电力企业物资仓储管理作为电力生产的重要环节之一,其物资流转的效率、准确性直接影响企业的生产运行状况[1-2]。随着电网的快速发展,大量新兴物料设备被应用于发、输、变、配、用等各个电能环节,这些物料能否正确领取,是否存在破损、老化、试验过期等现象,直接关系到电网的安全运行[3-5]。

计算机视觉是赋予机器可视及可思考能力的科学,是指应用高拍仪、电脑等各种成像系统代替人眼对目标进行识别、跟踪、检测等工作,并试图建立能够从图像或者多维数据中获取“信息”的人工智能系统[6-7]。

目前在智能仓储领域,多是基于RFID技术进行物资管理[8]。在仓储管理过程中,仓储采购、出入库质量核验、台账录入等工作均由人工识别、粘贴RFID标签和录入完成,仓库物料产品种类繁多、型号各异。首先现有人工识别和RFID技术难以发现物料的微小差距和质量问题,容易出现领料错误及出入库物料质量不一致等问题,这些缺陷问题将带来严重的安全隐患;其次操作人员业务熟练程度不一,导致粘贴RFID标签错误,实际库存与台账记录存在差异,工作效率不高,与央企降本增效的政策相违背;第三由于超高频RFID电子标签具有反向反射性特点,使得其在金属等商品中应用比较困难,且RFID电子标签相对于普通条码标签价格较高,为普通条码标签的几十倍,如果使用量较大,成本会非常高[9-10]。基于上述现状,如何确保仓储出入库物料质量,以及台账记录的准确性、真实性、完整性和高效性,降低事后核验成本,提升基层工作效率,是智能仓储面临的迫切问题。

基于人工智能的计算机视觉技术,结合仓库物资设备的图像、历史台账信息和数据标识信息,构建智能仓储图像识别系统,与现有RFID技术结合应用,实现物资识别智能化、设备管理智能化、知识管理可视化,覆盖物资出入库、定期抽检、验收等业务环节,解决库存物资与系统台账存在差异、员工操作效率不高等问题,提升员工业务技能,提高物资出入库准确率,提升整体工作效率,降低企业经营成本。

基于计算机视觉的智能仓储管理包括物资出入库管理、培训管理和仓储管理三大类业务[11-12]。

1）出入库管理。仓储专责在ERP创建入库单,并通过智能仓储图像识别系统和高拍仪进行物资验收入库;仓储专责在ERP创建出库单,并通过智能仓储图像识别系统和高拍仪进行物资出库校核。

2）培训管理。仓储员工通过智能仓储图像识别系统360°查询物资图片,并关联ERP查询物资基础信息。

3）仓储管理。仓储员工通过可移动终端等设备,实现基于系统的仓储盘点等工作。

智能仓储图像识别系统业务架构如图1所示。

图1 业务架构 Fig.1 Business architecture

基于计算机视觉图像识别技术,结合深度学习、超算芯片等新技术,构建基于深度学习的智能仓储图像识别系统,形成涵盖前端信息采集、数据处理、图像识别、业务应用和基础功能5部分的电力行业智能仓储图像识别的整体解决方案[13-14],实现在仓储配送管理环节,计算机视觉与人眼的互动与替代,减少简单重复劳动,提升源端数据生成的智能化水平及员工工作效率。系统架构如图2所示。

图2 系统架构 Fig.2 System architecture

基于计算机视觉的智能仓储图像识别系统采用微服务架构部署应用,如图3所示,包括图像采集终端、移动通信网、总部内网安全接入区和总部内网应用区[15-17]。

图3 部署架构 Fig.3 Deployment architecture

利用Eclipse工具进行系统开发,其中图像识别部分调用通过Python构建识别模型。

从业务现状出发,梳理目前仓储管理现状及相关业务流程,明确仓储设备型号与种类,业务系统覆盖程度、实用化情况,考察数据基础,评估业务分析需求的技术实现条件,定量掌握现状,加深理解。反复进行如上步骤,直至细化为切实可行的分析需求。

