CN106033457B - 一种确定水果目标属性的属性信息的方法与装置 - Google Patents
一种确定水果目标属性的属性信息的方法与装置 Download PDFInfo
- Publication number
- CN106033457B CN106033457B CN201510119433.3A CN201510119433A CN106033457B CN 106033457 B CN106033457 B CN 106033457B CN 201510119433 A CN201510119433 A CN 201510119433A CN 106033457 B CN106033457 B CN 106033457B
- Authority
- CN
- China
- Prior art keywords
- attribute
- fruit
- big data
- initial
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施方式提供了一种确定水果目标属性的属性信息的方法和装置。所述方法包括:获取水果的初始属性的属性信息,以及获取所述水果的标识信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据,将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;根据匹配结果确定所述水果的目标属性的属性信息。本申请实施方式能够提高确定水果目标属性的属性信息的准确性。
Description
技术领域
本申请的实施方式涉及信息处理技术领域,尤其涉及一种确定水果目标属性的属性信息的方法与装置。
背景技术
随着人们生活水平的提高,水果已成为人们日常生活的必需品。人们在线上购买或线下购买水果时,都希望能够买到符合自身期望的水果,即购买的水果在目标属性上应当能够满足购买者期望的要求。比如,购买者希望自己购买到的水果在新鲜程度、含水量等自身较为关注的目标属性上,目标属性的属性信息能够达到期望的程度。但是,在实际生活中,欲购买的水果的目标属性是否达到期望程度,主要依赖于个体经验的判断。然而,购买者的个体经验通常存在至少两方面的问题:一是准确性、客观性不高,因为不同人对相同水果相同目标属性的具体情况的判断,其结果通常差异较大,甚至可能因带有过多的个人偏好,导致判断出来的结果极为不准确,缺乏相当程度的客观性;二是个体经验不能“即要即有”,而是需要一个长期的积累过程,对于那些不常购买、首次购买水果的人或者对某种水果特性不是很了解的人而言,几乎不存在个体经验,从而,在购买水果之当时,购买到称心如意的水果的难度一般较大。除了购买水果这样的场景外,在其他场景,也存在确定水果目标属性的属性信息的需求。遗憾的是,在现实中,却缺少一种能够较为准确而迅速确定水果目标属性的属性信息的技术,发明人针对该问题进行了积极探索。
发明内容
为了解决上述问题,本申请实施方式提供了一种确定水果目标属性的属性信息方法与装置,以提高确定水果目标属性的属性信息的准确性和效率。
本申请实施方式提供的确定水果目标属性的属性信息的方法包括:
获取水果的初始属性的属性信息,以及获取所述水果的标识信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定;
根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据,将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
根据匹配结果确定所述水果的目标属性的属性信息。
优选地,所述获取水果的初始属性的属性信息包括:
使用移动终端对水果进行拍照,并根据拍照得到的图像建立所述水果的3D模型;
根据所述3D模型确定所述水果的初始属性的属性信息。
优选地,所述获取所述水果的标识信息包括:
将所述初始属性的属性信息与网络大数据进行匹配,根据匹配的结果确定所述水果的标识信息。
优选地,当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的中间属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到中间属性之间的映射策略,则将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配具体包括:
根据所述初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性的属性信息;
将中间属性的属性信息与所述水果对应的大数据进行匹配。
优选地,当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到目标属性之间的映射策略,则将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配具体包括:
根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
本申请实施方式还提供了一种确定水果目标属性的属性信息的装置。该装置包括:第一获取单元、第二获取单元、检索单元、匹配单元以及确定单元,其中:
所述第一获取单元,用于获取水果的初始属性的属性信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定;
所述第二获取单元,用于获取所述水果的标识信息;
所述检索单元,用于根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据;
所述匹配单元,用于将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
所述确定单元,用于根据匹配结果确定所述水果的目标属性的属性信息。
优选地,所述第一获取单元包括拍照子单元、模型建立子单元和属性信息确定子单元,其中:
所述拍照子单元,用于使用移动终端对水果进行拍照;
所述模型建立子单元,用于根据拍照得到的图像建立所述水果的3D模型;
所述属性信息确定子单元,用于根据所述3D模型确定所述水果的初始属性的属性信息。
优选地,所述第二获取单元包括第一匹配子单元和标识信息确定子单元,其中:
所述第一匹配子单元,用于将所述初始属性的属性信息与网络大数据进行匹配;
所述标识信息确定子单元,用于根据匹配的结果确定所述水果的标识信息。
优选地,当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的中间属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到中间属性之间的映射策略,则匹配单元包括映射子单元和第二匹配子单元,其中:
所述映射子单元,用于根据所述初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性的属性信息;
所述第二匹配子单元,用于将中间属性的属性信息与所述水果对应的大数据进行匹配。
优选地,当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到目标属性之间的映射策略,则匹配单元具体用于根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
本申请的实施方式先获取水果的初始属性的属性信息和标识信息后,利用所述标识信息获得对应的网络大数据,并基于该网络大数据对初始属性进行匹配,进而根据匹配的结果确定目标属性的属性信息。与现有技术相比,本申请的这种实施方式对水果目标属性的属性信息的确定不再依赖个人经验,而是建立在相对客观、准确的网络大数据之上,从而使得确定出来的水果目标属性的属性信息总体上更为准确。再者,由于确定目标属性的属性信息的基础是网络大数据,这些大数据根据需要可随时获取,从而避免了在确定属性信息的当时对个体经验的要求,由此提高了确定水果目标属性的属性信息的效率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1为本申请的确定水果目标属性的属性信息的方法的一个实施例的流程示意图;
图2本申请的确定水果目标属性的属性信息的装置的一个实施例的组成框图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
为了便于对本申请技术方案的理解,这里先对几个重要的术语进行说明。在后续将要叙述的本申请的实施方式中,将会涉及“属性”这一术语。通常情况下,“属性”代表着某个对象在某一方面的特性,以本申请涉及的主题“水果”而言,水果的颜色、大小(如直径、半径等)、质量、体积、密度、新鲜度等均可以称为水果的属性,由此也可以看出,水果的属性涉及的范围是较为广泛的。但是,尽管如此,从上述所列的各个属性来看,为便于认识这些属性,可以将这些属性加以分门别类,比如,一种分类方式是将“属性”划分为初始属性、中间属性以及目标属性三类。“初始属性”可以体现为水果表面上的、直接的属性,比如,对于“水果的颜色”,一见即可知道,对于“水果的大小”,可以通过简单的工具测量即可知道。“中间属性”可以体现为需要对初始属性的属性信息进行一些运算、处理、加工才能得到的属性,比如,前述的体积、密度等,对于“密度”而言,通常需要经过计算才能得到,如利用质量(M)除以体积(V)得到密度(ρ)。“目标属性”是用户关注的属性,该属性可以与水果的初始属性、中间属性相同,也可以不同。比如,水果的新鲜度。当然,在一般情况下,如果目标属性就是初始属性,那么尽管仍然可以按照本申请的实施方式来确定目标属性,但是,这种必要性可能不是那么迫切,因为既然目标属性就是初始属性,那么便可一见即知,没必要“费周折”来确定。比如,对于水果的颜色,无论是初次购买水果的人,还是经常购买水果的人,其均能清楚地知道当前将要购买的水果是什么颜色。因此,为避免处理资源的浪费,本申请优选适用于这样的场景,即不是那么容易判断出目标属性的属性信息是否能够满足购买者的预期要求的场合。然而,尽管如此,这一优选实施方式并非是对其他实施方式的排除。总之,最好根据实际情况来进行各种属性含义的界定。
下面结合附图进行本申请各种实施方式的描述。参见图1,该图示出了本申请的确定水果目标属性的属性信息的方法的一个实施例的流程,该流程包括:
步骤S11:获取水果的初始属性的属性信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定;
