小雪你好紧好烫好爽_k频道导航入口国产精品_91成人爽a毛片一区二区_羞羞漫画入口在线观看

    歡迎進(jìn)入上海陽(yáng)合供應(yīng)鏈管理有限公司!
  •  13472705338 

  • “視聽(tīng)+云倉(cāng)儲(chǔ)+精準(zhǔn)扶貧”電商模式的脫貧經(jīng)驗(yàn)探討
  • 倉(cāng)儲(chǔ)型物流企業(yè)的經(jīng)營(yíng)模式創(chuàng)新
  • 現(xiàn)代倉(cāng)儲(chǔ)管理中條形碼技術(shù)的運(yùn)用
  • 基于IOS平臺(tái)的小型倉(cāng)儲(chǔ)管理系統(tǒng)設(shè)計(jì)
  • 用6S管理注入倉(cāng)儲(chǔ)管理系統(tǒng)內(nèi)涵推升倉(cāng)儲(chǔ)運(yùn)營(yíng)水準(zhǔn)
  • 基于第三方物流的倉(cāng)儲(chǔ)成本控制研究
  • 物流公司倉(cāng)儲(chǔ)管理案例分析
  • 第三方物流企業(yè)倉(cāng)儲(chǔ)貨位系統(tǒng)優(yōu)化分析
  • 鄭州航空物流倉(cāng)儲(chǔ)合理化研究
  • 新形勢(shì)下深化完善國(guó)有糧食倉(cāng)儲(chǔ)企業(yè)內(nèi)控機(jī)制的實(shí)踐與思考
  • 企業(yè)智能倉(cāng)儲(chǔ)作業(yè)流程分析——以徐州新沂百世云倉(cāng)公司為例
  • 醫(yī)藥物流邁向云倉(cāng)多倉(cāng)聯(lián)動(dòng)
  • RFID技術(shù)在銅仁地區(qū)煙草倉(cāng)儲(chǔ)物流管理系統(tǒng)中的應(yīng)用
  • 淺談糧情測(cè)控遠(yuǎn)程監(jiān)管系統(tǒng)在倉(cāng)儲(chǔ)管理中的應(yīng)用
  • 淺談石油物資倉(cāng)儲(chǔ)管理部門(mén)入庫(kù)驗(yàn)收管理
  • 多層倉(cāng)儲(chǔ)式數(shù)據(jù)中心建筑設(shè)計(jì)研究
  • 煙葉倉(cāng)儲(chǔ)害蟲(chóng)綜合治理研究進(jìn)展
  • 無(wú)線智能倉(cāng)儲(chǔ)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
  • 靜電粉末與殺蟲(chóng)劑混用對(duì)倉(cāng)儲(chǔ)甲蟲(chóng)的殺蟲(chóng)效果及谷物品質(zhì)的影響
  • 關(guān)于云計(jì)算技術(shù)物聯(lián)網(wǎng)倉(cāng)儲(chǔ)管理系統(tǒng)設(shè)計(jì)
  • 當(dāng)前位置:首頁(yè) >>   新聞資訊新聞資訊

    基于空間編碼的倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量方法

      信息來(lái)源:   發(fā)布時(shí)間:2021-11-30  點(diǎn)擊數(shù):

