文摘
中华人民共和国成立以来,中国物流的优点是被忽视的,规模经营和福利行业难以实现是由于经济体制和社会环境的影响。因此,一种新的基于机器视觉的智能物流配送管理系统和视觉传感器图像处理技术构建应对传统系统的缺点,包括效率缓慢,巨大的成本,复杂的数据,信息化程度低。通过分析和研究视觉传感器图像处理技术和订单处理、发票管理、分销管理、调度管理、并返回影响物流配送的管理,使用仿真实验来验证视觉传感器图像处理技术是严谨、聪明、高效和具有较高的精度。智能物流配送管理系统可以有效地解决传统的物流配送管理中存在的问题。实验结果表明,视觉传感器图像处理技术可以有效地收集和分析目标图像和追踪和监控物流配送过程。平均分布智能物流配送管理系统的精度达到99.5%以上,这是大大提高了传统物流配送的这一比例为90%。它可以大大提高配送效率,从而增加了约26.5%。研究实现物流的信息管理系统,自动完成所有的工作按照设计程序,以便实时动态分布可以传播到城市物流配送。
1。介绍
物流管理被称为“第三利润源”的现代社会,它是反映在物流系统的潜力和经济效益1]。提议的2025年“中国制造”和“4.0”,中国的产业结构逐渐转向智能信息化(2,3]。电子商务的发展促进了物流配送的繁荣和促使越来越多的人从事物流配送行业。然而,由于物流配送行业的发展,生成的数据的数量正变得越来越巨大。传统的手工方法通常会导致数据混乱和损失,增加了工作量,并降低工作效率。“效率低下和高消费”的问题在物流配送行业逐渐成为一个瓶颈限制了行业的发展。降低物流配送成本,提高物流配送服务和物流配送效率对当前物流配送系统[构成挑战4,5]。
因此,构建一个智能物流配送管理系统成为必要和紧迫6]。在这种情况下,基于机器视觉的智能物流配送管理系统可以更新传统的物流配送系统,它能促进当前物流配送系统的全面发展,帮助其发展智能(7]。斯特恩伯格和Norrman8]分析了科学论文、项目报告、规格和其他出版物相关的物理网络(π)来帮助研究人员和决策者开发高效的物流系统,和π是测试基于四个因素,即组织的准备情况(技术蓝图),外部压力(承诺),认为福利(商业模式),和采用。刘等人。9)合作的商业智能系统应用于医院供应、加工、销售物流管理模式。改进业务流程的理论是正确的,使用数据挖掘技术来识别知识和协作技术从复杂的数据。的应用系统,提出了一种分层协作系统的智能管理医院物流、和数据库建立了协作系统。杨和吴10]讨论了车辆路径及其扩展,引入了蚁群算法,针对蚁群算法的原理,改进蚁群算法,这样可以解决车辆路径问题。结果表明,改进的算法可以提高物流运输效率,降低运输成本,增加经济效益。网络技术的发展促进了智能物流配送管理系统的发展。越来越多的新技术正逐渐应用到智能物流配送管理系统。传感器技术和传感器网络广泛应用于物流配送系统的目标识别。
基于视觉传感器的图像处理技术和智能管理,DTs用于有效管理分配过程,和“黑盒”模式是透明的。和一个高效、高质量、低成本的智能物流配送管理系统实现集成,构建敏捷、自动化、可视化、和专业化的物流配送管理系统。创新是构建一个新的基于视觉传感器的智能物流配送管理系统图像处理技术通过分析和研究视觉传感器图像处理技术、订单管理、收货管理、分销管理、调度管理、并返回影响物流配送的管理。需求、功能要素、操作过程和数据流配送中心系统按照软件工程的原理进行了分析。城市物流配送系统的总体架构设计,系统的功能水平和主要功能模块进行了分析,并建立了系统数据库。
2。材料和方法
2.1。分析的相关概念
2.1.1。机器视觉
机器视觉是一种新技术开发的基于人工智能(AI),它使用机器代替人眼观察识别、衡量和判断事情。它结合了光学成像、图像处理、传感器、数字仿真、计算机技术、机械工程技术在一起(11]。在现实生活中,创建目标模型识别和获取目标图像和完整的观察和分析实际问题。机器人的应用扩展,微观和宏观的东西开发(12]。机器视觉系统的特点,高灵活性和强大的自动化和通常是用来确定事情在极端工作环境和场景,由人眼很难做。
