图像信息，为后续获得第二识别结果奠定基础的技术效果。

所述图像采集装置包括于所述一种基于双重识别的货物智能分拣系统。示例性地，所述图像采集装置包括相机、传感器。为了提高获得的待分拣货物的图像信息的清晰度，可以在待分拣货物附近安装反光板和LED灯管，提高待分拣货物的亮度，使获得的待分拣货物的图像信息更加清晰，易于图像识别。当待分拣货物经过相机后面的传感器时，触发相机拍照，相机可以对待分拣货物的顶部和侧面拍照。还可以对相机的安装位置、焦距、光圈、曝光值和RGB值进行调整，从而使待分拣货物的图像信息在视野中间且清晰可见。

步骤S600：将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；

进一步的，本申请步骤S600还包括：

步骤S610：构建所述图像识别模型；

进一步的，如附图3所示，本申请步骤S610还包括：

步骤S611：采集获取多类货物的图像信息，获得样本图像信息集合；

步骤S612：采集获取所述多类货物的分拣类别信息，获得样本分拣类别信息集合；

步骤S613：对所述样本图像信息集合和样本分拣类别信息集合进行划分和组合，获得第一数据集和第二数据集；

步骤S614：基于深度卷积神经网络，构建图像识别模型；

步骤S615：对所述第一数据集进行划分和数据标识，获得训练集、验证集和测试集；

步骤S616：采用所述训练集对所述图像识别模型进行监督训练，直到收敛或准确率达到预设阈值；

步骤S617：采用所述验证集和测试集对所述图像识别模型进行验证和测试，若准确率满足所述预设阈值，则获得所述图像识别模型。

具体而言,由所述一种基于双重识别的货物智能分拣系统对多类货物进行图像信息、分拣类别信息的采集，获得样本图像信息集合、样本分拣类别信息集合，并对其进行划分和组合，获取第一数据集、第二数据集。进一步，将第一数据集进行划分和数据标识，获取训练集、验证集和测试集。进而，利用训练集对图像识别模型进行监督训练，直到收敛或准确率达到预设阈值后，分别将验证集、测试集输入图像识别模型进行验证和测试，如果准确率满足预设阈值，则获得所述图像识别模型。其中，所述样本图像信息集合包括多类货物的图像信息。所述样本分拣类别信息集合包括多类货物的分拣类别信息。所述第一数据集包括样本图像信息集合的部分数据信息、样本分拣类别信息集合的部分数据信息。所述第二数据集包括样本图像信息集合的部分数据信息、样本分拣类别信息集合的部分数据信息。且，第一数据集与第二数据集不同。所述图像识别模型为深度卷积神经网络模型。所述准确率是用于表征图像识别模型输出的分拣类别信息与输入的训练集、验证集、测试集在样本分拣类别信息集合的分拣类别信息的相似性的参数信息，二者的相似性越高，对应的准确率越高。所述预设阈值由所述一种基于双重识别的货物智能分拣系统根据图像识别模型的准确性需要进行自适应设置确定。达到了构建图像识别模型，为后续获得第二识别结果提供数据支持的技术效果。

步骤S620：验证所述图像识别模型的稳定性，若稳定性符合预设要求，则将所述图像识别模型投入使用；

进一步的，本申请步骤S620还包括：

步骤S621：对所述第二数据集进行划分和数据标识，获得第一稳定性验证集和第二稳定性验证集；

步骤S622：分别将所述第一稳定性验证集和第二稳定性验证集输入所述图像识别模型内，分别获得多个第一识别结果和多个第二识别结果，获得第一分拣类别集合和第二分拣类别集合；

