一种基于货物特性的分类仓储方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及仓储管理技术领域，揭露了一种基于货物特性的分类仓储方法、装置、设备及介质，包括：提取目标货物图像中的货物条形码，对货物条形码进行信息解码；计算信息解码的货物类别向量与货物编码向量之间的货物匹配值，根据货物匹配值确定目标货物图像的货物类别；根据货物特性及货物数量计算货物类别的储位理论空间及储位实际空间；根据储位理论空间及储位实际空间构建货物仓储目标函数，计算货物仓储目标函数的最优货物容差；根据最优货物容差确定货物类别的货物仓储区域，通过货物特性对货物仓储区域中的货位进行优化，按照优化后的货物仓储位置对货物类别进行仓储。本发明专利技术可以提高货物分类仓储时的空间利用率。提高货物分类仓储时的空间利用率。提高货物分类仓储时的空间利用率。

【技术实现步骤摘要】
一种基于货物特性的分类仓储方法、装置、设备及介质


[0001]本专利技术涉及仓储管理
，尤其涉及一种基于货物特性的分类仓储方法、装置、设备及介质。

技术介绍

[0002]随着社会生产的快速发展，物流与仓储在供应链中的地位日益提高，但为了提高不同货物类别在进行仓储时，能够提高仓储空间利用率以及提高货物库存的高效管理，需要基于不同货物特性实现对仓储空间的合理分区，以实现对货物合理分类并分区仓储。
[0003]现有的货物仓储技术是通过计算机信息管理和电气控制，完成货物自动存取作业，货物库存的高效管理。实际应用中，仅考虑货物自动存取作业，以提高仓储效率，由于货物种类繁多，导致对货物仓储空间的分配易出现混乱，从而导致对进行货物分类仓储时的空间利用率较低。