    0 引言

    倉(cāng)儲(chǔ)物料數(shù)量的檢測(cè)問(wèn)題是倉(cāng)儲(chǔ)監(jiān)管部門(mén)要解決的重要問(wèn)題。由于物料倉(cāng)儲(chǔ)的地域分散性和監(jiān)管力量的缺乏, 以及在進(jìn)行人工監(jiān)管時(shí)所造成的偷盜、監(jiān)守自盜等現(xiàn)象, 迫切需要有效方法進(jìn)行智能監(jiān)管與稽核。倉(cāng)儲(chǔ)中存儲(chǔ)的物料多數(shù)為顆粒、液態(tài)流體或半流體性質(zhì)的物質(zhì), 傳統(tǒng)的測(cè)量方法主要使用卷尺和坡度儀等進(jìn)行物料體積的測(cè)量, 這樣耗費(fèi)了大量的人力、物力, 而且測(cè)量方法原始, 效率低下, 歷時(shí)長(zhǎng), 耗費(fèi)巨大, 且測(cè)算精度不高。如糧倉(cāng)儲(chǔ)糧數(shù)量的檢查, 其方法在信息技術(shù)高速發(fā)展的今天顯得十分落后[1]。目前常用的方法主要是非接觸智能測(cè)量方法。Fan Chao等[2]研究使用基于CAN-bus的糧倉(cāng)儲(chǔ)量監(jiān)控系統(tǒng), 在糧倉(cāng)中布置壓力傳感器網(wǎng)絡(luò), 根據(jù)壓力測(cè)量值擬合出糧食的數(shù)量, 具有一定可靠性與應(yīng)用價(jià)值, 然而存在誤差以及龐大的網(wǎng)絡(luò)復(fù)雜性問(wèn)題, 并且大量傳感器的使用使得成本與維護(hù)費(fèi)用較高。為了實(shí)現(xiàn)對(duì)糧食的有效監(jiān)管與稽核, 林鷹等[3]提出了矩形標(biāo)尺的圖像識(shí)別方法, 利用局部邊緣檢測(cè)算子及迭代閥值算子分割算法相結(jié)合進(jìn)行矩形標(biāo)尺判定和裝糧高度計(jì)算, 算法簡(jiǎn)單, 有良好的邊緣檢測(cè)效果, 但處理后的某些邊緣仍有一定寬度, 對(duì)于標(biāo)尺測(cè)量存在較大誤差, 而且單靠標(biāo)尺的測(cè)量方法難以滿(mǎn)足實(shí)際測(cè)量應(yīng)用。Lin Ying等[4]提出一種散裝糧糧食數(shù)量的智能稽核方法, 通過(guò)在糧倉(cāng)內(nèi)壁安裝攝像頭并且設(shè)置基準(zhǔn)標(biāo)識(shí)點(diǎn), 結(jié)合邊緣檢測(cè)與標(biāo)記識(shí)別技術(shù)進(jìn)行圖像測(cè)量, 然后根據(jù)倉(cāng)儲(chǔ)三維重構(gòu)的幾何模型的計(jì)算方法達(dá)到了測(cè)量與監(jiān)管效果, 然而幾何模型本身存在近似計(jì)算誤差, 而且缺乏實(shí)際驗(yàn)證。在研究上述測(cè)量方法的基礎(chǔ)上, 本文通過(guò)建立基于空間編碼的倉(cāng)體標(biāo)識(shí)模型, 結(jié)合圖像處理分析算法設(shè)計(jì)實(shí)現(xiàn)了一種用于倉(cāng)儲(chǔ)中物料體積儲(chǔ)量的測(cè)量方法。

    1 倉(cāng)體標(biāo)識(shí)模型

    空間二進(jìn)制編碼是向被測(cè)物投影一系列柵狀的由黑白條紋構(gòu)成的圖案, 將這些編碼圖案在被測(cè)物表面投影所形成的條紋圖像進(jìn)行組合, 把被測(cè)物空間的區(qū)域分割成一系列條狀、狹窄的子區(qū)域, 每個(gè)子區(qū)域有唯一的一個(gè)二進(jìn)制編碼標(biāo)識(shí)[5]。基于空間編碼的倉(cāng)體標(biāo)識(shí)設(shè)計(jì), 必須滿(mǎn)足空間編碼的規(guī)則: (1) 區(qū)域分割后, 每個(gè)區(qū)域的編碼必須是獨(dú)立和唯一的; (2) 編碼要求滿(mǎn)足相鄰區(qū)域編碼間的Hamming距離均是1; (3) 編碼方案要滿(mǎn)足采樣定理, 并且受硬件設(shè)備分辨率的限制。

