从布局到数据:基于人工智能的路线矩阵生成在物流优化中的应用
ádám Francuz 和 Tamás Bányai
《Mathematics》:From Layout to Data: AI-Driven Route Matrix Generation for Logistics Optimization
ádám Francuz and
Tamás Bányai
【字体:
大
中
小
】
时间:2026年03月10日
来源:Mathematics 2.2
编辑推荐:
摘要:本研究提出了一个端到端的数学框架,用于自动将仓库布局图像转换为适用于优化计算的路线矩阵。目标是将视觉空间信息转换为适合组合路线优化的离散的、基于图的数据表示形式。该问题被构建为从连续图像空间到结构化网格表示的映射过程,整合了图像分割、图构建以及基于旅行商问题(TSP)的路由
摘要:本研究提出了一个端到端的数学框架,用于自动将仓库布局图像转换为适用于优化计算的路线矩阵。目标是将视觉空间信息转换为适合组合路线优化的离散的、基于图的数据表示形式。该问题被构建为从连续图像空间到结构化网格表示的映射过程,整合了图像分割、图构建以及基于旅行商问题(TSP)的路由算法。为了创建带有标签的训练数据,研究人员生成了合成仓库布局,然后训练了一个U-Net卷积神经网络来对仓库元素进行多类分割。预测出的网格表示随后被转换成图结构,其中可行的单元格代表顶点,邻接关系表示边。使用广度优先搜索(Breadth-First Search)计算了最短路径距离,并利用得到的距离矩阵来解决TSP实例。该分割模型在训练数据上实现了约98%的准确率,在验证数据上实现了95-97%的准确率。生成的路线矩阵能够在所有测试场景中成功构建出可行且最优的往返路线。所提出的框架表明,仓库布局可以自动转换为适合物流优化的离散数学表示形式,从而减少了手动预处理的需求,并实现了与数字物流系统的可扩展集成。
1. 引言
近年来,数字化转型已渗透到包括物流和供应链管理(SCM)在内的大多数行业中。人工智能(AI)提供的能力可以改变许多新的物流流程,从而减少处理时间,释放大量资源并节省显著的成本。这些优势既可以为学术研究提供新的创新机会,也为工业实践带来财务节省的可能。由于流程的复杂性,通过利用工具和数字化,每个子流程的效率都可以得到进一步提升。这使得物流优化成为一个多方面的课题,因为有许多模型或算法可以用来解决特定问题。在物流应用中使用AI能力可以显著改善决策过程、优化资源利用并降低环境影响[1]。本研究探讨了将人工智能整合到旅行商问题(TSP)中的方法,因此需要考虑TSP的特殊属性:起点和终点必须相同,且每个定义的点都必须被访问一次。根据这些属性,旅行商问题是一个NP难组合优化问题[2],因为可能的路线数量呈指数级增长(n!),因此只有在小规模情况下才能在合理的时间范围内计算出精确的全局最优解。为了解决这个问题,已经开发了几种元启发式算法,这些算法采用全局搜索策略结合局部改进,从而提供接近最优的解决方案。最常用的算法包括模拟退火(Simulated Annealing,SA)、遗传算法(Genetic Algorithms,GAs)、蚁群优化(Ant Colony Optimization,ACO)和禁忌搜索(Tabu Search,TS)[3]。
有效的仓库布局规划至关重要,因为公司通常都关注保持生产力和竞争力。仓库活动对整个供应链有着显著影响,这也证实了布局规划的相关性[4]。尽管仓储是SCM的关键组成部分,但在供应链研究中,仓储相关的研究仍是一个研究不足的领域,仅占该领域总研究的一小部分[5]。在设计仓库布局时,必须考虑许多参数,这意味着设计过程可以被视为一个复杂的决策问题,不能仅用单一目标函数来解决,而需要通过折中来实现[6]。然而,大多数现有方法假设所需的结构化输入数据(如距离矩阵、邻接图或离散路线表示)已经存在。将视觉仓库布局(例如平面图或基于CAD的图像)转换为适用于优化的图或矩阵表示通常需要手动解释、预处理或基于规则的建模。因此,尽管路线优化本身已经被广泛研究,但将布局图像自动转换为结构化路线矩阵在文献中仍大多未被涉及。这一差距限制了动态环境中的可扩展性,在这种环境中,布局修改需要反复进行手动数据重建。
对于已有布局的仓库,由于所需数据(如路线矩阵、距离值、起点和终点、障碍物等)已经存在,因此路线规划已经是可行的。有许多策略和目标函数可以用于路线规划和控制[7]。
本研究探讨了使用人工智能将仓库布局图像转换为优化路线的过程。文章描述了该框架的功能、优势、局限性以及进一步发展的可能性。通过对文献的系统性回顾,我们分析了已发表研究的结果和联系,然后阐述了我们研究的特定目标和预期优势。文章介绍了用于研究的布局图像的生成步骤、它们的处理过程以及转换为路径矩阵的过程,最后描述了优化算法。本研究的假设是利用现代技术创建一个框架,以减少优化所需的时间和人为干预的需求,从而产生一个可以集成到实际工业系统中的产品,并在学术价值之外具备实际应用价值。本文还讨论了局限性和假设,这些可能激发更多的研究和新的想法。
2. 材料与方法
