CN109785509A - 一种自动售卖机的远程控制方法、系统及存储介质 - Google Patents
一种自动售卖机的远程控制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN109785509A CN109785509A CN201811610180.XA CN201811610180A CN109785509A CN 109785509 A CN109785509 A CN 109785509A CN 201811610180 A CN201811610180 A CN 201811610180A CN 109785509 A CN109785509 A CN 109785509A
- Authority
- CN
- China
- Prior art keywords
- vending machine
- information
- temperature
- food
- temperature 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.)
- Pending
Links
Landscapes
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
Abstract
本发明公开了一种自动售卖机的远程控制方法、系统及存储介质，方法包括：采集自动售卖机周围环境的第一温度信息；获取自动售卖机所处城市的第二温度信息；根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。本发明通过深度学习技术进行预测，然后对食品进行预先加热或预先冷冻，减少了消费者的等待时间，提高了工作效率，可广泛应用于计算机技术领域。
Description
技术领域
本发明涉及计算机技术领域，尤其是一种自动售卖机的远程控制方法、系统及存储介质。
背景技术
自动售货机(Vending Machine，VEM)是能根据投入的钱币自动付货的机器。自动售货机是商业自动化的常用设备，它不受时间、地点的限制，能节省人力、方便交易。是一种全新的商业零售形式，又被称为24小时营业的微型超市。目前国内常见的自动售卖机包括饮料自动售货机、食品自动售货机、综合自动售货机和化妆品自动售卖机等。
随着社会经济的不断发展，自动售货机越来越受到商家的欢迎，因此得到了越来越广泛的应用。但是，随着消费者的要求不断提高，自动售货机渐渐已不能满足人民的需求。比如在冬季，上班族迫切要求最便捷的方式选购及加热食物。目前，市场上出现了一些能够对消费者选购的食品进行自动加热的售卖机，这种售卖机需要在消费者完成支付之后，才启动加热，加热时间较长，造成时间浪费且效率较低。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种效率高的自动售卖机的远程控制方法、系统及存储介质。
本发明一方面所采取的技术方案为：
一种自动售卖机的远程控制方法，包括以下步骤：
采集自动售卖机周围环境的第一温度信息；
获取自动售卖机所处城市的第二温度信息；
根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
进一步，所述采集自动售卖机周围环境的第一温度信息这一步骤，其具体为：
通过自动售卖机上的温度传感器采集周围环境的第一温度信息。
进一步，所述获取自动售卖机所处城市的第二温度信息这一步骤，包括以下步骤：
基于爬虫技术获取自动售卖机所处城市的第二温度信息；
对获取到的第二温度信息进行数据过滤；
对数据过滤的结果进行去重处理。
进一步，所述根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息这一步骤，包括以下步骤：
获取温度训练数据；
对温度训练数据进行预处理；
获取自动售卖机的食品信息；
根据预处理后的温度训练数据和食品信息，训练得到预测模型；
根据第一温度信息和第二温度信息，通过预测模型预测得到待处理食品信息。
进一步，所述对温度训练数据进行预处理这一步骤，包括以下步骤：
对温度训练数据中的异常车速进行取代处理；
对温度训练数据中的异常数据进行过滤处理；
对温度训练数据中的遗失数据进行补零处理；
对温度训练数据中的时间戳进行均值处理。
进一步，还包括以下步骤：
实时获取自动售货机的设备状态信息；
实时获取自动售货机的设备执行数据。
本发明另一方面所采取的技术方案是：
一种自动售卖机的远程控制系统，包括：
采集模块，用于采集自动售卖机周围环境的第一温度信息；
获取模块，用于获取自动售卖机所处城市的第二温度信息；
生成模块，用于根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
处理模块，用于根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
供应模块，用于根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
进一步，还包括：
设备状态获取模块，用于实时获取自动售货机的设备状态信息；
执行数据获取模块，用于实时获取自动售货机的设备执行数据。
本发明另一方面所采取的技术方案是：
一种自动售卖机的远程控制系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的自动售卖机的远程控制方法。
本发明另一方面所采取的技术方案是：
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的自动售卖机的远程控制方法。
