CN120198056A 基于工业物联网的仓储物品管理方法、系统、设备及介质

(19)国家知识产权局(10)申请公布号CN120198056A(71)申请人成都秦川物联网科技股份有限公司地址610100四川省成都市龙泉驿区经开区南四路931号(72)发明人邵泽华李勇权亚强苏利龙古云松(74)专利代理机构广州三环专利商标代理有限公司44202专利代理师周俊(54)发明名称基于工业物联网的仓储物品管理方法、系本发明涉及基于工业物联网的仓储物品管型并实时更新货位状态，结合待存放货物的基础信息及预测存储时长，确定候选存储区域及其优先级；根据区域优先级和实时存储状态确定最优存储区域，并规划最优存放路径，最后控制货物移动设备完成仓储物品存储操作。本申请解决了现有技术中高密度立体仓库缺乏基于货物基础信息和预测存储时长的动态优化能力，导致仓储空间分配不合理的技术问题，达到了基于工业物联网实时监控仓储状态，并根据货物的基础信息获取待存放货物的基础信息，其中所述基础信息包括待根据所述基础信息，获取所述待存放货物的预测长基于所述基础信息确定多个候选存储区域，并基础信息和所述预测存储时长，确定多个候选根据多个候选存储区域的存储区域优先级和所述实时存按照所述存放路径，控制货物移动设备将所述待存放货21.基于工业物联网的仓储物品管理方法，其特征在于，应用于仓储物品管理系统，所述仓储物品管理系统包括管理平台、传感网络平台和对象平台，所述对象平台包括货位安装建立目标仓库三维模型；通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；获取待存放货物的基础信息，其中所述基础信息包括待存放货物的体积信息、重量信根据所述基础信息，获取所述待存放货物的预测存储时长；基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到所述最优存储区域的存放路径；按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放完成后更新所述实时存储状态模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述基础信息，获取所述待存放构建货物存储预测网络，所述货物存储预测网络包括货物分析子模型和时长预测子模根据所述基础信息和所述货物分析子模型，得到所述待存放货物的存储特征；根据所述基础信息、所述存储特征和所述时长预测子模型，得到所述待存放货物的预测存储时长。获取历史货物存放记录，并基于所述历史货物存放记录生成历史货物基础信息集、历史货物存储特征集和历史货物存储时长集，所述历史货物存放记录具有多个历史存放品根据所述多个历史存放品类对所述历史货物基础信息集和历史货物存储特征集进行分类，获取多个历史货物基础信息子集、多个历史货物存储特征子集和多个历史货物存储时长子集；根据所述多个历史存放品类建立品类信息提取层，并根据多个历史货物基础信息子集和多个历史货物存储特征子集建立多个存储特征映射层；将所述多个存储特征映射层并行连接至所述品类信息提取层，获取所述货物分析子模根据所述多个历史货物基础信息子集、多个历史货物存储特征子集和所述多个历史货物存储时长子集建立多个存储时长映射层，构成所述时长预测子模型；将所述货物分析子模型和所述时长预测子模型进行连接，获取所述货物存储预测网34.根据权利要求1所述的方法，其特征在于，所述基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先根据所述基础信息中的体积信息和重量信息，确定适用货位规格，基于所述适用货位规格和所述目标仓库三维模型确定多个候选存储区域；基于所述基础信息中的品类信息，获取所述待存放货物的存储环境要求；根据所述预测存储时长和所述存储环境要求，计算所述多个候选存储区域的适用性评基于多个候选存储区域的适用性评分对多个候选存储区域进行排序，得到各候选存储区域的所述存储区域优先级。5.根据权利要求4所述的方法，其特征在于，所述根据所述预测存储时长和所述存储环构建如下公式所示的适用性评分计算公式：区域的平均存储时长，R₁表示存储环境要求中第i个环境指标的要求值，V;表示候选存储区获取各所述候选存储区域的平均存储时长和环境指标实际值；基于待存放货物的所述预测存储时长、所述存储环境要求、以及各候选存储区域的所述平均存储时长和所述环境指标实际值，结合所述适用性评分计算公式，获取各候选存储区域的适用性评分。6.