【技术实现步骤摘要】
本申请涉及电商物流的智能化配送领域，且更为具体地，涉及一种基于大数据技术的电商智慧化物流配送系统及方法。
技术介绍
1、随着电子商务的迅速发展，物流配送在满足消费者需求和提供高效服务方面变得越来越重要。为了满足这一需求，许多电商平台开始注重物流平台的建设，并在自营仓储配送中心方面投入大量资金。
2、目前，一些电商仓库已经实现了部分自动化，例如利用自动化立体仓库设备，实现了仓库高层空间的合理利用、存取的自动化以及操作的简便化。这些自动化设备可以提高仓库的效率和准确性。
3、目前许多电商仓库使用的自动化分拣设备通常是将货物放置在主传送带上，通过传送带上的传感器、摄像头等设备进行扫描和识别将其分拣到相应的分支传送带。这种自动化分拣设备确实可以节省人力并提高效率。
4、然而，故障是任何机械设备都可能面临的问题。如果主传送带的某段出现机械故障而停止运行，特别是在货物配送量大的情况下，可能会导致货物堆积，从而降低配送效率。
5、因此，提供一种基于大数据技术的电商智慧化物流配送系统及方法，通过大数据技术对自动化分拣设备的运行状态进行监测和分析，以预测设备故障发生的可能性，以便提前采取措施，减少故障对配送效率的影响。
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基于大数据技术的电商智慧化物流配送系统及方法，其首先采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之
2、根据本申请的第一方面，提供了一种基于大数据技术的电商智慧化物流配送系统，其包括：
3、自动化分拣设备数据采集模块，用于采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之对应的传送带上的多个货物图像数据；
4、自动化分拣设备特征提取模块，用于分别对待分析自动化分拣设备的多个预定时间点的运行数据、所述待分析自动化分拣设备的多个预定时间点的状态信息以及所述与之对应的传送带上的多个货物图像数据进行提取和分析以得到分拣设备运行状态特征向量和货物状态变化特征向量；
5、自动化分拣设备分类结果生成模块，用于基于所述分拣设备运行状态特征向量和所述货物状态变化特征向量，以得到分类结果。
6、结合本申请的第一方面，在本申请的第一方面的一种基于大数据技术的电商智慧化物流配送系统中，所述自动化分拣设备特征提取模块，包括：设备运行变化特征获取单元，用于对所述待分析自动化分拣设备的多个预定时间点的运行数据进行深度卷积编码以得到设备运行变化特征向量；设备状态信息获取单元，用于将所述待分析自动化分拣设备的多个预定时间点的状态信息按时间维度和信息类型维度排列为设备状态信息输入矩阵后通过基于二维卷积神经网络模型的设备状态特征获取模块以得到设备状态信息特征矩阵；设备运行状态获取单元，用于将所述设备运行变化特征向量和所述设备状态信息特征矩阵进行特征融合以得到所述分拣设备运行状态特征向量；传送带货物特征提取单元，用于对所述与之对应的传送带上的多个货物图像数据进行深度卷积编码以得到所述货物状态变化特征向量。
7、根据本申请的第二方面，提供了一种基于大数据技术的电商智慧化物流配送方法，其包括：
8、采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之对应的传送带上的多个货物图像数据；
9、分别对待分析自动化分拣设备的多个预定时间点的运行数据、所述待分析自动化分拣设备的多个预定时间点的状态信息以及所述与之对应的传送带上的多个货物图像数据进行提取和分析以得到分拣设备运行状态特征向量和货物状态变化特征向量；
10、基于所述分拣设备运行状态特征向量和所述货物状态变化特征向量，以得到分类结果。
11、结合本申请的第二方面，在本申请的第二方面的一种基于大数据技术的电商智慧化物流配送方法中，基于所述分拣设备运行状态特征向量和所述货物状态变化特征向量，以得到分类结果，包括：特征融合单元，用于将所述分拣设备运行状态特征向量和所述货物状态变化特征向量进行特征融合以得到自动化分拣设备分类特征向量；特征分类单元，用于将所述自动化分拣设备分类特征向量通过分类器以得到分类结果。其中，所述特征融合单元，包括：系数计算子单元，用于计算所述分拣设备运行状态特征向量相对于所述货物状态变化特征向量的概率密度域相关迁移衍生投影度量系数；特征加权子单元，用于以所述概率密度域相关迁移衍生投影度量系数作为加权系数对所述分拣设备运行状态特征向量进行加权以得到加权后分拣设备运行状态特征向量；特征向量融合子单元，用于将所述加权后分拣设备运行状态特征向量与所述货物状态变化特征向量进行融合以得到自动化分拣设备分类特征向量。