本节的目的是回顾与研究主题相关的文献,并介绍研究目标和假设。在第一小节中,我们根据关键词检索了已发表的文献,并进行了多次聚类分析,以识别研究的主要焦点和趋势。在第二小节中,我们定义了当前研究的目的以及所创建框架的结构,然后确定了所创建模型的优势和局限性,最后将其与类似主题的研究进行了比较。
2.1. 系统性文献回顾
在系统性文献回顾中,我们使用Scopus数据库来发现已发表的研究,了解其结果、主要趋势和进一步发展的机会。我们通过聚类分析对研究趋势进行分组,以便识别相关的研究领域,这对于确定本研究的目的非常重要。我们使用VOSviewer软件(版本1.6.30)根据主要关键词对研究进行分组。首先,我们过滤出包含“仓库”、“物流”和“优化”关键词的论文,找到了1896篇科学文章。我们使用共现分析来解读这些研究,并仅展示了在文献中出现至少30次的关键词。共现分析是使用“所有关键词”单元进行分析并完全计数的。因此,术语的出现频率仅基于出版物级别的关键词(作者和索引关键词),而不是标题、摘要或全文内容。最终,101个关键词被分为4个聚类,如图1所示。图1显示,搜索到的关键词(仓库、物流、优化)作为最大节点出现频率最高,因为这些关键词出现得最为频繁。蓝色聚类讨论了与经典运筹学和位置问题相关的关键词,其中最相关的关键词是位置选择和配送中心,以及车辆路由和路由算法的研究。位置问题是当前科学研究中的一个特别重要的话题,因为AI自动化了这些问题并减少了人为干预的需求。已发表的研究强调,用作输入的距离矩阵的质量至关重要,因为不准确性可能会扭曲整体优化结果[8]。算法的有效性在很大程度上取决于数据的质量、结构及其预处理[9]。绿色聚类代表了物流优化和成本关注点,主要关键词包括成本削减、敏感性分析和决策制定。这些研究清楚地表明,所有物流优化的目标都是降低成本,因为公司通过提高流程效率来降低成本。这一理论假设是合理的,物流优化直接有助于降低成本和服务质量提升,特别是在决策得到集成分析模型支持的情况下[10]。这些模型基于结构化且可读的输入数据进行各种模拟和优化[11]。前述内容很好地支持了研究假设,即可以使用现有输入数据创建一个由AI支持的优化框架。黄色聚类包括“供应链”和“信息管理”等关键词。在这些研究中,仓库是整个系统的一个组成部分,而不是一个独立对象。大多数文章强调数据和信息控制对于仓库效率的重要性,使仓库不仅是一个物理空间,也是一个数据源[12]。本研究基于上述数据源,因为路线矩阵可以通过处理仓库布局图像来生成。最后一个增长最快的群体是红色聚类,其中包含了AI、机器人技术和现代仓储等关键词。这个群体包含了主要的技术关键词(例如深度学习—DL、强化学习—RL),这表明了与该主题相关的技术能力和发展机会[13]。与此科学研究相关的关键词也可以在这个聚类中找到,如图像处理、布局识别和自动化等术语。已发表的文章显示,人工智能技术显著改善了仓库运营,尤其是在订单挑选和路线规划方面,但通常假设仓库布局是预先确定的[14]。
为了研究人工智能的应用,我们进行了新的搜索,过滤出包含“仓库”、“物流”和“AI”关键词的论文,共找到了174篇科学文章。这一数量较少表明该研究领域的专业化程度较高,同时为新研究和创新解决方案提供了潜力。我们对出现的关键词进行了另一项聚类分析(见图2),并创建了一个包含73个关键词的网络图,这些关键词被分为5个聚类。图2显示,在带有AI的仓库和物流优化研究中,技术概念和分析概念占据主导地位。核心术语如人工智能、优化、仓库和供应链处于中心位置,表明分析方法与运营物流问题之间存在紧密联系。红色聚类围绕人工智能和优化相关主题,包括预测、电子商务和订单挑选。在这些研究中,人工智能主要作为决策支持和分析工具使用,而不是空间建模组件。例如,预测分析显著提高了供应链决策的质量和仓储效率[15]。然而,有效的决策支持需要适当结构化和可靠的数据源,否则分析工具无法有效实施[16]。绿色和紫色聚类反映了与工业4.0相关的概念,如数字孪生、物联网(IoT)、自动化和智能仓库系统。第四次工业革命的核心特征是从物理过程中持续生成和利用实时数据,从而实现自动化和适应性决策[17]。数字孪生范式在数字空间中表示物理系统,并用现实世界的数据不断更新它们,允许进行模拟、预测和优化[18]。混合现实(MR)技术可以通过实现物理世界和数字世界之间的实时交互来进一步增强这一架构[19]。同样,物联网(IoT)连接了传感器、RFID系统、机器和车辆等物理设备,促进了数据交换和分散式决策[20]。尽管这些技术已经被广泛研究,但它们与基于分割的布局解释和基于图的路由优化的集成仍然有限。蓝色聚类包含了机器学习、预测分析和路由相关概念。一些研究应用视觉输入和深度学习技术进行机器人感知和控制[21],而卷积神经网络(CNN)能够从原始图像中提取高级空间特征[22]。然而,这些应用通常专注于感知或控制任务,而不是将视觉布局理解与组合路线优化相结合。黄色聚类代表了经典的供应链管理(SCM)主题,包括库存管理、客户满意度和预测。人工智能和机器学习工具在这些领域的预测性能有了显著提升[23],然而它们的应用通常仅限于需求预测或库存控制。