本發(fā)明涉及分揀異常檢測，具體涉及基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)。

背景技術(shù)：

1、云計(jì)算是一種基于互聯(lián)網(wǎng)的計(jì)算模式，允許用戶通過互聯(lián)網(wǎng)訪問共享的計(jì)算資源（如服務(wù)器、存儲(chǔ)、數(shù)據(jù)庫、軟件等），而無需在本地進(jìn)行管理或維護(hù)，這些資源通常由第三方提供和管理，用戶可以根據(jù)需要?jiǎng)討B(tài)地增加或減少資源的使用。配送終端設(shè)備指的是在配送過程中的硬件設(shè)備，如智能貨車、自動(dòng)分揀機(jī)、傳感器、gps定位裝置等，這些設(shè)備通過物聯(lián)網(wǎng)技術(shù)進(jìn)行數(shù)據(jù)交換和通信。

2、傳統(tǒng)系統(tǒng)往往依賴人工或半自動(dòng)化的流程來管理配送網(wǎng)絡(luò)和分揀流向，由于缺乏精準(zhǔn)的區(qū)域建模和圖結(jié)構(gòu)建模工具，分揀過程中的環(huán)節(jié)難以被實(shí)時(shí)跟蹤，結(jié)果可能會(huì)導(dǎo)致分揀錯(cuò)誤、效率低下和資源浪費(fèi)，且難以快速應(yīng)對突發(fā)情況，容易產(chǎn)生延誤；且在傳統(tǒng)系統(tǒng)中，分揀過程常常依賴人工檢查和干預(yù)，操作人員可能因疲勞、經(jīng)驗(yàn)不足或其他因素導(dǎo)致錯(cuò)誤，如物品分類錯(cuò)誤、路徑選擇不當(dāng)?shù)?，這不僅增加了人為錯(cuò)誤的發(fā)生概率，也可能造成資源浪費(fèi)和時(shí)間延誤；并且傳統(tǒng)系統(tǒng)通常缺乏基于數(shù)據(jù)分析的實(shí)時(shí)監(jiān)控能力，異常情況常常依賴人工巡檢來發(fā)現(xiàn)和處理，這種方式既低效又容易錯(cuò)過潛在問題，不能及時(shí)發(fā)現(xiàn)和糾正錯(cuò)誤，比如，錯(cuò)誤的分揀流向或路徑偏離可能被忽視，導(dǎo)致配送問題的蔓延。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)。

2、解決上述技術(shù)問題所采用的技術(shù)方案是：基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，包括區(qū)域建模單元、圖結(jié)構(gòu)建模單元、異常檢測單元和異常警報(bào)單元，具體地：

3、所述區(qū)域建模單元用于基于目標(biāo)配送區(qū)域內(nèi)的所有配送點(diǎn)構(gòu)建配送網(wǎng)絡(luò)，將所述配送網(wǎng)絡(luò)傳輸至圖結(jié)構(gòu)建模單元；

4、所述圖結(jié)構(gòu)建模單元用于對區(qū)域建模單元傳輸?shù)乃雠渌途W(wǎng)絡(luò)進(jìn)行接收，并基于物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)獲取目標(biāo)配送物的分揀流向，基于所述配送網(wǎng)絡(luò)和所述分揀流向構(gòu)建分揀圖結(jié)構(gòu)，將所述分揀圖結(jié)構(gòu)傳輸至異常檢測單元；

5、所述異常檢測單元用于對圖結(jié)構(gòu)建模單元傳輸?shù)姆謷D結(jié)構(gòu)進(jìn)行接收，并基于已訓(xùn)練好的異常檢測模型對所述分揀圖結(jié)構(gòu)進(jìn)行異常檢測，以得到所述分揀圖結(jié)構(gòu)對應(yīng)的異常得分，即得到所述目標(biāo)配送物的分揀流向的異常得分，將所述目標(biāo)配送物的分揀流向的異常得分傳輸至異常警報(bào)單元；

6、所述異常警報(bào)單元用于對異常檢測單元傳輸?shù)乃瞿繕?biāo)配送物的分揀流向的異常得分進(jìn)行接收，并將所述目標(biāo)配送物的分揀流向的異常得分與預(yù)設(shè)的得分閾值進(jìn)行比對，以判斷所述目標(biāo)配送物的分揀流向的異常等級(jí)，基于所述目標(biāo)配送物的分揀流向的異常等級(jí)進(jìn)行相對應(yīng)的異常警報(bào)。