根据权利要求1所述的方法，其特征在于，所述根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域，包括：基于所述存储区域优先级依次遍历多个候选存储区域；在所述实时存储状态模型中查询当前遍历的候选存储区域的占用状态；若所述当前遍历的候选存储区域为空闲状态，则将当前遍历的候选存储区域确定为所述最优存储区域。7.根据权利要求1所述的方法，其特征在于，所述利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到所述最优存储区域的存放路径，包括：基于所述实时存储状态模型建立可通行路径网络；在所述可通行路径网络中，将所述入库口的位置坐标作为起始节点，将所述最优存储区域的位置坐标作为目标节点；根据所述起始节点和所述目标节点，在所述可通行路径网络中搜索最短路径，得到所述存放路径。8.基于工业物联网的仓储物品管理系统，其特征在于，所述仓储物品管理系统包括依4次通信连接的管理平台、传感网络平台和对象平台，所述对象平台包括货位安装传感器，所述对象平台用于实时采集目标仓库中的货位占用状态信息，所述传感网络平台用于获取所述货位占用状态信息并将所述货位占用状态信息传输至管理平台，所述管理平台包括：模型建立模块，用于建立目标仓库三维模型；仓储建模模块，用于通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；货物信息模块，用于获取待存放货物的基础信息，其中所述基础信息包括待存放货物时长预测模块，用于根据所述基础信息，获取所述待存放货物的预测存储时长；区域筛选模块，用于基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；区域优选模块，用于根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；路径规划模块，用于利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到所述最优存储区域的存放路径；存储执行模块，用于按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放完成后更新所述实时存储状态模型。存储器，用于存储计算机软件程序；处理器，用于读取并执行所述计算机软件程序，进而实现权利要求1-7任意一项所述的方法。10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现如权利要求1-7任意一项所述的方法。5技术领域[0001]本发明涉及工业物联网领域，尤其涉及基于工业物联网的仓储物品管理方法、系背景技术[0002]随着现代物流业的快速发展，高密度立体仓库在各行业得到广泛应用。在仓储物品管理过程中，合理的空间分配对提高仓储效率具有重要意义。目前，高密度立体仓库的货物存储位置分配通常采用固定分区或经验管理的方式进行，缺乏动态优化机制。具体的，现有的仓储物品管理在进行货物存储位置分配时，往往只考虑当前的仓储空间状态，未能充分利用货物的基础信息(如体积、重量、品类等)和存储时长等信息，使得仓储空间无法得到合理利用，导致仓储空间分配不合理。发明内容[0003]本申请的主要目的在于提供基于工业物联网的仓储物品管理方法、系统、设备及介质，旨在解决现有技术中高密度立体仓库缺乏基于货物基础信息和预测存储时长的动态优化能力，导致仓储空间分配不合理的技术问题。[0004]为实现上述目的，本申请提供基于工业物联网的仓储物品管理方法，应用于仓储物品管理系统，所述仓储物品管理系统包括管理平台、传感网络平台和对象平台，所述对象平台包括货位安装传感器；所述方法包括：建立目标仓库三维模型；通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；获取待存放货物的基础信息，其中所述基础信息包括待存放货物的体积信息、重量信息、品类信息；根据所述基础信息，获取所述待存放货物的预测存储时长；基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到所述最优存储区域的存放路径；按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放完成后更新所述实时存储状态模型。[0005]可选地，所述根据所述基础信息，获取所述待存放货物的预测存储时长，包括：构建货物存储预测网络，所述货物存储预测网络包括货物分析子模型和时长预测子模型；根据所述基础信息和所述货物分析子模型，得到所述待存放货物的存储特征；根据所述基础信息、所述存储特征和所述时长预测子模型，得到所述待存放货物的预测存储时长。