所述系数计算子单元，包括：将所述分拣设备运行状态特征向量通过归一化指数函数以得到第一概率值；计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的欧式距离并开根号以得到第一距离值；计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的按位置点乘后再除以所述第一距离值以得到偏差特征向量；以所述偏差特征向量中各个位置的特征值为幂的自然指数函数值以得到指数偏差特征向量；将所述指数偏差特征向量通过归一化指数函数以得到第二概率值；计算所述分拣设备运行状态特征向量和所述货物状态变化特征向量的按位置差分以得到差分特征向量；以所述差分特征向量中各个位置的特征值为幂的自然指数函数值以得到指数差分特征向量；将所述指数差分特征向量通过归一化指数函数以得到第三概率值；分别对所述第一概率值、所述第二概率值和所述第三概率值进行加权以得到所述概率密度域相关迁移衍生投影度量系数。所述分类结果用于表示待分析自动化分拣设备是否会发生故障。
12、与现有技术相比，本申请提供的一种基于大数据技术的电商智慧化物流配送系统及方法，其首先采集待分析自动化分拣设备的多个预定时间点的运行数据、待分析自动化分拣设备的多个预定时间点的状态信息以及与之对应的传送带上的多个货物图像数据，然后利用大数据技术对这些数据分别进行特征提取和分析，从而得到用于表示待分析自动化分拣设备是否会发生故障的分类结果。这样，根据分类结果，可以对自动化分拣设备的运行状态进行监测和分析，以预测设备故障发生的可能性，以便提前采取措施，减少故障对配送效率的影响。
本文档来自技高网...【技术保护点】
1.一种基于大数据技术的电商智慧化物流配送系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述自动化分拣设备特征提取模块，包括：
3.根据权利要求2所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述设备运行变化特征获取单元，包括：
4.根据权利要求3所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述运行变化特征获取子单元，用于：将所述多个运行特征向量进行一维排列以得到长距离关联特征向量的序列；以及使用所述基于双向长短期记忆神经网络模型的分拣设备运行变化特征提取模块对所述长距离关联特征向量的序列进行长距离关联特征编码以得到所述设备运行变化特征向量。
5.根据权利要求4所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述传送带货物特征提取单元，包括：
6.根据权利要求5所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述自动化分拣设备分类结果生成模块，包括：
7.根据权利要求6所述的基于大数据技术的电商智慧化物流配送
8.根据权利要求7所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述系数计算子单元，包括：
9.根据权利要求8所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述分类结果用于表示待分析自动化分拣设备是否会发生故障。
10.一种基于大数据技术的电商智慧化物流配送方法，其特征在于,包括：
...【技术特征摘要】
1.一种基于大数据技术的电商智慧化物流配送系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述自动化分拣设备特征提取模块，包括：
3.根据权利要求2所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述设备运行变化特征获取单元，包括：
4.根据权利要求3所述的基于大数据技术的电商智慧化物流配送系统，其特征在于，所述运行变化特征获取子单元，用于：将所述多个运行特征向量进行一维排列以得到长距离关联特征向量的序列；以及使用所述基于双向长短期记忆神经网络模型的分拣设备运行变化特征提取模块对所述长距离关联特征向量的序列进行长距离关联特征编码以得到所述设备运行变化特征向量。
5.根据权...
【专利技术属性】
技术研发人员：宋岩，
申请(专利权)人：杭州聚萤软件有限公司，
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。