[发明专利]一种基于人工智能的仓储方法及系统

说明书

本发明涉及仓储领域，涉及一种基于人工智能的仓储方法及系统。在本发明的实施例中，该智能仓储模型是通过先构建深度神经网络机器学习模型，再通过周期性地上传当前的仓储状态数据、仓储运维设备的设备状态数据以及对应的仓储运维设备的专家操作数据作为训练数据集来训练所建立的。通过收集仓储状态数据及设备状态数据，并将其输入智能仓储模型；并根据所述智能仓储模型，计算出所需调用的仓储运维设备及仓储运维设备的具体操作指令，根据计算结果，控制相应的仓储运维设备完成其所对应的具体操作指令。这样，就解决了现有的仓储运维方法效率较差、仓储成本高的问题。

技术领域

本发明涉及仓储领域，具体而言，涉及一种基于人工智能的仓储方法及系统。

背景技术

仓库可以分为普通仓库和专用仓库，普通仓库是指常温保管、自然通风、无特殊功能的仓库，而专用仓库是指配有冷藏、保温、干燥等设施的仓库，主要用于存储如粮食、蔬果、肉类、药材等易变质或需要其他特定存储条件的物品。

目前，在各类专用仓库的日常管理中，仓库保管员需要周期性的检测仓库内的各项指标（如温度、湿度、气体浓度、害虫数量等），并且根据异常指标操作相应设施（如空调、风机、仓窗、熏蒸机等），以确保物品的长期存储。

在仓库的长期运维管理中，存在仓库保管员水平低、专业人员成本高、设备操作效率低以及异常发生时采取措施不及时的情况。例如：场景1：仓库物品经过长时间的存放，由于多种不可控因素的影响，物品可能会出现受潮、生虫、霉变、腐烂、甚至燃烧、爆炸、有毒物质泄漏等情况。常见的运维方法是：由仓库保管员对仓库周期性地进行巡检和记录，当发现异常数据指标时，保管员根据经验判断是否需要启用设备，启用哪些设备，启用多大功率，启用多长时间等，进而操作相应的设备设施来改善异常情况。但这种方式存在以下缺陷：首先，仓库保管从业人员水平普遍较低，经常导致异常问题较明显时才发现，采取相应措施时已无法弥补已经造成的损失，不能像仓储专家那样提前根据异常数据预测将会发生的问题，进而采取预防措施。其次，雇佣仓储专家来长期进行分析维护的成本对于大部分仓库来说都是无法接受的，而且仓储专家的经验也有局限性，不同库区的实际情况是不同的，不同的气候和季节下的管理办法也是不同的，同一套管理办法无法适用于所有仓库。

场景 2：当仓库出现异常指标时，仓库保管员需要对相应的设备设施进行操作。常见的操作方法是：仓库保管员走进仓库手动开启设备，指标恢复正常后再手动关闭设备。但这种方式存在以下缺陷：首先，手动控制设备只能靠人力走到各个仓库对各个设备逐个进行开关操作，耗费了大量人力和时间。其次，因为设备需要逐个操作，有些设备无法及时开启和关闭，一方面造成了能源的浪费，一方面无法及时挽救异常仓库中的物品，导致不必要的损失。

再次，即使对于已经实现了仓储设备远程控制的仓库来说，从异常指标出现到仓库保管员发现异常，然后分析数据，再进行远程设备操作这个过程也会消耗不少时间，同样是会造成不必要的损失。

发明内容

本发明的目的在于提供一种基于人工智能的仓储方法，旨在解决现有的仓储运维方法效率较差、仓储成本高的问题。

本发明是这样实现的，一种基于人工智能的仓储方法，所述方法包括以下步骤：

实时收集仓储传感器的仓储状态数据及仓储运维设备的设备状态数据，并将所述仓储状态数据及设备状态数据输入智能仓储模型；

根据所述智能仓储模型，计算出所需调用的仓储运维设备及仓储运维设备的具体操作指令；

根据计算结果，控制相应的仓储运维设备完成其所对应的具体操作指令，

所述智能仓储模型是通过先构建深度神经网络机器学习模型，再通过周期性地上传当前的仓储状态数据以及对应的仓储运维设备的专家操作数据作为训练数据集来训练所建立的。