如前所述,初始属性可以是水果表面的、能够较为容易确定的属性,可以采取多种方式得到水果的初始属性的属性信息。属性信息是对属性的具体衡量,可以体现为一个具体的值,也可以体现为一个相对概括的概念。比如,“水果大小”这一初始属性,可以具体用直径为10cm、20cm等定量的属性信息来刻画初始属性,也可以用“较大、中等、较小”等定性的属性信息来刻画,到底选用哪种方式可以根据用户对确定的水果目标属性属性信息精确度来选择。
此外,前述已提及水果的初始属性具有广泛性的特点,那么,在实施本申请的技术方案时,具体需要获取哪个方面的初始属性。一种做法当然可以是将水果的所有初始属性的属性信息均获取到,但是,很显然的是,并非每个属性信息均与目标属性相关,获取那些对目标属性的属性信息确定没有贡献的初始属性的属性信息,将变得没有实质意义,为此,需要获取的初始属性应当是由当前需要进行水果属性信息确定涉及到的目标属性所决定,即用户关注哪方面的目标属性,则应当获取与该目标属性紧密相关的那部分的初始属性。举例而言,假设用户将确定水果的密度作为目标属性,那么获取的初始属性的属性信息可以包括水果在重量、半径等初始属性方面的属性信息,至于水果的颜色、上市日期等和确定水果密度没有(或紧密)关系的初始属性,则没有必要去获取它们的属性信息。
步骤S12:获取所述水果的标识信息;
这里的水果标识信息可以体现为多种多样的形式,比如,可以是水果的名称,如柚子,还可以是水果的ID类别号、品牌号、产地等。在某些情况下,标识信息可以体现为一个层级体系,比如,对于“A产地的B类水果中的C型号水果,那么,可以在产地这个层级上标识水果,在进行大数据匹配之前可以将A产地的水果大数据全部检索出来,也可以在“产地+类别”这个层级上标识水果,在进行大数据匹配之前,可以将A产地B类水果对应的大数据全部检索出来,以此类推。通常情况下,水果标识信息的层级越深,可用于确定当前水果目标属性的属性信息的大数据的范围越小,而确定出来的目标属性的属性信息也越准确,参考性越强。
步骤S13:根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据;
网络大数据的组织可以体现为“水果标识信息--水果标识信息对应的大数据”,这样,在通过前述步骤得到水果的标识信息后,即可从网络大数据中检索到与所述水果对应的大数据。大数据是海量数据的集合,它的来源可以是多样化的,针对本申请涉及的水果主题,可以是一定地区内所有销售水果的门店提供的数据,也可以是购买水果的人购买后对水果的评价形成的数据,还可以是生产水果的基地等上传到网络的数据,这些数据或者直接作为大数据,或者经过特别的加工、过滤等措施后成为与本申请实施技术方案相适应的大数据形式。
步骤S14:将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
通过前述步骤获得了水果的初始属性的属性信息以及与所述水果对应的大数据后,即可进行两者的匹配。在两者匹配时,按照与大数据的数据存储方式对应的预定策略进行。通常,不同的大数据数据存储方式对应不同的预定策略,而不同的预定策略对匹配结果将产生不同的影响。关于此问题后续还将结合实例进行详细叙述。
步骤S15:根据匹配结果确定所述水果的目标属性的属性信息;
大数据中包含有目标属性的属性信息,通过前述的匹配步骤,即可找到与初始属性的属性信息匹配的那些目标属性的属性信息,从而,本申请的任务得以完成。
在本申请的上述实施方式中,先获取水果的初始属性的属性信息和标识信息,再利用所述标识信息获得对应的网络大数据,并基于该网络大数据对初始属性进行匹配,进而根据匹配的结果确定目标属性的属性信息。与现有技术相比,这种实施方式使得对水果目标属性属性信息的确定不再依赖个人经验,而是建立在相对客观、准确的网络大数据之上,从而使确定出来的水果目标属性的属性信息总体上更为准确、客观。再者,由于确定目标属性属性信息的基础是网络大数据,这些大数据根据需要可随时获取,从而避免了在确定属性信息的当时对个体经验的要求,由此提高了确定水果目标属性属性信息的效率。
在上述实施方式的步骤S11中,提及需要获取水果的初始属性的属性信息,且已说明可以采取多种多样方式来达到这一目标。实际上,获取水果初始属性的属性信息的方式可以与初始属性为何种属性紧密相关,比如,如果初始属性为水果的体积,那么可以直接采取“水溢法”获取水果的体积。当然,这种方式可能并不方便,在信息化时代,一种更为方便可行的方式是建立虚拟场景,通过对虚拟场景的测算来得到初始属性的属性信息。比如,采用移动终端对水果进行拍照,从而得到水果的一张或多张图片(这些图片可以是同一个角度的多张图片,也可以是不同角度的多张图片,或者同时在一个角度拍摄多张且从多个角度进行拍摄得到的全部图片),然后可以利用这些图片建立水果的3D模型,再依据3D模型来确定水果的初始属性的属性信息。举例而言,假设初始属性为水果的外形,那么建立3D模型后,可以通过电子化的手段自动从建立的3D模型中识别出该水果的外形,如长条形、圆形等。还比如,假设初始属性为水果大小,那么建立3D模型后,可以通过电子化的手段根据焦距、图像大小等自动识别出水果的直径等。
