传统的仓库管理，一般依赖于一个非自动化的、半自动化为基础的系统来记录、追踪进出的货物，完全由人工实施仓库内部的管理，因此仓库管理的效率极其低下，所能管理的仓库规模也很小。
随着企业规模的不断发展，仓库管理的物资种类机数量在不断增加、出入库频率剧增，仓库管理作业也已十分复杂和多样化，传统的仓库作业模式和数据采集方式已难以满足仓库管理的快速、准确要求，严重影响了企业的运行工作效率，成为制约企业发展的一大障碍。
目前RFID技术正在为供应链领域带来一场巨大的变革，以识别距离远，快速，不易损坏，容量大等条码无法比拟的优势，简化繁杂的工作流程，有效改善供应链的效率和透明度。基于RFID 的仓库管理系统是在现有仓库管理中引入RFID 技术，对仓库到货检验、入库、出库、调拨、移库移位、库存盘点等各个作业环节的数据进行自动化的数据采集，保证仓库管理各个环节数据输入的速度和准确性，确保企业及时准确地掌握库存的真实数据，合理保持和控制企业库存。通过科学的编码，还可方便地对物品的批次、保质期等进行管理。利用系统的库位管理功能，更可以及时掌握所有库存物资当前所在位置，有利于提高仓库管理的工作效率。
伴随着人工智能时代的到来，智能仓库管理的监控也达到一种新的应用水平，智能电子围栏、火警监控、睡岗监控，都可以有效的得到无人值守的模式。
索昂软件基于V9打造的智能仓储管理系统，结合OA系统&仓库管理系统，配合人工智能，实现了RFIP&人工智能监控的结合高效应用。
一、智能RFID扫描仓管应用问题分析
传统仓库管理系统通常使用条码标签或是人工仓库管理单据等方式，这些管理方式有着明显的缺点：
1、条码管理：易复制、不防污、不防潮而且只能近距离读取。
2、人工录入：档工作繁琐，数据量大易出错漏，增加仓储环节人工成本，进出库状态难以管控。
3、手工盘点：工作量大，盘点效率低，导致盘点周期长，货物缺失或被偷盗不能及时发现，而且难以确定理货位置。
4、单据：单据缺乏统一标准。
5、管理：管理不规范，无法有效管理。
系统优势
1. 出入库盘点将更准确、快速：
传统入仓出仓数据不是实时申报，很多是事后录入，库存数据滞后。RFID智能仓库系统入库、出库数据自动采集，数据实时上报，免去传统仓库管理手工录入滞后、录错的缺点；通过RFID叉车或RFID手持机可以将实时装卸货信息提交到主机系统，相对传统方案的手工记录而后录入电脑的方案，库存的实时性和准确性有很大的提高，效率也得到很大提升。
2. 提高运行效率：
通过手持机终端、叉车终端等实时执行子系统实现了现场查询、现场操作、现场提交。叉车司机、理货人员等一线员工能够通过相关设备，获取相关信息，进行操作，也能把操作结果及时的反馈给系统，加强了沟通效率，从而提高员工效率。
3. 提升管理水平：
现场核对货物和库位，单据自动生成，避免人工处理带来的出错率。同时，系统全程记录货物的移动过程，实现了可追溯性，堵塞了可能发生的管理漏洞。
4. 降低成本：
不需要持续投入；系统规模没有限制，硬件设备可选；单位时间可以进出更多的货物，单位库容可以流转更多的货物；省时间、省成本。
系统介绍
业务场景流程图
（图-RFID应用场景流程图）
系统方案架构图
（图-RFID架构图）
系统网络拓扑图
·
（图-网络拓扑图）
系统框架结构图
系统应用功能模块
快速入库：
货品数量多且重的情况下，卸货后放到叉车上，叉车行驶过程中经过装有RFID读写器的龙门框时，会自动读取到货品的信息以及与之对应的RFID标签信息并上传到服务器中，同时详细信息也会显示在事先安装好的仓库大门上的显示器中。若读取到的信息与事先导入清单中的信息存在差别，会产生报警提醒。