[0006]可选地，所述构建货物存储预测网络，所述货物存储预测网络包括货物分析子模型和时长预测子模型，包括：获取历史货物存放记录，并基于所述历史货物存放记录生成历史货物基础信息集、历史货物存储特征集和历史货物存储时长集，所述历史货物存放记录具有多个历史存放品类；根据所述多个历史存放品类对所述历史货物基础信息集和历史货6、β为权重系数，且α+β=1;获取各所述候选存储区域的平均存储时长和环境指标实际[0010]可选地，所述根据多个候选存储区域的存储区域优先级和所述实时存储状态模7平台、传感网络平台和对象平台，所述对象平台包括货位安装传感器，所述对象平台用于实时采集目标仓库中的货位占用状态信息，所述传感网络平台用于获取所述货位占用状态信息并将所述货位占用状态信息传输至管理平台，所述管理平台包括模型建立模块、仓储建执行模块。其中，模型建立模块用于建立目标仓库三维模型；仓储建模模块用于通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；货物信息模块用于获取待存放货物的基础信息，其中所述基础信息包括待存放货物的体积信息、重量信息、品类信息；时长预测模块用于根据所述基础信息，获取所述待存放货物的预测存储时长；区域筛选模块用于基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；区域优选模块用于根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；路径规划模块用于利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到最优存储区域的存放路径；存储执行模块用于按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放完成后更新所述实时存储状态模型。[0013]此外，为实现上述目的，本申请还提供一种电子设备，包括存储器和处理器。存储器用于存储计算机软件程序；处理器用于读取并执行所述计算机软件程序，进而实现基于工业物联网的仓储物品管理方法。[0014]此外，本申请还提供一种非暂态计算机可读存储介质，所述存储介质中存储有计算机软件程序，所述计算机软件程序被处理器执行时实现基于工业物联网的仓储物品管理方法。[0015]本申请所能实现的有益效果如下：建立目标仓库三维模型，为后续仓储物品管理提供模型基础；通过货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于货位占用状态信息更新目标仓库三维模型，得到实时存储状态模型，通过工业物联网系统实时掌握仓库状态，构建动态的数字化仓储模型，为后续优化决策提供了准确的数据基础。获取待存放货物的基础信息，其中基础信息包括待存放货物的体积信息、重量信息、品类信息，为分配存储位置提供了必要的货物特征数据。根据基础信息，获取待存放货物的预测存储时长，为存储位置的合理分配提供了重要的决策依据。基于基础信息确定多个候选存储区域，并基于基础信息和预测存储时长，确定多个候选存储区域的存储区域优先级，建立存储区域优评估机制。根据多个候选存储区域的存储区域优先级和实时存储状态模型，确定待存放货物的最优存储区域，实现了存储位置的智能化决策，保证了空间分配的合理性。利用实时存储状态模型规划待存放货物从目标仓库的入库口到最优存储区域的存放路径，提高了存放效率。按照存放路径，控制货物移动设备将待存放货物存放至最优存储区域，并在待存放货物存放完成后更新实时存储状态模型，实现了存储过程的自动化执行，并确保了仓储状态数据的实时更新。[0016]通过上述步骤，解决了现有技术中仓储物品管理缺乏基于货物基础信息和存储时长的动态优化能力导致仓储空间分配不合理的技术问题，实现了仓储空间的合理分配。8附图说明[0017]图1为本发明提供的基于工业物联网的仓储物品管理方法的流程示意图；图2为本发明提供的基于工业物联网的仓储物品管理系统的结构示意图；图3为本发明提供的电子设备的结构示意图；图4为本发明提供的一种计算机可读存储介质的结构示意图。基于工业物联网的仓储物品管理系统100,管理平台101,传感网络平台102,对象平台103,模型建立模块11,仓储建模模块12,货物信息模块13,时长预测模块14,区域筛选模块15,区域优选模块16,路径规划模块17,存储执行模块18,电子设备200,存储器210,处理器220,计算机程序211,计算机可读存储介质300。[0019]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式[0020]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。