核电站预留工单领料方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及核电站智能仓储技术领域，具体涉及一种核电站预留工单领料方法、装置、设备及存储介质。所述方法包括：通过OCR识别模型识别大修预留工单中的预留号、申请单号、本次待领取备件信息以及签名图像；通过签名翻拍识别模型对签名图像进行识别，并输出识别结果，在识别结果为签名不是翻拍时，根据预留号自SAP服务器中获取大修预留工单的工单信息；确认本次领料申请符合大修预留工单的申请要求之后，生成与申请单号关联的领料单；生成发料任务；根据发料任务发放本次待领取备件信息对应的备件至领料方。本发明专利技术提升了大修效率的同时，也避免了备件的损坏和备件的冒领，进一步保障了核电站安全。

Material picking method, device, equipment and storage medium of reserved work order for nuclear power plant

【技术实现步骤摘要】
核电站预留工单领料方法、装置、设备及存储介质
本专利技术涉及核电站智能仓储
，具体涉及一种核电站预留工单领料方法、装置、设备及存储介质。
技术介绍
现有技术中，核电站在进行大修时，需要持续的时间很长(可能会持续好几个月)，此时，在大修过程中，维修工程师需要从仓库中领取在大修过程中使用的备件以备用，如此，在整个长期的大修过程中维修工程师均需要携带备件进行大修，由于核电站部分备件体积和重量特别大，如此，将给维修工程师的大修过程带来巨大负担，大大降低了大修效率；同时，核电站的所有备件均涉及核电站的安全，且部分特殊备件需要特殊保存才能保证其不被损坏，因此，备件并暴露在不具备与备件对应的特殊保存环境中，容易导致备件损坏，给核电站安全带来隐患。
技术实现思路
本专利技术实施例提供一种核电站预留工单领料方法、装置、设备及存储介质，本专利技术可以根据大修预留工单的本次领料信息生成发料任务，如此，大修过程中需要使用的所有备件可通过大修预留工单进行分批次发放，避免了携带所有备件长时间进行大修的状况存在，提升了大修效率的同时，也避免本文档来自技高网...

【技术保护点】
1.一种核电站预留工单领料方法，其特征在于，包括：/n接收领料方在领料界面上录入的包含预设的大修预留工单的本次领料信息之后生成的领料申请；所述大修预留工单为经过具有审批权限的审批方签章并审批通过的大修预留工单的扫描件；/n通过OCR识别模型识别所述大修预留工单中的第一区域中的所述大修预留工单的预留号、第二区域中为本次领料申请分配的申请单号、第三区域中的本次待领取备件信息以及预设签名区域中的签名图像，将所述预留号、所述申请单号以及所述本次待领取备件信息添加至所述本次领料信息；/n通过预设的签名翻拍识别模型对所述签名图像进行识别，并输出识别结果，在所述识别结果为所述签名不是翻拍时，根据所述预留号自...

【技术特征摘要】
1.一种核电站预留工单领料方法，其特征在于，包括：
接收领料方在领料界面上录入的包含预设的大修预留工单的本次领料信息之后生成的领料申请；所述大修预留工单为经过具有审批权限的审批方签章并审批通过的大修预留工单的扫描件；
通过OCR识别模型识别所述大修预留工单中的第一区域中的所述大修预留工单的预留号、第二区域中为本次领料申请分配的申请单号、第三区域中的本次待领取备件信息以及预设签名区域中的签名图像，将所述预留号、所述申请单号以及所述本次待领取备件信息添加至所述本次领料信息；
通过预设的签名翻拍识别模型对所述签名图像进行识别，并输出识别结果，在所述识别结果为所述签名不是翻拍时，根据所述预留号自SAP服务器中获取所述大修预留工单的工单信息，所述工单信息中包含所述大修预留工单在本次领料申请之前的所有历史领料信息以及所述大修预留工单的预留备件信息；
根据所述本次待领取备件信息、所述历史领料信息和所述预留备件信息确认本次领料申请符合所述大修预留工单的申请要求之后，生成与所述申请单号关联的领料单；
根据所述领料单向所述SAP服务器发起审核请求，并在所述SAP服务器针对所述审核请求反馈审核通过信息之后，生成发料任务；
根据所述发料任务发放本次待领取备件信息对应的备件至所述领料方。