（图-RFIP读写器示意图1）
（图-RFIP读写器示意图2）
入库分配：
利用RFID技术智能分拣货物的工业化设备，模块化自动分拣，根据货品上RFID标签信息内容，智能分拣货物，操作简单、上手快、坚固耐用、使用寿命长，支持“入库配”模式，适用于大货铺货和逆向物流。
智能出库：
货品出库时经RFID读写器扫描，将扫描得到的数据同服务器中的数据进行对比，只允许通行已确认出库的货品，通过未确认出库的货品会发生报警提醒。
盘点管理：
通过RFID手持设备扫描货架、标签，进行动态实时管理，可快速识别大批量货品，盘点速度达到单人单机1.2万件2小时。扫描完成后的结果可在PC端或移动端随时查看，方便仓储管理人员实时掌握盘点情况。
智能货架：
使用RFID固定式读写器+RFID天线对货架标签信息和货品标签信息进行比对，实时监控，如放置错误即报警提示，可及时提醒仓储管理人员将货品放置到正确的货架上，有效防止发、放错货情况发生，寻找物料从此不再耗时耗力。
（图-智能货架）
报表分析：
可根据客户需求，设计研发定制化软件，对采集到的货品信息进行解析，提供库存周转分析、仓库利用分析等功能，并可对滞留货品进行醒目式提示，完美支持移动端/PC端大屏展现，真正实现物联网数据可视化。
二、人工智能EasyMonitor监控识别实现的无人值守
依托百度大脑人脸、人体、图像识别等视觉能力，针对视频监控场景，预置丰富的AI业务技能，包含电子围栏、安全帽佩戴检测、烟火检测、陌生人检测、离岗/睡岗检测、攀高检测、车辆违停分析、人流过密预警等，零算法门槛，开发者可快速搭建一套多路智能视频监控系统，应用在安全生产、园区管理、校园监控等业务场景。
只需准备好一个支持RTSP/RTMP流的摄像头，即可对接视频流查看监控分析结果；正式应用支持本地服务器私有化部署、软硬一体方案（EM-BOX视频分析边缘计算盒）。
产品构成
EasyMonitor私有化部署方案由两部分组成：技能模型服务、客户端管理系统。
功能模块 | 说明 |
技能模型服务 | 可以在本地GPU服务器上完全离线运行的AI模型、技能运算引擎 |
客户端管理系统 | 本地运行的业务管理系统，可视化操作界面，在本地添加、关联摄像头后，即可查看事件分析结果 |
EasyMonitor 私有化部署方案提供配套的API接口服务，支持二次开发。
接入流程
私有化部署依赖GPU资源，请先准备好GPU显卡及基础硬件。
选择所需的业务技能，填写项目信息，提取并上传指纹文件
私有化部署至内网，可以实现电子围栏防盗监控、烟火监控、离岗监控等，可实现白名单管理、黑名单管理。
2．3 客户端使用
讲解如何在客户端系统添加摄像头、配置技能及查看预警功能。
安装部署包成功后，执行如下两步操作，即可访问可视化页面：
输入地址：可输入http://ip:8000 进行访问,其中ip为您本地的ip地址。
登陆页面：默认登录用户名为admin，默认密码为admin2020!。（注：2020后边的感叹号也是密码的一部分）
Step1：连接你的摄像机
您需要提前准备好支持RTSP流的摄像头，点击设备列表-->添加设备进行摄像头信息输入。
视频流地址 ：此处请填写摄像头设备的RTSP流地址
Step2：抽帧设置
设备添加成功后，点击抽帧设置即可为摄像头设备设置抽帧策略和监控时间段，推荐1帧/s。
Step3：选择技能，配置图像分析区域
在设置完抽帧技能后，等待设备连接成功后即可进行在设备管理页面配置AI技能。
选择行业技能
此处行业技能选择为多选，选择前需要对技能进行人脸库、阈值等配置。
注：
