[发明专利]一种零担货物智能形状识别优化装箱方法及装置

权利要求书

1.一种零担货物智能形状识别优化装箱方法，其特征在于，所述方法步骤如下：

(1)通过智能形状识别测重装置，采集待装箱零担货物的图片信息与质量信息；

(2)根据标定摄像头得到的内外参数，对获取的图片进行矫正，使获取的图片与理想相机模型得到的图片一致；

(3)应用深度学习中的卷积神经网络对图片进行特征点检测；

(4)通过利用投影矩阵理论计算特征点的世界坐标，对零担货物进行测量，从而得出长宽高的测量值数据；

(5)根据所述货物的实际识别的尺寸、质量及体积给出每个约束描述方法，并确定三维空间与约束之间的关系；

(6)采用三空间分割与模拟退火算法，生成满足货物装载箱容积约束条件的装箱方案，完成装箱优化；

所述装载方案如下：

根据前述数据与车厢体积，利用三维空间分割启发式算法得到初始解，将初始解元素进行置换、与互换位置产生新解的邻域结构；

目标函数，空间填充率最大为；

L、W与H分别表示装载箱的长宽高，V_F为所有放入车厢容器中零担货物体积的集合；

计算与新解所对应的目标函数差；

Δf＝f(w')-f(w)

Δf为目标函数差，f(w')为原解，f(w)为新解；

判断新解是否被接受,判断的依据Metropolis准则:若ΔT＜0则接受S'作为新的当前解S，否则以概率exp(-ΔT/T)接受S'作为新的当前解S；

当新解被确定接受时，用新解代替当前解，实现了一次迭代；如果满足终止条件则输出当前解作为最优解，结束程序，求得最优装载布局结果；

所述三维空间分割启发式算法实现步骤如下：

(1)导入集装箱与货物基本数据，通过函数变量定义货物种类数、货物数量总数、集装箱序号，根据空间编码规则，初始化集装箱剩余空间；

(2)对货物的摆放位置进行编码：i，j，x，y，z，l，w，h＝()其中：i为集装箱的箱号；j为货物的种类号；x,y,z为货物放置的起始坐标点；l,w,h为货物的长、宽、高的测量值；

(3)对待放入集装箱货物的尺寸与集装箱最大承载量进行判断，货物的长、宽、高小于集装箱剩余空间的长、宽、高，货物重量之和小于集装箱的最大承载量；

(4)当货物满足上述装载要求时，按照上述的编码方式进行装载；装载完毕后，根据空间分割规则产生三个子空间，分别为前空间、右空间和上空间；每次生成剩余空间集合后，都要根据空间合并规则对空间进行合并操作；

(5)对剩余空间中的z坐标进行排序，进而确定空间的高低，确保货物是从下往上进行装载；

(6)返回步骤(3)，依次加载后续货物，直至货物序列集合为空；

(7)当集装箱剩余空间不能满足货物装载，就要用下一个集装箱；

(8)最后得出装载结果和剩余空间的数据。

2.根据权利要求1所述的一种零担货物智能形状识别优化装箱方法，其特征在于，所述采集待装箱零担货物的图片信息方式为：

将零担货物放入智能形状识别测重装置；

零担货物在测重的同时，由标定摄像头拍取多角度零担货物的图片；

获取的图片与质量信息导入数据库存储。

3.根据权利要求1所述的一种零担货物智能形状识别优化装箱方法，其特征在于，所述内外参数包括焦距、成像仪中心的偏移量、径向畸变参数和纵向畸变参数。

4.根据权利要求1所述的一种零担货物智能形状识别优化装箱方法，其特征在于，所述对图片进行特征点检测步骤如下：

将待识别的零担货物图片输入预先训练的图片识别模型，获取待识别的图片的预测类别标签：

所述预先训练的图片识别模型采用卷积神经网络模型，包括输入层、卷积层、注意力分支、按元素操作层、池化层、全连接层和输出层；

训练数据为所述智能形状识别测重装置所采集的图片数据，生成训练集；

根据训练集中的图片以及各训练图片的类别，训练图片识别模型。