(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111588070.X (22)申请日 2021.12.23 (71)申请人 国网河北省电力有限公司营销服 务 中心 地址 050000 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 申请人 国网河北省电力有限公司 　 国家电网有限公司 (72)发明人 王毅　王浩　李翀　李兵　孙晓腾　 白晨　王瑞明　杨媛媛　孙业栋　 王洋　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 代理人 王琼琦(51)Int.Cl. G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 10/08(2012.01) G06V 10/764(2022.01) (54)发明名称 一种货物智能存 储库房 (57)摘要 本发明涉及货物存储的技术领域， 公开了一 种货物智能存储库房， 所述货物智能存储库房包 括货架， 码垛机器人， 码垛区， 所述货物智能存储 库房利用货物智能存储 方法进行货物存储， 货物 智能存储方法包括： 采集待存储货物的货物图 像， 并对所采集的货物图像进行预处理； 利用货 物识别算法对货物图像中的货物类别进行识别； 码垛机器人抓取货物类别识别后的待存储货物； 利用路径 规划算法确定码垛机器人的运输路线， 码垛机器人按照所计算的运输路线进行货物运 输， 将待存储货物放置于码垛区。 本发明所述方 法通过利用基于图像的货物类别识别算法对货 物种类进行识别， 并根据所识别的货物种类， 利 用对应的码垛机器人进行货物 运输， 将待存储货 物存储在货架上。 权利要求书4页 说明书10页 附图1页 CN 114298198 A 2022.04.08 CN 114298198 A 1.一种货物智能存储库房， 所述货物智能存储库房包括货架， 码垛机器人， 码垛区， 所 述货物智能存储库房利用货物智能存储方法进行货物存储， 其特征在于， 所述货物智能存 储方法包括： S1： 采集待存储货物的货物图像， 并对所采集的货物图像进行预处理， 得到预处理完成 的货物图像； S2： 利用货物 识别算法对货物图像中的货物类别进行识别； S3： 码垛机器人抓取货物类别识别后的待存 储货物； S4： 根据预先设定的货物类别与码垛区位置的对应规则， 利用路径规划算法确定码垛 机器人的运输路线， 码垛机器人按照所计算的运输路线进行货物运输， 将待存储货物放置 于码垛区， 并将 码垛后的货物集中存 储在货架上。 2.如权利要求1所述的一种货物智能存储库房， 其特征在于， 所述S1步骤中对采集的货 物图像进行 灰度化和灰度拉伸的预处 理， 包括： 所述图像灰度化以及灰度拉伸的预处 理流程为： 1)对所采集货物图像中每一个像素的RGB分量求最大值， 并将该最大值设置为该像素 点的灰度值， 得到货物图像的灰度图， 所述灰度化处 理的公式为： G(i,j)＝max{R(i,j),G(i,j),B(i,j)} 其中： (i,j)为货物图像中的一个 像素点； R(i,j),G(i,j),B(i,j)分别为像素点(i,j)在R、 G、 B颜色通道中的值； G(i,j)为像素点(i,j)的灰度值； 2)对于所述灰度图f(x,y)， 利用分段线性变换的方式对图像的灰度进行线性拉伸， 所 述的公式为： 其中： g(i,j)表示灰度拉伸后像素点(i,j)的灰度值； MAXf(x,y),MINf(x,y)分别为灰度图f(x,y)的最大 灰度值和最小灰度值。 3.如权利要求2所述的一种货物智能存储库房， 其特征在于， 所述S1步骤中对灰度拉伸 后的货物图像进行二 值化的预处 理， 包括： 对灰度拉伸后的灰度图进行二 值化的预处 理， 所述二值化预处理的流程为： 1)计算灰度图的平均灰度 μ： 其中： M×N像素为货物图像的大小； k表示灰度图的灰度级；权　利　要　求　书 1/4 页 2 CN 114298198 A 2ρ(k)为灰度级为 k的像素出现的概 率； n(k)为灰度级为 k的像素出现的个数； 2)以灰度级m为分割阈值， 小于此阈值为背景， 大于等于此阈值为前景， 从而将灰度图 分成前景和背景， 则背景 灰度值 μb为： 背景数比例wb为： 前景灰度值 μf为： 前景数比例wf为： 3)计算前 景和背景的标准差σ： σ ＝wb×( μb‑μ )2+wf×( μf‑μ )2 通过对分割阈值m进行修改， 使得前景和背景的标准差σ 达到最大， 此时的分割阈值为 最佳分割阈值， 并以最佳分割阈值进行灰度图的二值化分割处理， 得到预处理完成的货物 图像。 4.如权利要求1所述的一种货物智能存储库房， 其特征在于， 所述S2步骤中利用货物识 别算法识别货物图像中的货物类别， 包括： 所述货物 识别算法为利用神经网络模型进行货物类别识别， 其货物类别识别流 程为： 1)将预处 理完成的货物图像作为货物 识别算法的输入； 2)隐藏层对输入的货物图像进行 特征映射， 并输出识别得到的货物类别： y＝σ(wF+b) 其中： σ(·)表示激活函数； w表示隐藏层中的权 重矩阵； b表示隐藏层中的偏置量； F表示输入的货物图像； y表示识别得到的货物类别； 所述神经网络模型的训练流 程为： 采集训练数据， 形成神经网络模型训练集： data＝{(F1,y1),(F2,y2),…,(Fi,yi),…,(Fv,yv)} 其中：权　利　要　求　书 2/4 页 3 CN 114298198 A 3