重要的是,这些分析方法的有效性在很大程度上取决于数据的可用性和质量[24]。同时,当前研究中所关注的几个核心概念——如基于图像的布局提取、自动化距离矩阵生成以及布局到图的转换——并没有出现在主要关键词中。这表明,尽管人工智能和数字技术在物流领域得到了广泛研究,但视觉布局数字化与路由优化的结合在文献中仍然是一个相对较少被探索的交叉点。Mahroof指出,现有的仓库研究主要集中在仓库设计、性能和技术使用上,忽视了人工智能在仓库中应用的决定性因素[5]。一些研究将人工智能归类为工业4.0技术,并将其与物联网(IoT)和基于云的计算放在同一水平上。事实是,尽管这一主题的重要性不容否认,但关于物联网技术影响的主要研究结果并不一致且分散[25]。物联网有效运行关键在于可靠且节能的无线网络及其支持技术的集成应用[26]。
人工智能的应用伴随着许多担忧,大多数员工担心会失去工作。Soumpenioti等人在他们的研究中强调,人工智能技术通过自动化改变了物流领域中的角色,并催生了新的职位。像数据录入和库存管理这样的常规任务将会被自动化,从而简化流程并提高运营效率。同时,人工智能的引入也将创造新的就业机会,例如人工智能系统培训师、数据分析师和人工智能战略师[27]。在人机协作(HRC)中,安全性在智能制造和自动化物流领域尤为重要[28]。最流行的文章在整合过程中应用了强化学习(RL)[28]、时间序列分析[29]、信息物理系统[30]、机器学习[31]和禁忌搜索[32]解决方案。对现有文献的详细回顾表明,我们的研究完全符合工业4.0的趋势,并且现有研究很好地涵盖了仓储和供应链管理(SCM)的任务。然而,仍然存在许多新的研究机会,因此我们的研究也可能提供新的创新解决方案。
2.2. 研究目标
本研究的目的是创建一个复杂的端到端框架,该框架能够从视觉输入生成适合优化的路线矩阵,然后利用该矩阵来确定交货路线或车辆路线。研究结果是一个自动化的、离散的空间表示模型,提供了可优化的输入(见图3)。该方法的主要优势在于它能够在动态环境中工作,具有高度的可扩展性。图3. 从布局到优化路线的流程(来源:自行设计)。在传统流程中,首先需要手动解释布局图,专家会检查平面图并决定货架、路径和障碍物的位置。解释之后进行手动或半自动数字化,这可以借助各种软件实现,但在解释具体情况时总是需要人工干预。数字化完成后,需要手动构建路线矩阵,定义可行和不可行的区域,并计算距离。可以在生成的路径矩阵上进行优化,但出发点和到达点以及各种限制必须手动确定。现有错误也需要手动处理。这些过程耗时较长,受人为因素影响较大,难以扩展,并且如果布局发生变化,则整个过程需要重新进行。
作为研究结果开发的方法论中的第一个也是唯一一个手动步骤是将布局图发送给模型,模型会自动处理接收到的图像,并识别出可行区域、货架和障碍物。随后自动生成路径矩阵,在类型级别上每个对象都赋予一个 unique 值,从而创建出可供优化的表示。模型会检查是否可优化,即目标和连接路径的可达性。所创建的优化算法能够识别拣选点并确定最短路线。由于完全自动化,无需人工干预即可进行重新设计。该方法可以完全集成到数字孪生方法中。
该研究的贡献在于,所提出的方法完全替代了手动布局解释、手动路线矩阵创建和预处理步骤,能够减少建模时间和错误校正周期。除了减少处理时间外,该模型还可用于大规模模拟和测试不同场景(例如货架数量、位置等)。
与本研究密切相关的出版物数量有限,此前也没有研究涵盖整个框架的类似主题。然而,已经发表了几篇关于研究某些方面的文章(图像处理、路线矩阵生成、优化),因此建议对这些文章进行分析。图像处理已经在仓库环境中得到应用,但其目的是检测条形码,为此(根据我们的研究)使用了卷积神经网络(CNN),并由无人机处理和应用相关信息。结果表明,这一过程减少了仓库库存所需的时间和条形码扫描过程中出现的错误数量[33]。图像检测也出现在药品仓库管理中,其中使用了 Faster R-CNN 方法来识别药品。随着人工智能的发展,研究结果表明智能仓库管理可以节省成本并提高药房的效率[34]。除了物流领域外,还有研究涉及平面图的处理。这些研究主要基于一般房地产(房屋、公寓)的平面图。即使在人工智能出现之前,也有检测的需求,主要原因是位置服务(LBSs)的发展[35]。根据 Jang 等人的说法,主要问题是室内数据不足,但由于数字化和数据驱动的操作,需求正在迅速增长[36]。因此,自动化操作的主要障碍是数据的缺乏。主要研究领域的总结见表1。表1. 主要研究领域总结。尽管输入的是仓库布局图像,但这项研究并不是一个视觉应用问题,而是一个数学表示问题。我们探讨了如何将连续或离散的空间结构表示为形式化的、可优化的数学对象(图、路径矩阵)。这个问题属于经典的应用数学范畴,涉及离散数学、图论和优化,其中图像处理只是一个工具。由于所开发的方法不是特定于仓库的,而是具有高度可扩展性并适用于各种物流空间,因此这项研究不是一个工业案例研究,而是一个适用于数学学科的通用数学映射框架。
3. 结果
