一种非接触式柜内资产自动盘点装置、方法和存储介质制造方法及图纸

一种非接触式柜内资产自动盘点装置、方法和存储介质，涉及智能化盘点技术领域，其包括柜门的机柜柜体；安装于所述机柜柜体的距离传感器，所述距离传感器用于检测所述机柜柜体的柜门是否被打开；安装于所述机柜柜体内的人脸识别摄像头；安装于所述机柜柜体内的设备码识别摄像头；以及，可通信地连接于所述人脸识别摄像头和所述设备码识别摄像头的核心控制模块。这样，可以提高企业在资产盘点中的工作率和准确率；同时因采用视觉识别，可对柜内现场进行拍照取证，从而真正做到账实一致。从而真正做到账实一致。从而真正做到账实一致。

【技术实现步骤摘要】
一种非接触式柜内资产自动盘点装置、方法和存储介质


[0001]本申请涉及智能化盘点
，并且更具体地，涉及一种非接触式柜内资产自动盘点装置、方法和存储介质。

技术介绍

[0002]随着信息技术的不断发展，数据中心的服务器不断增加，盘点时需要人工确认数量、型号和对照物资等信息，工作效率较低且需要耗费大量人工劳动力。
[0003]授权公告号为CN216211035U的中国专利公开了RFID标识用资产自动盘点装置，通过读写器对RFID标签进行编写工作，然后通过RFID识别器接收RFID标签的数据，通过PLC控制器和信号收发器将RFID识别器接收的数据发送至远程控制终端进行数据处理，然后通过信号收发器接收处理后的数据，通过计数器对处理后的数据进行计数工作，然后通过存储器对数据进行存储。但RFID在电磁干扰情况下读取效率低，无法适应机房复杂的电磁环境，同时RFID标签需要人工进行管理，无法保障数据100％准确。因RFID识别器接收的是RFID标签中的数据，故无法对柜内现场进行取证，无法真正做到账实一致。
[0004]因此，期待一种优化的非接触式柜内资产自动盘点装置。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种非接触式柜内资产自动盘点装置、方法和存储介质，可以提高企业在资产盘点中的工作率和准确率；同时因采用视觉识别，可对柜内现场进行拍照取证，从而真正做到账实一致。
[0006]第一方面，提供了一种非接触式柜内资产自动盘点装置，其包括：包括柜门的机柜柜体；安装于所述机柜柜体的距离传感器，所述距离传感器用于检测所述机柜柜体的柜门是否被打开；安装于所述机柜柜体内的人脸识别摄像头；安装于所述机柜柜体内的设备码识别摄像头；以及可通信地连接于所述人脸识别摄像头和所述设备码识别摄像头的核心控制模块。
[0007]在上述一种非接触式柜内资产自动盘点装置中，所述核心控制模块，包括：图像接收单元，用于接收由所述设备码识别摄像头采集的资产设备的设备码的拍摄图像；双边滤波单元，用于对所述设备码的拍摄图像进行双边滤波以得到增强设备码拍摄图像；局部特征提取单元，用于将所述增强设备码拍摄图像通过基于卷积神经网络模型的图像局部特征提取器以得到设备码图像局部特征图；分组卷积和通道混洗单元，用于对所述设备码图像局部特征图进行分组卷积和通道混洗以得到设备码图像深度局部特征图；全局特征感受单元，用于将所述设备码图像深度局部特征图通过基于非局部神经网络模型的全局特征感受器以得到设备码图像深度全局特征图；融合单元，用于融合所述设备码图像深度全局特征图和所述设备码图像局部特征图以得到分类特征图；以及，设备码标签判断单元，用于将所
述分类特征图通过分类器以得到分类结果，所述分类结果用于表示是否存在与资产设备的设备码相对应的设备码标签。
[0008]在上述一种非接触式柜内资产自动盘点装置中，所述基于卷积神经网络模型的图像局部特征提取器包括输入层、第一卷积层、第一激活层、第二卷积层、第二激活层、第三卷积层、第三激活层和输出层。
[0009]在上述一种非接触式柜内资产自动盘点装置中，所述第一卷积层使用16个大小为3x3的卷积核，步长为1，padding为1，所述第一激活层的激活函数使用ReLU，所述第二卷积层使用32个大小为3x3的卷积核，步长为1，padding为1，所述第二激活层的激活函数使用ReLU，所述第三卷积层使用64个大小为3x3的卷积核，步长为1，padding为1，所述第三激活层的激活函数使用ReLU。
[0010]在上述一种非接触式柜内资产自动盘点装置中，所述分组卷积和通道混洗单元，包括：切分子单元，用于将所述设备码图像局部特征图沿着通道维度进行切分以分为多个组以得到多个子特征图；卷积子单元，用于对所述每一个子特征图分别进行卷积操作以得到多尺度特征图；以及，通道混洗子单元，用于将所述多尺度特征图进行通道混洗以得到所述设备码图像深度局部特征图。
[0011]在上述一种非接触式柜内资产自动盘点装置中，所述全局特征感受单元，包括：点卷积子单元，用于将所述设备码图像深度局部特征图分别输入基于非局部神经网络模型的全局特征感受器的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；第一融合子单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化子单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；第二融合子单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知子单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；通道数调整子单元，用于将所述全局感知特征图通过所述基于非局部神经网络模型的全局特征感受器的第四点卷积层以得到通道调整全局感知特征图；以及，第三融合子单元，用于计算所述通道调整全局感知特征图和所述设备码图像深度局部特征图的按位置加权和以得到所述设备码图像深度全局特征图。
