买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉徐州工程学院;江苏比特达信息技术有限公司申请的专利一种智慧物流分拣方法、系统及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120494662B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510977106.5，技术领域涉及：G06Q10/083；该发明授权一种智慧物流分拣方法、系统及存储介质是由张中强;顾毓;张磊设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本一种智慧物流分拣方法、系统及存储介质在说明书摘要公布了：本发明公开了一种智慧物流分拣方法、系统及存储介质。通过传输机构获取包裹的图像信息，识别包裹的条形码信息并判断识别置信度，若低于预设阈值，控制推动机构将包裹分拣到收集箱内；若高于或等于预设阈值，进行目的地分类，控制分拣机构根据目的地将包裹分配到不同的传送带，检测同一目的地包裹的尺寸和形状，优化分配存储格，控制分类机构将同一目的地的包裹分拣到对应的存储格内。本发明通过识别包裹的条形码信息，将不能识别出条形码信息的包裹分拣到收集箱内，将能够识别出条形码信息的包裹根据目的地的不同分拣到对应的传送带上，同一目的地的快递包裹根据尺寸的不同分拣到对应的存储格内，实现高效的包裹处理。

本发明授权一种智慧物流分拣方法、系统及存储介质在权利要求书中公布了：1.一种智慧物流分拣方法，包括： 步骤1，通过传输机构的采集装置获取包裹的图像信息并进行预处理，基于深度卷积生成对抗网络识别包裹的条形码信息； 步骤2，基于条形码信息判断条形码识别置信度，若所述识别置信度低于预设阈值，则判定包裹的条形码信息识别异常，进入步骤3，若所述识别置信度高于或等于预设阈值，则判定包裹的条形码信息识别正常，进入步骤4； 步骤3，控制推动机构将条形码信息识别异常的包裹分拣到收集箱内； 步骤4，对条形码信息识别正常的包裹进行目的地分类，控制分拣机构根据目的地将包裹分配到不同的传送带； 步骤5，检测同一目的地包裹的尺寸和形状，优化分配存储格，控制分类机构将同一目的地的包裹分拣到对应的存储格内； 步骤6，收集分拣数据，所述分拣数据包括每个包裹的条形码信息识别结果、目的地分类结果、包裹的尺寸和形状检测结果，分析条形码信息识别率、目的地分类准确率和包裹存储效率，根据分析结果优化调整目的地分类和存储格分配； 步骤1中基于深度卷积生成对抗网络识别包裹的条形码信息包括： 构建生成网络G，输入随机噪声向量z，通过多个卷积层、批归一化和激活函数ReLU生成条形码的特征图，表示为： ； 其中，z为随机噪声向量，BatchNormz为批归一化操作，用于对输入z进行标准化，ReLU为激活函数，Conv2D为二维卷积操作，用于提取输入特征中的空间关系； 构建判别网络D，输入标准化后的图像Inorm，通过多个卷积层和LeakyReLU激活函数进行特征提取，表示为： ； 其中，Inorm为标准化后的图像，Conv2D为二维卷积操作，用于提取输入特征中的空间信息，LeakyReLU为激活函数，Sigmoid函数输出0到1之间的值，表示图像为真实条形码的概率； 基于真实图像的损失和生成图像的损失构建对抗损失函数，表示为： ； 其中，Ex~pdatax表示对真实数据的期望值，表示为真实图像的损失，表示为生成图像的损失，x代表真实图像，pdatax是真实数据的分布，Ez~pzz表示对随机噪声z的期望值，Gz是生成网络输出的图像，pzz是噪声的分布； 基于交替优化策略迭代训练判别网络和生成网络，包括采用最小化损失函数LGAN更新判别网络，采用最小化生成图像损失部分更新生成网络； 通过卷积层对训练好的生成网络输出的特征图进行处理，提取关键特征，使用全连接层将提取的特征映射到特征向量F，表示为： F=[f1,f2,…,fi,…,fn]； 其中，fi表示条形码的特征，所述条形码的特征至少包括条形码的类型、尺寸、清晰度； 步骤4中对包裹进行目的地分类包括： 通过OCR光学字符识别模块提取识别条形码中的信息，并将识别出的条形码信息进行预处理转化为特征向量； 将生成的特征向量输入到预训练的多层感知机MLP分类模型； 使用Softmax激活函数对所述分类模型的输出进行处理，计算每个目的地类别的概率分布，表示为： ； 其中，zi是分类模型输出的未归一化得分，Pyi是预测为类别i的概率； 查找概率分布中最大值的索引，确定概率最高的目的地类别，并将该类别作为包裹的最终分类结果； 步骤6中分拣数据还包括以下中的至少一项：包裹相关信息，分拣情况； 每个包裹的相关信息，包括以下中的至少一项：条形码信息，目的地分类结果，包裹尺寸和形状，存储格分配情况； 记录每次的分拣情况，包括以下中的至少一项：条形码识别失败，目的地分类错误，包裹尺寸不匹配； 对收集的数据进行预处理，包括去重、清洗和过滤无效数据； 使用交叉熵损失函数评估多层感知机MLP分类模型，表示为： ； 其中，y是第i个样本的真实标签，是模型对第i个样本的预测概率，N是样本数量； 将收集的分拣数据加入训练集，形成增量学习的数据集，不断更新和重训练模型，表示为： ； 其中，θnew为更新后的模型参数，θold为当前的模型参数，θ是模型参数，η是学习率，是损失函数关于参数的梯度； 根据收集的分拣数据建立适应度函数，表示为： ； 其中，存储效率Eff=，Sused为已使用的存储空间，Stotal为存储空间的总容量，存取速度，∑Ts为包裹的存取时间之和，N为存取的包裹总数，α，β，γ为权重系数; 通过迭代学习调整适应度函数中的权重系数α，β，γ优化存储格分配。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人徐州工程学院;江苏比特达信息技术有限公司，其通讯地址为：221008 江苏省徐州市云龙区丽水路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。