7、優(yōu)選的，所述配送網(wǎng)絡(luò)包括多個(gè)配送節(jié)點(diǎn)和多個(gè)配送邊，其中，所述配送節(jié)點(diǎn)與所述配送點(diǎn)相對應(yīng)，所述配送邊與所述配送點(diǎn)之間的道路相對應(yīng)。

8、優(yōu)選的，所述分揀圖結(jié)構(gòu)包括多個(gè)分揀節(jié)點(diǎn)和多個(gè)分揀流向邊，其中，所述分揀節(jié)點(diǎn)與所述配送點(diǎn)相對應(yīng)，所述分揀流向邊與所述分揀流向相對應(yīng)。

9、優(yōu)選的，所述異常檢測模型采用圖神經(jīng)網(wǎng)絡(luò)，所述異常檢測模型包括自編碼模塊和異常得分生成模塊。

10、優(yōu)選的，所述自編碼模塊包括編碼器和解碼器，所述自編碼模塊用于從正常分揀節(jié)點(diǎn)的特征數(shù)據(jù)采樣得到分揀節(jié)點(diǎn)的低維空間表征，其中，所述編碼器基于多層圖卷積根據(jù)所述分揀圖結(jié)構(gòu)對應(yīng)的鄰接矩陣對分揀節(jié)點(diǎn)進(jìn)行卷積嵌入，以得到中間層的嵌入向量的高斯分布參數(shù)，所述解碼器通過圖卷積對分揀節(jié)點(diǎn)的所述嵌入向量進(jìn)行重構(gòu)，以得到重構(gòu)向量，通過最小化輸入特征向量與重構(gòu)向量之間的差異，以得到損失函數(shù)，所述異常得分生成模塊采用多層感知器，所述異常得分生成模塊根據(jù)所述自編碼模塊獲得的特征表示生成異常得分。

11、優(yōu)選的，所述嵌入向量的高斯分布參數(shù)的表達(dá)式如下：

12、；

13、其中，表示嵌入向量的高斯分布參數(shù)，表示分揀節(jié)點(diǎn)在潛在空間中的表示，表示嵌入向量的均值向量，表示嵌入向量的方差向量，表示正態(tài)分布，其中，，表示嵌入向量的標(biāo)準(zhǔn)差向量，表示從標(biāo)準(zhǔn)正態(tài)分布中采樣隨機(jī)變量。

14、優(yōu)選的，所述解碼器的表達(dá)式如下：

15、；

16、其中，表示重構(gòu)向量中分揀節(jié)點(diǎn)和分揀節(jié)點(diǎn)中邊的存在概率，表示神經(jīng)網(wǎng)絡(luò)。

17、優(yōu)選的，所述損失函數(shù)的表達(dá)式如下：

18、；

19、其中，表示損失函數(shù)，表示分揀圖結(jié)構(gòu)中邊的總數(shù)，表示重構(gòu)向量中分揀節(jié)點(diǎn)和分揀節(jié)點(diǎn)中邊的真實(shí)標(biāo)簽，若邊存在，則，否則，則。

20、優(yōu)選的，所述異常得分生成模塊的表達(dá)式如下：

21、；

22、其中，和表示多層感知器中第層和第層的輸出，且對于最后一層，變?yōu)楫惓５梅?，表示多層感知器中第層的?quán)重，表示多層感知器中第層的偏置項(xiàng)，表示額外的維度，表示額外的維度的權(quán)重。

23、本發(fā)明的有益效果如下：

24、（1）本發(fā)明通過區(qū)域建模單元和圖結(jié)構(gòu)建模單元，系統(tǒng)能夠構(gòu)建出基于目標(biāo)配送區(qū)域的配送網(wǎng)絡(luò)及其分揀流向，并進(jìn)行精確建模，這有助于確保分揀過程中的每個(gè)環(huán)節(jié)都能被動(dòng)態(tài)跟蹤和優(yōu)化，從而提高整個(gè)配送鏈條的效率與準(zhǔn)確性，減少人為錯(cuò)誤和操作失誤，能夠?qū)崟r(shí)識(shí)別潛在的問題，減少因人工巡檢和傳統(tǒng)方式帶來的延誤；

25、（2）本發(fā)明通過異常檢測單元通過基于物聯(lián)網(wǎng)數(shù)據(jù)和已訓(xùn)練的異常檢測模型，對分揀流向進(jìn)行實(shí)時(shí)監(jiān)控，可以及時(shí)發(fā)現(xiàn)異常行為或偏差，如錯(cuò)誤的物品分類、路徑偏離等，這種基于智能算法的異常檢測；