技术实现思路

[0004]本专利技术提供一种基于货物特性的分类仓储方法、装置、设备及介质，其主要目的在于解决进行货物分类仓储时的空间利用率较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于货物特性的分类仓储方法，包括：
[0006]S1、获取目标货物图像，利用预设的条形码识别算法提取所述目标货物图像中的货物条形码，对所述货物条形码进行信息解码，得到货物类别向量；
[0007]S2、通过预设的双向匹配算法计算所述货物类别向量与预设的货物编码向量之间的货物匹配值，根据所述货物匹配值确定所述目标货物图像对应的货物类别；
[0008]S3、根据预设的货物特性及预设的货物数量计算所述货物类别的储位理论空间，根据所述储位理论空间及预设的仓储区域计算所述货物类别的储位实际空间；
[0009]S4、根据所述储位理论空间及所述储位实际空间构建货物仓储目标函数，利用预设的货位容差算法计算所述货物仓储目标函数的最优货物容差，其中所述根据所述储位理论空间及所述储位实际空间构建货物仓储目标函数，包括：
[0010]S41、根据所述储位实际空间中类别层数及类别列数生成货物仓储约束函数；
[0011]S42、根据所述储位理论空间对应的理论货位数、所述储位实际空间对应的实际货位数及所述货物仓储约束函数构建货物仓储目标函数，其中所述货物仓储目标函数为：
[0012][0013]其中，f为所述货物仓储目标函数，min为最小值函数，A
k
为第k个货物类别的实际货位数，S
k
为第k个货物类别的理论货位数，γ为罚项系数，R为所述货物仓储约束函数，G为货物类别的数量；
[0014]S5、根据所述最优货物容差确定所述货物类别对应的货物仓储区域，通过所述货物特性对所述货物仓储区域中的货位进行优化，得到所述货物类别的货物仓储位置，按照所述货物仓储位置对所述货物类别进行仓储。
[0015]可选地，所述利用预设的条形码识别算法提取目标货物图像中的货物条形码，包括：
[0016]对所述目标货物图像进行清晰度处理，得到目标货物清晰图像；
[0017]对所述目标货物清晰图像进行倾斜校正处理，得到目标货物校正图像；
[0018]通过预设的条形码识别算法识别所述目标货物校正图像的货物条形码边缘图像，其中所述条形码识别算法为：
[0019][0020]其中，g
x
为所述货物条形码边缘图像的垂直方向梯度，g
y
为所述货物条形码边缘图像的水平方向梯度，为所述货物条形码边缘图像的垂直方向的偏导数，为所述货物条形码边缘图像的水平方向的偏导数；
[0021]对所述货物条形码边缘图像进行形态学处理，得到目标货物形态图像；
[0022]根据所述目标货物形态图像中的边缘点提取所述目标货物图像的货物条形码。
[0023]可选地，所述通过预设的双向匹配算法计算所述货物类别向量与预设的货物编码向量之间的货物匹配值，包括：
[0024]根据预设的正向需求生成所述货物类别向量与所述货物编码向量之间的正向匹配关键数量；
[0025]根据预设的反向需求生成所述货物类别向量与所述货物编码向量之间的反向匹配关键数量；
[0026]利用所述双向匹配算法根据所述正向匹配关键数量及所述反向匹配关键数量计算货物匹配值，其中所述双向匹配算法为：
[0027][0028]其中，P为所述货物匹配值，α为匹配关键权重，β为相似度权重，max为最大值函数，T
a
为所述正向匹配关键数量，T
b
为所述反向匹配关键数量，h
i
为所述货物编码向量中第i个向量值，l
i
为所述货物类别向量中第i个向量值，n为所述货物编码向量的向量个数。
[0029]可选地，所述根据预设的货物特性及预设的货物数量计算所述货物类别的储位理论空间，包括：
[0030]根据所述货物特性中的货物尺寸及所述货物数量生成所述货物类别对应的单排货物区域；
[0031]根据预设的货物安全存储量确定所述货物类别对应的需求货位数；
[0032]根据所述单排货物区域及所述需求货位数计算所述货物类别的理论货位数，其中所述理论货位数计算公式为：
[0033][0034]其中，S
k
为第k个货物类别的理论货位数，N
ku
为第k个货物类别的所述单排货物区域的最大层数，N
kv
为第k个货物类别的所述单排货物区域的最大列数，Q
ki
为第k个货物类别中第i个货物种类的需求货位数，M为货物种类的数量；
[0035]根据所述理论货位数确定所述货物类别对应的储位理论空间。
[0036]可选地，所述根据所述储位理论空间及预设的仓储区域计算所述货物类别的储位实际空间，包括：
[0037]通过预设的二维坐标系将所述储位理论空间对应的单排货物区域转换为第一货物区域；
[0038]根据所述第一货物区域确定所述货物类别的最大类别层数及最大类别列数；
[0039]根据所述最大类别层数及所述最大类别列数计算所述货物类别的实际货位数，其中所述实际货位数计算公式为：