在本节中,我们将介绍所提及框架的结构和研究方法。章节的结构遵循研究流程,提供了实施的流程、结果和限制的完整画面。在第一小节中,我们介绍了研究中使用的随机生成路线矩阵的创建过程、遵循的标准以及生成的图像。第二小节描述了图像处理过程,其中使用了 CNN 和 U-Net 架构。通过分类指标(准确率、混淆矩阵、精确度、召回率)展示了图像处理的质量。基于创建的路线矩阵,我们在第三小节中进行优化,并讨论了本研究的具体参数。
3.1. 布局生成
研究最重要的前提是布局图像,其重要性已在多篇出版物中得到强调[8,9,10,11,16,24]。作为研究的第一步,我们在多个来源和平台上寻找布局图像,但经过长时间搜索后,我们得出结论:没有公开可用的数据库包含足够的数据来训练神经网络,因此需要另一种解决方案来生成训练和测试数据集。由于仓库布局由明确的元素组成,且其结构可以很容易地泛化,我们基于特定逻辑创建了随机生成的布局图像,并应用了几条限制条件。一个重要的前提是,我们只创建了相同大小的(24×30 像素)由墙壁围绕的平面图。在实际应用中,平面图可能更为复杂,但研究的目的是检测高质量的布局图像,即使使用常规大小的平面图也能实现。创建的平面图代表原始材料仓库的布局,符合仓储中的物料流动过程(接收、存储、订单拣选、生产)。为了生成布局图像,我们分析了几个真实的工业平面图以确定相关元素[37,38,39,40,41]。在检查这些图像后,定义了以下对象,这些对象也会出现在随机生成的图像中:
- 墙壁:包围仓库的对象,其作用是封闭区域;
- 货架:仓库的主要元素,用于存储材料;这个元素是优化的关键,因为路线必须到达货架;
- 柱子:仓库中的基本障碍物,在路由过程中必须避开;
- 接收区:接收产品之前存放的地方;它在优化过程中没有重要作用;
- 拣选区:作为优化路线的起点和终点,从而构成了旅行商问题(TSP);
- 入口/出口:布局中的重要元素,但在优化过程中不相关;
- 停靠站:布局中的重要元素,但在优化过程中不相关。
我们使用这些组件来创建随机化的布局图像。为了说明结构,我们使用 Plant Simulation 软件(Tecnomatix Plant Simulation 2302)生成了一些布局的 3D 图像(见图4)。创建的布局看起来像一个真实的原材料仓库。图像显示了货架、接收区和拣选点。图4. 生成的布局示例(来源:Plant Simulation)。我们总共生成了1000张布局图像来训练神经网络。我们还生成了一个.csv文件来伴随这些图像,因为检测问题也可以被视为一个分类任务,CNN 通过各种指标将对象与.csv文件进行比较,从而得出模型的性能。图像是使用 Unity 软件(版本 2022.3.59f1)在 2D 环境中创建的。
布局图像的生成遵循精确且严格的规则以确保结果的真实感。首先定义停靠门和接收区。停靠门的宽度是随机确定的,它们的位置与仓库的北墙对齐。这与接收区的尺寸一起在一定范围内随机确定。入口/出口门位于仓库的东端或西端。这些对象不参与后续的路线优化,但它们在生成真实布局时起着重要作用,并且也可以在检测过程中进行检查。货架的方向在布局生成中起着关键作用。仓库中间有一条永久性的主通道,将仓库分成两部分。货架的方向可以是水平的或垂直的,这是随机确定的。这一二元决策对图结构和后续路线有重大影响。除了主通道外,还会随机出现交叉通道,以实现更加真实且不规则的交通网络。拣选区在仓库内部以随机尺寸和位置创建,创建时会覆盖原有的货架。最后,为了实现真实的布局,还放置了柱子,这些柱子以确定性的网格模式排列。在优化过程中,这些柱子作为算法必须处理的障碍物出现。除了外墙、主通道的宽度、柱子的网格状排列和基本单元层次结构外,其他因素都不受随机值的影响,因此可以得出结论:每个生成的布局都是一致的、可导航的且可优化的。由Unity生成的2D布局可以在图5中找到。图5. 生成的随机2D布局(来源:Unity)。
3.2. 图像分割
在创建了1000个仓库布局后,我们将分析布局图像的处理可能性作为我们研究的主要焦点。在本小节中,我们将逐步介绍神经网络配置的步骤和元素。首先,我们描述问题的特点、要求以及输入和输出的预期。接下来,我们检查并选择最适合问题的架构,提供一个全面而一般的概述。使用该模型,我们创建了整个框架,在此基础上进行训练和优化。我们使用分类评估指标来评估模型。
3.2.1. 问题表述
模型接收合成仓库图像作为输入(X),如前一节所介绍的,输出(Y)是一个离散的、基于单元格的空间表示。在输入时,H和W分别是图像的高度和宽度,每个像素具有3种不同的颜色值(红色、绿色、蓝色—RGB)。最后,ToTensor()转换将值规范化,因此输入公式为
??∈[0,1]3·??·??,
(1)
其中 ?? =?? =256。
模型将输入图像转换为结构化空间数据,形成一个离散的网格,其值代表对象,网格的大小由行和列的数量决定:
??∈[0,…,???1]??·??,
(2)
其中 ?? =30, ?? =24, ?? =8。
由于转换,输入和输出维度不相等。
(??,??)≠(??,??)。
(3)
在3.2节讨论的图像生成过程中,我们还创建了与布局相关联的CSV文件,其结构与这里呈现的输出相同。
