仓储物流自动配送系统及方法与流程

本技术涉及仓储物流，具体地，涉及一种仓储物流自动配送系统及方法。

背景技术：

1、随着机器人技术的发展，现有的机器人能够完成更多更复杂的任务，可以高效率地完成大量原本需要人工完成的任务。目前，在物流行业，机器人能够用于特定任务，例如机器人能够替代仓库工作人员实现仓库货物的自动配送。

2、在现有的仓储物流配送方式中，尽管机器人可以执行仓库货物的搬运任务，但在大多数情况下，配送物品的检测和核对工作仍需要人工完成，以确保配送的准确性和避免错误。然而，这种需要人工检测和核对的仓储物流配送方式的智能化程度较低，可能会成为整个自动化流程中的效率瓶颈，特别是在高峰时段，人工操作的速度可能跟不上机器人搬运的速度。同时，人工进行仓库物流的检测和核对任务会受到人为疲劳、疏忽或主观因素的影响而导致配送物品的错误检测和核对，影响配送的准确性。

3、因此，期望一种优化的仓储物流自动配送系统。

技术实现思路

1、提供该
技术实现要素：
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、第一方面，本技术提供了一种仓储物流自动配送系统，所述系统包括：通信连接的配送控制器、机器人和物流配送盘；

3、所述配送控制器用于发送控制指令和订单信息至所述机器人；

4、所述机器人用于基于所述订单信息和由摄像头采集的配送物品图像确认配送物品是否准确，其中，所述配送物品被放置于所述物流配送盘上；

5、所述机器人进一步用于响应于所述配送物品准确，将所述物流配送盘运送至预定位置。

6、可选地，所述机器人，包括：物品信息提取模块，用于从订单信息提取物品信息；物品信息语义编码模块，用于对所述物品信息进行语义编码以得到物品信息语义编码特征向量；物品属性信息描述生成模块，用于将所述配送物品图像输入基于aigc模型的物品属性信息描述器以得到物品属性信息；物品属性信息词粒度语义理解模块，用于对所述物品属性信息进行基于词粒度的语义编码以得到物品属性信息词粒度语义编码特征向量的序列；物品属性信息词粒度语义特征强化模块，用于将所述物品属性信息词粒度语义编码特征向量的序列输入基于特征能级度量关联辐射的语义关联强化模块以得到强化物品属性信息词粒度语义编码特征向量的序列；查询响应自适应匹配模块，用于以所述物品信息语义编码特征向量作为查询特征向量，对所述查询特征向量和所述强化物品属性信息词粒度语义编码特征向量的序列进行基于细粒度解耦的特征查询响应自适应编码以得到查询响应自适应匹配结果表示矩阵；配送物品准确性检测模块，用于基于所述查询响应自适应匹配结果表示矩阵，确定配送物品是否准确。

7、可选地，所述物品属性信息词粒度语义理解模块，用于：对所述物品属性信息进行分词处理后通过包含词嵌入层的物品属性信息语义编码器以得到所述物品属性信息词粒度语义编码特征向量的序列。

8、可选地，所述物品属性信息词粒度语义特征强化模块，包括：特征能级系数计算单元，用于对于所述物品属性信息词粒度语义编码特征向量的序列，计算所述物品属性信息词粒度语义编码特征向量的序列中的各个物品属性信息词粒度语义编码特征向量的特征能级系数以得到物品属性信息词粒度语义特征能级系数的序列；向量排列单元，用于将所述物品属性信息词粒度语义特征能级系数的序列排列为物品属性信息词粒度语义特征能级系数输入向量；一维卷积编码单元，用于对所述物品属性信息词粒度语义特征能级系数输入向量进行一维卷积编码以得到物品属性信息词粒度语义特征能级辐射关联向量；点卷积编码单元，用于将所述物品属性信息词粒度语义特征能级辐射关联向量进行点卷积编码以得到物品属性信息词粒度语义特征能级辐射卷积关联向量；概率化映射单元，用于将所述物品属性信息词粒度语义特征能级辐射卷积关联向量输入sigmoid函数进行概率化映射以得到物品属性信息词粒度语义特征能级辐射关联权重向量；向量计算单元，用于以所述物品属性信息词粒度语义特征能级辐射关联权重向量中各个位置的特征值作为权重值，对所述物品属性信息词粒度语义编码特征向量的序列进行逐向量按位置点乘并加上所述物品属性信息词粒度语义编码特征向量的序列以得到所述强化物品属性信息词粒度语义编码特征向量的序列。

