一种基于人工智能的仓储方法及系统技术方案

本发明专利技术涉及仓储领域，涉及一种基于人工智能的仓储方法及系统。在本发明专利技术的实施例中，该智能仓储模型是通过先构建深度神经网络机器学习模型，再通过周期性地上传当前的仓储状态数据、仓储运维设备的设备状态数据以及对应的仓储运维设备的专家操作数据作为训练数据集来训练所建立的。通过收集仓储状态数据及设备状态数据，并将其输入智能仓储模型；并根据所述智能仓储模型，计算出所需调用的仓储运维设备及仓储运维设备的具体操作指令，根据计算结果，控制相应的仓储运维设备完成其所对应的具体操作指令。这样，就解决了现有的仓储运维方法效率较差、仓储成本高的问题。

【技术实现步骤摘要】
一种基于人工智能的仓储方法及系统
本专利技术涉及仓储领域，具体而言，涉及一种基于人工智能的仓储方法及系统。
技术介绍
仓库可以分为普通仓库和专用仓库，普通仓库是指常温保管、自然通风、无特殊功能的仓库，而专用仓库是指配有冷藏、保温、干燥等设施的仓库，主要用于存储如粮食、蔬果、肉类、药材等易变质或需要其他特定存储条件的物品。目前，在各类专用仓库的日常管理中，仓库保管员需要周期性的检测仓库内的各项指标（如温度、湿度、气体浓度、害虫数量等），并且根据异常指标操作相应设施（如空调、风机、仓窗、熏蒸机等），以确保物品的长期存储。在仓库的长期运维管理中，存在仓库保管员水平低、专业人员成本高、设备操作效率低以及异常发生时采取措施不及时的情况。例如：场景1：仓库物品经过长时间的存放，由于多种不可控因素的影响，物品可能会出现受潮、生虫、霉变、腐烂、甚至燃烧、爆炸、有毒物质泄漏等情况。常见的运维方法是：由仓库保管员对仓库周期性地进行巡检和记录，当发现异常数据指标时，保管员根据经验判断是否需要启用设备，启用哪些设备，启用多大功率，启用多长时间等，进而操作相应的设备设施来改善异常情况。但这种方式存在以下缺陷：本文档来自技高网...

【技术保护点】
1.一种基于人工智能的仓储方法，其特征在于，所述方法包括以下步骤：实时收集仓储传感器的仓储状态数据及仓储运维设备的设备状态数据，并将所述仓储状态数据及设备状态数据输入智能仓储模型；根据所述智能仓储模型，计算出所需调用的仓储运维设备及仓储运维设备的具体操作指令；根据计算结果，控制相应的仓储运维设备完成其所对应的具体操作指令，所述智能仓储模型是通过先构建深度神经网络机器学习模型，再通过周期性地上传当前的仓储状态数据以及对应的仓储运维设备的专家操作数据作为训练数据集来训练所建立的。

【技术特征摘要】
1.一种基于人工智能的仓储方法，其特征在于，所述方法包括以下步骤：实时收集仓储传感器的仓储状态数据及仓储运维设备的设备状态数据，并将所述仓储状态数据及设备状态数据输入智能仓储模型；根据所述智能仓储模型，计算出所需调用的仓储运维设备及仓储运维设备的具体操作指令；根据计算结果，控制相应的仓储运维设备完成其所对应的具体操作指令，所述智能仓储模型是通过先构建深度神经网络机器学习模型，再通过周期性地上传当前的仓储状态数据以及对应的仓储运维设备的专家操作数据作为训练数据集来训练所建立的。2.根据权利要求1所述的基于人工智能的仓储方法，其特征在于，在所述实时收集仓储传感器的仓储状态数据及仓储运维设备的设备状态数据，并将所述仓储状态数据及设备状态数据输入智能仓储模型的步骤之前还包括步骤：根据仓储状态数据的采集需求，在仓库布设相应的仓储传感器；根据仓储运维设备的控制需求，布设电动控制式的仓储运维设备；搭设物联网网关，所述网关通过通信接口与仓储传感器和仓储运维设备相连接，以便于仓储状态数据以及仓储运维设备的设备状态数据收集。3.根据权利要求1所述的基于人工智能的仓储方法，其特征在于，所述智能仓储模型的建立包括以下步骤：周期性地采集当前的仓储传感器的仓储状态数据、仓储运维设备的设备状态数据和对应的仓储运维设备的专家操作数据作为训练数据，将所述训练数据存储到服务器数据库；将服务器数据库中存储的仓储状态数据、设备状态数据和对应的仓储运维设备的专家操作数据与智能仓储模型中作为输入层神经元的特征数据类型建立一一映射的关系；构建深度学习分类器，通过多层隐藏层神经元将输入层与输出层连接起来，设置各隐藏层的神经元数量，设置输出层的目标类型的个数，并初始化每个神经元的线性关系系数和偏倚值；将数据集与分类器对接，将仓储状态数据、设备状态数据作为输入值，将设备操作数据作为目标输出类型，设置每组数据的训练次数。4.根据权利要...

【专利技术属性】
技术研发人员：何川，
申请(专利权)人：四川工大创兴大数据有限公司，
类型：发明
国别省市：四川,51