神经网络在logit空间中表示输入值(见图6)。图6. 带有logit值的神经网络(来源:自行设计)。在这里,每个类别和像素都有一个logit值,这是神经网络中的中间值,在得到概率值之前。这样做是为了将给定的类别表示为一个原始分数,表明在该像素的情况下它与其他类别的相对强度。如果网络直接学习概率,那么在数值和数学上都会不稳定,因为它必须限制在[0, 1]之间,总和必须为1,并且会出现梯度问题。相反,网络表示logit值,然后通过softmax函数将它们转换为概率[42]。
网络参数化的映射使用学习到的权重:
????: [0,1]3·??·??→???·??·??,
(4)
其中 ?????(??) ∈?8×256×256。
确定了logit值后,我们在网格上表示图像的逐像素概率(D运算符)。我们使用logit值进行表示,因为logit空间是唯一一个可以在没有失真和不稳定性的情况下执行此表示的数学上正确的空间。D是连续且可微的。
??: ???·??·??→???·??·??3?????(??)=???(?????(??))∈?8·30·24
(5)
最后,在单元格级别进行预测,并将(r,s)网格单元格分配给具有最高logit值的类别:
?????,??=??????2max??????,??,??,??2(??),
(6)
其中 ??∈{1,…,??}, ??∈{1,…,??}, ??∈{0,1,…,???1} 且
??=?{ { { { { { { { { { { { { { { {?0 ????? ????2?? ????????? ?????????????????????????? ????? ?????????????? ???????????1 ????? ????2?? ????????? ?????????????????????????? ?? ??????????????3 ????? ????2?? ????????? ?????????????????????????? ?? ??????????????5 ????? ????2?? ????????? ?????????????????????????? ?? ???????? ?????4 ????? ????2?? ????????? ?????????????????????????? ?? ??????????? ????????5 ????? ????2?? ????????? ?????????????????????????? ?? ???????? ????????7 ????? ????2?? ????????? ?????????????????????????? ?? ????2?? ????? }。
(7)
3.2.2. 模型选择
在模型选择过程中,最重要的是选择一个适合任务特定特性的模型。目标是预测一个结构化的、离散的网格,其中网格的拓扑也是一个重要考虑因素;不仅像素,最小误差和偏移量从优化的角度来看也至关重要。
作为初始基线,使用了一个简化的基于编码器的分割网络来解决问题。SimpleSegNet模型是一种编码器类型的CNN,由一系列Conv-ReLU-Pooling块组成,但它需要繁琐且耗时的微调才能为手头的任务找到最佳配置[43]:
?????(??)= ????°?????1°…°??12(??),
(8)
其中 ?? ∈{1,…,??}。
每个????包含卷积层和池化层。然而,这个模型有几个限制,考虑到当前任务的结构,这些限制是关键的。池化层的目的是对输入图像进行子采样,以减少计算负担、内存使用和参数数量(从而限制过拟合的风险)[44]。重复池化会导致定位信息的丢失,这在分割模型中是不可容忍的。如果我们使用L池化层,那么图像的高度和宽度将变为
(??,??)→(??2??,??2??)。
(9)
另一个限制是没有跳跃连接,因为解码器只使用紧邻层的输出,而不是之前的表示,导致信息失真:
~?????1=????2(~????)。
(10)
其中x是层的输出表示(特征图),????是第l层的解码器运算符。由于上述限制,我们在研究中使用U-Net分割模型,其中解码器不仅依赖于池化后的表示,还使用池化前的局部化信息:
~?????1=????2(~????, ?????1),
(11)
其中~????包含深度、抽象的信息,而?????1包含池化前的局部化信息。
3.2.3. U-Net架构概述
U-Net是一种全卷积网络(FCN)架构,专门为像素级图像分割任务设计,特别是在训练数据有限的情况下。其主要动机在于传统CNN模型适合全局分类,但不提供定位信息,即它们不指示对象在图像中的位置。U-Net背后的关键思想是它基于一个对称的编码器-解码器模型(见图7),该模型首先学习特征,然后通过上采样恢复空间分辨率,同时使用跳跃连接步骤直接将定位信息从编码器传输到解码器[45]。由于其拓扑和全局识别能力以及转换到其他维度的能力,U-Net是分割和转换仓库布局图像的合适选择[46]。
图7. U-Net架构(来源:自行设计)。
