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！

龙图腾网获悉中国外运华南有限公司申请的专利集装箱落位筛选方法、系统、存储介质和电子设备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：CN115511151B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210993739.1，技术领域涉及：G06Q10/04；该发明授权集装箱落位筛选方法、系统、存储介质和电子设备是由叶增健;郑克欧;江坚;李特;马振华设计研发完成，并于2022-08-18向国家知识产权局提交的专利申请。

本集装箱落位筛选方法、系统、存储介质和电子设备在说明书摘要公布了：本发明提供了一种集装箱落位筛选方法、系统、存储介质和电子设备，所述方法通过构建集装箱的3D堆场模型，结合所述3D堆场模型、所述深度学习模型进行迭代训练，而后接收待落位的集装箱的装卸指令，根据训练完成的所述深度学习模型确定当前待落位集装箱的最优落位以及操作路径，根据所述操作路径驱动作业机构将所述待落位集装箱移动至所述最优落位。本申请的集装箱落位筛选方法充分考虑了当前堆场内集装箱的堆放情况，并通过评估关键指标对于深度学习模型进行训练，能够使得确定的落位和操作路径根据准确，较实际翻箱率有较高的优化效果，具备实际生产应用的可行性。

本发明授权集装箱落位筛选方法、系统、存储介质和电子设备在权利要求书中公布了：1.一种基于深度学习的集装箱落位筛选方法，其特征在于，所述方法包括以下步骤： S1：构建集装箱的3D堆场模型； S2：获取集装箱堆场的历史堆场数据及历史作业数据，根据所述历史堆场数据及历史作业数据确定深度学习模型中的参数信息； S3：结合所述3D堆场模型、所述深度学习模型进行迭代训练，将训练过程的评估指标与参考作业数据进行比对，当两者误差在预设误差范围内时，所述深度学习模型训练完成； S4：接收待落位的集装箱的装卸指令，根据步骤S3训练完成的所述深度学习模型确定当前待落位集装箱的最优落位以及操作路径，根据所述操作路径驱动作业机构将所述待落位集装箱移动至所述最优落位； 步骤S1包括： S11：确定放置集装箱的箱区的规模大小； S12：根据堆场的箱数据对当前堆场内堆放的各个集装箱进行渲染；所述箱数据包括堆位尺寸和集装箱的箱尺寸； S13：根据集装箱的堆放规则要求，确定当前堆场内允许的入堆落位或翻箱落位集合； S14：统计各堆场的关键指标并在3D堆场模型中显示；所述关键指标包括堆场利用率、当前出入堆集装箱个数、总翻箱量、单个柜的翻箱量、作业机构运动至堆位的距离中的任一项或多项； 所述参数信息包括堆场状态特征、动作状态特征和奖励函数； 所述堆场状态特征根据堆场的属性特征和集装箱的属性特征确定； 所述动作状态特征为将当前集装箱置于堆场中的某一堆位需要进行的操作动作集合； 所述奖励函数用于计算奖励积分，所述奖励积分根据最小化翻箱量、二次翻箱量以及作业机械的运动距离确定； 步骤S3包括： S31：初始化t时刻状态空间S，具体包括：设置当前集装箱堆场的状态以及即将作业的集装箱操作，并设置单步允许的最大错误操作数； S32：根据t时刻环境状态s，选择动作空间A中的某个可选动作a，判断该动作是否满足业务校验规则，如不满足则存档当前状态，记录奖励rs,a，并将单步错误操作数加1，继续选择下一动作进行判断，直至单步错误数到达设置允许的最大错误操作数，结束当前迭代；如果当前所选择的动作匹配当前即将作业的集装箱状态且符合业务校验规则，记录奖励rs,at，进入t+1时刻并更新环境状态为St+1 S33：通过设置不同的迭代次数或模型参数，对模型进行训练，统计训练过程中的关键评估指标，将所述关键评估指标与参考作业数据进行比对，当两者误差在预设误差范围内时，所述深度学习模型训练完成。

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中国外运华南有限公司，其通讯地址为：516000 广东省广州市黄埔区海员路97号11-16、18层；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”。

以上内容由龙图腾AI智能生成。