步骤S623：根据所述第一分拣类别集合和第二分拣类别集合，通过下式计算所述图像识别模型的稳定性：

其中，P_i为所述第一分拣类别集合内第i种分拣类别信息的占比，Q_i为所述第二分拣类别集合内第i种分拣类别信息的占比，n为分拣类别信息的种类数量。

具体而言,对获得的第二数据集进行划分和数据标识后，获得第一稳定性验证集和第二稳定性验证集。进一步，分别将第一稳定性验证集、第二稳定性验证集作为输入信息，输入所述图像识别模型内，进行分拣类别的预测识别，获得多个第一识别结果和多个第二识别结果，基于此，确定第一分拣类别集合和第二分拣类别集合，结合上述稳定性计算公式进行计算后，计算获得图像识别模型的稳定性，并对该稳定性是否满足预设要求进行判断，如果稳定性满足预设要求，则将该图像识别模型投入使用。其中，第一稳定性验证集、第二稳定性验证集包括于第二数据集。所述多个第一识别结果包括第一稳定性验证集对应的图像识别模型输出的多个分拣类别信息。所述多个第二识别结果包括第二稳定性验证集对应的图像识别模型输出的多个分拣类别信息。所述第一分拣类别集合包括多个第一识别结果。所述第二分拣类别集合包括多个第二识别结果。所述预设要求包括预设稳定性阈值，由所述一种基于双重识别的货物智能分拣系统预先设置确定。

具体地，由于第一稳定性验证集、第二稳定性验证集是随机划分获得的，在第一稳定性验证集、第二稳定性验证集内，同种分拣类别的货物图像信息的占比应是相近的，因此，在预测识别获得的第一分拣类别集合和第二分拣类别集合内，同种分拣类别的占比也是相近的，如此，基于上式计算图像识别模型的稳定性。该稳定性的预设要求优选为0.3，若计算获得图像识别模型的稳定性R值小于0.3，则满足预设要求，可投入使用。

达到了利用第二数据集对构建完成的图像识别模型进行稳定性验证，获得稳定性符合预设要求的图像识别模型，进而提高后续获得的第二识别结果的准确性的技术效果。

步骤S630：将所述图像信息输入投入使用的所述图像识别模型中，获得所述第二识别结果。

步骤S700：根据所述第二识别结果，对所述待分拣货物进行分拣。

具体而言,将待分拣货物的图像信息作为输入信息，输入图像识别模型，获取第二识别结果，并根据第二识别结果对待分拣货物进行分拣。其中，所述第二识别结果包括待分拣货物的图像信息对应的分拣类别信息。达到了通过图像识别模型获得准确的第二识别结果，进而提高货物分拣的质量和效率的技术效果。

综上所述，本申请所提供的一种基于双重识别的货物智能分拣方法具有如下技术效果：

1.通过扫码装置采集获取待分拣货物上的标识码信息；将标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；并在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；并根据其对待分拣货物进行分拣。达到了提高货物识别的准确性及自动化程度，进而提高货物分拣的质量和效率；同时，提高货物分拣的智能性、科学性，降低货物分拣的成本，减少货物分拣造成的人力浪费，高效、快速的完成货物分拣的技术效果。

2.通过扫码装置获得待分拣货物的标识码信息，提高标识码信息采集的自动化程度，避免因人力采集标识码信息造成的人力浪费，以及标识码信息采集的成本高、效率低等问题；同时，提高标识码信息采集的效率、准确性。

实施例二

基于与前述实施例中一种基于双重识别的货物智能分拣方法，同样发明构思，本发明还提供了一种基于双重识别的货物智能分拣系统，请参阅附图4，所述系统包括：

传输模块11，所述传输模块11用于对待分拣货物进行传输；

扫码模块12，所述扫码模块12用于在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；

判断模块13，所述判断模块13用于将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；

分拣传输选择模块14，所述分拣传输选择模块14用于若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；

图像采集模块15，所述图像采集模块15用于在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；

输入模块16，所述输入模块16用于将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；

分拣模块17，所述分拣模块17用于根据所述第二识别结果，对所述待分拣货物进行分拣。

进一步的，所述系统还包括：

标识码信息空间构建模块，所述标识码信息空间构建模块用于构建所述标识码信息空间；

判断模块，所述判断模块用于将所述标识码信息输入所述标识码信息空间进行映射对应，判断是否存在映射结果；

第一识别结果获得模块，所述第一识别结果获得模块用于若是，则将所述映射结果作为所述第一识别结果；

第一执行模块，所述第一执行模块用于若否，则未获得所述第一识别结果。

进一步的，所述系统还包括：

类型信息确定模块，所述类型信息确定模块用于根据多类货物的标识码，采集获取多类货物的类型，获得多个类型信息；

批次信息确定模块，所述批次信息确定模块用于根据多类货物的标识码，采集获取多类货物的批次，获得多个批次信息；

实体信息确定模块，所述实体信息确定模块用于根据所述多类货物，获得多个实体信息；

第一属性信息确定模块，所述第一属性信息确定模块用于根据所述多个类型信息，获得第一属性和多个第一属性值信息；

第二属性确定模块，所述第二属性确定模块用于根据所述多个批次信息，获得第二属性和多个第二属性值信息；

标识码信息空间确定模块，所述标识码信息空间确定模块用于基于所述多个实体信息、第一属性、多个第一属性值信息、第二属性和多个第二属性值信息，基于知识图谱，构建所述标识码信息空间。