    常見(jiàn)的倉(cāng)儲(chǔ)類(lèi)型主要有房式倉(cāng)和淺圓倉(cāng)或筒倉(cāng)等, 根據(jù)這些倉(cāng)儲(chǔ)形狀分別建立基于空間編碼的長(zhǎng)方體和圓柱體兩種倉(cāng)儲(chǔ)的倉(cāng)體標(biāo)識(shí)模型, 如圖1所示。

    圖1 倉(cāng)體標(biāo)識(shí)模型示意圖Fig.1 Schematic diagram of identifications model inside warehouse

    圖1 倉(cāng)體標(biāo)識(shí)模型示意圖Fig.1 Schematic diagram of identifications model inside warehouse  下載原圖


    (1) 如圖1 (a) 所示, 當(dāng)倉(cāng)儲(chǔ)外形屬于長(zhǎng)方體模型時(shí), 其4個(gè)側(cè)面和底面設(shè)有黑白相間的方格標(biāo)識(shí), 其中相鄰側(cè)面兩側(cè)邊部的一列方格分割為邊長(zhǎng)等于原長(zhǎng)度一半的黑白相間小方格, 作為起始標(biāo)識(shí)。

    (2) 如圖1 (b) 所示, 當(dāng)倉(cāng)儲(chǔ)外形屬于圓柱體模型時(shí), 進(jìn)料口位于頂部中央, 在進(jìn)料口下底面的垂直投影處設(shè)有豎直的中央標(biāo)尺。所述倉(cāng)儲(chǔ)的環(huán)形內(nèi)側(cè)設(shè)有黑白相間的方格標(biāo)識(shí), 將圓形倉(cāng)底的某一條直徑兩端沿軸向延伸的兩列方格分割為邊長(zhǎng)等于原長(zhǎng)度一半的黑白相間小方格, 并且作為起始標(biāo)識(shí);中央標(biāo)尺設(shè)有與起始標(biāo)識(shí)的邊長(zhǎng)相等的黑白相間的條紋標(biāo)識(shí)。

    2 圖像測(cè)量方法

    該方法主要針對(duì)上述長(zhǎng)方體與圓柱體倉(cāng)儲(chǔ)模型, 合理布置多個(gè)攝像頭進(jìn)行編碼標(biāo)識(shí)的圖像拍照。照射到倉(cāng)壁的光反射回?cái)z像頭, 圖像呈現(xiàn)出灰度不同且對(duì)比鮮明的信息, 由于每個(gè)編碼方格距離攝像頭的距離不同, 所以所呈現(xiàn)的圖像信息就不同。攝像裝置每隔一定周期實(shí)時(shí)采集圖像信息, 能夠檢測(cè)到物料數(shù)量及其變化量。

    2.1 圖像采集

    對(duì)于長(zhǎng)方體與圓柱體模型的倉(cāng)儲(chǔ), 其編碼格式與圖1所示相同。其中長(zhǎng)方體倉(cāng)儲(chǔ)的倉(cāng)壁與倉(cāng)底粉刷以邊長(zhǎng)分別為1.0和0.5m的黑白方格;圓柱體倉(cāng)儲(chǔ)的倉(cāng)壁粉刷以1.0 m為邊長(zhǎng)的黑白相間的方格, 而且中央標(biāo)尺上設(shè)有0.5m的黑白相間的條紋標(biāo)識(shí)。如圖2所示平房倉(cāng)與筒倉(cāng)內(nèi)的攝像頭分布示意圖, 攝像頭固定放置平房倉(cāng)倉(cāng)頂?shù)乃拿? 分別拍攝其對(duì)應(yīng)墻壁的圖像, 并且設(shè)定拍攝圖像的序列號(hào);在筒倉(cāng)中攝像頭固定放置在錐體倉(cāng)頂面的同一條母線上, 分別拍攝被兩條起始標(biāo)識(shí)分割為兩等份的倉(cāng)壁及標(biāo)尺, 并設(shè)定圖像的序列號(hào)。