[0040][0041]其中，A
k
为第k个货物类别的实际货位数，H
ku
为第k个货物类别的所述最大类别层数，H
kv
为第k个货物类别的所述最大类别列数，N
ku
‑1为第k
‑
1个货物类别的所述最大类别层数，N
kv
‑1为第k
‑
1个货物类别的所述最大类别列数，G为货物类别的数量；
[0042]根据所述实际货位数确定所述货物类别的储位实际空间。
[0043]可选地，所述利用预设的货位容差算法计算所述货物仓储目标函数的最优货物容差，包括：
[0044]根据预设的货物分区的最大层数及最大列数生成货物粒子矩阵；
[0045]通过预设的迭代速度对所述货物粒子矩阵进行更新，得到货物最佳矩阵；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于货物特性的分类仓储方法，其特征在于，所述方法包括：S1、获取目标货物图像，利用预设的条形码识别算法提取所述目标货物图像中的货物条形码，对所述货物条形码进行信息解码，得到货物类别向量；S2、通过预设的双向匹配算法计算所述货物类别向量与预设的货物编码向量之间的货物匹配值，根据所述货物匹配值确定所述目标货物图像对应的货物类别；S3、根据预设的货物特性及预设的货物数量计算所述货物类别的储位理论空间，根据所述储位理论空间及预设的仓储区域计算所述货物类别的储位实际空间；S4、根据所述储位理论空间及所述储位实际空间构建货物仓储目标函数，利用预设的货位容差算法计算所述货物仓储目标函数的最优货物容差，其中所述根据所述储位理论空间及所述储位实际空间构建货物仓储目标函数，包括：S41、根据所述储位实际空间中类别层数及类别列数生成货物仓储约束函数；S42、根据所述储位理论空间对应的理论货位数、所述储位实际空间对应的实际货位数及所述货物仓储约束函数构建货物仓储目标函数，其中所述货物仓储目标函数为：其中，f为所述货物仓储目标函数，min为最小值函数，A
k
为第k个货物类别的实际货位数，S
k
为第k个货物类别的理论货位数，γ为罚项系数，R为所述货物仓储约束函数，G为货物类别的数量；S5、根据所述最优货物容差确定所述货物类别对应的货物仓储区域，通过所述货物特性对所述货物仓储区域中的货位进行优化，得到所述货物类别的货物仓储位置，按照所述货物仓储位置对所述货物类别进行仓储。2.如权利要求1所述的基于货物特性的分类仓储方法，其特征在于，所述利用预设的条形码识别算法提取目标货物图像中的货物条形码，包括：对所述目标货物图像进行清晰度处理，得到目标货物清晰图像；对所述目标货物清晰图像进行倾斜校正处理，得到目标货物校正图像；通过预设的条形码识别算法识别所述目标货物校正图像的货物条形码边缘图像，其中所述条形码识别算法为：其中，g
x
为所述货物条形码边缘图像的垂直方向梯度，g
y
为所述货物条形码边缘图像的水平方向梯度，为所述货物条形码边缘图像的垂直方向的偏导数，为所述货物条形码边缘图像的水平方向的偏导数；对所述货物条形码边缘图像进行形态学处理，得到目标货物形态图像；根据所述目标货物形态图像中的边缘点提取所述目标货物图像的货物条形码。3.如权利要求1所述的基于货物特性的分类仓储方法，其特征在于，所述通过预设的双向匹配算法计算所述货物类别向量与预设的货物编码向量之间的货物匹配值，包括：
根据预设的正向需求生成所述货物类别向量与所述货物编码向量之间的正向匹配关键数量；根据预设的反向需求生成所述货物类别向量与所述货物编码向量之间的反向匹配关键数量；利用所述双向匹配算法根据所述正向匹配关键数量及所述反向匹配关键数量计算货物匹配值，其中所述双向匹配算法为：其中，P为所述货物匹配值，α为匹配关键权重，β为相似度权重，max为最大值函数，T
a
为所述正向匹配关键数量，T
b
为所述反向匹配关键数量，h
i
为所述货物编码向量中第i个向量值，l
i
为所述货物类别向量中第i个向量值，n为所述货物编码向量的向量个数。4.如权利要求1所述的基于货物特性的分类仓储方法，其特征在于，所述根据预设的货物特性及预设的货物数量计算所述货物类别的储位理论空间，包括：根据所述货物特性中的货物尺寸及所述货物数量生成所述货物类别对应的单排货物区域；根据预设的货物安全存储量确定所述货物类别对应的需求货位数；根据所述单排货物区域及所述需求货位数计算所述货物类别的理论货位数，其中所述理论货位数计算公式为：其中，S
k
为第k个货物类别的理论货位数，N
ku
为第k个货物类别的所述单排货物区域的最大层数，N
kv
为第k个货物类别的所述单排货物区域的最大列数，Q
ki
为第k个货物类别中第i个货物种类的需求货位数，M为货物种类的数量；根据所述理...

【专利技术属性】
技术研发人员：邓瑜，刘鹏，
申请(专利权)人：深圳市深国际湾区投资发展有限公司，
类型：发明
国别省市：