于解释在某一预设姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该预设姿态发生改变时，则该方向性指示也相应地随之改变。电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技案、或B方案、或A和B同时满足的方案。另外，各个实是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。[0024]实施例一：如图1所示，本发明实施例提供了基于工业物联网的仓储物品管理方法，应用于仓储物品管理系统，仓储物品管理系统例如可以为基于工业物联网的仓储物品管理系统，基于工业物联网的仓储物品管理系统可以包括管理平台、传感网络平台和对象平台，对象平S1:建立目标仓库三维模型；S2:通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于9所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；S3:获取待存放货物的基础信息，其中所述基础信息包括待存放货物的体积信息、S4:根据所述基础信息，获取所述待存放货物的预测存储时长；S5:基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；S6:根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；S7:利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到最优存储区域的存放路径；S8:按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放完成后更新所述实时存储状态模型。[0025]具体而言，本申请实施例提出的基于工业物联网的仓储物品管理方法具体应用于基于工业物联网的仓储物品管理系统。该基于工业物联网的仓储物品管理系统由三个主要平台构成，即管理平台、传感网络平台和对象平台，其中对象平台配置有货位安装传感器。管理平台作为系统的中央控制单元，负责数据处理、业务逻辑执行及用户交互界面呈现；传感网络平台充当数据传输的中间层，负责协调并管理各类传感设备间的通信网络，确保信息传输的可靠性与稳定性；对象平台则是物理实体层，包含部署于仓库各货位的货位安装[0026]首先，将某高密度立体仓库作为目标仓库，通过激光测距设备获取目标仓库的空的空间尺寸数据构建目标仓库的基础框架模型，得到目标仓库三维模型。接着，根据目标仓库内部的货架布局信息，在目标仓库三维模型中添加货架结构，并将每个货位赋予唯一的三维坐标标识。随后，通过货位安装传感器实时采集目标仓库中的数据。其中，货位安装传感器可根据需求进行配置，例如包括但不限于红外传感器和重力传感器，红外传感器用于检测货位空间是否被占用，重力传感器用于确认货物的实际放置状态。接着，根据货位安装传感器采集的数据确定目标仓库中的货位占用状态信息，并根据货位占用状态信息更新目标仓库三维模型，即将传感器组件采集的占用状态数据通过货位的唯一标识映射到目标仓库三维模型中对应货位的属性字段，形成实时存储状态模型。每当通过货位安装传感器检测到占用状态变化，就会触发更新操作，确保实时存储状态模型中的状态信息与实际情况保持一致。然后，通过仓库入库端的数据采集设备采集待存放货物的体积信息、重量信息和品类信息，作为待存放货物的基础信息。其中，体积信息通过三维扫描仪对待存放货物进行扫描获得，包括货物的长度、宽度和高度数据；重量信息通过入库端的电子秤采集获得，记录货物的实际重量值；品类信息则通过扫描货物的电子标签或条形码获取，包含货物的类型、规格等属性信息。基础信息的采集过程是自动化的，可以确保数据的准确性和及时性。当待存放货物到达入库端时，数据采集设备自动启动采集流程，完成对货物各项基础信息的采集和记录。同时，对采集到的数据进行预处理和格式化，确保数据的规范性和可用性。这些基础信息将作为后续预测存储时长和确定存储区域的重要依据。[0027]随后，根据基础信息获取待存放货物的预测存储时长。例如，首先从仓库管理系统的数据库中提取历史货物的基础信息和实际存储时长数据，建立统计样本集；然后，通过对样本集中基础信息与存储时长之间的关联关系进行分析，建立回归预测模型。具体地，利用多元线性回归方法，将货物的体积信息、重量信息作为自变量，将存储时长作为因变量，通过最小二乘法计算得到回归系数。