一种基于神经网络的冷链物流监控方法及系统技术方案

本发明专利技术涉及一种物流监控的技术领域，揭露了一种基于神经网络的冷链物流监控方法，包括：利用传感器实时获取低温冷冻品的温度和湿度，若短时间内低温冷冻品的温度和湿度具有较大变化，则进行安全警告；在物流仓库中设置若干摄像头，获取物流仓库的图像数据，采用高斯加权函数对所获取的图像数据进行主要目标框的检测；利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测，若监测到异常行为，则进行安全警告；利用位置传感器实时获取低温冷冻品的位置信息，对冷链物流运输路径进行监控，若冷链物流运输路径有误，则通过电话询问冷链物流员。本发明专利技术还提供了一种基于神经网络的冷链物流监控系统。本发明专利技术实现了冷链物流监控。

【技术实现步骤摘要】
一种基于神经网络的冷链物流监控方法及系统
本专利技术涉及物流监控的
，尤其涉及一种基于神经网络的冷链物流监控方法及系统。
技术介绍
近年来，随着国民经济水平的提高，人们越来越注重食品的营养和健康，而低温冷冻品的需求量也日益增长，达到了质的变化。低温冷冻品具有鲜活易腐性等特点，因此采用冷链物流技术对低温冷冻品进行运输，保证其在每个环节都保持在低温环境下，从而保障低温冷冻品的质量安全。同时传统物流监控方法功能较为单一，例如只能进行物流运输过程的监测，无法对不同环境下的冷链物流过程进行全面、实时、准确的监控，物流监控功能还需进一步完善和扩展。鉴于此，如何对多维度的冷链物流过程进行监控，成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种基于神经网络的冷链物流监控方法，通过利用传感器实时获取低温冷冻品的温度，并在物流仓库运输中设置若干摄像头，获取物流图像数据，采用高斯加权函数对所获取的物流图像数据进行主要目标框的检测，并利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测；实时获取低温冷冻品的定位信息，对冷链物流运输过程进行监控。为实现上述目的，本专利技术提供的一种基于神经网络的冷链物流监控方法，包括：利用传感器实时获取低温冷冻品的温度和湿度，若短时间内低温冷冻品的温度和湿度具有较大变化，则进行安全警告；在物流仓库中设置若干摄像头，获取物流仓库的图像数据，采用高斯加权函数对所获取的图像数据进行主要目标框的检测；利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测，若监测到异常行为，则进行安全警告；利用位置传感器实时获取低温冷冻品的位置信息，对冷链物流运输路径进行监控，若冷链物流运输路径有误，则通过电话询问冷链物流员。可选地，所述利用传感器实时获取低温冷冻品的温度和湿度，包括：利用传感器实时获取低温冷冻品的温度和湿度，在本专利技术一个具体实施例中，所述温度和湿度监测传感器的电压为3.5V，监测时电流为1.2mA，湿度的采集范围为80％，温度的采集精度为±2摄氏度；将湿度和温度监测传感器放置于低温冷冻品表面，所述温度和湿度监测传感器利用温度监测元件以及电阻式湿度监测元件对低温冷冻品表面的温度和湿度进行监测，并将监测到的数字信号以40Bit/ms的速度发送到监控单元；监控单元实时对所接收到的数字信号进行监测，若在时间间隔Δt范围内，低温冷冻品的温度变化为W摄氏度，或湿度变化为Sg/m3，则认为低温冷冻品的温度/湿度在短时间内发生较大变化，从而向物流管理者发起温度/湿度安全警告。