本发明的有益效果是：本发明根据自动售卖机周围环境的温度信息以及自动售卖机所处城市的温度信息，通过深度学习技术生成对应的待处理食品信息，然后对食品进行预先加热或者预先冷冻，进而能够实时为消费者提供加热处理后或者冷冻处理后的食品；本发明通过深度学习技术进行预测，然后对食品进行预先加热或预先冷冻，减少了消费者的等待时间，提高了工作效率。
附图说明
图1为本发明实施例的步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明实施例提供了一种自动售卖机的远程控制方法，包括以下步骤：
采集自动售卖机周围环境的第一温度信息；
获取自动售卖机所处城市的第二温度信息；
根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
进一步作为优选的实施方式，所述采集自动售卖机周围环境的第一温度信息这一步骤，其具体为：
通过自动售卖机上的温度传感器采集周围环境的第一温度信息。
进一步作为优选的实施方式，所述获取自动售卖机所处城市的第二温度信息这一步骤，包括以下步骤：
基于爬虫技术获取自动售卖机所处城市的第二温度信息；
对获取到的第二温度信息进行数据过滤；
对数据过滤的结果进行去重处理。
进一步作为优选的实施方式，所述根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息这一步骤，包括以下步骤：
获取温度训练数据；
对温度训练数据进行预处理；
获取自动售卖机的食品信息；
根据预处理后的温度训练数据和食品信息，训练得到预测模型；
根据第一温度信息和第二温度信息，通过预测模型预测得到待处理食品信息。
进一步作为优选的实施方式，所述对温度训练数据进行预处理这一步骤，包括以下步骤：
对温度训练数据中的异常车速进行取代处理；
对温度训练数据中的异常数据进行过滤处理；
对温度训练数据中的遗失数据进行补零处理；
对温度训练数据中的时间戳进行均值处理。
进一步作为优选的实施方式，还包括以下步骤：
实时获取自动售货机的设备状态信息；
实时获取自动售货机的设备执行数据。
与图1的方法相对应，本发明实施例还提供了一种自动售卖机的远程控制系统，包括：
采集模块，用于采集自动售卖机周围环境的第一温度信息；
获取模块，用于获取自动售卖机所处城市的第二温度信息；
生成模块，用于根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
处理模块，用于根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
供应模块，用于根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
进一步作为优选的实施方式，还包括：
设备状态获取模块，用于实时获取自动售货机的设备状态信息；
执行数据获取模块，用于实时获取自动售货机的设备执行数据。
与图1的方法相对应，本发明实施例还提供了一种自动售卖机的远程控制系统，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的自动售卖机的远程控制方法。
与图1的方法相对应，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的自动售卖机的远程控制方法。
下面详细描述本发明自动售卖机的远程控制方法的具体工作过程：
S1、采集自动售卖机周围环境的第一温度信息；
具体地，本实施例通过自动售卖机上的温度传感器采集周围环境的第一温度信息。
S2、获取自动售卖机所处城市的第二温度信息；
具体地，所述步骤S2包括以下步骤：
S21、基于爬虫技术获取自动售卖机所处城市的第二温度信息；
S22、对获取到的第二温度信息进行数据过滤；其中，本发明对通过爬虫获取到的网络数据进行过滤，以去除网络数据中冗杂的信息，仅仅保留相应的温度信息。比如，采集到的网络数据为：“A城市今天的温度为27度”，经过本发明的数据过滤步骤后得到的信息为“A＝27”。
S23、对数据过滤的结果进行去重处理。
由于本发明通过网络爬虫技术获取大量的温度信息，其中包含大量重复信息，本发明通过比对匹配，能够对重复信息进行去重处理，减少了系统的工作量，同时还提高了系统的精确度。
S3、根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
具体地，所述步骤S3包括以下步骤：
S31、获取温度训练数据；其中，本发明可以通过网络爬虫获取历史温度训练数据，也可以通过天气网站获取历史数据。
S32、对温度训练数据进行预处理；
其中，所述步骤S32包括以下步骤：
S321、对温度训练数据中的异常车速进行取代处理；其中，对于温度数值明显不符合实际情况的数据，比如温度高于45度或者低于零下15度时，本发明采用相应城市同一季节节点的数据进行取代。
S322、对温度训练数据中的异常数据进行过滤处理；其中，对于某个城市的温度数据，在较长时间内仅存在个别数据，例如，A城市在5年内的温度值均为15度，则将该数据删除。
S323、对温度训练数据中的遗失数据进行补零处理；如果某个城市的某个季度的温度值在5年内出现遗缺，则将这5年内对应季节的温度数据平均求值，然后补充对应的遗缺数据。
S324、对温度训练数据中的时间戳进行均值处理。本发明将每个城市的两个月的温度值进行平均处理，得到这两个月对应的温度值。
S33、获取自动售卖机的食品信息；
S34、根据预处理后的温度训练数据和食品信息，训练得到预测模型；
本发明可以采用RNN神经网络来训练预测模型，得到预测模型后，预测模型的输入数据为温度信息和食品信息，其输出数据为待处理的食品信息；具体为：预测模型输出食品信息后，远程控制自动售货机对该食品进行加热或者冷冻，比如在冬天对面包和油条等食品进行加热，在夏天对饮料和水果等食品进行冷冻处理。
S35、根据第一温度信息和第二温度信息，通过预测模型预测得到待处理食品信息。
