Diseño y optimización de sistemas logísticos inteligentes basados en visión artificial y el modelo SSD-MobileNetV2

Resumen

Con el fin de optimizar el sistema logístico inteligente, mejorar los indicadores de logística y transporte, reducir la ocurrencia de usos indebidos y aumentar la eficiencia operativa del sistema, en este artículo utilizamos MobileNetV2 y SSD (Single Shot MultiBox Detector) para construir los datos operativos de un sistema logístico inteligente. Empleamos la simplificación de datos multisignales de SSD para minimizar el transporte, la clasificación y la organización, y la integramos con MobileNetV2. En primer lugar, se utiliza el método MobileNetV2 para juzgar los datos gráficos y de píxeles en logística, simplificar la complejidad de los datos y determinar los puntos clave de los mismos. Los resultados muestran que los valores del modelo SSD MobileNetV2 para el transporte conforme, el ajuste de velocidad, la transmisión de datos cruzados, los datos de transporte, el tiempo de selección, la ocupación del sistema y las tareas multilogísticas son 0.12, 0.59, 0.47, 0.68, 0.64, 0.36, 0.78 y 0.67, respectivamente. Estos valores son

significativamente mejores que los de 0.14, 0.44, 0.32, 0.41, 0.44, 0.11, 0.15 y 0.27, lo que indica que el método propuesto en este artículo puede optimizar significativamente el índice logístico. En cuanto a la distancia de transporte, las tasas completas de los métodos SSD, MobileNetV2, estadísticas manuales y SSD-MobileNetV2 fueron 35.36%, 22.08%, 30.12% y 42.75% respectivamente, lo que demuestra que el método SSD-MobileNetV2 tuvo el mejor efecto de optimización. Se puede concluir que SSD-MobileNetV2 puede optimizar el sistema logístico inteligente y mejorar su efecto operativo.