    圖2 平房倉(cāng)與筒倉(cāng)中的攝像頭分布示意圖Fig.2 Schematic diagram of cameras deployed in horizontal bin and sil

    圖2 平房倉(cāng)與筒倉(cāng)中的攝像頭分布示意圖Fig.2 Schematic diagram of cameras deployed in horizontal bin and sil  下載原圖


    2.2 基于空間編碼的圖像測(cè)量算法

    合理調(diào)整并固定攝像頭拍照角度, 未裝入物料前進(jìn)行初始化拍照, 在實(shí)際測(cè)量中每隔一定周期采集倉(cāng)內(nèi)的實(shí)測(cè)圖像, 并上傳至監(jiān)控中心進(jìn)行圖像的分析處理。該圖像測(cè)量的算法程序流程圖如圖3所示。

    圖3 基于空間編碼的圖像測(cè)量算法Fig.3 Image measurement algorithm based on spatial coding

    圖3 基于空間編碼的圖像測(cè)量算法Fig.3 Image measurement algorithm based on spatial coding  下載原圖


    (1) 圖像歸一化。在進(jìn)行圖像處理前對(duì)初始化圖像與實(shí)測(cè)圖像進(jìn)行歸一化處理。目前常用的歸一化算法是基于矩的歸一化, 其過(guò)程為坐標(biāo)中心化、x-shearing歸一化、縮放歸一化和旋轉(zhuǎn)歸一化。為使歸一化過(guò)程簡(jiǎn)單化, 將放射變換矩陣分解為3個(gè)簡(jiǎn)單變化矩陣相乘的形式:

     


    其中:α, β, δ∈R, ε∈ (0, π], 且保證分解的唯一性[6]。從左至右, 分別把3個(gè)變換矩陣稱(chēng)之為圖像的剪切、縮放與旋轉(zhuǎn)變換。角點(diǎn)對(duì)于旋轉(zhuǎn)有很好的抵抗性, 所以只需坐標(biāo)、shearing或縮放歸一化即可。

    (2) 預(yù)處理。為了消除噪聲又要保持圖像的細(xì)節(jié), 使用非線性濾波算法進(jìn)行圖片的預(yù)處理。對(duì)圖像進(jìn)行中值濾波處理, 可以去除脈沖噪聲、椒鹽噪聲的同時(shí)保留圖像的邊緣細(xì)節(jié)。

    (3) 角點(diǎn)檢測(cè)。Harris算子與MIC算子作為角點(diǎn)檢測(cè)常用算法, Harris算子應(yīng)對(duì)圖像能力更強(qiáng), 能夠提取出較好的角點(diǎn)信息, 同時(shí)具有旋轉(zhuǎn)不變性, 使用Harris角點(diǎn)檢測(cè)算法分別對(duì)初始圖像與實(shí)測(cè)圖像進(jìn)行處理。Harris算子受信號(hào)處理中自相關(guān)函數(shù)的啟發(fā), 利用自相關(guān)聯(lián)系的矩陣M (M也可以考慮成一個(gè)高斯窗或矩形窗) 在圖像上順序移動(dòng)。由模板窗口取得原圖像衍生出2×2的局部結(jié)構(gòu)矩陣:

     


    其中:ω (x, y) 為窗口函數(shù), Ix、Iy分別為圖像中的一點(diǎn)沿x軸與y軸的梯度。對(duì)于該模板矩陣取特征值λ1和λ2, 建立度量函數(shù)有

     


    其中:tr M=λ12, det M=λ1λ2, k為經(jīng)驗(yàn)值, 一般取0.04。根據(jù)R是否大于0, 即可判斷黑白方格角點(diǎn), 提取出角點(diǎn)的像素坐標(biāo)[7,8]