经典的机器视觉系统一般由光源系统模块、图像采集模块、数字化模块,数字图像处理模块、图像智能判断决策模块和机械控制执行模块。首先,机器视觉系统捕捉和转换目标图像通过图像识别拍摄设备,将转换后的图像信号发送到专用的图像处理系统,获得目标的基本形态特征。第二,目标的颜色、亮度像素分布、和其他信息数字化,数字化图像处理来获取目标的重要特征。最后,现场设备控制实现现有的目的根据智能判别的结果决定。光学传感设备用于过程包括互补金属氧化物半导体(CMOS)和电荷耦合装置(CCD)。该设备可以实现目标图像的自动采集和分析目标图像获取目标对象的形态信息,做出判断和决策,实现目标图像的控制(13,14]。机器视觉系统的结构如图1。
2.1.2。智能物流
智能物流是基于当前的智能集成系统。现有的传感器、条形码、射频识别、全球定位和其他更先进的技术手段,物流行业涉及包装、仓储、运输、分配、使用和处理链接,使物流系统模拟人类智能。之后,系统思考的能力,感知,学习,解决问题。智能物流是自动的和高效的,它可以减少运费成本和资源消耗,提高服务水平15]。在货运,智能物流应该确保六个“精确”,即准确的货物,数量、位置、质量、时间和价格。它也应该执行识别、跟踪、跟踪、监控和实时响应的商品。因为经济全球化对运输成本的影响,物流行业的竞争日益激烈,资源的合理配置和有效成本控制吸引太多的注意。科学和技术的发展,网络的兴起使智能物流的一种有效手段降低企业的成本,提高服务质量,增强自身的竞争力(16]。在新时代的要求下,智能物流逐渐成为智能系统,信息化、环境保护、产业协同、全球化和国际化。智能物流的特点是智能、集成层次结构,灵活性,和社会化,这是反映在智能决策过程中货运。集成和层次结构的合理配置,实现货物运输联系。和资源分配是根据消费者的需求进行。智能物流系统的结构如图2。
智能物流配送管理系统(ILDMS)是基于人工智能,网络信息技术和智能交通系统(ITS)。它收集实时数据在物流配送过程中,分析和流程,使明智的决定。然后是实现高效、低功耗,和详细的信息和咨询服务人员参与各种链接。智能物流配送管理系统,“智慧”是核心,“能力”是关键,“货物”是前提,“流”是实现,“分布”是“分配”和“交付”的有机结合。“智能”反映了信息感知和决策的效率。“能力”是一个快速和有效的协作,执行能力强,高自动化之间的各种设施。“货物”主要指的类型、数量、分布和质量的商品的过程。“流”是指货物的流动,也是核心物流配送运输环节。在整个物流服务,“分布”是最近的产品终端的链接。如何发送客户的需要货物的时间复杂路况下的一段时间内成为主要的任务智能物流配送管理系统。
2.1.3。DTs
DTs的模型结合具体的物流配送系统,提出了基于DTs的显示和建模方法,使DTs应用到特定的物流配送。五个维度是物流操作、虚拟分配操作,物流服务系统,物流配送的双重数据和系统连接。模型如图3。
2.2。基于视觉传感器目标图像处理图像处理技术
2.2.1。视觉传感器
视觉传感器也称为智能相机。嵌入式小型机器视觉系统是集图像采集、图像处理、信息传输和I / O(输入/输出)控制模块。这也是一个新技术在机器视觉领域近年来(17,18]。视觉传感器负责捕捉和拍摄整个机器视觉系统的信息。通常由一个或两个传感器,需要辅助设备,如光学投影仪,完成操作。视觉传感器的最重要功能是捕获和拍摄大量原始图像的目标和完成的图像处理和分析(19]。视觉传感器的集成设计大大减少了设备的复杂性,提高了可靠性,并拓宽其应用领域。视觉传感器通常是由图像采集模块、图像处理模块、图像处理软件、通信设备和I / O控制接口。视觉传感器具有高集成的特点和强大的功能模块化。它结合了光源、镜头、图像处理器、标准控制和通信接口实现快速沟通个人电脑(PC)和可编程逻辑控制器(PLC)。作为一个独立的智能图像采集和处理模块,内存的视觉传感器可以存储下载的图像处理算法(20.]。视觉传感器系统如图4。
