(19)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 202210888385.4 (22)申请日 2022.07.27 (71)申请人 四川金叶生物防治 有限公司 地址 621000 四川省绵阳市高新区绵兴东 路96号 (72)发明人 朱裕宏　陈洪尧　罗华　王洁　 孙宗超　高明明　刘勇　雍成龙　 段小磊　 (74)专利代理 机构 北京艾格律诗专利代理有限 公司 11924 专利代理师 窦杰平 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/04(2012.01) G16Y 10/40(2020.01) (54)发明名称 一种基于物联网技术的仓库管理方法及系 统 (57)摘要 本申请公开了一种基于物联网技术的仓库 管理方法及系统， 属于人工智 能领域， 所述方法 包括： 采集获取目标仓库内未进行仓储时多个指 标的仓储信息， 获得仓储信息集合， 构建仓库管 理平台， 基于物联网技术， 通过感知层采集获取 当前目标仓库的仓储需求信息， 基于物联网技 术， 通过感知层采集获取当前目标仓库的实时仓 储信息集合， 通过传输层， 将仓储需求信息和实 时仓储信息集合传输至应用层； 通过仓储分析模 型进行实时仓储 方案制定和寻优， 获得实时最优 仓储方案， 采用实时最优仓储 方案对仓储需求信 息进行仓储处理和管理。 解决了现有技术中存在 仓库管理智能化程度低， 管 理质量和效率低的技 术问题。 达到了提高仓库管 理和集中调度管控质 量的技术效果。 权利要求书3页 说明书10页 附图4页 CN 114936830 A 2022.08.23 CN 114936830 A 1.一种基于物联网技 术的仓库管理方法， 其特 征在于， 所述方法包括： 采集获取目标仓库内未进行仓储时多个指标的仓储信息， 获得仓储信 息集合， 其中， 所 述多个指标包括库位信息和堆 垛信息； 根据所述仓储信息集合， 构建仓库管理平台， 其中， 所述仓库管理平台包括感知层、 传 输层以及应用层； 基于物联网技术， 通过所述感知层采集获取当前所述目标仓库的仓储需求信息， 所述 仓储需求信息包括货物数量信息和货物类型信息； 基于物联网技术， 通过所述感知层采集获取当前所述目标仓库的实时仓储信息集合， 所述实时仓储信息集 合包括实时库位信息和实时堆 垛信息； 通过所述传输层， 将所述仓储需求信息和所述实时仓储信息集 合传输至所述应用层； 在所述应用层内， 将所述仓储需求信息和所述实时仓储信息集合输入仓储分析模型 内， 进行实时仓储方案制定和寻优， 获得实时最优仓储方案， 其中， 所述仓储分析模型内包 括方案制定分支和方案寻优分支； 采用所述实时最优仓储方案对所述仓储需求信息进行仓储处 理和管理。 2.根据权利要求1所述的方法， 其特征在于， 所述采集获取目标仓库内未进行仓储时多 个指标的仓储信息， 包括： 采集获取 所述目标仓库内未进行仓储时的库位数量信息； 采集获取所述目标仓库内未进行仓储时的库位位置信 息， 所述库位数量信 息和所述库 位位置信息组成所述库位信息； 采集获取 所述目标仓库内可进行堆 垛的堆垛机器人的数量信息， 获得堆 垛数量信息； 采集获取所述目标仓库内堆垛机器人的堆垛类型信 息， 所述堆垛数量信 息和所述堆垛 类型信息组成所述 堆垛信息； 将所述库位信息和所述 堆垛信息作为所述仓储信息集 合。 3.