架构的第一个元素是编码器;其任务是从输入图像中提取空间模式,同时逐渐增加表示的抽象层次。编码器包含卷积层、非线性激活(例如ReLU)和池化层。在此过程中,图像分辨率降低,通道数量增加,使网络能够学习对象的位置和拓扑关系。在解码过程中,模型将学习到的抽象表示转换为空间可解释的形式。此时,图像分辨率增加,网络重新定位对象并细化其决策[45]。
FCN是一种基于编码-解码过程的神经网络,不包含全连接层,能够处理任何大小的图像,并返回空间输出[47]。U-Net与通用FCN相比的关键特征是它有一个跳跃连接元素,该元素将编码器的高分辨率特征图连接到解码器的相应层次。这一步解决了在池化层丢失的定位问题,并恢复了几何精度。这一步使U-Net架构成为一个合适的选择,因为它允许一个拓扑正确且可优化的路径矩阵。
这项任务的一个主要独特特征是输入和输出的大小不匹配,因为输入是图像表示,而输出是离散的图结构。这种情况与U-Net的一般方法不同,但尽管如此,该架构可以通过专门设计解码器步骤来处理这种差异。模型首先使用U-Net生成基于RGB的图像表示,然后将其聚合到结构化网格表示上,从而得到对象和单元格级别的预测。这种逻辑也出现在其他研究中,根据FCN输出可以是不同的性质(例如,更稀疏、更抽象、更结构化),并且不仅适用于像素级别表示[48]。
在本研究中,架构的第一个元素是输入布局图像,模型通过RGB颜色编码在三个通道上接收该图像。U-Net的基本构建块是双卷积块,由两个连续的3×3卷积层组成。在卷积过程中,填充值为1,因此在块过程中空间维度的数量不会发生变化。在第一层,网络产生一个64通道的特征图,代表输入图像的低级结构特征。第一个双卷积块之后是最大池化,分辨率减半,但通道数量保持不变。接下来是另一个双卷积块,通道数量翻倍,空间分辨率保持不变。这一步是U-Net的基本原则之一,其中分辨率的降低意味着可见的空间细节减少,但通道数量的增加允许并行处理多个抽象模式。我们重复这一步四次,最终将通道数量增加到1024。在早期卷积神经网络中已经出现了增加通道数量同时降低空间分辨率的原则[49],后来在许多架构的编码器部分成为常见模式[45,49,50]。模型在瓶颈层处转弯,这是U-Net名称的由来。此时,在上采样步骤中分辨率翻倍,通道数量减半。接下来执行填充,因为池化和上采样操作可能导致最小差异,匹配的大小对于连接特别重要。这之后是一个跳跃连接,其中编码器和解码器的特征图被连接起来。最后,一个双卷积块整合了全局和局部信息,同时通道数量继续减少。在最后的上采样步骤之后,转换在八个通道上进行,因为这是图像中包含的对象数量,转换的结果是对象级别的分割图。最终的离散输出网格是通过插值产生的(见图8)。
图8. 具体的U-Net架构(来源:自行设计)。
3.2.4. 训练配置和优化
在获得必要的数据并初始化模型后,我们进行训练。现有数据被分为80%和20%的训练集和测试集。我们根据Unity生成的真实网格数据比较测试集,因此也可以将任务视为一个监督学习分类问题。训练在PyTorch(版本2.10.0)框架中进行,该框架支持基于CUDA的GPU。在训练过程中,我们使用多类交叉熵损失函数,这是一种众所周知的分割任务选择。为了计算损失函数,我们首先需要使用softmax转换在第3.2.1节讨论的logit值,该转换返回类别概率:
^????,??,??=e3x3p2(????,??,??)∑????=1e3x3p2(????,??,??),??=1,…,??,
(12)
其中^????,??,??是类别c的估计概率;????,?? ∈???是模型为第i个样本的第p个单元格预测的logit向量。单个单元格的交叉熵损失为:
???,??=?l3o3g2(^????,??,????,??),
(13)
其中????,?? ∈{1,…,??}是第i个样本的第p个单元格的类别标签。在优化步骤中,神经网络在批量子集上进行学习,因此必须在批量级别确定总损失:
?=1??×|Ω|3∑??=1∑?? ??3Ω???,??,
(14)
其中N是批量中的训练样本数量,Ω是网格中的单元格集合[51]。在定义了损失函数之后,我们选择了优化算法。模型使用Adam算法进行训练,该算法实现简单,并基于梯度的低阶矩的自适应估计[51]。训练进行了30个周期,以便记录评估指标。在训练循环期间,预测的网格大小与真实矩阵大小不同,因此使用双线性插值对值进行重新缩放。这一步确保损失函数在相同的网格上比较预测和真实标签。插值不修改模型架构,只实现了训练期间使用的输出对齐(见图9)。