1、对于陌生人检测、电子围栏等涉及到人脸搜索比对的技能需要进行人脸库的配置，您需要提前关联人脸库
2、人脸库支持多选，若您想对人脸库进行操作，请到菜单栏「人脸库管理」中进行管理。
设置图像分析区域
选择行业技能点击[保存并继续]后，进去图像分析区域设置界面，您可以在画面中通过画点连线的方式来自定义图像指定位置区域进行检测，若您想要监控整个画面，则无需对画面进行操作，直接点击确定进行下一步操作。
注：画面设置需要拉取您的摄像头RTSP流，对您的网络要求比较高，如果产生图片拉取失败的现象，可以检查一下网络状态重试。
· 检验效果
在图像设置完成后，即可体验您的技能配置效果啦，点击[完成配置]即完成设备及技能的配置。
Step4：查看事件
配置完摄像头后，您可以在「事件总览」中查看摄像头的事件类型及报警信息，点击图片可查看详细的报警信息。
人脸库管理
如果您选择了陌生人识别等技能，您可以对摄像头设备执行人脸识别操作。
在[人脸库管理]中，进入[我的人脸库]-->[人脸组]-->添加人脸，进行人脸照片上传以及人脸信息的填写。
2．4 技能展示
技能列表
技能ID | 技能名称 | 英文名称 |
10 | 人员违规闯入 | system_aipe_trespassers |
12 | 陌生人检测 | system_aipe_stranger_detect |
13 | 攀高检测 | system_aipe_person_climbing |
14 | 离岗检测 | system_aipe_leave_job |
15 | 人流过密预警 | system_aipe_peoplenum_alert |
16 | 睡岗检测 | system_aipe_sleep_atwork |
18 | 安全帽佩戴合规检测 | system_aipe_safety_helmet_detect |
19 | 烟火检测 | system_aipe_smokefire_detect |
20 | 车辆违停分析 | system_aipe_vehicle_violation |
电子围栏
实时监控核心区域，基于人体识别技术，判断是否有人员闯入；可进一步结合人脸识别判定身份信息，事先定义白名单人脸库，当闯入人员不在白名单里，才进行告警。
使用模型：人体检测、人脸识别（可选）
应用场景示例：重型机械运转区域，人员闯入告警
技能使用说明：
设置图像分析区域后，如果人体检测所得矩形区域和图像分析区域有重叠，即会产生告警。因此，会出现看似人体在图像分析区域外，但是产生告警事件。
设置图像分析区域时，应注意避免将反光物体划入分析区域内，如镜子、玻璃等。否则，如果反光物体上反射出了人体或人影，也会产生告警事件。
设置图像分析区域时，建议避开光线不足、阴影较多的区域。
电子围栏与陌生人检测的区别：
电子围栏：检测是否有人员进入标记区域，人脸识别为可选项（部分场景可能拍不到人脸）。
陌生人检测：人脸识别为必选项，需事先定义白名单人脸库，发现不在白名单中的陌生人则告警提醒（检测不到人脸的人员亦视作陌生人），如果是白名单人员则放行。
安全帽佩戴合规检测
面向工地、工厂车间、工业园区等场所，若检测到有工人未佩戴安全帽（含拿在手里、夹在腋下等情况），则发出告警提醒，减少安全隐患。
使用模型：人体关键点识别、安全帽检测
应用场景示例：施工现场工人穿戴合规检测、预警
技能使用说明：
摄像头架设说明：建议摄像头监控距离不超过25米、高度不超过8米。
场景光照条件说明：建议避开弱光和逆光场景，如果画面中人体较暗，则难以判断安全帽佩戴与否。
监控区域内人数建议：为保证技能运行效果，建议监控区域内施工人员≤5人。如果监控区域内施工人数较多，建议将抽帧频率设定为2秒1帧或更低。