2.如权利要求1所述的核电站预留工单领料方法，其特征在于，所述通过预设的签名翻拍识别模型对所述签名图像进行识别之前，包括：
获取签名图像样本，所述签名图像样本包括翻拍图像样本和非翻拍图像样本，将所述签名图像样本输入浅层神经网络模型；其中，每一个所述签名图像样本均与一个翻拍标签关联；
通过含有初始参数的所述浅层神经网络模型提取所述签名图像样本的纹理特征；
获取所述浅层神经网络模型根据所述纹理特征输出的识别结果，并根据所述识别结果和所述翻拍标签的匹配程度确定损失值；
在所述损失值达到预设的收敛条件时，将所述损失值达到预设的收敛条件的所述浅层神经网络模型记录为训练完成的签名翻拍识别模型。


3.如权利要求1所述的核电站预留工单领料方法，其特征在于，所述通过预设的签名翻拍识别模型对所述签名图像进行识别，，并输出识别结果，包括：
将所述签名图像进行灰度处理，得到所述签名图像的灰度图像；
获取所述灰度图像的每个像素点及与每个像素点对应的预设局部区域块的相位信息；
通过局部相位量化法对所述每个像素点和所述与每个像素点对应的预设局部区域块的相位信息进行处理，计算出每个像素点对应的局部相位量化特征值；
对所有所述像素点的局部相位量化特征值进行排列，生成所述灰度图像的局部相位量化特征图；
将所述局部相位量化特征图输入训练完成的签名翻拍识别模型，通过所述签名翻拍识别模型对所述局部相位量化特征图进行识别处理，以获得所述局部相位量化特征图的翻拍概率；
在所述翻拍概率小于预设概率阈值时，确定所述签名图像的识别结果为所述签名不是翻拍。


4.如权利要求3所述的核电站预留工单领料方法，其特征在于，所述将所述局部相位量化特征图输入训练完成的签名翻拍识别模型，通过所述签名翻拍识别模型对所述局部相位量化特征图进行识别处理，以获得所述局部相位量化特征图的翻拍概率，包括：
从所述局部相位量化特征图提取出局部相位量化特征直方图；
通过高斯噪声算法，将所述局部相位量化特征直方图进行增强处理，得到神经元数据；
将所述神经元数据输入所述签名翻拍识别模型中的随机失活层，通过所述随机失活层对所述神经元数据进行纹理特征提取，并获取所述随机失活层输出的与所述纹理特征匹配的预测概率；
将所述预测概率输入所述签名翻拍识别模型中的激活层，所述激活层通过sigmoid函数对所述预测概率进行处理，得出所述局部相位量化特征图的翻拍概率。


5.如权利要求1所述核电站预留工单领料方法，其特征在于，所述根据所述本次待领取备件信息、所述历史领料信息和所述预留备件信息确认本次领料申请符合所述大修预留工单的申请要求，包括：
在所述预留备件信息并不为空且所述预留备件信息满足所述本次待领取备件信息的需求时，确定本次待领取备件信息的预设指标是否超过预设阈值范围；
在超过预设阈值范围时，根据每一个历史领料申请的历史领料信息判断历史领料申请中是否存在所述预设指标超过预设阈值范围的行为；
...

【专利技术属性】
技术研发人员：周石磊，杨雪子，董永胜，林志峰，李坤奇，
申请(专利权)人：大亚湾核电运营管理有限责任公司，广东核电合营有限公司，岭澳核电有限公司，岭东核电有限公司，中国广核集团有限公司，中国广核电力股份有限公司，
类型：发明
国别省市：广东;44