进一步的，所述系统还包括：

预设角度确定模块，所述预设角度确定模块用于获得多个预设角度；

角度图像信息确定模块，所述角度图像信息确定模块用于基于所述多个预设角度，通过所述图像采集装置采集获取所述待分拣货物的多个角度图像信息；

图像信息确定模块，所述图像信息确定模块用于将所述多个角度图像信息作为所述图像信息。

进一步的，所述系统还包括：

第二执行模块，所述第二执行模块用于构建所述图像识别模型；

稳定性验证模块，所述稳定性验证模块用于验证所述图像识别模型的稳定性，若稳定性符合预设要求，则将所述图像识别模型投入使用；

第三执行模块，所述第三执行模块用于将所述图像信息输入投入使用的所述图像识别模型中，获得所述第二识别结果。

进一步的，所述系统还包括：

样本图像信息集合确定模块，所述样本图像信息集合确定模块用于采集获取多类货物的图像信息，获得样本图像信息集合；

样本分拣类别信息集合确定模块，所述样本分拣类别信息集合确定模块用于采集获取所述多类货物的分拣类别信息，获得样本分拣类别信息集合；

数据集确定模块，所述数据集确定模块用于对所述样本图像信息集合和样本分拣类别信息集合进行划分和组合，获得第一数据集和第二数据集；

第四执行模块，所述第四执行模块用于基于深度卷积神经网络，构建图像识别模型；

第一划分标识模块，所述第一划分标识模块用于对所述第一数据集进行划分和数据标识，获得训练集、验证集和测试集；

监督训练模块，所述监督训练模块用于采用所述训练集对所述图像识别模型进行监督训练，直到收敛或准确率达到预设阈值；

验证测试模块，所述验证测试模块用于采用所述验证集和测试集对所述图像识别模型进行验证和测试，若准确率满足所述预设阈值，则获得所述图像识别模型。

进一步的，所述系统还包括：

第二划分标识模块，所述第二划分标识模块用于对所述第二数据集进行划分和数据标识，获得第一稳定性验证集和第二稳定性验证集；

分拣类别集合确定模块，所述分拣类别集合确定模块用于分别将所述第一稳定性验证集和第二稳定性验证集输入所述图像识别模型内，分别获得多个第一识别结果和多个第二识别结果，获得第一分拣类别集合和第二分拣类别集合；

第五执行模块，所述第五执行模块用于根据所述第一分拣类别集合和第二分拣类别集合，通过下式计算所述图像识别模型的稳定性：

其中，P_i为所述第一分拣类别集合内第i种分拣类别信息的占比，Q_i为所述第二分拣类别集合内第i种分拣类别信息的占比，n为分拣类别信息的种类数量。

本申请提供了一种基于双重识别的货物智能分拣方法，其中，所述方法应用于一种基于双重识别的货物智能分拣系统，所述方法包括：通过扫码装置采集获取待分拣货物上的标识码信息；将标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；并在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；并根据其对待分拣货物进行分拣。解决了现有技术中针对货物识别的准确性不足、自动化程度不高，进而造成货物分拣的质量和效率不高的技术问题。达到了提高货物识别的准确性及自动化程度，进而提高货物分拣的质量和效率；同时，提高货物分拣的智能性、科学性，降低货物分拣的成本，减少货物分拣造成的人力浪费，高效、快速的完成货物分拣的技术效果。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

本说明书和附图仅仅是本申请的示例性说明，如果本发明的修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于双重识别的货物智能分拣方法，其特征在于，所述方法应用于一基于双重识别的货物智能分拣系统，所述系统包括扫码装置和图像采集装置，所述方法包括：