9、可选地，所述特征能级系数计算单元，用于：提取所述物品属性信息词粒度语义编码特征向量中各个位置的特征最大值以得到物品属性信息词粒度语义特征最大值；分别计算所述物品属性信息词粒度语义编码特征向量的均值和方差以得到物品属性信息词粒度语义特征均值和物品属性信息词粒度语义特征方差；将所述物品属性信息词粒度语义特征方差和预设超参数进行相加后得到的数值乘以四以得到物品属性信息词粒度语义特征第一能级系数；计算所述物品属性信息词粒度语义特征最大值与所述物品属性信息词粒度语义特征均值的差值的平方以得到物品属性信息词粒度语义特征差异值；将所述物品属性信息词粒度语义特征方差乘以二得到的调制物品属性信息词粒度语义特征方差与所述预设超参数乘以二得到的数值和所述物品属性信息词粒度语义特征差异值进行相加以得到物品属性信息词粒度语义特征第二能级系数；将所述物品属性信息词粒度语义特征第一能级系数除以所述物品属性信息词粒度语义特征第二能级系数以得到所述物品属性信息词粒度语义特征能级系数。

10、可选地，所述查询响应自适应匹配模块，包括：细粒度解耦单元，用于对所述强化物品属性信息词粒度语义编码特征向量的序列进行细粒度解耦以得到强化物品属性信息词粒度语义库特征向量的子序列的集合；语义强化编码单元，用于将所述强化物品属性信息词粒度语义库特征向量的子序列的集合中的各个强化物品属性信息词粒度语义库特征向量的子序列输入基于bi-lstm模型的子序列语义强化编码器以得到强化物品属性信息词粒度语义库特征细粒度解耦局部关联特征向量的集合；协方差矩阵计算单元，用于计算所述查询特征向量与所述强化物品属性信息词粒度语义库特征细粒度解耦局部关联特征向量的集合中的各个强化物品属性信息词粒度语义库特征细粒度解耦局部关联特征向量之间的协方差矩阵以得到物品信息语义查询响应协方差矩阵的集合；矩阵迹计算单元，用于计算所述物品信息语义查询响应协方差矩阵的集合中的各个物品信息语义查询响应协方差矩阵的矩阵迹以得到物品信息语义查询响应迹度量因子的集合；激活单元，用于将所述物品信息语义查询响应迹度量因子的集合输入sigmoid激活函数以得到物品信息语义查询响应迹注意力权重的集合；加权和计算单元，用于以所述物品信息语义查询响应迹注意力权重的集合中的各个物品信息语义查询响应迹注意力权重作为权重，计算所述物品信息语义查询响应协方差矩阵的集合的加权和以得到所述查询响应自适应匹配结果表示矩阵。

11、可选地，所述配送物品准确性检测模块，用于：将所述查询响应自适应匹配结果表示矩阵输入基于分类器的配送识别器以得到识别结果，所述识别结果用于表示配送物品是否准确。

12、第二方面，本技术提供了一种仓储物流自动配送方法，所述方法包括：

13、使用配送控制器发送控制指令和订单信息至机器人；

14、使用机器人基于所述订单信息和由摄像头采集的配送物品图像确认配送物品是否准确，其中，所述配送物品被放置于物流配送盘上；

15、使用所述机器人响应于所述配送物品准确，将所述物流配送盘运送至预定位置。

16、可选地，所述机器人，包括：从订单信息提取物品信息；对所述物品信息进行语义编码以得到物品信息语义编码特征向量；将所述配送物品图像输入基于aigc模型的物品属性信息描述器以得到物品属性信息；对所述物品属性信息进行基于词粒度的语义编码以得到物品属性信息词粒度语义编码特征向量的序列；将所述物品属性信息词粒度语义编码特征向量的序列输入基于特征能级度量关联辐射的语义关联强化模块以得到强化物品属性信息词粒度语义编码特征向量的序列；以所述物品信息语义编码特征向量作为查询特征向量，对所述查询特征向量和所述强化物品属性信息词粒度语义编码特征向量的序列进行基于细粒度解耦的特征查询响应自适应编码以得到查询响应自适应匹配结果表示矩阵；基于所述查询响应自适应匹配结果表示矩阵，确定配送物品是否准确。

17、可选地，对所述物品属性信息进行基于词粒度的语义编码以得到物品属性信息词粒度语义编码特征向量的序列，包括：对所述物品属性信息进行分词处理后通过包含词嵌入层的物品属性信息语义编码器以得到所述物品属性信息词粒度语义编码特征向量的序列。

18、采用上述技术方案，通过在利用机器人来对配送物品进行自动检测和核对的任务中，通过机器人的摄像头采集配送物品图像，并在后端引入基于人工智能和深度学习的图像处理和语义分析算法来对于配送物品图像和物品的订单信息进行分析和理解，以此来学习和捕获到订单信息中的物品信息语义和物品图像中的物品属性信息语义之间的相关性关系和匹配特征，从而进行配送物品的检测和核对，以确认配送物品是否准确。这样，能够基于物品的订单信息和配送物品图像之间的特征匹配和对比来自动进行配送物品的核对，避免了传统方案中需要人工进行检测和核对任务的低效率和低准确性问题，提高了仓储物流自动配送的效率和可靠性。

19、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。