可选地，所述将数据发送到监控单元的流程为：(1)数据发送方和监控单元通过TCP中的socket()函数建立数据通道套接字，监控单元通过bind()函数和数据发送方的后端服务器通信，将本地的通信地址和服务器进行地址绑定，同时设置listen()函数将通信链路自身状态设置为等待监听状态，实时对数据发送方的数据请求进行响应；(2)当监控单元收到数据发送方的数据发送请求后，和数据发送方建立握手协议，数据发送方通过connect()函数发送数据通道建立请求，监控单元根据TCP协议调用accept()函数进行通道首尾套接字的创建，完成数据通道建立；(3)数据发送方通过send()函数将数据信息通过数据通道，按照TCP协议完成数据通信，在通信过程中需要对数据信息进行编号处理和封装处理，通信完成后发送关闭通道请求，得到响应后关闭TCP链接；(4)监控单元调用accept()函数确定关闭请求后，通过closesocket()函数关闭首尾套接字，并关闭TCP链接，完成数据发送方和监控单元的双端通信任务。可选地，所述采用高斯加权函数对所获取的图像数据进行主要目标框的检测，包括：在物流仓库设置若干摄像头，利用摄像头获取物流仓库的图像数据，在本专利技术一个具体实施例中，所述物流仓库的图像数据包括物流仓库中低温冷冻品的搬运、存储图像；并将物流仓库中的图像数据发送到监控单元；所述监控单元采取滑动窗口对图像数据进行划分处理，将图像数据分为若干滑动窗口框；计算所有滑动窗口框的置信度得分，将置信度得分最高的滑动窗口框作为目标框M；利用高斯加权函数对滑动窗口框进行主要目标框的监测，所述高斯加权函数为：其中：mi表示滑动窗口框i为主要目标框的置信度得分；M表示最高的置信度得分所对应的目标框M；si表示当前的滑动窗口框i；IOU(M,si)表示滑动窗口框i与窗口框M的交并比；Nt表示过滤阈值，将其设置为0.6；Ni表示高斯阈值，将其设置为0.3；若一个目标的目标框和某个滑动窗口框交并比大于设置的阈值Nt，那么就会将其置信度置于0，认为该滑动窗口框与目标框代表同一个目标，并将该滑动窗口框的置信度得分设置为0；当滑动窗口框与目标框的交并比超过Ni，说明当前滑动窗口框与目标框M可能包含两个不同的目标，也可能是和M代表同一个目标，对滑动窗口框的置信度得分单调递减处理，与目标框M相邻很近的滑动窗口框衰减程度很大，而远离目标框M的滑动窗口框得分基本不变，避免了目标被遮挡从而被认为是背景的情况；选择置信度得分最高的K个滑动窗口框以及目标框M作为主要目标框。在本专利技术一个具体实施例中，所述目标包括物流仓库中的低温冷冻品的装箱货物，以及处理装箱货物的工作人员。可选地，所述利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测，包括：1)将主要目标框压缩为400*400像素尺寸，并输入到特征提取网络中，采用Darknet-53特征提取网络对主要目标框进行5次下采样，得到13*13像素尺寸的特征图；2)对特征图进行卷积处理，第一个卷积层的步幅为2，除了并行Inception分支中的最大池化层外，在最后一个线性分类层之前设置有四个具有步幅为2的最大池化层和一个7×7平均池化层；在本专利技术一个具体实施例中，卷积层使用1×1，3×3，7×7不同大小的卷积核对特征图进行卷积处理，所述不同大小的卷积核代表着不同大小的感受野，这些不同的特征在网络的最后进行了融合；所述特征融合公式为：x′＝sum{x1,x2,…}其中：x′表示融合特征；x1,x2,…表示不同卷积核的输出特征；并将n×n的卷积核尺寸分解为1×n和n×1两个卷积，通过这种转化可以使计算量比之前减少33％，从而可以加快网络的运算速度，减弱了过拟合现象的发生；3)对融合特征进行异常行为判断，若x′＝M＝{m1,m2,…}，则认为当前主目标框存在异常行为，并进行安全警告，其中M表示异常行为特征图集合，{m1,m2,…}表示训练得到的异常行为特征图，在本专利技术一个具体实施例中，所述异常行为包括拆封低温冷冻品、修改低温冷冻品标签等。可选地，所述利用位置传感器实时获取低温冷冻品的位置信息，对冷链物流运输路径进行监控，包括：利用位本文档来自技高网...