简而言之,物流配送行业的日益复杂的形势下,物体识别和基于视觉传感器的检测图像处理技术具有较高的精度,高智商,高抗干扰,和简单的组合,满足智能控制在现代物流配送的要求。因此,目标识别检测是进行基于视觉传感器的图像处理技术,希望建立一个更加优秀的智能物流配送管理系统。
2.2.2。过程分析的目标图像处理
在物流配送中,大量的图像是在道路和在一个开放的空间。根据形象工程,目标图像分析和处理的三个步骤,即图像预处理、图像分析、图像特征提取。图像分析过程如图5。
图像增强算法如下:
在方程(1),灰函数的范围是 。的形象 , 。简化算法如下:
在方程(2), 和 分别是原始的和灰色处理函数,然后呢 ,年代,是常数。
在方程(3), 和 可以增强图像的程度尤其在黑暗或光明的区域。增强的图像 可以通过替换 为计算它的逆操作 。上述方程可以增强图像的细节和图像中的噪声,所以方程(2)可以转化为下面的方程。
图像梯度和吗是图像梯度的最大值。其梯度算子如下:
水平偏导数, 偏导数的方向吗 , 是垂直的偏导数, 偏导数的方向吗 。
图像梯度。方程(7)可以简化如下:
在上面的方程中, 梯度图像。
2.2.3。B / S架构
B / S架构,即浏览器/服务器体系结构,延续和完善传统的C / S架构。在B / S架构,服务器处理各种复杂的业务逻辑,和浏览器负责与用户的交互和界面显示。用户发送一个请求到服务器通过界面显示的浏览器和服务器接收用户的请求,并相应地处理它。然后用户的请求的结果返回给浏览器,这个页面上的显示内容是生成的web浏览器。传统的C / S架构是客户机/服务器体系结构。它减少了大量的服务器计算和网络数据传输通过合理分配客户端和服务器上的数据计算和处理。客户端也有一些处理能力。然而,它逐渐取代了B / S由于兼容性差,可怜的可伸缩性和高维护。
B / S与C / S相比,具有以下优点:(1)它是方便和灵活。用户不需要在电脑上安装任何客户端程序,并打开浏览器访问文本、图像、视频和音频。但在C / S,每个客户端需要安装软件。如果有安装问题,每个设备需要维护,这就增加了成本。(2)它有很高的兼容性。B / S有能力跨越平台。与C / S,用户不需要关心他们的操作系统兼容的软件。(3)很容易升级和维护。B / S架构的升级和维护主要集中在服务器和所有系统可以通过改变web页面同步更新,而C / S是不可分割的,每个客户端必须手动安装升级系统,成本很大。
3所示。智能物流配送管理系统的建设和分析基于视觉传感器的图像处理技术
分销管理的首要任务是智能物流配送管理系统。如何合理优化配送路线,科学安排配送车辆物流配送过程中直接影响整个物流配送的效率和成本(21]。物流配送从订单开始和结束当客户收到货物并支付它。的一般过程如下:运营商收到订单并了解相关信息。系统分派一个适当的工具收集和装载货物,和配送路线计划。此列装载货物根据订单和完成分配根据计划路线。货物配送过程中,车辆和销售人员根据跟踪和管理物流配送管理系统,和物流信息实时发送给客户。当客户收到货物,店员返回确认和费用结算,完成整个分销管理(22,23]。分销管理的影响因素包括货物的数量和规模、客户的需求、分销成本、配送路线,和分布模式。企业应该做出科学合理的决策分布路线和分布模式,实现物流配送的智能管理。
3.1。系统的功能要求
3.1.1。订单处理
订单处理是在外部窗口中执行的智能物流配送管理系统,可以直接观察到客户。它包括订单接收、订单审核、订单查询和数据处理。首先,操作者应安排分布时间和距离并上传至数据库系统在收到客户的订单。第二,系统验证订单的信息来判断是否接受订单。然后,运营商、分销商和客户可以查询订单的反馈系统的实时了解订单分布信息。最后,系统响应订单及时和评估交付成本根据时间,地点,距离,重量,和其他因素。订单处理的过程如图6。
3.1.2。收据管理
发票管理是最基本的物流配送和重要环节。它包括几个部分,即接收计划,接收路线,并补充处理。收到审计信息后,销售员类型要交付的货物根据需求,计划接收路线,及时补充源,使相应的补货订单。收据管理的具体流程如图7。