对于品类信息，采用独热编码的方式转换为数值特征后加入回归模型。最后，将待存放货物的基础信息输入已训练好的回归模型，即可得到预测存储时长。接着，对目标仓库中的存储区域进行分类和特征提取，根据待存放货物的基础信息，如体积、重量等参数，从分类后的存储区域中筛选出符合存放条件的候选存储区域。然后，综合考虑货物的存储需求与各候选存储区域的特征参数，并将预测存储时长作为重要指标，结合其他存储条件进行综合评估，为每个候选存储区域计算出一个适用性分数。此后，根据计算得到的适用性分数对候选存储区域进行排序，从而确定各个候选存储区域的存储区域优先级，确保待存放货物被分配到最适合的存储区域。[0028]之后，采用优先级遍历的方式，按照存储区域优先级从高到低的顺序，依次检查各候选存储区域在实时存储状态模型中的当前状态。当检查到某个候选存储区域处于空闲状态时，将该区域直接确定为最优存储区域，从而完成存储区域的确定。然后，明确货物运输的起点和终点位置。其中，起点为目标仓库的入库口位置，终点为已确定的最优存储区域位之后，通过路径规划算法计算得到一条从入库口到最优存储区域的合理运输路径，作为待存放货物的存放路径，确保货物运输的安全性和效率。接着，将规划好的存放路径转换为货物移动设备可执行的运动指令序列。将这些指令发送至货物移动设备，控制其按照预定路径将待存放货物运送至最优存储区域。当货物移动设备完成存放任务后，接收到存放完成的状态反馈，随即更新实时存储状态模型中相应货位的占用状态，以保持模型与实际仓储状态的一致性。这种自动化的存放控制方式既提高了存放效率，又确保了仓储状态信息的实时准确性。[0029]作为一种可选的实施方式，所述根据所述基础信息，获取所述待存放货物的预测S41:构建货物存储预测网络，所述货物存储预测网络包括货物分析子模型和时长预测子模型；S42:根据所述基础信息和所述货物分析子模型，得到所述待存放货物的存储特S43:根据所述基础信息、所述存储特征和所述时长预测子模型，得到所述待存放货物的预测存储时长。[0030]具体而言，在根据基础信息获取待存放货物的预测存储时长时，首先，构建由货物分析子模型和时长预测子模型组成的货物存储预测网络。该网络采用双子模型的结构设计，能够分阶段对货物信息进行深入分析和预测。将待存放货物的基础信息输入至货物分析子模型中进行处理。货物分析子模型通过对基础信息进行特征提取和分析，得到能够表征待存放货物存储特性的存储特征。这些存储特征包含了货物在仓储过程中的关键属性信息。随后，将待存放货物的基础信息和通过货物分析子模型得到的存储特征一起输入至时长预测子模型。时长预测子模型基于输入的信息，通过建立的预测映射关系，计算得到待存放货物的预测存储时长。这种基于双子模型的预测方法，通过分步骤提取和利用货物信息，11提高了预测的准确性。[0031]作为一种可选的实施方式，所述构建货物存储预测网络，所述货物存储预测网络包括货物分析子模型和时长预测子模型，包括：S411:获取历史货物存放记录，并基于所述历史货物存放记录生成历史货物基础信息集、历史货物存储特征集和历史货物存储时长集，所述历史货物存放记录具有多个历史存放品类；S412:根据所述多个历史存放品类对所述历史货物基础信息集和历史货物存储特征集进行分类，获取多个历史货物基础信息子集、多个历史货物存储特征子集和多个历史货物存储时长子集；S413:根据所述多个历史存放品类建立品类信息提取层，并根据多个历史货物基础信息子集和多个历史货物存储特征子集建立多个存储特征映射层；S414:将所述多个存储特征映射层并行连接至所述品类信息提取层，获取所述货物分析子模型；S415:根据所述多个历史货物基础信息子集、多个历史货物存储特征子集和所述多个历史货物存储时长子集建立多个存储时长映射层，构成所述时长预测子模型；S416:将所述货物分析子模型和所述时长预测子模型进行连接，获取所述货物存储预测网络。[0032]具体而言，在构建货物存储预测网络时，首先，获取历史货物存放记录。历史货物存放记录包含了货物在仓库中的完整存储周期数据，基于这些记录提取出历史货物基础信息集(包含历史货物的体积、重量、品类等基础信息)、历史货物存储特征集(包含历史货物在存储过程中表现出的特征数据)和历史货物存储时长集(包含历史货物的实际存储时长数据)。这些历史货物存放记录涵盖了多个历史存放品类，确保数据的多样性和代表性。接着，基于多个历史存放品类对提取的数据集进行分类整理。具体地，将历史货物基础信息集和历史货物存储特征集按照品类划分，得到多个历史货物基础信息子集、多个历史货物存储特征子集和多个历史货物存储时长子集。