本发明涉及一种智能调度系统，更具体的说是涉及一种物流园区复杂作业场景非线性智能调度系统。
背景技术：
1、物流园区是依托相关物流服务设施降低物流成本、提高物流运作效率，改善物流服务有关的流通加工、原材料采购，便于与物资销售地直接联系的生产等活动、具有产业发展性质的经济功能区；物流园区作为城市物流功能区，包括多种业态，例如物流中心、配送中心、运输枢纽设施、运输组织及管理中心和物流信息中心，以适应城市物流管理与运作需要的物流基础设施；物流园区内有各种各样的物资要转移，因此包装转移形式、装卸方式、运输形式和储存能力也随着生产资料的不同而变化，是综合性的；此外，物流园区的综合性也决定了物流园区具有复杂性特点，具体体现在内部结构的复杂性和调度管理策略上的复杂性。物流园区还是多种物流作业模式的衔接点，各种物流作业模式又需要用到多种物流作业设施，为了能够适应不同物流园区内部的物流企业和三方物流服务企业的需要，物流作业设施又存在着时间和空间上的高效调度和安全控制的难题。
2、虽然这些数字化、智能化、智慧化物流园区都是集成了大数据、云计算、人工智能等先进的信息化、数字化技术手段，但是现有技术对现实世界中物流园区复杂作业场景的处理能力还比较缺乏，尤其是涉及大量操作员参与的非线性复杂作业场景。这些场景往往具有作业执行时间较长、作业环节较多、作业现场数据不完整、实时性较差，以及存在大量需要机械或人工搬运的情况。虽然光电扫描器等个人数字化设备已经普及，能够实现通过作业现场无线通信网络和远程云端服务器保持链接，实时更新作业其实时间、终止时间，以及状态，为优化调度复杂作业提供了数据基础。但是，针对复杂作业场景，作业现场操作员的实际作业状态、作业进度、作业场地设备的占用情况，往往处于模糊状态，而复杂作业之间存在的大量的嵌套、穿插、等待等非线性环节，造成更为复杂的技术难题。智能调度系统往往需要在复杂作业执行效率和操作员满意度之间进行平衡。
3、现有数字化技术尚难以解决这类技术难题，现有解决方案是通过对员工进行培训，并通过建立作业现场多级管理团队来保持处理复杂作业的默契协同。由此可见对于操作员的管理是提高效率的关键，而目前现有的智能调度系统无法实现对于操作员的多目标跟踪，进而无法实时掌握复杂作业的作业状态、作业进度，以及作业场地设备占用情况。
技术实现思路
1、针对现有技术存在的不足，本发明的目的在于提供一种由主从跟踪系统全景摄像机等设备组成的系统，以及一种多目标跟踪技术对操作员进行实时跟踪，实时掌握复杂作业的作业状态、作业进度，以及作业场地设备占用情况；同时提供一种根据这些数据进行复杂作业场景非线性智能调度的算法。
2、为实现上述目的，本发明提供了如下技术方案：一种物流园区复杂作业场景非线性智能调度系统，其特征在于：包括：
3、主从跟踪式全景摄像机，该主从跟踪式全景摄像机设有多个，多个主从跟踪式全景摄像机通过局域网连接，用于监控区域覆盖物流园区复杂作业现场，采集复杂作业场景的实时视频数据后上传；
4、人工智能服务器，与主从跟踪式全景摄像机连接，以接收主从跟踪式全景摄像机上传的视频数据，并对视频数据进行识别分析，输出分析结果；
5、非线性调度服务器，与人工智能服务器连接，以接收人工智能服务器输出的分析结果，根据分析结果优化非线性调度决策；
6、个人数字终端，该个人数字终端设有多个，与各个操作员一一对应，该个人数字终端均与非线性调度服务器连接，用于为操作员提供便携式的作业数据交互功能，进而接收作业指派数据或返回货物扫码和作业完成状态数据。
7、作为本发明的进一步改进，所述主从跟踪式全景摄像机为海康威视星光级主从跟踪式全景摄像机，人工智能服务器选用海康威视ai开放平台超脑，个人数字终端选用兴通xt8003er型号。
8、本发明另一方面还提供了调度方法，包括如下步骤：
9、步骤一，主从跟踪式全景摄像机实时跟踪操作员轨迹；
10、步骤二，人工智能服务器识别复杂作业区域、作业进度；
11、步骤三，非线性调度服务器优化非线性调度决策；
12、步骤四，操作员通过个人数字终端接收并执行非线性调度作业任务；
13、步骤五，操作员完成非线性调度作业任务后返回原作业流程。
14、作为调度方法的进一步改进，所述步骤一中主从跟踪式全景摄像机实时跟踪操作员轨迹的具体步骤如下：
15、步骤一一，通过主从跟踪式全景摄像机采集视频数据；
16、步骤一二，根据步骤一一采集的视频数据生成训练数据集；
17、步骤一三，构建卷积神经网络模型，通过步骤一二生成的训练数据集进行并行训练，训练生成模型参数后输入到人工智能服务器。
18、作为调度方法的进一步改进，所述步骤二中人工智能服务器识别复杂作业区域和作业进度的具体步骤如下：
19、步骤二一，通过主从跟踪式全景摄像机采集视频数据；
20、步骤二二，根据步骤二一采集的数据生成实时视频数据流；
21、步骤二三，对操作员的作业区域进行定位，进行操作员对象分割和识别；