3.1.3。物流管理(PDM)
分销管理是物流配送管理系统的核心,它包括装载决策,路线决策,和车辆调度决策。智能物流配送管理系统使加载决定根据订单的实际情况并将生成的店员,他们把货物从仓库。然后货物交付的车辆。系统优化配送路线根据实时路况和实时跟踪分布。分销管理的过程如图8。
3.1.4。调度管理
调度管理是指调度车辆和调度员根据分配计划和跟踪由系统生成的分布过程。调度管理包括车辆调度,调度管理、车辆数据管理和分配跟踪管理。在这一过程中,分布车辆和人员安排根据决定,和分配过程的实时状态跟踪和监督通过适当的管理和维护。调度管理的具体流程如图9。
3.1.5。返回管理
返回管理是基于客户的回报,包括返回,返回审计,并返回排序。推销员输入客户返回到数据库系统为基础,审计返回的商品。返回处理的审计,审计需要与客户沟通时,有一些冲突。返回管理的具体流程如图10。
3.2。智能物流配送管理系统的建设和分析
智能物流配送管理系统使用一个地理信息系统(GIS)、全球定位系统(GPS),一个优化配送路线,多目标决策设备,高精度数字地图和其他先进技术,科学分配和安排订单和车辆,实现智能分布。根据要求宽,多样化,动态和复杂的智能物流配送系统,浏览器/服务器(B / S)是用于构造这样一个系统。B / S架构的服务器和浏览器架构,它是由表示层、应用程序层和数据层。它有低要求电脑和简单的维护程序(24,25]。系统的架构如图11。
大量的调查进行物流行业,和程序参与物流配送应该熟悉。根据研究结果和上面的框架,一个智能物流配送管理系统的目的是根据分销管理,客户管理,财务管理。其中,分销管理包括基本单位,如信息管理、订单管理、调度管理、配送管理、仓储管理、收益管理和报告管理。智能物流配送管理系统的具体结构如图12。
3.3。仿真实验
3.3.1。目标识别验证基于视觉传感器的图像处理技术
视觉传感器图像处理技术用于识别车辆和货物的过程中智能物流配送。收集到的图像分析和处理通过使用图像滤波算法和图像分割算法,并通过分析和比较验证了模型的实用价值。
3.3.2。智能物流配送管理系统的设计
一个好的环境是系统设计的前提,因为智能物流配送管理系统需要部署一个良好的环境。系统设计的参数设置如表所示1。
在实际验证,选择相同或相似的物流配送方案,和传统的物流配送模式和智能物流配送管理系统用于分配活动,并反馈结果进行比较和分析。
4所示。结果
4.1。视觉传感器图像处理技术对目标图像处理
以下4.4.1。过滤优化算法对图像处理的影响
收集到的原始图像通常是在路上或在一个开放的区域,有不同类型的噪声。因此,图像滤波算法用于去除图像中的噪声。使用中值滤波处理结果优化算法如图所示13。
(一)
(b)
图13显示原始图像的噪声可以过滤掉使用中值滤波算法,和图像的质量大大提高。也就是说,基于视觉传感器的中值滤波算法可以更好的去除噪声和保持图像细节。因此,可以准确地识别和区分商品物流配送的要求。
4.1.2。图像分割算法对图像处理的影响
随机选择道路图像分析和处理的过程中,物流配送的目标检测算法和语义分割算法。不同的算法的结果如图所示14。
(一)
(b)
图14只显示了检测算法识别路况,识别率是有限的在识别复杂的路况。语义分割算法可以识别的道路条件下,区分道路状况的细节,并识别任何路况。因此,语义分割算法在优化道路状况有明显的优势。
4.2。影响的基于视觉传感器的智能物流配送管理系统图像处理技术在物流配送上
4.2.1。准备影响Dsof物流配送的准确性
在类似的物流配送的情况下,比较结果的类型、数量、质量和交付货物在图所示15。
图15表明,基于视觉传感器的智能物流配送管理系统图像处理技术是改善类型,数量和质量的商品相比,传统的物流配送系统。平均智能物流配送管理系统的精确率达到99.5%以上,这是很大的提高与传统物流配送的90%左右。配送货物的质量也达到98.4%,精确率的差距,数量和类型的商品是缩小。