S4、根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
S5、根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
本发明在对预测得到的食品进行加热处理以及冷冻处理之后，准备向消费者提供相应的食品，比如，在冬天，本发明会根据预测模型计算得出对面包进行预加热，当消费者完成支付后，自动售货机则自动将加热好的面包提供给消费者，此时消费者无需花费大量等待时间，提高了系统工作效率，节约了消费者的时间成本，而且有助于提高商家的销售量。
S6、实时获取自动售货机的设备状态信息；
S7、实时获取自动售货机的设备执行数据。
本发明通过获取自动售货机的设备状态信息和设备执行数据，能够实时监控设备状态和历史记录，并在设备异常时提醒相关人员；另外，在自动售货机设备重启时，本发明能恢复到上一次设置的合格状态；再有，本发明还能记录用户行为，监控人员操作记录。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种自动售卖机的远程控制方法，其特征在于：包括以下步骤：
采集自动售卖机周围环境的第一温度信息；
获取自动售卖机所处城市的第二温度信息；
根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
2.根据权利要求1所述的一种自动售卖机的远程控制方法，其特征在于：所述采集自动售卖机周围环境的第一温度信息这一步骤，其具体为：
通过自动售卖机上的温度传感器采集周围环境的第一温度信息。
3.根据权利要求1所述的一种自动售卖机的远程控制方法，其特征在于：所述获取自动售卖机所处城市的第二温度信息这一步骤，包括以下步骤：
基于爬虫技术获取自动售卖机所处城市的第二温度信息；
对获取到的第二温度信息进行数据过滤；
对数据过滤的结果进行去重处理。
4.根据权利要求1所述的一种自动售卖机的远程控制方法，其特征在于：所述根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息这一步骤，包括以下步骤：
获取温度训练数据；
对温度训练数据进行预处理；
获取自动售卖机的食品信息；
根据预处理后的温度训练数据和食品信息，训练得到预测模型；
根据第一温度信息和第二温度信息，通过预测模型预测得到待处理食品信息。
5.根据权利要求4所述的一种自动售卖机的远程控制方法，其特征在于：所述对温度训练数据进行预处理这一步骤，包括以下步骤：
对温度训练数据中的异常车速进行取代处理；
对温度训练数据中的异常数据进行过滤处理；
对温度训练数据中的遗失数据进行补零处理；
对温度训练数据中的时间戳进行均值处理。
6.根据权利要求1所述的一种自动售卖机的远程控制方法，其特征在于：还包括以下步骤：
实时获取自动售货机的设备状态信息；
实时获取自动售货机的设备执行数据。
7.一种自动售卖机的远程控制系统，其特征在于：包括：
采集模块，用于采集自动售卖机周围环境的第一温度信息；
获取模块，用于获取自动售卖机所处城市的第二温度信息；
生成模块，用于根据第一温度信息和第二温度信息，基于深度学习技术生成待处理食品信息；
处理模块，用于根据待处理食品信息，对自动售卖机的待处理食品进行加热或冷冻处理；
供应模块，用于根据消费者的消费操作，向消费者提供加热处理后或者冷冻处理后的食品。
8.根据权利要求7所述的一种自动售卖机的远程控制系统，其特征在于：还包括：
设备状态获取模块，用于实时获取自动售货机的设备状态信息；
执行数据获取模块，用于实时获取自动售货机的设备执行数据。
9.一种自动售卖机的远程控制系统，其特征在于：包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6中任一项所述的自动售卖机的远程控制方法。
10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-6中任一项所述的自动售卖机的远程控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811610180.XA CN109785509A (zh) | 2018-12-27 | 2018-12-27 | 一种自动售卖机的远程控制方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811610180.XA CN109785509A (zh) | 2018-12-27 | 2018-12-27 | 一种自动售卖机的远程控制方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109785509A true CN109785509A (zh) | 2019-05-21 |
Family
ID=66498462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811610180.XA Pending CN109785509A (zh) | 2018-12-27 | 2018-12-27 | 一种自动售卖机的远程控制方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109785509A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1179844A (zh) * | 1995-12-27 | 1998-04-22 | 三洋电机株式会社 | 自动售货机销售管理法 |
| CN105719392A (zh) * | 2016-01-15 | 2016-06-29 | 浙江大学 | 基于神经网络的可预测自学习的智能售货机 |