22、步骤二四，将操作员实时跟踪的位置数据更新保存到数据库中。
23、作为调度方法的进一步改进，所述步骤二三中对操作员的作业区域进行定位的具体方式为：首先进行模型训练，获得定位模型，然后根据获得的模型进行复杂作业区域识别。
24、作为调度方法的进一步改进，所述步骤二三中进行模型训练获得定位模型的具体步骤如下：
25、步骤1：模型训练开始；
26、步骤2：主从跟踪式全景摄像机采集视频数据；
27、步骤3：对视频图像进行图像像素操作；
28、步骤4：进行形态学开运算；
29、步骤5：查找轮廓边缘检测；
30、步骤6：识别面积最小外接矩阵；
31、步骤7：对视频图像中的识别数据进行数据扩充；
32、步骤8：生成复杂作业区域标注后数据文件；
33、步骤9：进行tensorflow格式转换；
34、步骤10：对tensorflow模式进行配置超参数；
35、步骤11：输入模型网络进行训练；
36、步骤12：生成训练完成得到预训练模型文件；
37、步骤13：转换为协议缓冲文件；
38、步骤14：供tensorflow推理分类算法调用；
39、步骤15：训练结束；
40、其中，步骤1至步骤15循环训练1000次，并对模型的识别效果进行检验。
41、作为调度方法的进一步改进，所述步骤二三中进行复杂作业区域识别的具体步骤如下：
42、步骤16，主从跟踪式全景摄像机采集视频数据；
43、步骤17，输入个人数字终端交互数据；
44、步骤18，将步骤16和步骤17的数据输入训练获得的tensorflow模型；
45、步骤19，输出复杂作业区域数据、复杂作业进度和复杂作业进度。
46、作为调度方法的进一步改进，所述步骤三中非线性调度服务器优化非线性调度决策的具体步骤如下：
47、步骤三一，执行原始作业方案；
48、步骤三二，评估插入新作业代价，若代价高则返回步骤三一回到执行原始作业方案，若代价低则确定受影响作业次序，然后继续下一步；
49、步骤三三，更新新作业所需设备集合；
50、步骤三四，将复杂作业和作业区域进行编码，得到配置作业排序码和配置区域排序码；
51、步骤三五，启动蚁群遗传非线性优化过程，首先启动种群两阶段编码，更新作业排序码和区域排序码，之后进入蚁群迭代循环，如果不结束循环，进行选择操作，执行两个操作：交叉操作和变异操作，；
52、其中，交叉操作包括作业码单点交叉和根据约束进行调整；而变异操作包括作业码变异和区域码变异；更新后的结果返回到结束循环的判断，若判断为结束循环，则进入优化求解过程，继续下一步；
53、步骤三六，输入遗传算法较优解，将较优解转化为蚁群算法初始化信息素分布矩阵，蚁群算法初始化，设置nc=0，应用蚁群算法进行优化；更新蚁群算法信息素分布矩阵；更新计数器nc=nc+1；判断是否解无明显改进？如果较优解还有明显改进，则返回到应用蚁群算法进行优化下一个迭代；否则已经求到了非线性调度最优解，生成新的作业调度方案。
54、本发明的有益效果，本发明针对物流园区复杂作业现场中操作员作业周期长、任务复杂度高，应对作业插入等非线性调度需求灵活度低的问题，提供了采用多个主从跟踪式全景摄像机的解决方案，并借助人工智能专用服务器提供的ai开放平台，综合实时跟踪操作员轨迹算法、识别复杂作业区域、作业进度等状态信息算法，以及非线性优化调度决策算法，解决了物流园区复杂作业执行过程中操作员、设备、区域、货物的实时跟踪和状态更新，并为非线性优化决策提供了技术手段，解决了现有技术条件下只能通过现场管理团队进行人工调度的难题，进一步提升了物流园区复杂作业现场的数字化和智能化水平，提升了物流园区复杂作业整体绩效和管理绩效。
1.一种物流园区复杂作业场景非线性智能调度系统，其特征在于：包括：
2.根据权利要求1所述的物流园区复杂作业场景非线性智能调度系统，其特征在于：所述主从跟踪式全景摄像机为海康威视星光级主从跟踪式全景摄像机，人工智能服务器选用海康威视ai开放平台超脑，个人数字终端选用兴通xt8003er型号。
3.一种应用权利要求1或2所述物流园区复杂作业场景非线性智能调度系统的调度方法，其特征在于：包括如下步骤：
4.根据权利要求3所述的调度方法，其特征在于：所述步骤一中主从跟踪式全景摄像机实时跟踪操作员轨迹的具体步骤如下：
5.根据权利要求4所述的调度方法，其特征在于：所述步骤二中人工智能服务器识别复杂作业区域和作业进度的具体步骤如下：
6.根据权利要求5所述的调度方法，其特征在于：所述步骤二三中对操作员的作业区域进行定位的具体方式为：首先进行模型训练，获得定位模型，然后根据获得的模型进行复杂作业区域识别。
7.根据权利要求6所述的调度方法，其特征在于：所述步骤二三中进行模型训练获得定位模型的具体步骤如下：
8.根据权利要求7所述的调度方法，其特征在于：所述步骤二三中进行复杂作业区域识别的具体步骤如下：
9.根据权利要求8所述的调度方法，其特征在于：所述步骤三中非线性调度服务器优化非线性调度决策的具体步骤如下：