根据权利要求1所述的方法， 其特征在于， 根据所述仓储信息集合， 构建仓库管理平 台， 包括： 基于物联网技术， 根据所述仓储信息集合， 在所述目标仓库内的入库处、 出库处、 多个 库位和多个堆 垛机器人内构建所述感知 层； 构建所述传输层； 构建所述方案制定分支； 构建所述方案寻优分支， 结合所述方案制定分支， 获得所述仓储分析模型， 其中， 所述 方案寻优分支内包括预设寻优规则； 根据所述仓储分析模型， 获得 所述应用层； 连接所述感知 层、 传输层和应用层， 获得 所述仓库管理平台。 4.根据权利要求3所述的方法， 其特 征在于， 构建所述方案制定分支， 包括： 采集获取所述目标仓库在历史时间中预设时间范围内多次进行仓储处理时的仓储需 求信息， 获得多个历史仓储需求信息； 采集获取所述目标仓库在历史时间中预设时间范围内多次进行仓储处理时的仓储信 息集合， 获得多个历史仓储信息集 合； 采集获取所述目标仓库在历史时间中预设时间范围内多次进行仓储处理时制定的仓权　利　要　求　书 1/3 页 2 CN 114936830 A 2储方案， 获得多个历史仓储方案； 将所述多个历史仓储需求信 息、 多个历史仓储信 息集合和多个历史仓储方案作为构建 数据集合， 构建所述方案制定分支。 5.根据权利要求4所述的方法， 其特征在于， 将所述多个历史仓储需求信息、 多个历史 仓储信息集 合和多个历史仓储方案作为构建数据集 合， 构建所述方案制定分支， 包括： 对所述构建数据集 合进行划分和标识， 获得训练样本、 验证样本和 测试样本； 基于BP神经网络， 构建所述方案制定分支； 采用所述训练样本、 验证样本和测试样本对所述方案制定分支进行监督训练、 验证和 测试； 若所述方案制定分支的准确率符合预设要求， 获得 所述方案制定分支。 6.根据权利要求3所述的方法， 其特征在于， 将所述仓储需求信 息和所述实时仓储信 息 集合输入仓储分析模型内， 进行实时仓储方案制定和寻优， 包括： 将所述仓储需求信 息和所述实时仓储信 息集合输入所述方案制定分支， 获得第 一输出 结果； 根据所述第 一输出结果内的标识信 息， 获得符合所述仓储需求信 息和所述实时仓储信 息集合要求的多个初步仓储方案； 将所述多个初步仓储方案输入所述方案寻优分支， 采用所述预设寻优规则进行全局寻 优， 获得所述实时最优仓储方案 。 7.根据权利要求6所述的方法， 其特征在于， 将所述多个初步仓储方案输入所述方案寻 优分支， 采用所述预设寻优规则进行全局寻优， 包括： 在所述多个初步仓储方案内随机选择一初步仓储方案， 作为第一初步仓储方案， 并作 为当前解； 按照预设适应度计算 规则， 计算所述第一初步仓储方案的适应度， 获得第一 适应度； 再次在所述多个初步仓储方案内随机 选择一初步仓储方案， 作为第二初步仓储方案； 按照所述预设适应度计算规则， 计算所述第二初步仓储方案的适应度， 获得第二适应 度； 判断所述第二适应度是否大于第一适应度， 若是， 则将所述第二初步仓储方案作为当 前解， 若否， 则按照概 率将所述第二初步仓储方案作为当前解， 所述 概率通过下式计算： 其中， e为自然对数， 为第二适应度， 为第一适应度， k 为优选速度因子; 继续进行迭代寻优； 若当前解在预设迭代次数中未发生变化， 则将所述当前解输出， 获得第 二输出结果， 所 述第二输出 结果内包括所述实时最优仓储方案 。 8.根据权利要求7所述的方法， 其特征在于， 所述按照预设适应度计算规则， 计算所述 第一初步仓储方案的适应度， 包括： 计算所述第一初步仓储方案的仓储处 理效率参数； 计算所述第一初步仓储方案的仓储处 理规整参数； 对所述仓储处理效率参数和所述仓储处理规整参数进行加权计算， 获得所述第 一适应权　利　要　求　书 2/3 页 3 CN 114936830 A 3