    (4) 數(shù)據(jù)處理與角點(diǎn)配準(zhǔn)。初始化圖片與實(shí)測(cè)圖片經(jīng)過(guò)角點(diǎn)檢測(cè)后進(jìn)行角點(diǎn)像素坐標(biāo)的判斷、分析與篩選等數(shù)據(jù)處理。在判斷編碼方格的大小時(shí), 檢測(cè)每一個(gè)方格的前一個(gè)距離攝像頭近的方格長(zhǎng)度, 若其長(zhǎng)度差不超過(guò)正常范圍, 則認(rèn)定為整方格大小;若判斷方格不足一格長(zhǎng)大小, 則根據(jù)圖像像素與實(shí)際方格大小的比例關(guān)系進(jìn)行三維空間重建, 并且以初始化圖像作為參考圖像進(jìn)行基于角點(diǎn)的圖像配準(zhǔn)處理, 計(jì)算求得該編碼方格高度。

    設(shè)一面?zhèn)}壁標(biāo)識(shí)共有n列, H為編碼方格的總高度, i、j分別表示行列序號(hào), x表示滿(mǎn)足一整方格大小的個(gè)數(shù), 且i=x+1。設(shè)定方格邊長(zhǎng)1m, a為實(shí)測(cè)圖像中不足一整格的角點(diǎn)縱坐標(biāo), 即 (i+1) 行角點(diǎn), c為初始化圖像中同一行的角點(diǎn)縱坐標(biāo), b為a或c的前一行的角點(diǎn)縱坐標(biāo), 求得物料高度

     


    (5) 體積儲(chǔ)量計(jì)算。對(duì)于長(zhǎng)方體倉(cāng)儲(chǔ)要求物料平堆堆放時(shí), 如式 (5) 計(jì)算求得體積儲(chǔ)量。根據(jù)倉(cāng)壁角點(diǎn)信息容易求得倉(cāng)壁的長(zhǎng)度與寬度分別為M、N, 假設(shè)采集到的倉(cāng)內(nèi)堆放物料覆蓋住的四側(cè)倉(cāng)壁的高度分別為i1、i2、i3、i4, 當(dāng)前物料體積

     


    對(duì)于圓柱體倉(cāng)儲(chǔ), 物料從上方中央倒入, 從下方開(kāi)口處輸出, 物料形狀多為圓柱形或圓柱形與椎形的組合體, 易知倉(cāng)儲(chǔ)底面半徑為r, 儲(chǔ)糧高度為H (標(biāo)識(shí)高度) 。假設(shè)采集到倉(cāng)壁標(biāo)識(shí)的高度與中央標(biāo)桿高度分別為i1、i2, 當(dāng)前物料體積

     


    3 實(shí)驗(yàn)結(jié)果與討論

    以糧倉(cāng)作為模擬實(shí)驗(yàn)的對(duì)象, 進(jìn)行倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量的模擬實(shí)驗(yàn), 能夠達(dá)到實(shí)際糧倉(cāng)實(shí)驗(yàn)的效果。選取長(zhǎng)方體木箱 (40cm×32cm×24cm) 模擬平房倉(cāng), 用沙子替代糧食, 裝入沙子的總體積為21 120cm3。使用CAD制作編碼標(biāo)識(shí)圖, 并貼于木箱內(nèi)壁, 設(shè)定大小方格標(biāo)識(shí)的邊長(zhǎng)分別為4、2cm。圖像采集系統(tǒng)由PC機(jī)和IP/Network Camera組成 (內(nèi)置CMOS傳感器, VGA為640×480) , 圖像處理使用Matlab仿真。

    攝像頭距離木箱垂直高度7cm處放置, 調(diào)整一定角度首先進(jìn)行初始化拍照, 然后在裝入沙子且平堆堆放后進(jìn)行實(shí)測(cè)拍照, 并以BMP格式保存。使用Matlab設(shè)計(jì)基于空間編碼的圖像測(cè)量算法進(jìn)行圖像處理, 初始化圖像與實(shí)測(cè)圖像經(jīng)過(guò)Harris角點(diǎn)檢測(cè)并作截圖處理后的效果如圖4所示。