26、（3）本發(fā)明通過異常警報(bào)單元能夠根據(jù)設(shè)定的閾值，自動(dòng)判斷分揀流向的異常等級(jí)，并觸發(fā)預(yù)警，這種自動(dòng)化的報(bào)警機(jī)制能夠極大減少人為判斷的延遲，提高處理問題的響應(yīng)速度，確保在異常情況發(fā)生時(shí)能夠立即采取措施，從而保障配送過程的穩(wěn)定性和安全性。

技術(shù)特征：

1.基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，包括區(qū)域建模單元（1）、圖結(jié)構(gòu)建模單元（2）、異常檢測單元（3）和異常警報(bào)單元（4），具體地：

2.根據(jù)權(quán)利要求1所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述配送網(wǎng)絡(luò)包括多個(gè)配送節(jié)點(diǎn)和多個(gè)配送邊，其中，所述配送節(jié)點(diǎn)與所述配送點(diǎn)相對應(yīng)，所述配送邊與所述配送點(diǎn)之間的道路相對應(yīng)。

3.根據(jù)權(quán)利要求2所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述分揀圖結(jié)構(gòu)包括多個(gè)分揀節(jié)點(diǎn)和多個(gè)分揀流向邊，其中，所述分揀節(jié)點(diǎn)與所述配送點(diǎn)相對應(yīng)，所述分揀流向邊與所述分揀流向相對應(yīng)。

4.根據(jù)權(quán)利要求3所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述異常檢測模型采用圖神經(jīng)網(wǎng)絡(luò)，所述異常檢測模型包括自編碼模塊和異常得分生成模塊。

5.根據(jù)權(quán)利要求4所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述自編碼模塊包括編碼器和解碼器，所述自編碼模塊用于從正常分揀節(jié)點(diǎn)的特征數(shù)據(jù)采樣得到分揀節(jié)點(diǎn)的低維空間表征，其中，所述編碼器基于多層圖卷積根據(jù)所述分揀圖結(jié)構(gòu)對應(yīng)的鄰接矩陣對分揀節(jié)點(diǎn)進(jìn)行卷積嵌入，以得到中間層的嵌入向量的高斯分布參數(shù)，所述解碼器通過圖卷積對分揀節(jié)點(diǎn)的所述嵌入向量進(jìn)行重構(gòu)，以得到重構(gòu)向量，通過最小化輸入特征向量與重構(gòu)向量之間的差異，以得到損失函數(shù)，所述異常得分生成模塊采用多層感知器，所述異常得分生成模塊根據(jù)所述自編碼模塊獲得的特征表示生成異常得分。

6.根據(jù)權(quán)利要求5所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述嵌入向量的高斯分布參數(shù)的表達(dá)式如下：

7.根據(jù)權(quán)利要求6所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述解碼器的表達(dá)式如下：

8.根據(jù)權(quán)利要求7所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述損失函數(shù)的表達(dá)式如下：

9.根據(jù)權(quán)利要求5所述的基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，其特征在于，所述異常得分生成模塊的表達(dá)式如下：

技術(shù)總結(jié)
本發(fā)明涉及分揀異常檢測技術(shù)領(lǐng)域，具體為基于云計(jì)算的物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)動(dòng)態(tài)處理系統(tǒng)，包括區(qū)域建模單元、圖結(jié)構(gòu)建模單元、異常檢測單元和異常警報(bào)單元，具體地：所述區(qū)域建模單元用于基于目標(biāo)配送區(qū)域內(nèi)的所有配送點(diǎn)構(gòu)建配送網(wǎng)絡(luò)，將所述配送網(wǎng)絡(luò)傳輸至圖結(jié)構(gòu)建模單元；基于物聯(lián)網(wǎng)配送終端分揀數(shù)據(jù)獲取目標(biāo)配送物的分揀流向，基于所述配送網(wǎng)絡(luò)和所述分揀流向構(gòu)建分揀圖結(jié)構(gòu)。本發(fā)明通過區(qū)域建模單元和圖結(jié)構(gòu)建模單元，系統(tǒng)能夠構(gòu)建出基于目標(biāo)配送區(qū)域的配送網(wǎng)絡(luò)及其分揀流向，并進(jìn)行精確建模，這有助于確保分揀過程中的每個(gè)環(huán)節(jié)都能被動(dòng)態(tài)跟蹤和優(yōu)化，從而提高整個(gè)配送鏈條的效率與準(zhǔn)確性，減少人為錯(cuò)誤和操作失誤。

技術(shù)研發(fā)人員：李曉煒,王梓凝,馮皓,鄭小蘭,劉莊崠帥,洪林圣,張靜炆,程志,余捷
受保護(hù)的技術(shù)使用者：福建理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2