【技术保护点】
1.一种基于神经网络的冷链物流监控方法，其特征在于，所述方法包括：/n利用传感器实时获取低温冷冻品的温度和湿度，若短时间内低温冷冻品的温度和湿度具有较大变化，则进行安全警告；/n在物流仓库中设置若干摄像头，获取物流仓库的图像数据，采用高斯加权函数对所获取的图像数据进行主要目标框的检测；/n利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测，若监测到异常行为，则进行安全警告；/n利用位置传感器实时获取低温冷冻品的位置信息，对冷链物流运输路径进行监控，若冷链物流运输路径有误，则通过电话询问冷链物流员。/n

【技术特征摘要】
1.一种基于神经网络的冷链物流监控方法，其特征在于，所述方法包括：
利用传感器实时获取低温冷冻品的温度和湿度，若短时间内低温冷冻品的温度和湿度具有较大变化，则进行安全警告；
在物流仓库中设置若干摄像头，获取物流仓库的图像数据，采用高斯加权函数对所获取的图像数据进行主要目标框的检测；
利用异常行为监测神经网络模型对所检测到的主要目标框进行异常行为监测，若监测到异常行为，则进行安全警告；
利用位置传感器实时获取低温冷冻品的位置信息，对冷链物流运输路径进行监控，若冷链物流运输路径有误，则通过电话询问冷链物流员。


2.如权利要求1所述的一种基于神经网络的冷链物流监控方法，其特征在于，所述利用传感器实时获取低温冷冻品的温度和湿度，包括：
将湿度和温度监测传感器放置于低温冷冻品表面，所述温度和湿度监测传感器利用温度监测元件以及电阻式湿度监测元件对低温冷冻品表面的温度和湿度进行监测，并将监测到的数字信号以40Bit/ms的速度发送到监控单元；
监控单元实时对所接收到的数字信号进行监测，若在时间间隔Δt范围内，低温冷冻品的温度变化为W摄氏度，或湿度变化为Sg/m3，则认为低温冷冻品的温度/湿度在短时间内发生较大变化，从而向物流管理者发起温度/湿度安全警告。


3.如权利要求2所述的一种基于神经网络的冷链物流监控方法，其特征在于，所述将数据发送到监控单元的流程为：
(1)数据发送方和监控单元通过TCP中的socket()函数建立数据通道套接字，监控单元通过bind()函数和数据发送方的后端服务器通信，将本地的通信地址和服务器进行地址绑定，同时设置listen()函数将通信链路自身状态设置为等待监听状态，实时对数据发送方的数据请求进行响应；
(2)当监控单元收到数据发送方的数据发送请求后，和数据发送方建立握手协议，数据发送方通过connect()函数发送数据通道建立请求，监控单元根据TCP协议调用accept()函数进行通道首尾套接字的创建，完成数据通道建立；
(3)数据发送方通过send()函数将数据信息通过数据通道，按照TCP协议完成数据通信，在通信过程中需要对数据信息进行编号处理和封装处理，通信完成后发送关闭通道请求，得到响应后关闭TCP链接；
(4)监控单元调用accept()函数确定关闭请求后，通过closesocket()函数关闭首尾套接字，并关闭TCP链接，完成数据发送方和监控单元的双端通信任务。


4.如权利要求3所述的一种基于神经网络的冷链物流监控方法，其特征在于，所述采用高斯加权函数对所获取的图像数据进行主要目标框的检测，包括：
在物流仓库设置若干摄像头，利用摄像头获取物流仓库的图像数据，并将物流仓库中的图像数据发送到监控单元；
所述监控单元采取滑动窗口对图像数据进行划分处理，将图像数据分为若干滑动窗口框；计算所有滑动窗口框的置信度得分，将置信度得分最高的滑动窗口框作为目标框M；
利用高斯加权函数对滑动窗口框进行主要目标框的监测，所述高斯加权函数为：



其中：
mi表示滑动窗口框i为主要目标框的置信度得分；
M表示最高的置信度得分所对应的目标框M；
si表示当前的滑动窗口框i；
IOU(M,si)表示滑动窗口框i与窗口框M的交并比；
Nt表示过滤阈值，将其设置为0.6；
Ni表示高斯阈值，将其设置为0.3；
若一个目标的目标框和某个滑动窗口框交并比大于设置的阈值Nt，那么就会将其置信度置于0，认为该滑动窗口框与目标框代表同一个目标，并将该滑动窗口框的置信度得分设置为0；
选择置信度得分最高的K个滑动窗口框以及目标框M作为主要目标框。


5.如权利要求4所述的一种基于神经网络的冷链物流监控方法，其特征在于，所述利用异常行为监测神经网络模型对所检测到的主要目标框进行...

【专利技术属性】
技术研发人员：潘红斌，
申请(专利权)人：江苏佳利达国际物流股份有限公司，
类型：发明
国别省市：江苏;32