智能机器人驱动传感智能控制系统及其方法技术方案

本发明专利技术公开了一种智能机器人驱动传感智能控制系统及其方法，其获取智能机器人的摄像头采集的货物状态图像；采用基于深度学习的人工智能技术，进行所述货物状态图像中关于货物的摆放状态全局隐含特征的充分表达，以此来准确地判断货物摆放状态，从而避免因摆放状态异常而导致的物流延误或损失，提高仓库物流管理的效率和准确性。的效率和准确性。的效率和准确性。

【技术实现步骤摘要】
智能机器人驱动传感智能控制系统及其方法


[0001]本专利技术涉及智能化控制
，尤其涉及一种智能机器人驱动传感智能控制系统及其方法。

技术介绍

[0002]随着工业自动化水平的不断提高，物流业务的自动化处理也日益普及。然而，在现有的仓库物流系统中，通常需要通过人工对货物进行处理和分类，并且货物的摆放位置也需要人工进行检查。这种方式不仅需要耗费大量的时间和人力资源，效率较低，而且容易受到人为因素的影响，导致误判或者漏判，造成物流的延误或损失。
[0003]因此，期望一种优化的智能机器人驱动传感智能控制系统。

技术实现思路

[0004]本专利技术实施例提供一种智能机器人驱动传感智能控制系统及其方法，其获取智能机器人的摄像头采集的货物状态图像；采用基于深度学习的人工智能技术，进行所述货物状态图像中关于货物的摆放状态全局隐含特征的充分表达，以此来准确地判断货物摆放状态，从而避免因摆放状态异常而导致的物流延误或损失，提高仓库物流管理的效率和准确性。
[0005]本专利技术实施例还提供了一种智能机器人驱动传感智能控制系统，其包括：图像采集模块，用于获取智能机器人的摄像头采集的货物状态图像；图像增强模块，用于对所述货物状态图像进行图像增强以得到增强货物状态图像；空间特征增强模块，用于将所述增强货物状态图像通过使用空间注意力机制的卷积神经网络模型以得到货物状态特征矩阵；矩阵切分模块，用于对所述货物状态特征矩阵进行特征矩阵切分以得到多个货物状态子特征矩阵；特征优化模块，用于对所述多个货物状态子特征矩阵进行特征分布优化以得到多个优化后货物状态子特征矩阵；全局特征感知模块，用于将所述多个优化后货物状态子特征矩阵通过包含嵌入层的全局特征感知器以得到货物状态全局特征向量；以及货物摆放状态检测模块，用于将所述货物状态全局特征向量通过分类器以得到分类结果，所述分类结果用于表示货物的摆放状态是否正常。
[0006]本专利技术实施例中，所述图像增强模块，用于：对所述货物状态图像进行双边滤波处理以得到所述增强货物状态图像。
[0007]本专利技术实施例中，所述空间特征增强模块，用于：使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所
述货物状态特征矩阵阵。
[0008]本专利技术实施例中，所述特征优化模块，包括：优化因数计算单元，用于计算所述各个货物状态子特征矩阵的基于凸分解的特征几何度量的逐片近似因数以得到多个基于凸分解的特征几何度量的逐片近似因数；以及，加权优化单元，用于以所述多个基于凸分解的特征几何度量的逐片近似因数作为加权系数对所述多个货物状态子特征矩阵进行加权优化以得到多个优化后货物状态子特征矩阵。
[0009]本专利技术实施例中，所述优化因数计算单元，用于：以如下优化公式计算所述各个货物状态子特征矩阵的基于凸分解的特征几何度量的逐片近似因数以得到所述多个基于凸分解的特征几何度量的逐片近似因数；其中，所述优化公式为：，其中，是第个所述货物状态子特征矩阵的第个行向量或者列向量，表示函数，表示函数，表示将各个向量级联，且表示向量的二范数的平方，表示所述多个基于凸分解的特征几何度量的逐片近似因数中第个基于凸分解的特征几何度量的逐片近似因数。
[0010]本专利技术实施例中，所述全局特征感知模块，包括：嵌入化单元，用于使用所述包含嵌入层的全局特征感知器的嵌入层对所述多个优化后货物状态子特征矩阵中的各个优化后货物状态子特征矩阵进行向量嵌入化以得到货物状态嵌入向量的序列；以及，转换编码单元，用于将所述货物状态嵌入向量的序列输入所述包含嵌入层的全局特征感知器的转换器以得到所述货物状态全局特征向量。
[0011]本专利技术实施例中，所述转换编码单元，包括：向量构造子单元，用于将所述货物状态嵌入向量的序列进行一维排列以得到货物状态全局特征向量；自注意子单元，用于计算所述货物状态全局特征向量与所述货物状态嵌入向量的序列中各个货物状态嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述货物状态嵌入向量的序列中各个货物状态嵌入向量进行加权以得到所述货物状态全局特征向量。
