1.一种库存反馈装置，其特征在于，包括：服务器、固定终端和移动终端，所述固定终端与所述服务器有线通信连接或无线通信连接，所述移动终端与所述服务器无线通信连接，所述固定终端设置在存放货品的储位上，所述移动终端由分拣人员手持；

所述固定终端包括：重量检测装置、显示装置和报警装置，所述重量检测装置用于检测储位上剩余货品的重量，所述显示装置用于显示所述服务器发送的部分货品信息，所述报警装置用于发出警示提示；

所述移动终端包括：显示模块、图像采集模块和操作模块，所述显示模块用于显示服务器发送的部分货品信息，所述图像采集模块用于对分拣的货品进行图像采集，所述操作模块用于进行执行确认操作；

所述服务器内设置有图像识别模块，所述图像识别模块用于对所述图像采集模块采集的货品图像进行图像识别。

2.一种库存反馈方法，其特征在于，基于如权利要求1所述的一种库存反馈装置，所述库存反馈方法包括：在服务器预设货品信息，货品信息包括库存信息和分拣信息，所述库存信息包括货品名称、储位位置、货品重量、货品数量，所述分拣信息包括货品名称、分拣数量、储位位置；

服务器将分拣信息发送至移动终端，移动终端显示分拣信息；

服务器将库存信息和分拣信息发送至固定终端，固定终端显示库存信息；

固定终端将重量检测装置获取的重量数据实时传输至服务器；

分拣人员根据移动终端上的分拣信息在储位位置执行对货品的分拣操作，通过图像采集模块采集分拣到的货品图像，并通过移动终端进行分拣确认操作；

服务器根据货品图像进行图像识别，并获取货品名称，判断获得的货品名称与分拣信息中的货品名称是否一致，若不一致，则判定为货品异常；若一致，则判定为货品正常；

若货品正常，服务器根据库存信息和分拣信息计算预期重量数据，服务器根据重量数据计算实际重量数据；

计算自适应阈值，并计算预期重量数据和实际重量数据的差值，若差值大于自适应阈值，则判定为分拣异常；否则，判定为分拣正常。

3.根据权利要求2所述的一种库存反馈方法，其特征在于，重量检测装置获取重量数据的方法包括：设定采样间隔，并按照采样间隔获取重量检测装置的检测数据；

设定滤波窗口，滤波窗口中包括 个按时间序列分布的检测数据；

判断货品的属性，并根据货品的属性对滤波窗口内的第 个位置设定权重 ，；

获取新的检测数据，并将新的检测数据添加至滤波窗口末端，同时移除窗口前端的旧值；

计算滤波窗口内所有检测数据的加权平均重量 ，其中， 为滤波窗口内第 个位置的检测数据， 为检测数据的数量，为索引变量；

将加权平均重量作为重量数据传输至服务器。

4.根据权利要求3所述的一种库存反馈方法，其特征在于，根据货品的属性设定权重的方法包括：若储位上的货品为液体，则权重 ，其中，为自然常数，为衰减系数；

若储位上的货品为固体，则权重 。

5.根据权利要求3所述的一种库存反馈方法，其特征在于，服务器进行图像识别的方法包括：对原始图像进行预处理，获得处理后的特征图像；

确定一系列的标准差 ；

针对每一个标准差，构建对应的高斯核

，其中， 为标准差 下

的高斯核， 为像素位置；

构建特征图像的高斯尺度空间 ，其中，

为标准差 下的高斯尺度空间图像，为卷积运算， 为特征图像；

在高斯尺度空间中查找极值点，并将极值点作为候选点；

针对每一个候选点，通过关键点定位函数 ，精确定位关键点的位置和尺度获取关键点，其中， 为图像空间中的位置和尺度向量， 为在位置 处的DoG响应值， 为关键点所在位置的DoG响应值， 为DoG响应值在 处对位置的一阶偏导数， 为DoG响应值在 处对位置的二阶偏导数， 为向量 的转置；

通过赋值函数 对关键点进行方向幅值，

其中， 为关键点所在尺度的图像， 为关键点的梯度方向；

根据关键点周围区域的梯度信息生成特征向量；

将特征向量输入至训练完成的SVM模型，通过SVM模型完成对原始图像的识别。

6.根据权利要求5所述的一种库存反馈方法，其特征在于，对图像进行预处理的方法包括：通过 加 权平 均法 对 原始 图像 进 行灰 度 化获 得灰 度 图像 ，，其中， 、

、 为在 处的三色通道值；

通过直方图均值化对灰度图像进行亮度均衡,并对灰度图像中各像素点进行灰度值映射 ，获得均衡后的灰度图像 ，其中，为灰度级别的总数， 为原始灰度值， 为映射后的灰度值， 为取整操作， 为原始灰度值下的累计直方图；

通过增强函数对均衡后的灰度图像 进行对比度增强，获得增强后的图像，其中， 为图像在水平方向上的梯度， 为图像在垂直方向上的梯度；

通过均值滤波获得处理后的特征图像 ，其中，为滤波器的大小，为滤波器覆盖的像素区域， 为在 处的灰度值， 为滤波器覆盖的像素区域内的横坐标，为滤波器覆盖的像素区域内的纵坐标。

7.根据权利要求5所述的一种库存反馈方法，其特征在于：对SVM模型的训练方法包括：获取训练图像，并对训练图像进行预处理，并构建训练数据，其中， 为特征向量， 为标签，

为训练数据的数量；

选择核函数 将原始特征空间映射到高维空间；

转化优化问题为对偶问题，

，其中, 表示找到使目

标函数最大的 值, 和 为求和计算中的索引变量， ， ，为特征向量 对应的拉格朗日乘子， 为特征向量 对应的拉格朗日乘子， 为特征向量 对应的标签， 为特征向量 对应的标签， 为正则化参数， 为通过核函数计算特征向量 和 之间的相似度；通过序列最小优化算法求解获得最优解， 用于表示受到以下条件约束，用于表示约束条件适用于所有指定的元素；

根据最优解计算模型参数 ，其中， 为权重向量， 为偏置项， 为第 个特征向量的最优拉格朗日乘子， 为任意一个满足的索引, 为第 个特征向量的最优拉格朗日乘子， 为第 个特征向量的标签， 为特征向量 和 之间的相似度；

获得分类决策函数 ，其中， 为新

输入特征向量， 为新输入特征向量与 的相似度。

8.根据权利要求3所述的一种库存反馈方法，其特征在于，计算自适应阈值的方法包括：按时间序列获取 个历史分拣数据，分拣数据包括实际重量数据、预期重量数据；

计算 储 位的 平 均挑 选 误差 ，其 中， 为索 引 ，， 为第 次分拣的实际重量， 为第 次分拣的预期重量；

计算储位的标准差 ；

计算动态的自适应阈值 ，其中， 为设定的阈值严格系数；

获取新的分拣数据，并将新的分拣数据添加至历史分拣数据，同时移除第1个历史分拣数据；

更新自适应阈值。

9.根据权利要求2所述的一种库存反馈方法，其特征在于，通过移动终端进行分拣确认操作的方法包括：分拣人员完成分拣后，在移动终端输入分拣数量，并将分拣数量传输至服务器；

服务器对比接收到的分拣数量与分拣信息中的分拣数量，若数值相同，则根据分拣数量和货品重量计算预期重量数据；若数值不相同，则向移动终端发出再确认提示信息。

10.根据权利要求2所述的一种库存反馈方法，其特征在于，预期重量数据=货品数量×货品重量。