在业务设计的基础上,提出数据需求,进行数据溯源和获取,通过拍照的方式,收集需要被识别仓储设备的图像。收集图片时,高拍仪需要固定高度,便于标记设备的不同型号。图像采集设备如图4所示。

图4 图像采集设备 Fig.4 Image acquisition equipment

基于获取数据,进行核心技术研发,包括数据标识、图像处理、特征提取、物资库建立、识别模型构建与训练等步骤。

将识别图像与识别结果一一对应,记录图片的真实分类结果,以及基本属性信息。

数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响,不能直接进行识别,需要对图像进行校正、降噪、灰度和二值化等基本图像预处理,降低图像干扰,使图像更适用后期模型构建。

采用高斯核与图像卷积技术,使图像降噪,同时使用最大类间方差法找到背景与目标的最大分割阈值,基于最大阈值对图像进行二值化,通过多种技术对图像进行预处理,降低图像干扰,使图像更适用于后期深度模型构建。对于复杂光照形成的物资图像,考虑相邻像素间光照的相关性,根据光照估计结果进行融合得到最终结果;最后,使用适合的模型,可推导得出物资图像的光照不变量,从而对图像进行修正,有效消除原始图像的光照差异,从而提高物资图像的识别率[18]。

通过融合最大类间方差法、边缘检测算法,研究基于空间尺度不变的特征转换处理技术,通过基于高斯金字塔的处理技术,将原始图像不断降阶采样,每次降采样所得到的新图像为金字塔的一层,对输入图像需要先分别与不同尺度的二维高斯核进行卷积,最后经过运算得到高斯差分图像,构建尺度空间,对关键特征进行提取[19-20]。

将获取图像、图像特征、数据标识结果进行存储,从而为仓储物资进行图像化管理提供基础,为模型构建与训练提供数据源。

图像识别核心模型的结果是否有效、是否稳定,决定了物资识别系统整体是否可用,融合卷积神经网络（Convolutional Neural Networks,CNN）中经典模型（ResNets、Inception模型）,循环神经网络（Recurrent Neural Network,RNN）,以及CTC（Connectionist Temporal Classification）损失函数的结构优势,构建适用于仓储物资设备特征的深度学习识别模型,识别模型构建与评估交替进行,保证核心图像识别结果有效[21]。

研发适用于多目标识别与检测的高准确度实时系统。首先对多目标识别与检测的深度神经网络进行缩减,并且针对不同的识别场景,进行相应的功能性缩减;第二,研究最佳损失函数,在速度与精确度之间寻找平衡点,结合最快的深度跟踪算法,基于场景分析算法,减少运算量,减小检测空间的大小。在这种情况下,在有限资源上实现了使用深度学习算法,但精度减少的非常少。基于概要设计,实现物资识别系统中图像输入、图像处理、非结构化图像管理等功能的研发,并将各部分功能、核心图像识别技术、高拍仪整合为智能仓储图像识别系统。

智能仓储图像识别系统包含物资设备识别、物资设备搜索、个人中心、机器人巡检管理、账户/角色/权限管理等功能模块。系统登录首页如图5所示。

图5 系统登录首页 Fig.5 System login page

系统会识别出物资设备的基本信息,包括产品名称、产品型号、外形尺寸、适用范围、存放区域、库存数量,以及物资设备流转信息。智能图像识别结果如图6所示。

图6 智能图像识别结果 Fig.6 Intelligent image recognition results

系统支持按照产品名称、产品型号、外形尺寸、适用范围、产品用途进行模糊搜索。系统会根据搜索关键词的关联概率推荐默认产品及其应用场景示例,同时会展示相似物资设备,便于用户基于搜索结果选择最准确的信息。物资设备搜索结果如图7所示。