上述实施方式还提及获取水果的标识信息。固然,与上述道理相同,获取水果标识信息的方式较多,比如,提供信息接收接口,由用户直接在移动终端等电子设备上进行水果标识信息的输入。在本申请中,优选与上述获取水果的初始属性的属性信息相适应,可以依赖于获取的初始属性的属性信息来获取水果的标识信息。因为通常情况下水果的初始属性信息代表了水果的某一方面或几个方面的属性,这些属性可以在一定程度上描述水果,从而可以基于这些属性反推出该水果最有可能是什么水果,进而得到该水果的标识信息。这种反推过程同样可以结合到大数据来进行。比如,大数据中存在A水果,且A水果对应具有属性信息A1、A2、A3,当前通过获取水果的初始属性的属性信息分别为A1、A2、A3,那么可以将获取的属性信息与A水果的大数据进行匹配,经过匹配,发现属性特征完全相同,这样便有较大的概率推断当前的水果即为A水果。当然,这仅仅是一种概率,并不一定是准确的,不过这种准确性的高低可以通过调整匹配的阈值来调节,比如,要求匹配程度达到90%以上,才能基于属性特征反推到具有该属性特征的水果。这种反推法在某些特定水果上可能较为准确。比如,D水果为某个产地的特产,具有属性信息d,只有该产地的水果才具有该属性信息d,那么,当获取到的初始属性的属性信息为d时,则可以准确地确定水果的标识信息为D。这种反推方式利用了前一步骤中获取的初始属性的属性信息,从而可以在前一步完成后自动的确定水果的标识信息,而不再如提供信息接收接口那样,还需要用户进行专门信息输入,从而节约了时间,提高了效率。
在上述实施方式的步骤S14中,提及将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配,这里的具体匹配方式与大数据的数据存储方式有关联,也就是说,如果大数据的数据存储方式不同,则匹配的方式则可能不同。为了阐释清楚这一技术手段,这里示例性的给出两种方式,本领域技术人员在此基础上可以得到其他的匹配方式,这些方式均在本申请的保护范围之内。
示例性方式之一:依赖于中间属性的间接匹配。
根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式可以表现为多种。比如,假设当前用户关注的A水果的目标属性为新鲜度,用户需要确定A水果的新鲜度的程度如何。A水果对应的大数据存储方式是A水果的密度与新鲜度间的映射关系。通常,密度能够代表含水量的多少,而含水量可以反映水果的新鲜度,那么确定了水果的密度,即可确定水果的新鲜度。但是,在前述获取的A水果的初始属性可能是A水果的直径和重量,这种情况下,便不能将初始属性的属性信息直接与A水果对应的大数据进行匹配,而需要先确定初始属性与密度这一中间属性之间的映射关系,借助于中间属性的桥梁作用实现匹配。因此,这种情形下,与大数据的数据存储方式对应的预定策略便可以是初始属性到中间属性之间的映射策略,即大数据中存储有A水果的直径和重量到密度之间的换算关系,也就是说,需要根据初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性信息,这里即是根据A水果的直径和重量求出A水果的密度,这样,便可将中间属性的属性信息(即本例中的密度大小)与所述水果对应的大数据(密度与新鲜程度间的数据)进行匹配。通过匹配从而确定出A水果的新鲜程度如何。
示例性方式之二:不依赖于中间属性的直接匹配。
在实际应用过程中,还可能存在这样的情形,即根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系,这时,与大数据的数据存储方式对应的预定策略可以为初始属性到目标属性之间的映射策略,由此,将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配具体可以包括:根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
需要说明的是,在根据水果标识检索出来的大数据中,可以既包括示例性方式一的数据存储方式,也包括示例性方式二的数据存储方式,那么这种情况下,可以针对不同的大数据形式,采取不同的匹配方式,从而最终确定出目标属性的属性信息。
通过前述内容可以看到,由于确定水果目标属性的属性信息依赖于大数据,那么大数据的具体情况将影响到确定出来的目标属性的属性信息的准确性,可以理解的是,大数据越丰富、越完善,确定出来的属性信息的准确性通常越高。实际上,除了这种通过改进大数据的方式来提高确定出来的属性信息的准确性高低的做法之外,还可以从其他角度来提高确定出来的属性信息的准确性。比如,一种可行的方式是增加初始属性的维度。仍然以前述A水果的“新鲜度”这一目标属性为例,尽管可以按照前述方式将A水果的密度作为新鲜度的一个评判依据,但是,A水果的新鲜度还可以从其他方面进行衡量。比如,对于“脐橙”这种水果,还可以从脐橙皮的干湿程度、色质变化、所带叶子的情况、上市时间等角度进行新鲜度的判断。由此,在获取初始属性的属性信息时不限于仅获取质量、直径等用于计算密度的信息,还可以至少获取其他初始属性对应的属性信息(即至少获取两个初始属性各自的属性信息),然后,可以依据大数据得到各个初始属性对应的目标属性的属性信息(在实际应用过程中,可以以打分的方式来标识属性信息的大小),再按照预定的权重比例将多个属性信息进行加权,得到最终的一个加权值,将这一最终加权值作为衡量目标属性情况的最终属性信息。由于这一最终属性信息相对于仅从单一初始属性的属性信息中获得目标属性的属性信息,更为全面,从而准确性更高。在获取到一个水果的目标属性的属性信息后,可以采取同样的方式获取其他水果的属性信息,通过比较这些属性信息的大小,即可判断出哪个水果更好,从而使购买者购买到符合自己期望的水果。