推荐拍摄场景和角度：
应避开的场景和角度： 在上图中，由于监控区域内人员逆光，因此从视觉上很难判断是否佩戴安全帽。
陌生人检测
在园区、工地/工厂、学校等场所布控，事先定义白名单人脸库，发现不在白名单中的陌生人则告警提醒（检测不到人脸的人员亦视作陌生人），加强环境安全监督。
使用模型：人体检测、人脸识别
应用场景示例：出入口的人员通行权限管理、园区周边可疑人员监控
技能使用说明：
为了保证人脸识别的准确度，建议摄像头安装位置应尽可能满足以拍摄正脸为主。如有偏差，则上下左右偏差角度θ≤15°。
在进行技能配置时，可设置针对不同质量的人脸进行告警。如果您的摄像头清晰度较低，或监控区域内摄像头较模糊，可设置“人脸质量”为“中”或“低”。在此情况下，技能将在分析前过滤掉不清晰的人脸和偏差角度较大的侧脸。
在进行技能配置时，可设置是否对可疑人员进行告警。如果设置为对可疑人员进行告警，则针对因脸部模糊导致无法识别是否在人脸库中的人员，都会进行告警。
烟火检测
在建筑工地、工厂车间、餐饮后厨、户外林区等场景下，监控是否有烟火出现，及时告警提醒，减少人身财产安全损伤。
使用模型： 烟火检测
应用场景示例：室内外消防监控预警
技能使用说明：本技能识别烟雾、火焰并实时告警。
建议正式使用前的测试过程中，选择真实场景进行测试。
由于着火初期烟雾颜色较淡，建议避免使用白色墙壁作为背景，防止轻烟的漏检。
烟和火必须在大小超过20*20像素时才能进行识别。对于肉眼无法识别的图片，无法实现告警。
人流过密预警
实时监控机场、车站、展馆、景区等公共场所的人流量，当人数超过设定上限时告警提醒，及时发现人群异常聚集等情况，合理疏散、导流，规避安全事故。
使用模型：人流量统计
应用场景示例：公共场所人群密度监控分析
技能使用说明：人流过密预警技能适用于中高空俯拍场景，人群密集场所尤为适用。
攀高检测
基于电子围栏，实时监控楼宇、工地、社区等场所的高风险区域，发现攀高行为则及时告警提醒，避免异常攀高导致安全事故。
使用模型：人体检测
应用场景示例：园区围墙、施工现场等户外危险区域攀爬预警
车辆违停分析
基于电子围栏实时监控，发现车辆违规停放时告警提醒，可自定义违停时间周期（如连续停放1分钟才算违停，避免误伤路过车辆）；若检测到车牌，可进一步识别车牌信息。
使用模型：车辆检测、车牌识别（可选）
应用场景示例：城市道路、园区/社区机动车辆违停监测
离岗检测
面向工厂车间、门店前台等场景，基于人体识别、电子围栏，判断员工是否在岗位上；可结合人脸进一步精确判定离岗情况，若岗位上有人、但不在员工人脸库中，也视作离岗。
使用模型：人体检测、人脸识别（可选）
应用场景示例：柜台、前台、监控室、操作间等关键岗位员工在岗情况分析
在岗
离岗
睡岗检测
面向前台、柜台等场景（需能够检测到人脸，多数情况下需要1对1摄像头拍摄），分析一段连续时间内，能否同时检测到人体、人脸，判断员工是否睡岗，提升人员管理效率。可自定义图片告警阈值，如连续20张图片未检测到人脸才算作睡岗。
使用模型：人脸识别、人体检测
应用场景示例：柜台、前台等接待型岗位（摄像头近距离拍摄），员工睡岗现象监测
正常工作
睡岗
睡岗检测（工业版）
针对工厂、车间等生产环境（因摄像头拍摄角度/距离等因素，无法检测到有效人脸），通过分析一段时间内人体是否发生位移，判断工人是否睡岗，及时告警提醒，减少安全隐患。可自定义告警周期，如连续5分钟未发生位移才算作睡岗。
使用模型：人体检测
应用场景示例：监控室、操作间等核心岗位，员工睡岗现象监控预警
正常工作
睡岗