烟草行业自动化立体仓库的可视化盘点技术与方法研究

王 超，邴红涛

（湖北省烟草公司襄阳市公司，湖北 襄阳 441000）

0 引言

自动化立体仓库又称立体仓库或高架仓库（High-bay Warehouse，HBW）、自动存取系统（Automatic Storage &Retrieval Systems，AS/RS），具有高度大、自动搬运物料的特点，一般由高层货架、物料搬运设备、控制和管理设备组成[1]。相比于传统仓库，自动化立体仓库具有空间利用率高、便于机械化和自动化、作业安全性高等优点，使得货位分配、作业等变得更加灵活和高效，其应用极大地改善了企业的仓储管理水平，使原来的“静态仓库”变成了“动态仓库”。基于上述原因，改善自动化立体仓库的使用也成为了研究和应用的热点。例如，王杰以某自动化立体仓库为例，对其布局改善开展了研究，并提供了优化的布局解决方案[2]。冯慧和李圣卫分别从数学模型[3]和管理系统软件应用[4]角度研究自动化立体仓库的货位分配问题。李媛媛等和高科等则针对自动化立体仓库的拣选路径优化开展了研究[5-6]。

烟草行业作为自动化立体仓库的主要应用行业之一，开展针对性的仓储管理升级具有重要意义。如图1 所示为某烟草物流中心自动化立体仓库应用实例，其中，仓库盘点作为该类烟草仓储管理的重要环节，是管理者及时、准确掌握库存信息并制定计划和开展业务的关键，目前，以该企业为代表的行业在自动化立体仓库应用方面积累了丰富的经验，但在仓库盘点方面仍然面临如下问题亟待解决：（1）库存动态更新要求较高，且常常需要对特定种类货物或特定位置的货物进行盘点，因此，库存盘点系统的效率、柔性应当很高。（2）高架库高度较大，如图1 所示，这对于人员安全来说是一种威胁，远程化库存盘点成为烟草物流中心高架库的一种选择。（3）烟草货物价值较高，使得物流中心对其库存的准确性有较高的要求，因而对盘点过程的可视化和痕迹化提出了要求，可视化主要目标是能够在盘点时从多个角度清晰地呈现货物，痕迹化则强调货物盘点过程的可追溯性，当货物盘点出错时，能够进行过程回放以发现问题，从而改善库存管理。

图1 自动化立体仓库应用示例

针对上述问题，本文以图1 所示的烟草物流中心自动化立体仓库为对象，开展了基于视觉技术图像回传和和信息化技术的可视化盘点方法和应用研究，验证了所采用方法和技术的有效性，并对图像自动识别技术在该行业自动化立体仓库库存盘点中的应用进行了算法设计和可行性分析，为后续实现自动化立体仓库库存管理智能化提供了参考。

1 烟草行业AS/RS 可视化存货盘点实施框架

1.1 基于图像回传的盘点方法。视觉技术作为一种货物识别手段，在解决烟草物流中心库存盘点问题上有较大的先天优势，其在货物可视化、多角度拍摄、批量信息获取、适应性等方面的优点能够很好地满足烟草物流中心高架库在可视化、痕迹化等方面的需求，如果将其与自动化搬运系统、仓库管理系统集成，将能够很好地满足其在盘点效率、准确性和柔性方面的要求。目前，尚无直接相关的研究。尽管在有些研究中，研究者提出采用无人机或视频同信息化系统集成的方式进行库存盘点[7-8]，但其在高架库中的可实施性和应用成熟性方面仍然不足，例如无人机在不可见范围内的控制问题、柔性盘点问题、定位精确性问题等。

目前，基于视觉技术应用的实际库存情况的确认有两种可选方式：第一种是视觉系统自动识别当前货位货物的数量并将数据和图像传回远端仓库管理系统服务器；第二种则是进行不同角度高清拍照后将图片传回仓库管理系统服务器，并自动关联要对照的库存信息，然后由操作人员进行确认和更新。由于烟草物流中心高架库的托盘货物采用多层码垛，且每层货物数量较多，需要从不同角度进行观察才能确定货物的实际数量，同时，高架库内不同货位、不同角度的光线明暗差异较大，因此，采用视觉系统自动识别的方式很难准确地获取货物数量，特别是当托盘上的货物没有堆满时，不同角度和不同堆码状态下货物数量的识别可能存在较大差异，这会进一步影响库存盘点的准确性。此外，该方式应用的成熟性和识别效果有待研究验证和完善。考虑到上述情况，本文采用第二种方式开展自动化库存盘点应用验证，从而保证库存盘点的准确性、可视化、高效性和稳定性，其实现可视化盘点的方法如图2 所示。