上述内容详细说明了如何确定水果目标属性的属性信息的方法的实施例,与该方法相对应地,本申请实施方式还提供了如何确定水果目标属性的属性信息的装置。参见图2,该图示出了本申请的确定水果目标属性的属性信息装置的组成结构框图。该装置包括:第一获取单元U21、第二获取单元U22、检索单元U23、匹配单元U24以及确定单元U25,其中:
第一获取单元U21,用于获取水果的初始属性的属性信息,所述初始属性由当前需要进行属性信息确定涉及到的水果目标属性决定;
第二获取单元U22,用于获取所述水果的标识信息;
检索单元U23,用于根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据;
匹配单元U24,用于将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
确定单元U25,用于根据匹配结果确定所述水果的目标属性的属性信息。
上述装置实施例的工作过程是:第一获取单元获取水果的初始属性的属性信息,第二获取单元获取所述水果的标识信息,然后检索单元根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据,再由匹配单元将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配,最后,确定单元根据匹配结果确定所述水果的目标属性的属性信息。上述装置实施例能够取得与上述方法实施例相同或类似的技术效果,为避免重复,这里不再赘言。
上述装置实施例中的各个功能单元可以采取不同方式来实现,实现方式不同,其内部组成结构也可能存在差异。比如,对于第一获取单元,可以采取建立虚拟模型的方式来获取初始属性的属性信息,这种情况下,第一获取单元U21可以包括拍照子单元U211、模型建立子单元U212和属性信息确定子单元U213,其中:拍照子单元U211,用于使用移动终端对水果进行拍照;模型建立子单元U212,用于根据拍照得到的图像建立所述水果的3D模型;属性信息确定子单元U213,用于根据所述3D模型确定所述水果的初始属性的属性信息。这种方式借助了信息化工具,直接针对实物进行拍照而不需要使用专用接口进行文字输入,从而为用户最终确定水果目标属性的属性信息提供了极大方便。
还比如,在第一获取单元获取到水果的初始属性的属性信息后,可以利用这些属性信息来获取水果的标识信息,这种方式将第一获取单元与第二获取单元紧密地联系在一起,进一步减少了操作程序,提高了效率。具体地,第二获取单元U22可以包括第一匹配子单元U221和标识信息确定子单元U222,其中:第一匹配子单元U221,用于将所述初始属性的属性信息与网络大数据进行匹配;标识信息确定子单元U222,用于根据匹配的结果确定所述水果的标识信息。
基于上述类似的道理,匹配单元也可以采取不同的实现方式来实现,这里匹配单元的实现方式可以与大数据的数据存储方式相关。比如:
如果检索单元根据所述水果的标识信息从网络大数据中检索到的水果对应的大数据的数据存储方式为水果的中间属性与目标属性的对应关系,与大数据的数据存储方式对应的预定策略可以体现为初始属性到中间属性之间的映射策略,这样,匹配单元U24可以包括映射子单元U241和第二匹配子单元U242,其中:映射子单元U241,用于根据所述初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性的属性信息;第二匹配子单元U242,用于将中间属性的属性信息与所述水果对应的大数据进行匹配。
如果检索单元根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系,与大数据的数据存储方式对应的预定策略为初始属性到目标属性之间的映射策略,这样,匹配单元可以具体用于根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
本申请的上述装置实施方式除可以采用上述的各种改进方式外,还可以根据实际需要进行其他改进,以取得更好的技术效果。这里还应当注意的是,尽管在上文详细描述中提及了确定水果目标属性信息的装置的若干单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元的特征和功能可以在一个装置中具体化,也可以在不同的装置中具体化。并且,相反地,上文描述的一个单元的特征和功能可以进一步划分为由多个子单元来具体化。
此外,尽管在附图中以特定顺序描述了本发明的确定水果目标属性的属性信息的方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分方式仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (8)
1.一种确定水果目标属性的属性信息的方法,其特征在于,所述方法包括:
获取水果的初始属性的属性信息,以及获取所述水果的标识信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定;
根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据,将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
根据匹配结果确定所述水果的目标属性的属性信息;