图9. 训练过的NN模型的损失和准确率值(来源:Python)。在训练期间,损失(蓝色)随周期单调减小,表明优化是一致的,模型很好地适应了训练数据。训练准确率(绿色)提高到了大约98%,没有下降或训练不稳定性的现象,而验证准确率(红色)在95%到97%之间波动,但稳定性较低,并且在某些时期出现了突然下降。乍一看,这似乎是一个严重问题,但由于测试数据集(200个样本)的规模较小,即使是很少的错误决策也可能产生影响。我们详细研究了验证准确率的突然下降,并发现这主要受到验证数据集规模较小的影响。例如,如果194个样本被正确分类,验证准确率为97%;但如果在随后的一个时期中有3个边界样本被错误分类,正确预测的数量就会减少到191个,导致验证准确率下降到95.5%。我们还观察到,在第28个时期,平均验证准确率为97.27%,但至少有一个验证样本的准确率降低到了89.72%。这表明,少量的难以识别或模棱两可的布局图像(例如部分遮挡的货架或视觉上相似的空区域)可能会暂时降低整体验证性能。总之,模型的评估结果是积极的,因为训练和验证准确率都超过了95%,可以认为模型能够以足够高的质量处理仓库布局图像。
为了对模型进行持续的评估,建议使用其他的评价指标。为此,我们在第3.1节中使用Unity在布局生成过程中创建了数字网格表示,以便将模型预测的值与原始网格值进行比较,这也可以被视为一个监督学习分类问题,并可以应用相同的评估指标。下图直观地展示了预测结果:左边是Unity生成的值,中间是模型的预测结果,右边是匹配的部分(黄色)和差异部分(紫色)。下面例子中的准确率为98.3%。
图10清楚地展示了U-Net模型在图像内容分割方面的质量和准确性。通过分组对象,可以检查模型识别了哪些对象以及识别的程度。混淆矩阵是展示这一点的合适工具(见图11)。图10显示了生成的网格值和预测的网格值(来源:Python);图11显示了混淆矩阵(来源:Python)。在图11中,大多数值都位于主对角线上,这证实了98%的准确率。模型最显著的错误在于未能识别7像素宽度的货架对象以及误将某些区域识别为空区域。尽管如此,可以认为这些对象的识别质量是足够的,并且适合用于物流优化。
4. 优化
尽管研究的主要目标是模拟布局图像并对对象进行分割,但检查所获得结果的实用性也是有用的。在本章中,我们研究了预测网格结果的可优化性及其在物流行业的适用性。对于优化,我们首先使用了广度优先搜索(BFS)图搜索算法。为了找到从s到v的最短路径,我们从s开始,检查可以通过一条边到达的所有顶点中是否存在v,然后检查可以通过两条边到达的所有顶点中是否存在v,依此类推[51]。设??=(??,??),??={(??,??) | ????????????(??,??)∈??},??={((??,??),(??,??)) | |?????|+|?????|=1}。(15)其中V是可行单元的集合。每个顶点对应一个坐标为(i,j)的网格点,该点满足给定单元属于可通行单元类型集合(W)的条件。E表示四个相邻单元之间的边。当两个顶点(i,j)和(k,l)垂直连接时,它们之间才有一条边。生成的图是一个无权图,每条边的移动成本为单位步长。每条边的权重???(??) = 1,因此目标函数为min??:??→??∑??∈?????(??)(16),其中?? ∈??是起点,?? ∈??是终点。BFS通过分层遍历确保在具有均匀成本的图中找到最优解[52]。我们通过记录距离矩阵构建步骤来测试BFS的运行时间。对于每个布局,BFS会对图中的每一对节点( picking点 + 货架相邻的目标单元)执行操作,即?? ·(?? ?1)/2次调用。在一个有196个节点的典型布局中,这导致了19,110次BFS调用。此次布局的总BFS时间为8.81秒,平均每次BFS调用时间为0.46毫秒。这表明单个BFS查询在计算上较为轻量级,而总体运行时间主要由填充完整距离矩阵所需的多次BFS调用所主导。
在确定了最短的部分路径后,我们定义了优化问题中的关键节点。路径的起点是拣选区域(对象5),空区域(对象0)也可以用于路径,并且必须能够到达每个货架(对象7)。目标集可以定义为:??={(??,??) ∈?? | ?(??,??)∈??: |?????|+|?????|=1}(17),其中V是可行单元的集合,它包含路径可通行的每个网格点(i,j);S是需要经过的货架集合,这些货架与单元垂直相邻。BFS算法不需要只执行一次,而需要对每一对目标(T)都执行,以便获得距离矩阵:????,??=????????????(????,????),????????????(????,????)=?????????(????,????)(18)。我们基于距离矩阵构建TSP路径,要求起点和终点匹配,并且每个点t仅被访问一次:min?????∑??=1??????,????+1(19)。由于路由算法直接作用于预测的分割网格上,分类错误会传播到图构建阶段。货架对象的错误分类可能会改变目标集??,可能导致遗漏或错误定义的访问节点。障碍物或可通行区域检测的错误会影响可行顶点集??,从而可能扭曲图?? =(??,??)的连通性结构。
在实际应用中,错误的障碍物检测可能会由于人为限制了可通行性而增加路径长度,而错误的障碍物忽略检测可能会生成在计算上可行但在物理上不可行的路径。在极端情况下,分割错误可能会产生不连续的组件,使得某些目标无法到达,从而导致不可行的TSP实例。然而,由于高分割准确率(约98%)和混淆矩阵中观察到的错误分类的空间范围有限,在实验评估中并未遇到不连续的图或不可行的路线实例。