图2 基于图像回传的可视化盘点方法

1.2 基于信息化技术的实施框架。为实现前述可视化盘点方法，本文提出将视觉系统、自动化立体仓库作业执行系统同信息化系统集成进行实施，其实施框架如图3 所示。在该框架中，系统操作人员根据需要确定盘点范围后，根据自动化立体仓库库存管理基础数据，生成盘点任务单，并下发至自动化作业执行系统（即堆垛机系统），堆垛机根据任务单顺序运行至指定位置，并向信息化库存盘点系统反馈位置到达情况，此时，信息化库存盘点系统向视觉系统下发拍照指令完成图像采集，并将图像回传至信息化库存盘点系统所在服务端，在此过程中，完成图像和货位的自动关联，并由操作人员远端完成图像显示的实际库存和库存管理系统账面数据的比对和修正。

图3 基于信息化技术的可视化盘点系统实施框架

2 烟草行业AS/RS 可视化盘点模式优化设计与系统实现

2.1 差异化盘点模式与路径优化设计。由于烟草物流中心出入库频繁、产品多样、价值较高，因此，其库存盘点频次往往不是一般的按财务月进行盘点，此时，如果仍然采用全库盘点的方式，不仅十分耗时，而且可能会影响正常出入库作业。针对这一问题，本文结合前述可视化盘点方法和实施框架，设计了面向不同盘点需求的如下几种盘点模式：（1）按货架盘点。该盘点模式主要针对货物每月的财务对账需求，盘点范围一般是整个自动化立体仓库，而按货架盘点则允许每月对账时分批次进行货物盘点，从而缩短单次盘点时间，以减少对正在进行的出入库作业的影响。（2）按货位盘点。即允许库存盘点人员只针对某些特定货位的货物进行盘点，尤其是当货物按照定位式存储策略进行存储时，该方式也可以通过选定特点货位区域进行某种或某几种货物的盘点，该盘点方式适用于某些出入库频繁货位或存在异常问题的盘点需求。（3）按产品盘点。该盘点模式支持盘点人员针对某些特定在产品进行库存盘点，例如某些产品价值较高、出入库频次较高、补货较难等，需要不定期进行库存清点，当货物按定位存储策略存放时，也可以采用按货位盘点的方式实现。（4）货物异动盘点。即针对货物出现异常变化时对相应货位的货物及时进行清点，例如信息化系统显示某货位近期没有进行出入库作业，但图像显示该货位货物发生了变动，此时就需要进行确认，该盘点模式可以通过库存管理人员进行图像比对，但效率较低，也可以配合图像自动识别货物异动进行，效率更高，本文针对这一需求进行了算法设计和可行性验证。

在上述盘点模式中，除了按货架盘点模式外，其余的盘点模式均只针对部分货位进行盘点，此时，为提高盘点效率，需要为盘点执行系统提供一条优化的盘点路径，即确定一组盘点任务单列表的执行顺序，使其所有任务完成时间最短。本文针对这一问题，提出了如下两种求解方法，并进行了有效性验证：（1）基于S 型线路进行盘点。该方法是一种进行货物拣选的常用策略，优点是简单易用，缺点是对路径优化的效果有限，大部分时候采用该方法确定的方案效率较高，但并不是最优的。（2）基于元启发式算法进行盘点路径优化。盘点路径优化问题是一类旅行商问题（Traveling Salesman Problem，TSP），这一问题被证明是NP 难问题，难以使用包括线性规划、分支定界等在内的精确方法进行求解，目前，元启发式算法是求解这一问题的主要方法（基于启发式搜索规则、随机搜索和迭代演化获取优化解决方案），尤其是在求解高复杂度的问题时，元启发式算法几乎成为唯一选项，本文针对上述盘点路径优化问题，分别设计了遗传算法和蚁群算法两种元启发式算法进行求解，并基于算例验证了其有效性。