这种分类处理使得后续的模型训练能够更好地捕捉不同品类货物的特征。[0033]在建立模型结构时，首先，根据多个历史存放品类建立品类信息提取层，该层通过对品类信息进行编码和特征化处理，将不同品类的货物映射为对应的特征向量。同时，根据多个历史货物基础信息子集和多个历史货物存储特征子集建立多个存储特征映射层，每个映射层建立了不同品类货物从基础信息到存储特征的转换关系。通过将多个存储特征映射层并行连接至品类信息提取层，形成完整的货物分析子模型，该子模型能够根据货物的品类和基础信息得到其存储特征。然后，利用多个历史货物基础信息子集、多个历史货物存储特征子集和多个历史货物存储时长子集建立多个存储时长映射层。对于每个品类，基于对应的历史数据训练存储时长映射层，使其能够根据货物的基础信息和存储特征预测存储时长。这些训练好的存储时长映射层构成时长预测子模型。之后，将货物分析子模型和时长预测子模型进行连接，获取完整的货物存储预测网络。该网络通过货物分析子模型提取货物特征，再由时长预测子模型预测存储时长，实现存储时长的预测。[0034]作为一种可选的实施方式，所述基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级，包括：S53:根据所述预测存储时长和所述存储环境要求，计算所述多个候选存储区域的各候选存储区域的存储区域优先级。优先级的高低反映了各存储区域对该货物的适用程度，N表示环境指标的总数，α、β均为0到1的权重系数长通过统计历史存储数据得到，环境指标实际值通过存储区域的环境监测设备采集获得。S63:若所述当前遍历的候选存储区域为空闲状态，则S72:在所述可通行路径网络中，将所述入库口的位置坐标作为起始节点，将所述最优存储区域的位置坐标作为目标节点；S73:根据所述起始节点和所述目标节点，在所述可通行路径网络中搜索最短路[0045]具体而言，在规划待存放货物的存放路径时，首先，基于实时存储状态模型建立可通行路径网络。具体地，通过分析实时存储状态模型中的货位占用情况，识别当前仓库内未被占用且可供货物运输设备通行的通道。对于已被占用的货位或通道，将其标记为不可通行区域。通过将所有可通行通道连接起来，形成完整的可通行路径网络，该网络准确反映了当前仓库内部的实际通行状况。然后，在构建的可通行路径网络中确定路径规划的起点和终点。将目标仓库入库口的三维位置坐标设定为起始节点，该节点代表货物进入仓库的初始位置；将已确定的最优存储区域的三维位置坐标设定为目标节点，该节点代表货物最终存放的目标位置。这两个节点的确定为后续的路径搜索提供了明确的空间约束。之后，在可通行路径网络中，采用路径搜索算法(如Dijkstra算法或A*算法),以起始节点和目标节点为约束条件，搜索一条距离最短的可通行路径。在搜索过程中，考虑通道的宽度、转弯半径等约束条件，确保规划的路径满足货物运输设备的运动要求。搜索得到的最短路径即为待存放货物从入库口到最优存储区域的存放路径，该路径既保证了运输距离的最短，又确保了运输过程的可行性。[0046]本申请第二实施例提供基于工业物联网的仓储物品管理系统，如图2所示，该基于工业物联网的仓储物品管理系统100包括依次通信连接的管理平台101、传感网络平台102和对象平台103,对象平台103包括货位安装传感器，该对象平台103用于实时采集目标仓库中的货位占用状态信息，传感网络平台102用于获取货位占用状态信息并将该货位占用状态信息传输至管理平台101,所述管理平台101包括模型建立模块11、仓储建模模块12、货物信息模块13、时长预测模块14、区域筛选模块15、区域优选模块16、路径规划模块17和存储执行模块18.其中，模型建立模块11用于建立目标仓库三维模型；仓储建模模块12用于通过所述货位安装传感器实时采集目标仓库中的货位占用状态信息，并基于所述货位占用状态信息更新所述目标仓库三维模型，得到实时存储状态模型；货物信息模块13用于获取待存放货物的基础信息，其中所述基础信息包括待存放货物的体积信息、重量信息、品类信息；时长预测模块14用于根据所述基础信息，获取所述待存放货物的预测存储时长；区域筛选模块15用于基于所述基础信息确定多个候选存储区域，并基于所述基础信息和所述预测存储时长，确定多个候选存储区域的存储区域优先级；区域优选模块16用于根据多个候选存储区域的存储区域优先级和所述实时存储状态模型，确定所述待存放货物的最优存储区域；路径规划模块17用于利用所述实时存储状态模型规划所述待存放货物从所述目标仓库的入库口到所述最优存储区域的存放路径；存储执行模块18用于按照所述存放路径，控制货物移动设备将所述待存放货物存放至所述最优存储区域，并在所述待存放货物存放