TSP是一个NP难度问题,目前没有已知的多项式时间算法能够在所有情况下保证最优解[2,3]。因此,在实践中通常使用启发式方法来解决问题,正如这里介绍的方法一样。我们对生成的布局图像分割进行了路径规划和物流优化。图12也表明路径成功创建,这无疑证明了布局图像不仅在理论上有效,而且在实际应用中也适合用于物流优化。
5. 结论
在文献回顾中还发现,将人工智能模型整合到物流行业中非常流行,并提供了许多机会,例如在整个供应链管理(SCM)过程或仓储操作中。AI模型可以与工业4.0、物联网(IoT)和数字孪生技术相结合,从而带来创新和现代化的方法,改革当前的物流流程。AI模型的主要类别之一是图像处理,它跨越了多个行业并提供了可持续的解决方案。研究其在物流中的作用非常重要,尽管有创新性的解决方案,但相关的研究却很少。这项研究清楚地表明,可以使用CNN架构(见图13)来开发解决工业问题的方法。图像处理展示了从图像中生成的数据的质量和价值,这些数据可以用来创造企业价值。对于每家公司来说,利用现有数据非常重要,但将其他类型的信息转换为可用数据也非常有价值,可以支持公司的运营和效率。通过创建一个通用的端到端框架,我们获得了关于整个过程挑战和机会的具体反馈。在布局生成过程中,我们识别了原材料仓库的主要特征、重要元素和可随机化的选项,并最终创建了1000张布局图像及其对应的网格(真实值)。作为下一步,我们处理了这些图像并对其中的对象进行了分割。在此过程中,我们分析了卷积神经网络的可能性,并选择了最适合该任务的架构。U-Net的主要优势在于它在解码过程中利用了编码过程中存储的信息,通过合并两种来源来结合局部和全局信息,从而得到高质量的模型。在训练过程中,我们将生成的图像分为80%和20%两部分,并在30个周期内对模型进行了训练。借助真实值数据,我们能够进行全面评估,因为图像处理被转化为分类任务,使我们能够在像素级别分析预测结果和实际结果。在训练过程中,训练损失持续减少,训练准确率达到了98%。
在完成建模后,我们专注于在物流环境中测试预测的路径,因为理论模型的验证尤为重要,它可以提供关于可用性的良好反馈。我们在预测的网格值上构建了一个往返规划算法,确定了起点和终点、可到达的单元以及路径必须经过的仓库点。该算法成功创建了最优路径,这证明了构建的模型提供了可用的最终结果,完成了端到端的框架。
6. 讨论
研究的目的是探讨处理布局图像的可能性,因为在文献回顾中发现,AI在物流行业的应用提供了许多机会,但已发表的研究数量较少[5],特别是在图像处理领域。本研究创建了一个完整的端到端框架,以确保我们的结果能够完全整合到物流应用中,而不仅仅是提供一个理论模型。通过生成布局图像、将其适配到模型中、进行评估并应用优化算法,我们成功创建了该框架,并在模型层面(98%准确率)和实际应用层面(算法创建)对其进行了验证。我们研究的局限性在于使用了生成的布局图像,因为没有包含真实图像的数据库,因为每家公司都对其布局图像保密且不公开。作为进一步的发展步骤,我们决定在真实的、基于CAD的布局图像上测试该模型,以检验其可用性。路径性能本质上取决于布局分割阶段的准确性。由于用于基于BFS的路径查找的网格表示直接来源于分割输出,分类错误可能会传播到路径查找过程中。错误的障碍物检测可能导致人为阻断的通道,从而产生不可行的路径或过长的行驶距离。相反,遗漏的障碍物检测可能会生成在实际上无法通行的过短路径。货架位置或拣选点的错误分类可能会进一步扭曲距离矩阵,最终影响基于TSP的路径优化的质量。因此,分割准确性是获得可靠路径结果的关键前提,提高分割的鲁棒性可以直接提升路径的可行性和解决方案的最优性。作为未来的研究方向,可以考虑将鲁棒性机制纳入流程中,例如基于置信度的网格过滤、连通性约束的后期处理验证,或者考虑分割不确定性的概率路径模型。集成错误检测层或实施结构一致性约束可以进一步减少分割错误传播到优化阶段的风险。需要指出的是,本研究中的路由公式化是有意简化的,目的是为了单独验证布局到图的转换框架。当前实现假设了一个无向的四邻域网格,具有均匀的遍历成本和静态障碍物。在现实世界的仓储环境中,可能会出现额外的运营约束,如单向通道、动态障碍物、拥堵效应、时间窗口、多机器人协调,或容量和任务优先级约束。然而,这些约束主要影响边集??、边权重???(??)的定义,或是优化目标的结构,而不是图像到图的转换本身。所提出的框架是模块化的且可扩展的:有向边可以模拟单向通道,时变权重可以捕捉拥堵情况,通过扩展优化层还可以纳入多代理路由。因此,尽管本研究在简化假设下验证了可行性,但从布局图像到结构化图表示的数学映射仍然适用于更复杂的路由公式化。尽管本研究采用了一种新方法并提出了一个通用框架,但我们的研究不仅仅产生理论结果。该方法的主要价值在于我们能够验证所创建的数据可以从非主要来源获取,这为将该模型应用于各种现代工具开辟了新的方向。研究表明,使用这种方法,自动引导车辆(AGVs)可以根据图像规划可通行的路线用于拣选订单或其他仓储流程,而无人机可以为RFID识别流程创建路线。这些例子是现代解决方案,很好地反映了数字孪生技术的应用,但通过应用所提出的方法,这些流程可以变得更加智能化。