| CN205486465U (zh) * | 2016-01-03 | 2016-08-17 | 长沙洋华机电设备制造有限公司 | 一种自动控温的自动售货机 |
| JP2017509563A (ja) * | 2013-12-07 | 2017-04-06 | トゥルメッド システムス インコーポレイテッドＴｒｕｍｅｄ Ｓｙｓｔｅｍｓ， Ｉｎｃ． | 温度敏感製品の自動スマート保存 |
| CN207966063U (zh) * | 2018-02-05 | 2018-10-12 | 赵婕 | 即时加热型牛羊肉汤自动售卖机 |
| CN108961542A (zh) * | 2018-05-23 | 2018-12-07 | 李鹰 | 无人智能售货单元以及系统 |
-
2018
- 2018-12-27 CN CN201811610180.XA patent/CN109785509A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1179844A (zh) * | 1995-12-27 | 1998-04-22 | 三洋电机株式会社 | 自动售货机销售管理法 |
| JP2017509563A (ja) * | 2013-12-07 | 2017-04-06 | トゥルメッド システムス インコーポレイテッドＴｒｕｍｅｄ Ｓｙｓｔｅｍｓ， Ｉｎｃ． | 温度敏感製品の自動スマート保存 |
| CN205486465U (zh) * | 2016-01-03 | 2016-08-17 | 长沙洋华机电设备制造有限公司 | 一种自动控温的自动售货机 |
| CN105719392A (zh) * | 2016-01-15 | 2016-06-29 | 浙江大学 | 基于神经网络的可预测自学习的智能售货机 |
| CN207966063U (zh) * | 2018-02-05 | 2018-10-12 | 赵婕 | 即时加热型牛羊肉汤自动售卖机 |
| CN108961542A (zh) * | 2018-05-23 | 2018-12-07 | 李鹰 | 无人智能售货单元以及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Pricing and inventory decisions in the food supply chain with production disruption and controllable deterioration | |
| CN201654888U (zh) | 自动售餐机 | |
| CN109509037A (zh) | 一种售卖机的销售数据统计分析方法、系统及存储介质 | |
| CN107315841A (zh) | 一种信息搜索方法、装置及系统 | |
| CN108154258B (zh) | 空气源热泵负荷的预测方法、装置、存储介质和处理器 | |
| CN115689451A (zh) | 一种线下零售门店补货量确定方法、装置、终端及介质 | |
| CN110310168A (zh) | 模型的调整方法、装置、服务器和存储介质 | |
| CN114693350B (zh) | 一种商品信息处理方法、设备及计算机存储介质 | |
| CN110458594A (zh) | 一种基于用户权重的网络调查问卷生成方法和装置 | |
| CN111145029A (zh) | 基于大数据的期货与股票的交易方法、系统及设备 | |
| Geetha et al. | Economic ordering policy for deteriorating items with inflation induced time dependent demand under infinite time horizon | |
| CN108460671A (zh) | 一种基于云计算与大数据的外卖系统 | |
| CN109785509A (zh) | 一种自动售卖机的远程控制方法、系统及存储介质 | |
| CN110599308A (zh) | 基于卷积神经网络的体貌特征识别分类的服装推荐系统 | |
| CN203489960U (zh) | 带有食品追溯信息的集成化电子秤装置 | |
| Cohen et al. | The effect of loss leader pricing on restaurant menus' product portfolio analysis | |
| CN104572747A (zh) | 一种选项交叉推送方法和系统 | |
| CN111514588B (zh) | 虚拟凭证的生成方法、装置、设备及存储介质 | |
| CN107688969A (zh) | 一种新技术产品研发管理信息系统及管理信息方法 | |
| CN107169844A (zh) | 一种商品推荐方法及装置 | |
| CN111915147A (zh) | 一种面向智能化的多源异构数据分析平台 | |
| CN113592500A (zh) | 一种基于人脸数据识别的校园支付方法及系统 | |
| CN109389782A (zh) | 一种基于无人值守商店的销售方法及系统 | |
| CN109685357A (zh) | 订单分配修改行为的评价方法及装置、服务器和存储介质 | |
| CN112767596B (zh) | 自助售货设备及其监控方法、设备、系统和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
| RJ01 | Rejection of invention patent application after publication |