图7 物资设备搜索结果 Fig.7 Material and equipment search results

图8 新增角色界面 Fig.8 Role added interface

图9 权限管理界面 Fig.9 Privilege management interface

系统支持精细化的角色权限设置和多层级的权限设置。角色管理和权限管理如图8和图9所示。

一是实现机器与人眼互动,智能化识别仓储物料基础属性信息,并输出历史流转记录,简化人工干预程度,提升员工工作效率,降低人为因素导致的工作失误,提高仓储配送管理效率,识别准确率达到95%以上,可有效辅助仓储人员开展出入库操作;二是通过智能识图技术,实现“以图搜图”等智能检索查询功能,帮助操作人员快速熟悉业务,提升业务技能,其他业务部门可通过远程设备查询所需物料仓储状态,以文字、图像、语音、视频等多媒体结合的方式呈现,以方便其他部门确认所需物料的详细信息;三是实现物资质量检测,结合图像采集设备,智能化自动识别流转物料设备使用磨损和老化程度、是否试验合格日期超期等质量问题,当出现问题时给出警报,实现仓储物料设备缺陷的智能化识别管理,提升物料的正确使用率,减少电网运行安全隐患。

本文通过研究计算机视觉图像识别领域技术,应用深度学习算法,自动识别仓储物资设备名称及型号,对物资设备进行图像化管理,重点解决物资领用后的退库操作的效率和准确率问题、辅助培训和远程物资检索等问题,降低仓库操作人员工作量及人为因素导致的工作失误,为电网公司物资仓储管理效率的提高、增强经营效益提供技术支撑,是有实践意义的智能仓储图像识别系统,具备可拓展性,对其他行业的智能仓储管理具有一定的借鉴意义。

(编辑:张京娜)

[1] 李正忠, 刘佳宾, 李涛. 电力物资仓储管理现状与优化策略[J]. 中国储运, 2011(12): 101-102.

[2] 钞卫星. 电力企业物资仓储管理存在问题及其相关对策分 析[J]. 中国经贸, 2014(9): 50.

[3] 刘伟, 苗竹梅, 李喆, 等. 电网企业实物资产的特点及管理方法研究[J]. 陕西电力, 2011, 39(7): 72-75. LIU Wei, MIAO Zhumei, LI Zhe, et al.Study on real assets character & management in power grid[J]. Shaanxi Electric Power, 2011, 39(7): 72-75.

[4] 李郑重, 刘贾斌, 李陶. 电力物资仓储管理状况以及优化方法[J]. 中国储运, 2014(12): 123-125.

[5] 武兴化, 李微动, 李平鹃. 电力企业物资的仓储管理工作[J]. 城市建设理论研究, 2014(31): 76-78.

[6] SMITH S M, BRADY J M.SUSAN-a new approach to low level image processing[J]. International Journal of Computer Vision, 1997, 23(1): 45-78.

[7] VIOLA P, JONES M J, Robust real-time face detection[J]. International Journal of Computer Vision, 2004, 57(2): 137-154.

[8] 常杰, 刘明凯. RFID技术在仓储管理中的应用研究[J]. 物流科技, 2011(10): 79-81. CHANG Jie, LIU Mingkai.The application of RFID in warehouse management[J]. Logistics Sci-Tech, 2011(10): 79-81.

[9] 吴欣, 高正浩, 陈俣霏, 等. 基于RFID与三维可视化技术的固定资产管理系统设计[J]. 电子设计工程, 2018, 26(18): 107-112. WU Xin, GAO Zhenghao, CHEN Yufei, et al.Design of fixed assets management system based on RFID and 3D visualization technology[J]. Electronic Design Engineering, 2018, 26(18): 107-112.

[10] 范江东, 王克平, 屠晓栋, 等. 基于RFID的电力智能仓储管理系统应用研究[J]. 自动化与仪器仪表, 2018(10): 10-13, 17. FAN Jiangdong, WANG Keping, TU Xiaodong, et al.Power intelligent warehouse management system based on RFID application research[J]. Automation & Instrumentation, 2018(10): 10-13, 17.

[11] 杨另. 现代化电力企业物资仓储管理优化[J]. 华东科技, 2015(7): 23-25.