2.2 系统设计与实现。基于本文所提出的盘点方法、信息化集成框架以及所设计的盘点模式，本文根据图1 所示对象实际需求，对面向烟草物流中心自动化立体仓库的可视化盘点信息化系统进行了设计和实现，并将其集成于库存管理系统，使它们之间能够实现良好的数据共享。如图4 和图5 所示分别为库存盘点单据查询页面和库存盘点历史单据查询页面，在这些页面可以根据需要制定盘点任务单据并进行相关的数据查询。如图6 所示为视觉系统回传的图像信息和盘点信息标识，该图标识了图像对应的货位和货物数量，便于后续数据追溯。

图4 库存盘点单据查询页面

图5 库存盘点历史单据查询页面

图6 库存盘点采集的图像及标识

3 面向烟草行业AS/RS 存货盘点的图像自动识别算法设计与可行性分析

由于基于图像回传的可视盘点方法仍需要库存管理人员花费较多精力，研究基于图像自动识别技术的库存盘点方法是有必要的，本文针对企业实际需求，设计了存货异动识别算法和存货数量自动识别算法，分别用于识别各货位异动情况和货物数量，并基于案例进行了可行性分析。

3.1 存货异动识别算法设计与可行性分析。针对货物异动情况识别问题，本文采用Python 程序及其所包含的图像处理函数库（主要包括skimage、imutils 和matplotlib 等）进行了算法实现。其思路如下：首先，将参与对比的两张同一货位在不同时间的图片读入程序，并将其设置为灰度图；接着，采用SSIM 算法对比两张图片的相似度并将结果记录下来，对有差距的地方进行标识；最后，进行异动状态判定，相似度超过指定数值就表示两张图片差异不大，表明货物状态没有变化，反之则表明货物存在异动的可能性较高。如图7、图8 为两个应用示例的原图和差异对比结果图，它们表明当货物存在明显异动时，其二者的相似度会较低，这符合实际情况，因此，该方法在识别货位的货物异动方面具有可行性。但该方法在实践中也存在一定的局限性，主要包括同一位置的光线变化会影响对比判断、当货物有一定透明度时应用效果会降低。

图7 货物异动识别算法应用示例1

图8 货物异动识别算法应用示例2

3.2 存货数量自动识别算法与可行性分析。针对货物数量识别问题，本文基于Python 程序及相关函数库（主要包括matplotlib、CV2（Open Source Computer Vision Library）等）进行了算法实现。其思路如下：首先，加载货位货物图片，把图片的颜色模型转化为HSV（H：色调，S：饱和度，V：亮度）颜色模型，获取其中S 层的数据，并对其依次进行阈值筛选（将最小值和最大值之外的数值修改为最大值）和去噪（去除图片中的斑点）处理；然后，然后在对处理好的图片进行轮廓检测，以确定单一货物的轮廓；最后，遍历每一个轮廓包围图像的大小是否符合将其判定为一个货物的像素大小，若符合就计入货物个数，反之则不计入货物个数。如图9 所示为该算法应用示例的原图和效果图。在该示例中，货物的轮廓被较好的识别，从而能够准确确定货物数量，因此，该方法在实现货物自动识别方面具有可行性，但仍然存在一些问题需要解决，主要包括图像光线明暗程度对算法应用的干扰较大、与货物相似性较高的干扰物容易影响判断，此外，托盘货物往往是多层码放，码放情况多样，往往无法直接通过图片中的货物轮廓确定数量，而需要进行一定的折算，这也需要进一步进行研究。

图9 存货数量自动识别算法应用示例

4 结束语

本文以某烟草物流中心自动化立体仓库为对象，研究了基于图像回传的可视化盘点方法，并设计了一种基于信息化技术的实施框架，为提升其应用效果，设计了差异化的盘点模式和路径优化方法，为其解决库存盘点的安全性、可追溯性、柔性和高效性提供了一整套解决方案，并对其进行了实现和应用验证。针对烟草物流中心自动化立体仓库盘点智能化发展需求，分别对存货异动情况和货位存货数量自动识别算法进行了设计和开发，并对其可行性进行了验证和分析，结果表明其具有较高的可行性，但距离实际应用还有一定的距离，需要从硬件和算法方面作针对性的改善。