当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的中间属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到中间属性之间的映射策略,则将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配具体包括:
根据所述初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性的属性信息;
将中间属性的属性信息与所述水果对应的大数据进行匹配。
2.根据权利要求1所述的方法,其特征在于,所述获取所述水果的初始属性的属性信息包括:
使用移动终端对水果进行拍照,并根据拍照得到的图像建立所述水果的3D模型;
根据所述3D模型确定所述水果的初始属性的属性信息。
3.根据权利要求1所述的方法,其特征在于,所述获取水果的标识信息包括:
将所述初始属性的属性信息与网络大数据进行匹配,根据匹配的结果确定所述水果的标识信息。
4.根据权利要求1至3中任何一项所述的方法,其特征在于,
当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到目标属性之间的映射策略,则将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配具体包括:
根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
5.一种确定水果目标属性的属性信息的装置,其特征在于,所述装置包括:第一获取单元、第二获取单元、检索单元、匹配单元以及确定单元,其中:
所述第一获取单元,用于获取水果的初始属性的属性信息,所述初始属性由当前需要进行水果属性信息确定涉及到的目标属性决定;
所述第二获取单元,用于获取所述水果的标识信息;
所述检索单元,用于根据所述水果的标识信息从网络大数据中检索到所述水果对应的大数据;
所述匹配单元,用于将所述初始属性的属性信息按照与大数据的数据存储方式对应的预定策略与所述水果对应的大数据进行匹配;
所述确定单元,用于根据匹配结果确定所述水果的目标属性的属性信息;
当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的中间属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到中间属性之间的映射策略,则匹配单元包括映射子单元和第二匹配子单元,其中:
所述映射子单元,用于根据所述初始属性的属性信息按照初始属性到中间属性之间的映射策略将初始属性的属性信息映射为中间属性的属性信息;
所述第二匹配子单元,用于将中间属性的属性信息与所述水果对应的大数据进行匹配。
6.根据权利要求5所述的装置,其特征在于,所述第一获取单元包括拍照子单元、模型建立子单元和属性信息确定子单元,其中:
所述拍照子单元,用于使用移动终端对水果进行拍照;
所述模型建立子单元,用于根据拍照得到的图像建立所述水果的3D模型;
所述属性信息确定子单元,用于根据所述3D模型确定所述水果的初始属性的属性信息。
7.根据权利要求5所述的装置,其特征在于,所述第二获取单元包括第一匹配子单元和标识信息确定子单元,其中:
所述第一匹配子单元,用于将所述初始属性的属性信息与网络大数据进行匹配;
所述标识信息确定子单元,用于根据匹配的结果确定所述水果的标识信息。
8.根据权利要求5至7中任何一项所述的装置,其特征在于,
当根据所述水果的标识信息从网络大数据中检索到的所述水果对应的大数据的数据存储方式为水果的初始属性与目标属性的对应关系时,所述与大数据的数据存储方式对应的预定策略为初始属性到目标属性之间的映射策略,则匹配单元具体用于根据所述初始属性的属性信息按照初始属性到目标属性之间的映射策略与所述水果对应的大数据进行匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119433.3A CN106033457B (zh) | 2015-03-18 | 2015-03-18 | 一种确定水果目标属性的属性信息的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119433.3A CN106033457B (zh) | 2015-03-18 | 2015-03-18 | 一种确定水果目标属性的属性信息的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106033457A CN106033457A (zh) | 2016-10-19 |
CN106033457B true CN106033457B (zh) | 2019-10-18 |
Family
ID=57151129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510119433.3A Active CN106033457B (zh) | 2015-03-18 | 2015-03-18 | 一种确定水果目标属性的属性信息的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106033457B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339397A (zh) * | 2015-07-10 | 2017-01-18 | 宇龙计算机通信科技(深圳)有限公司 | 一种挑选水果的方法、装置及终端 |