4.2.2。对物流配送效率的影响
对客户的大小,通过使用获得的最优路线的分布调度模型基于DTs如图16。
图16表明,获得的优化配送路线的成本降低约9.92%。最优分配法模拟通过DTs传播给物理层5 g无线技术。在这种情况下,通过车辆司机接收实时信息系统,以便分布路线和计划可以合理调整。
在类似的物流配送情况下,不同商品的配送效率和成本进行比较,比较结果如图17。
图17显示,当物流配送的情况是一致的,交付货物的数量也会影响交货时间。与小型货物的交货时间相比,媒介产品的交货时间是翻了一倍,大型货物运输所需的时间大约四倍。然而,与传统物流配送系统相比,智能物流配送管理系统的分布时间显著提高基于视觉传感器的图像处理技术。小货物运输的时间缩短了1天,运输中货物的时间约2天,和大型货物运输所需的时间大约4天。发现分配效率提高约26.5%通过使用智能物流配送管理系统。
5。结论
受经济体制和社会环境的影响,物流管理系统的问题暴露出来。例如,管理机制还不清楚,和物质流通渠道不顺畅;物流管理的优势被忽视,无法实现规模经营和企业好处,使货物扣留和增加成本。基于机器视觉、智能物流配送管理系统的目的是通过使用视觉传感图像处理技术和B / S架构下DTs。通过分析和研究视觉传感器图像处理技术,发现收据管理、分销管理、调度管理、并返回管理影响物流配送,并验证了实验中,图像处理和视觉传感器技术精度的特点,智力,效率,和完美的细节。智能物流配送管理系统的设计可以有效地解决传统的物流配送管理存在的问题。实验结果表明,视觉传感器图像处理技术不仅可以完成目标图像的采集和分析物流配送也有效地追踪和监控目标。分配过程模拟的算法内核,和物流配送的路径和总成本。与传统方法相比,验证,基于DTs分布优化方法可以调整计划及时、有效地根据道路和交通状况。智能物流配送管理系统可以有效地提高数据处理的效率,和分布精度超过99.5%。 Also, the response time is shortened by about 26.5%. The research broadens the application of visual sensor image processing technology in the intelligent logistics distribution industry. The study realizes the informationization of the logistics management system and the real-time control of the whole distribution process. In this way, the real-time dynamic distribution can be transmitted to the city logistics distribution at any time, which helps management and decision-makers work out solutions in real time. However, there is a shortcoming that needs to be improved. The model constructed needs to be expanded and improved. Based on the actual needs, the system is just designed with single-line logistics as the model, and multiline logistics should be expanded and optimized.
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。