[0012]在上述一种非接触式柜内资产自动盘点装置中，所述融合单元通过如下融合公式融合所述设备码图像深度全局特征图和所述设备码图像局部特征图以得到分类特征图；其中，所述融合公式为：；其中，和分别是所述设备码图像局部特征图和所述设备码图像深度全局特征图的第个特征矩阵，且是所述分类特征图的第个特征矩阵，表示矩阵的转置矩阵，表示矩阵相乘，表示按位置加法。
[0013]在上述一种非接触式柜内资产自动盘点装置中，所述设备码标签判断单元，包括：展开子单元，用于将所述分类特征图按照行向量或列向量展开为分类特征向量；全连接编码子单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得
到编码分类特征向量；以及，分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0014]在上述一种非接触式柜内资产自动盘点装置中，通过所述距离传感器的检测结果来触发所述设备码识别摄像头和所述人脸识别摄像头进行拍照，并由所述核心控制模块采用图像识别技术进行资产识别和盘点。
[0015]在上述一种非接触式柜内资产自动盘点装置中，通过滑轨式停止闭门器提高所述设备码识别摄像头、所述人脸识别摄像头的拍照照片质量。
[0016]第二方面，提供了一种非接触式柜内资产自动盘点方法，包括：接收由设备码识别摄像头采集的资产设备的设备码的拍摄图像；对所述设备码的拍摄图像进行双边滤波以得到增强设备码拍摄图像；将所述增强设备码拍摄图像通过基于卷积神经网络模型的图像局部特征提取器以得到设备码图像局部特征图；对所述设备码图像局部特征图进行分组卷积和通道混洗以得到设备码图像深度局部特征图；将所述设备码图像深度局部特征图通过基于非局部神经网络模型的全局特征感受器以得到设备码图像深度全局特征图；融合所述设备码图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非接触式柜内资产自动盘点装置，其特征在于，包括：包括柜门的机柜柜体；安装于所述机柜柜体的距离传感器，所述距离传感器用于检测所述机柜柜体的柜门是否被打开；安装于所述机柜柜体内的人脸识别摄像头；安装于所述机柜柜体内的设备码识别摄像头；以及可通信地连接于所述人脸识别摄像头和所述设备码识别摄像头的核心控制模块。2.根据权利要求1所述的非接触式柜内资产自动盘点装置，其特征在于，所述核心控制模块，包括：图像接收单元，用于接收由所述设备码识别摄像头采集的资产设备的设备码的拍摄图像；双边滤波单元，用于对所述设备码的拍摄图像进行双边滤波以得到增强设备码拍摄图像；局部特征提取单元，用于将所述增强设备码拍摄图像通过基于卷积神经网络模型的图像局部特征提取器以得到设备码图像局部特征图；分组卷积和通道混洗单元，用于对所述设备码图像局部特征图进行分组卷积和通道混洗以得到设备码图像深度局部特征图；全局特征感受单元，用于将所述设备码图像深度局部特征图通过基于非局部神经网络模型的全局特征感受器以得到设备码图像深度全局特征图；融合单元，用于融合所述设备码图像深度全局特征图和所述设备码图像局部特征图以得到分类特征图；以及设备码标签判断单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示是否存在与资产设备的设备码相对应的设备码标签。3.根据权利要求2所述的非接触式柜内资产自动盘点装置，其特征在于，所述基于卷积神经网络模型的图像局部特征提取器包括输入层、第一卷积层、第一激活层、第二卷积层、第二激活层、第三卷积层、第三激活层和输出层。4.根据权利要求3所述的非接触式柜内资产自动盘点装置，其特征在于，所述第一卷积层使用16个大小为3x3的卷积核，步长为1，padding为1，所述第一激活层的激活函数使用ReLU，所述第二卷积层使用32个大小为3x3的卷积核，步长为1，padding为1，所述第二激活层的激活函数使用ReLU，所述第三卷积层使用64个大小为3x3的卷积核，步长为1，padding为1，所述第三激活层的激活函数使用ReLU。5.根据权利要求4所述的非接触式柜内资产自动盘点装置，其特征在于，所述分组卷积和通道混洗单元，包括：切分子单元，用于将所述设备码图像局部特征图沿着通道维度进行切分以分为多个组以得到多个子特征图；卷积子单元，用于对所述每一个子特征图分别进行卷积操作以得到多尺度特征图；以及通道混洗子单元，用于将所述多尺度特征图进行通道混洗以得到所述设备码图像深度局部特征图。
6.根据权利要求5所述的非接触式柜内资产自动盘点装置，其特征在于，所述全局特征感受单元，包括：点卷积子单元，用于将所述设备码图像深度局部特征图分别输入基于非局部神经网络模型的全局特征感受器的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；第一融合子单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化子单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值...

【专利技术属性】
技术研发人员：周毅喆，南鹏飞，刘春喜，蔡春雨，
申请(专利权)人：北京华源技术有限公司，
类型：发明
国别省市：