对待分拣货物进行传输；

在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；

将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；

若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；

在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；

将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；

根据所述第二识别结果，对所述待分拣货物进行分拣。

2.根据权利要求1所述的方法，其特征在于，将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果，包括：

构建所述标识码信息空间；

将所述标识码信息输入所述标识码信息空间进行映射对应，判断是否存在映射结果；

若是，则将所述映射结果作为所述第一识别结果；

若否，则未获得所述第一识别结果。

3.根据权利要求2所述的方法，其特征在于，构建所述标识码信息空间，包括：

根据多类货物的标识码，采集获取多类货物的类型，获得多个类型信息；

根据多类货物的标识码，采集获取多类货物的批次，获得多个批次信息；

根据所述多类货物，获得多个实体信息；

根据所述多个类型信息，获得第一属性和多个第一属性值信息；

根据所述多个批次信息，获得第二属性和多个第二属性值信息；

基于所述多个实体信息、第一属性、多个第一属性值信息、第二属性和多个第二属性值信息，基于知识图谱，构建所述标识码信息空间。

4.根据权利要求1所述的方法，其特征在于，采用所述图像采集装置采集获取所述待分拣货物的图像信息，包括：

获得多个预设角度；

基于所述多个预设角度，通过所述图像采集装置采集获取所述待分拣货物的多个角度图像信息；

将所述多个角度图像信息作为所述图像信息。

5.根据权利要求1所述的方法，其特征在于，将所述图像信息输入预构建的图像识别模型中，包括：

构建所述图像识别模型；

验证所述图像识别模型的稳定性，若稳定性符合预设要求，则将所述图像识别模型投入使用；

将所述图像信息输入投入使用的所述图像识别模型中，获得所述第二识别结果。

6.根据权利要求5所述的方法，其特征在于，构建所述图像识别模型，包括：

采集获取多类货物的图像信息，获得样本图像信息集合；

采集获取所述多类货物的分拣类别信息，获得样本分拣类别信息集合；

对所述样本图像信息集合和样本分拣类别信息集合进行划分和组合，获得第一数据集和第二数据集；

基于深度卷积神经网络，构建图像识别模型；

对所述第一数据集进行划分和数据标识，获得训练集、验证集和测试集；

采用所述训练集对所述图像识别模型进行监督训练，直到收敛或准确率达到预设阈值；

采用所述验证集和测试集对所述图像识别模型进行验证和测试，若准确率满足所述预设阈值，则获得所述图像识别模型。

7.根据权利要求6所述的方法，其特征在于，验证所述图像识别模型的稳定性，包括：

对所述第二数据集进行划分和数据标识，获得第一稳定性验证集和第二稳定性验证集；

分别将所述第一稳定性验证集和第二稳定性验证集输入所述图像识别模型内，分别获得多个第一识别结果和多个第二识别结果，获得第一分拣类别集合和第二分拣类别集合；

根据所述第一分拣类别集合和第二分拣类别集合，通过下式计算所述图像识别模型的稳定性：

其中，P_i为所述第一分拣类别集合内第i种分拣类别信息的占比，Q_i为所述第二分拣类别集合内第i种分拣类别信息的占比，n为分拣类别信息的种类数量。

8.一种基于双重识别的货物智能分拣系统，其特征在于，所述系统包括扫码装置和图像采集装置，所述系统还包括：

传输模块，所述传输模块用于对待分拣货物进行传输；

扫码模块，所述扫码模块用于在传输过程中，采用所述扫码装置采集获取所述待分拣货物上的标识码信息；

判断模块，所述判断模块用于将所述标识码信息输入预构建的标识码信息空间内，判断是否获得第一识别结果；

分拣传输选择模块，所述分拣传输选择模块用于若是，则根据所述第一识别结果对所述待分拣货物进行分拣，若否，则继续对所述待分拣货物进行传输；

图像采集模块，所述图像采集模块用于在传输过程中，采用所述图像采集装置采集获取所述待分拣货物的图像信息；

输入模块，所述输入模块用于将所述图像信息输入预构建的图像识别模型中，获得第二识别结果；

分拣模块，所述分拣模块用于根据所述第二识别结果，对所述待分拣货物进行分拣。

Images