【技术实现步骤摘要】
本申请涉及仓储溯源，且更为具体地，涉及一种使用三维数据的大宗商品仓储溯源系统及其方法。
技术介绍
1、大宗商品是指在国际市场上有统一的价格和质量标准，可以大量交易的商品。大宗商品包括农产品、能源、金属和矿产等。
2、随着大宗商品市场的发展，仓储物流成为了保证商品质量和交易效率的重要环节。然而，传统的仓储管理方式存在着诸多问题，如货物溯源困难。这些问题不仅影响了仓储物流的效率，也增加了交易风险和成本。因此，期待一种优化的大宗商品仓储溯源系统及其方法。
技术实现思路
1、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使用三维数据的大宗商品仓储溯源系统及其方法，其利用三维激光扫描仪对仓库内的货物进行定期扫描，生成三维点云数据，并通过图像处理和深度学习算法，识别出货物的类型信息，同时与区块链技术结合，实现货物的安全存储和可信传输。这样，能够提高大宗商品仓储溯源的可靠性和管理效率，减少人工巡检和盘点的成本和时间。
2、相应地，根据本申请的一个方面，提供了一种使用三维数据的大宗商品仓储溯源方法，其包括：
3、利用三维激光扫描仪和三维建模技术来生成仓库货物的三维建模图像；
4、提取所述三维建模图像的空间局部特征以得到货物模型局部特征图；
5、基于所述货物模型局部特征图来确定所述仓库货物的类型作为分析结果；
6、将所述分析结果和所述仓库货物的三维建模图像存储至区块链网络。
7、在上述使用三维数据的大宗
8、在上述使用三维数据的大宗商品仓储溯源方法中，提取所述三维建模图像的空间局部特征以得到货物模型局部特征图，包括：利用深度学习网络模型对所述三维建模图像进行特征提取以得到所述货物模型局部特征图。
9、在上述使用三维数据的大宗商品仓储溯源方法中，所述深度学习网络模型为基于三维卷积神经网络模型的局部特征提取器；其中，所述基于三维卷积神经网络模型的局部特征提取器包括输入层、三维卷积层、激活函数层、三维池化层和输出层。
10、在上述使用三维数据的大宗商品仓储溯源方法中，利用深度学习网络模型对所述三维建模图像进行特征提取以得到所述货物模型局部特征图，包括：将所述三维建模图像通过所述基于三维卷积神经网络模型的局部特征提取器以得到所述货物模型局部特征图。
11、在上述使用三维数据的大宗商品仓储溯源方法中，基于所述货物模型局部特征图来确定所述仓库货物的类型作为分析结果，包括：对所述货物模型局部特征图进行特征分布优化以得到优化货物模型局部特征图；将所述优化货物模型局部特征图通过分类器以得到分类结果，所述分类结果为仓库货物的类型标签；将所述分类结果作为所述分析结果。
12、在上述使用三维数据的大宗商品仓储溯源方法中，对所述货物模型局部特征图进行特征分布优化以得到优化货物模型局部特征图，包括：以如下优化公式对所述货物模型局部特征图进行特征分布优化以得到所述优化货物模型局部特征图；
13、其中，所述优化公式为：其中，是所述优化货物模型局部特征图中第个特征值，是所述货物模型局部特征图中第个特征值，为局部空间分割系数，是所述货物模型局部特征图的局部邻域的尺度。
14、在上述使用三维数据的大宗商品仓储溯源方法中，将所述优化货物模型局部特征图通过分类器以得到分类结果，所述分类结果为仓库货物的类型标签，包括：将所述优化货物模型局部特征图按照行向量或列向量展开为分类特征向量；使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到全连接编码特征向量；将所述全连接编码特征向量输入所述分类器的softmax分类函数以得到所述优化货物模型局部特征图归属于各个分类标签的概率值，所述分类标签包括所有的仓库货物类型标签；将所述概率值中最大者对应的分类标签确定为所述分类结果。
15、根据本申请的另一个方面，提供了一种使用三维数据的大宗商品仓储溯源系统，其包括：
16、仓库货物建模模块，用于利用三维激光扫描仪和三维建模技术来生成仓库货物的三维建模图像；
17、货物空间局部特征提取模块，用于提取所述三维建模图像的空间局部特征以得到货物模型局部特征图；
18、货物类型分析模块，用于基于所述货物模型局部特征图来确定所述仓库货物的类型作为分析结果；
19、存储模块，用于将所述分析结果和所述仓库货物的三维建模图像存储至区块链网络。
20、与现有技术相比，本申请提供的使用三维数据的大宗商品仓储溯源系统及其方法，其利用三维激光扫描仪对仓库内的货物进行定期扫描，生成三维点云数据，并通过图像处理和深度学习算法，识别出货物的类型信息，同时与区块链技术结合，实现货物的安全存储和可信传输。这样，能够提高大宗商品仓储溯源的可靠性和管理效率，减少人工巡检和盘点的成本和时间。
本文档来自技高网...【技术保护点】
1.一种使用三维数据的大宗商品仓储溯源方法，其特征在于，包括：
2.根据权利要求1所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，利用三维激光扫描仪和三维建模技术来生成仓库货物的三维建模图像，包括：
3.根据权利要求2所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，提取所述三维建模图像的空间局部特征以得到货物模型局部特征图，包括：
4.根据权利要求3所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，所述深度学习网络模型为基于三维卷积神经网络模型的局部特征提取器；其中，所述基于三维卷积神经网络模型的局部特征提取器包括输入层、三维卷积层、激活函数层、三维池化层和输出层。
5.根据权利要求4所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，利用深度学习网络模型对所述三维建模图像进行特征提取以得到所述货物模型局部特征图，包括：
6.据权利要求5所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，基于所述货物模型局部特征图来确定所述仓库货物的类型作为分析结果，包括：
7.根据权利要求6所述的使用三
8.根据权利要求7所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，将所述优化货物模型局部特征图通过分类器以得到分类结果，所述分类结果为仓库货物的类型标签，包括：
9.一种使用三维数据的大宗商品仓储溯源系统，其特征在于，包括：
10.根据权利要求9所述的使用三维数据的大宗商品仓储溯源系统，其特征在于，所述仓库货物建模模块，包括：
...【技术特征摘要】
1.一种使用三维数据的大宗商品仓储溯源方法，其特征在于，包括：
2.根据权利要求1所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，利用三维激光扫描仪和三维建模技术来生成仓库货物的三维建模图像，包括：
3.根据权利要求2所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，提取所述三维建模图像的空间局部特征以得到货物模型局部特征图，包括：
4.根据权利要求3所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，所述深度学习网络模型为基于三维卷积神经网络模型的局部特征提取器；其中，所述基于三维卷积神经网络模型的局部特征提取器包括输入层、三维卷积层、激活函数层、三维池化层和输出层。
5.根据权利要求4所述的使用三维数据的大宗商品仓储溯源方法，其特征在于，利用深度学习网络模型对所述三维建模图像进行特征提取以得到所述货物模型局部特征...
【专利技术属性】
技术研发人员：许振东，杨炜祖，李从恺，
申请(专利权)人：上海源庐加佳信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。