[12] 王小燕, 马昕. 关于甘肃电力物资仓储配送体系建设的思考[J]. 甘肃冶金, 2013, 35(1): 124-126. WANG Xiaoyan, MA Xin.Thinking on the improvement of Gansu electric power supplies warehousing and distribution system[J]. Gansu Metallurgy, 2013, 35(1): 124-126.

[13] 梁猛. 大唐国际物资监审管理信息系统建设方案[J]. 电力信息与通信技术, 2014, 12(8): 112-115. LIANG Meng.Construction scheme of Datang International material supervision and audit management information system[J]. Electric Power Information and Communication Technology, 2014, 12(8): 112-115.

[14] 邵康. 物资管理信息系统在电力企业的应用[J]. 电力信息与通信技术, 2015, 13(8): 70-73. SHAO Kang.Application on collaborative material management system in electric power enterprises[J]. Electric Power Information and Communication Technology, 2015, 13(8): 70-73.

[15] 张亮, 叶亚军. 国网新疆电力公司仓储移动作业应用研究[J]. 电力信息与通信技术, 2015, 13(8): 74-77. ZHANG Liang, YE Yajun.Application research on warehouse mobile operation in Xinjiang[J]. Electric Power Information and Communication Technology, 2015, 13(8): 74-77.

[16] 邹维福, 陈景晖, 翁晓锋, 等. 电力物联网的风险分析及安全措施研究[J]. 电力信息与通信技术, 2014, 12(8): 121-125. ZOU Weifu, CHEN Jinghui, WENG Xiaofeng, et al.The security analysis and countermeasure of power internet of things[J]. Electric Power Information and Communication Technology, 2014, 12(8): 121-125.

[17] 叶竞, 成秋芬, 叶水勇, 等. 物资仓储及现场作业移动应用研究[J]. 电力信息与通信技术, 2016, 14(7): 149-154. YE Jing, CHENG Qiufen, YE Shuiyong, et al.Research on material storage and on-site mobile application[J]. Electric Power Information and Communication Technology, 2016, 14(7): 149-154.

[18] 蒲新华, 李永久. 基于C—V模型的目标检测与提取[J]. 计算机与现代化, 2013(11): 25-27.

[19] 李洪杰, 程欣宇, 任海林. 一种基于帧差和ViBe算法的前景检测方法[J]. 电子技术与软件工程, 2014(21): 119-120.

[20] 余贻鑫, 栾文鹏. 智能电网述评[J]. 中国电机工程学报, 2009, 29(34): 1-8. YU Yixin, LUAN Wenpeng.Smart grid and its implementations[J]. Proceedings of the CSEE, 2009, 29(34): 1-8.

[21] 徐久强, 江萍萍, 朱宏博, 等. 面向运动目标检测的ViBe算法改进[J]. 东北大学学报(自然科学版), 2015, 36(9): 1227-1231. XU Jiuqiang, JIANG Pingping, ZHU Hongbo, et al.An improved ViBe algorithm for moving object detection[J]. Journal of Northeastern University(Natural Science), 2015, 36(9): 1227-1231.

赵永良（1972-）,男,高级工程师,从事电力大数据挖掘分析、人工智能技术研究和泛在电力物联网建设工作;

付鑫（1987-）,男,工程师,从事电网系统规划设计、人工智能技术研究和大数据挖掘分析工作,[email protected];

吴尚远（1981-）,男,工程师,从事电网运营监测分析、大数据和人工智能技术研究工作;

郭阳（1986-）,女,工程师,从事电网运营监测分析、大数据和人工智能技术研究工作;

王越越（1989-）,女,助理工程师,从事大数据挖掘分析和数据应用监测分析工作;

王小滨（1988-）,男,工程师,从事电力信息化建设和大数据挖掘工作;

边迎迎（1993-）,女,助理工程师,从事数据可视化分析和项目管理工作;

杨滨名（1988-）,女,助理工程师,从事大数据和模型算法研究工作。