[0012]本专利技术实施例中，所述货物摆放状态检测模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述货物状态全局特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0013]本专利技术实施例还提供了一种智能机器人驱动传感智能控制方法，其包括：获取智能机器人的摄像头采集的货物状态图像；对所述货物状态图像进行图像增强以得到增强货物状态图像；将所述增强货物状态图像通过使用空间注意力机制的卷积神经网络模型以得到货物状态特征矩阵；对所述货物状态特征矩阵进行特征矩阵切分以得到多个货物状态子特征矩阵；对所述多个货物状态子特征矩阵进行特征分布优化以得到多个优化后货物状态子特征矩阵；将所述多个优化后货物状态子特征矩阵通过包含嵌入层的全局特征感知器以
得到货物状态全局特征向量；以及将所述货物状态全局特征向量通过分类器以得到分类结果，所述分类结果用于表示货物的摆放状态是否正常。
[0014]本专利技术实施例中，对所述货物状态图像进行图像增强以得到增强货物状态图像，包括：对所述货物状态图像进行双边滤波处理以得到所述增强货物状态图像。
[0015]本专利技术实施例中，智能机器人驱动传感智能控制系统及其方法，其获取智能机器人的摄像头采集的货物状态图像；采用基于深度学习的人工智能技术，进行所述货物状态图像中关于货物的摆放状态全局隐含特征的充分表达，以此来准确地判断货物摆放状态，从而避免因摆放状态异常而导致的物流延误或损失，提高仓库物流管理的效率和准确性。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中提供的一种智能机器人驱动传本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能机器人驱动传感智能控制系统，其特征在于，包括：图像采集模块，用于获取智能机器人的摄像头采集的货物状态图像；图像增强模块，用于对所述货物状态图像进行图像增强以得到增强货物状态图像；空间特征增强模块，用于将所述增强货物状态图像通过使用空间注意力机制的卷积神经网络模型以得到货物状态特征矩阵；矩阵切分模块，用于对所述货物状态特征矩阵进行特征矩阵切分以得到多个货物状态子特征矩阵；特征优化模块，用于对所述多个货物状态子特征矩阵进行特征分布优化以得到多个优化后货物状态子特征矩阵；全局特征感知模块，用于将所述多个优化后货物状态子特征矩阵通过包含嵌入层的全局特征感知器以得到货物状态全局特征向量；以及货物摆放状态检测模块，用于将所述货物状态全局特征向量通过分类器以得到分类结果，所述分类结果用于表示货物的摆放状态是否正常。2.根据权利要求1所述的智能机器人驱动传感智能控制系统，其特征在于，所述图像增强模块，用于：对所述货物状态图像进行双边滤波处理以得到所述增强货物状态图像。3.根据权利要求2所述的智能机器人驱动传感智能控制系统，其特征在于，所述空间特征增强模块，用于：使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述货物状态特征矩阵阵。4.根据权利要求3所述的智能机器人驱动传感智能控制系统，其特征在于，所述特征优化模块，包括：优化因数计算单元，用于计算所述各个货物状态子特征矩阵的基于凸分解的特征几何度量的逐片近似因数以得到多个基于凸分解的特征几何度量的逐片近似因数；以及加权优化单元，用于以所述多个基于凸分解的特征几何度量的逐片近似因数作为加权系数对所述多个货物状态子特征矩阵进行加权优化以得到多个优化后货物状态子特征矩阵。5.根据权利要求4所述的智能机器人驱动传感智能控制系统，其特征在于，所述优化因数计算单元，用于：以如下优化公式计算所述各个货物状态子特征矩阵的基于凸分解的特征几何度量的逐片近似因数以得到所述多个基于凸分解的特征几何度量的逐片近似因数；其中，所述优化公式为：，其中，是第个所述货物状态子特征矩阵的第个行向量或者列向量，表示函数，表示函数，表示将各个向量级联，且表示向量的二范数的平方，表示所述多个基于凸分解的特...

【专利技术属性】
技术研发人员：杨威，洪雨，杨晓慧，
申请(专利权)人：深圳市机器时代科技有限公司，
类型：发明
国别省市：