    圖4 角點(diǎn)檢測(cè)效果圖Fig.4 Results of corner detection

    圖4 角點(diǎn)檢測(cè)效果圖Fig.4 Results of corner detection  下載原圖


    通過(guò)程序判斷、分析和篩選可以選取多組數(shù)據(jù), 選取3行3列用于計(jì)算的角點(diǎn)像素坐標(biāo), 數(shù)據(jù)如表1, 根據(jù)式 (4) 計(jì)算沙子高度

     


    已知木箱的長(zhǎng)寬大小, 由式 (5) 可計(jì)算出該長(zhǎng)方體沙堆的體積為21 327.36cm3, 絕對(duì)誤差為207.36cm3, 相對(duì)誤差為0.98%。該實(shí)驗(yàn)結(jié)果達(dá)到了滿(mǎn)意的效果, 其測(cè)量誤差主要與人為平堆所造成的誤差有關(guān)。大量實(shí)驗(yàn)結(jié)果顯示, 在已知糧食密度的條件下, 計(jì)算的糧食數(shù)量誤差不高于3%, 符合糧油管理部門(mén)的規(guī)定。

    該方法的測(cè)量精度直接與編碼方格大小、圖像算法以及硬件設(shè)備分辨率有關(guān), 相比于上述的智能測(cè)量方法具有算法簡(jiǎn)單、效率高、精度高等特點(diǎn)。在圖像分辨率限制的范圍內(nèi), 編碼方格越小, 測(cè)量精度就越高。為了進(jìn)一步提高精度, 作角點(diǎn)檢測(cè)的亞像素級(jí)坐標(biāo)改進(jìn), 達(dá)到了較高精度的測(cè)量效果。

      

    表1 角點(diǎn)像素坐標(biāo)Tab.1 Pixels coordinate of the corners  下載原圖



    表1 角點(diǎn)像素坐標(biāo)Tab.1 Pixels coordinate of the corners

    4 結(jié)論

    基于空間編碼的倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量方法通過(guò)設(shè)計(jì)基于空間編碼的倉(cāng)體標(biāo)識(shí)模型, 運(yùn)用圖像測(cè)量算法計(jì)算倉(cāng)儲(chǔ)體積儲(chǔ)量, 實(shí)現(xiàn)了有效監(jiān)管與實(shí)際測(cè)量。該測(cè)量方法不僅為以后進(jìn)一步研究提供了可靠性參考, 而且具有低成本、高效、算法簡(jiǎn)單等優(yōu)點(diǎn), 易于在倉(cāng)儲(chǔ)監(jiān)測(cè)應(yīng)用中被普及。

    權(quán)所有©:上海陽(yáng)合儲(chǔ)運(yùn)
    專(zhuān)業(yè)承接上海倉(cāng)庫(kù)租賃、上海倉(cāng)儲(chǔ)配送物流、上海電商倉(cāng)儲(chǔ)企業(yè)服務(wù)與微笑同在"的先進(jìn)理念不斷發(fā)展壯大。 

    友情鏈接: 消防車(chē)  分析儀器  北京拓展訓(xùn)練    雞排加盟   恒溫振蕩器  別墅泳池設(shè)備  外貿(mào)論壇    檔案管理系統(tǒng)    酒精測(cè)試儀    旋轉(zhuǎn)火鍋設(shè)備  假山制作   煙臺(tái)裝修  地坪漆    實(shí)心輪胎   垃圾車(chē) 位移傳感器     貨運(yùn)管理軟件   鋼制暖氣片  濟(jì)南雕刻機(jī)  羅斯蒙特3051  影像測(cè)量?jī)x
       食品級(jí)軟管     鶴管    三相電表   AGV叉車(chē)  切削液  有限元分析
    機(jī)房監(jiān)控   數(shù)控銑床  原子熒光光譜儀   移動(dòng)廁所
    滬公網(wǎng)安備 31011402008344號(hào) 滬ICP備14036201號(hào)-32