CN109769091B (zh) * | 2019-02-22 | 2020-09-18 | 维沃移动通信有限公司 | 一种图像拍摄方法及移动终端 |
JP7396635B2 (ja) * | 2019-10-21 | 2023-12-12 | 株式会社大都技研 | 装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136247A (zh) * | 2011-11-29 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 属性数据区间划分方法及装置 |
CN104166651A (zh) * | 2013-05-16 | 2014-11-26 | 阿里巴巴集团控股有限公司 | 基于对同类数据对象整合的数据搜索的方法和装置 |
CN104331429A (zh) * | 2014-10-21 | 2015-02-04 | 北京奇虎科技有限公司 | 对网络对象进行多特征维度量化的方法及装置 |
-
2015
- 2015-03-18 CN CN201510119433.3A patent/CN106033457B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136247A (zh) * | 2011-11-29 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 属性数据区间划分方法及装置 |
CN104166651A (zh) * | 2013-05-16 | 2014-11-26 | 阿里巴巴集团控股有限公司 | 基于对同类数据对象整合的数据搜索的方法和装置 |
CN104331429A (zh) * | 2014-10-21 | 2015-02-04 | 北京奇虎科技有限公司 | 对网络对象进行多特征维度量化的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106033457A (zh) | 2016-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
CN102576461B (zh) | 评估数字图像的美学质量 | |
CN110009090A (zh) | 神经网络训练与图像处理方法及装置 | |
CN108920580A (zh) | 图像匹配方法、装置、存储介质及终端 | |
EP2506522A1 (en) | Method and device for pushing data | |
CN110348444A (zh) | 基于深度学习的错题收集方法、装置及设备 | |
CN106033457B (zh) | 一种确定水果目标属性的属性信息的方法与装置 | |
CN104199906B (zh) | 一种拍摄区域的推荐方法及装置 | |
CN109767422A (zh) | 基于深度学习的管道检测识别方法、存储介质及机器人 | |
CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
CN110473211B (zh) | 一种弹簧片的数量的检测方法及设备 | |
CN107808358A (zh) | 图像水印自动检测方法 | |
Urian et al. | Abundance of bottlenose dolphins (Tursiops truncatus) in estuarine and near-shore waters of North Carolina, USA | |
CN109657038A (zh) | 一种问答对数据的挖掘方法、装置及电子设备 | |
CN110149532A (zh) | 一种封面选取方法及相关设备 | |
CN104935563B (zh) | 用于管理会议的方法和设备 | |
CN107103608B (zh) | 一种基于区域候选样本选择的显著性检测方法 | |
WO2018192245A1 (zh) | 一种基于美学评价的照片自动评分方法 | |
CN109635142A (zh) | 图像选择方法及装置、电子设备和存储介质 | |
CN109671051A (zh) | 图像质量检测模型训练方法及装置、电子设备和存储介质 | |
CN108154305A (zh) | 一种食品安全检测信息管理平台及其实现方法 | |
EP3163865A1 (en) | Picture processing method and electronic device | |
CN110580505A (zh) | 一种基于餐盘识别的智慧收银方法 | |
CN110378304A (zh) | 皮肤状态检测方法、装置、设备及存储介质 | |
CN113204990A (zh) | 基于智能鱼竿的机器学习方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |