CN109918517A - 一种智慧购物系统 - Google Patents
一种智慧购物系统 Download PDFInfo
- Publication number
- CN109918517A CN109918517A CN201910196856.3A CN201910196856A CN109918517A CN 109918517 A CN109918517 A CN 109918517A CN 201910196856 A CN201910196856 A CN 201910196856A CN 109918517 A CN109918517 A CN 109918517A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- module
- recommendation information
- data
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧购物系统,包括控制中心、移动终端;控制中心基于无线信号传输与移动终端形成数据关联;系统基于软件框架包括相互关联的:数据库、采集模块、警报模块、核算模块;基于数据关联还包括:导航模块、推荐模块、判断模块、检查模块;导航模块以蓝牙信标基站为数据单元形成对应现实场景的导航地图,商品位置与标识信标关联,定位引擎基于信标规划导航路线;推荐模块以用户操作状态为触发节点,对预设的各类信息进行逻辑组合后形成多种数据集合,数据集合基于客户记录或商户记录为优先排列顺序,显示终端以触发节点关联的数据集合为优先显示;判断模块基于图像、质量的关联形成购物行为判断依据;以图像传感为商品识别手段;以扫码及扫码判断为行为补救手段;判断模块、采集模块基于深度神经网络的算法进行自学习。
Description
技术领域
本发明涉及智能购物系统领域,特别是一种智慧购物系统。
背景技术
随着科学技术的高速发展,以人工智能为代表的智能控制技术正在渗透着人类生活的各个领域。其中,智能零售是IOT(物联网,Internet of Things)以及人工智能的一个重要分支,完善的智能购物体系将成为未来购物模式中必不可少的组成部分。目前,消费者的主要购物方式是在大型商场或者超市中进行购物,其商品种类齐全、选择性多。现有的智能购物系统大多以自助收银方式实现智能化效果,这些智能系统基于一个智能终端,虽然可以提高客户的体验感,但是仍存在着诸多缺陷:
(1)在结账处等待顾客过多。经过仔细调研后发现导致排队人数较多的原因是扫描商品耗费的时间过长,商品需要从购物袋中一一拿出,然后单个地扫描条形码,而且条形 码在扫描的时候必须得手动对准,这个也会耗费一定的时间。
(2) 迷失的顾客,顾客在寻找商品时总是需要询问导购员,而导购员并不是很多,而且导购员会向他们推销非目标商品。此外,很多超市规模比较庞大,顾客在陌生的环境中容易迷失方向,在购物完毕后不容易找到出口。
发明内容
本发明的技术方案是:一种智慧购物系统,可以应用于线下的购物环境中,能够为客户提供优质的服务。
系统基于软件框架包括相互关联的:存储原始数据及系统计算数据的数据库、采集基础特征及判断条件的采集模块、发出操作提醒及操作警报警报模块、对购物行为合格商品核算的核算模块;基于数据关联还包括:导航模块、推荐模块、判断模块、检查模块;
系统在硬件上的表现为:以服务器为主的控制中心、具备无线收发能力的移动终端。移动终端为移动的客户端,控制中心为数据处理的服务端,控制中心基于无线信号传输与移动终端形成数据关联。 移动终端上对应每个模块均设置有相应的功能页面,通过在功能页面上进行操作,可以达到用户的多种要求。
导航模块以蓝牙信标基站为数据单元形成对应现实场景的导航地图,商品位置与标识信标关联,定位引擎基于信标规划导航路线;
推荐模块以用户操作状态为触发节点,对预设的各类信息进行逻辑组合后形成多种数据集合,数据集合基于客户记录或商户记录为优先排列顺序,显示终端以触发节点关联的数据集合为优先显示;
判断模块基于图像、质量的关联形成购物行为判断依据;以图像传感为商品识别手段;以扫码及扫码判断为行为补救手段;判断模块、采集模块基于深度神经网络的算法进行自学习;
检查模块以移动终端关联的购物载体为识别对象,判断该移动终端所关联的购物过程是否存在判断模块未解决的异常记录。
基于上述的系统框架,导航模块在移动终端上有匹配的导航页面,用户通过导航页面的操作可以找到指定的商品。
优选的是,基于设置在智能购物车上的移动终端,移动终端具备基础的显示效果以及信号无线传输能力;控制中心在后台进行数字转换和导航计算。在购物环境中建立若干信标基站以形成导航区域的信标覆盖,信标基站越密集其导航精度就越高。基于信标形成的场景数据与实际信息进行数据交互以形成导航地图,实际信息可以导入在控制中心,控制中心将实际信息与场景数据对应上。
其中,导航模块中包括定位引擎,基于导航地图运行的定位引擎可以将商品信息换算成对应的目的信标。确定好目的信标后,对应信标基站发出指定信号,该指定信号在信号覆盖范围内被移动终端接收。移动终端接收目的信标并转发至控制中心,定位引擎计算当前移动终端与目的信标之间的路径,控制中向移动终端反馈路径。
基于上述的系统框架,推荐模块在移动终端上有匹配的推荐页面,尤其是与导航模块配合使用时。
优选的是,基于产品信息分类存储的数据库,推荐模块包括:
数据存储单元,用于存储商户记录和用户记录,其可以根据数据类型进行分区,不同属性的数据存储在不同的单元区域内。
数据传输单元,其至少包括无线收发结构,并且显示终端也需要具备无线数据收发功能。
信息筛选单元,用于对过去数据、当前数据的筛选;其具体表现为:以目标商品的同类商品为筛选对象,其中所推荐的信息类别包括:
基础推荐信息,包括以商户记录的畅销商品为条件的商品为目标商品的信息筛选结果;
时节推荐信息,包括以当前季节、天气为条件的商品为目标商品的信息筛选结果;
常购推荐信息,包括以用户购买记录中常购商品类为目标商品的信息筛选结果;
关联推荐信息,包括当前所购商品为目标商品的相关联商品的信息筛选结果;
促销推荐信息,包括商户当前的促销商品的信息;
即时推荐信息,包括当前位置附近的商品中属于常购商品的或促销商品的信息筛选结果;
上述各种推荐信息是基于线下购物过程中常见的“后台”信息的划分,其中部分推荐信息需要有触发条件。因此,基于购物过程中的触发条件,移动终端以上述推荐信息总和的逻辑筛选为显示结果,若逻辑筛选无结果则由促销推荐信息补充显示结果。根据基础的逻辑筛选可以形成不同分类的推荐信息集合,在系统中只需要对推荐信息集合进行分类,并通过显示终端输出即可。
一般还包括用户登录单元,基于用户登录获取用户记录中常购商品的信息。即“用户登录”和“游客登录”,“用户登录”属于登录状态,登录状态下以常购商品为筛选条件而优先显示相应商品信息;“游客登录”属于非登录状态,非登录状态下就不存在优先级别。
优选的是,在本方案中记载的触发条件包括用户登录、商品扫码、购物导航等。用户登录作为主要的触发条件,其决定了筛选结果;而商品扫码和购物导航则是“人性化”功能的触发条件,即商品扫码和购物导航体现出了具体操作下的筛选结果。
基于上述原理及操作条件,本方案的主要思路是:一个双层的逻辑筛选:
优选的是,逻辑筛选的关系包括:以常购商品为交集条件的优先筛选方式为第一逻辑关系。
优选的是,基于第一逻辑关系,逻辑筛选的关系还包括:与促销商品取交集的筛选方式为第二逻辑关系。
在上述的6种推荐信息基础上,通过这两个逻辑关系实现最终的信息筛选。筛选出来的推荐信息根据最终显示来分类,可以分成多个信息集合。
优选的是,显示终端所显示的信息集合包括:首页推荐集合、扫码推荐集合、货架推荐集合、菜谱推荐集合;
基于触发条件:
首页推荐集合为:基础推荐信息、时节推荐信息、常购推荐信息、促销推荐信息四者的逻辑筛选;尤其是当存在“用户登录”的触发条件,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若不存在“用户登录”的触发条件,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
扫码推荐集合包括:所扫商品信息、常购推荐信息、促销推荐信息三者的逻辑筛选;当“用户登录”、“商品扫码”触发成功,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若“商品扫码”的触发成功但“用户登录”未触发,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
货架推荐集合包括:即时推荐信息、常购推荐信息、促销推荐信息三者的逻辑筛选;当“用户登录”、“购物导航”触发成功,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若“购物导航”的触发成功但“用户登录”未触发,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
菜谱推荐单元包括:基于预设菜谱的关联推荐信息。该触发条件是基于“预设菜谱”的设立,该设立方式可以是商户实施,也可以是用户实施,其根据具体的操作功能来定。当所选商品是“预设菜谱”中的组成物时,其可以提供菜谱上其他组合物推荐。
根据上述的信息筛选原则,针对筛选对象也要做进一步说明:
优选的是,信息筛选单元以目标商品的同类商品销量信息为筛选条件。筛选目标确定后,筛选的结果就很明确;因此,具体筛选条件是基于销量,一般会选择销量考前的结果作为信息集合中的数据单元。
优选的是,推荐模块还包括有页面显示单元,页面显示单元基于信息集合生成相应的显示页面,显示页面播放出被推荐的各商品信息,具体的可以包括图文显示。一般,显示单元上设置了显示数量,显示数量中至少包括20个推荐商品的信息,若逻辑筛选后的结果若大于20则按销量前20排名的商品进行推荐。若筛选后的结果小于20,则不足量由促销推荐信息进行补充。
基于即时推荐信息,需要一个移动的购物状态,该购物状态还同时基于一个只能的导航单元。
优选的是,推荐模块包括与导航单元关联,导航模块与货架信息关联并产生相应的即时推荐信息。导航模块对周围货架位置进行感应,感应到周围货架后会针对该货架信息,或该货架上的商品信息进行推荐。
一般的,导航单模块与货架信息关联的触发因素包括距离条件。基于传感设备,导航模块与货架信息关联的触发因素包括距离条件。
优选的是,距离条件包括:现实场景中的距离值、现实场景对应的虚拟场景中的距离数据。由于导航技术的不同,可能是实际传感或者是虚拟定位等等方式。
基于上述的整体方案,基础数据也要做进一步的限定,基础数据包括了商户记录和用户记录。
优选的是,商户记录包括:截止购物时按销量降序排列中的各商品,简单的可以理解为商户所记录的畅销商品。
优选的是,用户记录包括:截止购物时按购买量降序排列中的各商品、截止购物时按购买次数降序排列中的各商品,简单的可以理解为用户的购买次数和购买量,具体是用户经常购买的几款商品,或用户购买量最多的商品。
基于上述的系统框架,在购物过程中通过具有防损功能的判断模块进行购物行为判断,以商品图像、商品质量、商品扫码为判定、或触发条件进行的逻辑组合。在判断模块计算的过程中,需要经过采集模块、数据库、警报模块、核算模块的配合。
采集模块是对判断过程中所涉及的判定条件收集;例如商品图像、商品种类、商品条码等等。
警报模块则是基于判断结果进行的反馈;例如,对误操作进行扫码的提醒,对违规操作进行管理员提醒等等。
优选的上,判断模块则是基于预设的逻辑关系进行数据关联性、行为合理性等等的判断;例如:基于图像关联的商品重量与当前商品重量的判断、基于图像与重量关系所形成的操作情况的判断等等。
数据库可以对预设的各类数据和当前运行时生成的数据进行存储,每件商品都有独立的存储路径;例如,对实现收集的商品图片、信息特征的存储、对自学习过程中生成的数据进行存储等。
优选的是,优选的是,采集模块包括基于图像传感的图像采集单元、基于重量传感的重量采集单元、基于扫码信息的扫码采集单元。
本发明的优势在于:系统采用了一种自学习的算法,基于该算法,与商品关联的各类数据都可以进行智能的自学习。自学习的过程是由深度神经网络算法来实现的,基于该算法,采集模块中所涉及的数据都可成为深度神经网络算法中的基础特征点,即深度神经网络算法可以实现整个系统的自学习过程。
优选的是,系统自学习的过程包括:采集模块获得的基础特征与系统的正确判断结果之间形成的神经式网络关系,这个神经式网络的基层上包括关于每件商品的各类基础特征点,神经式网络的顶层为对应上述基础特征点来关联的确切该商品,基层和顶层之间的其他层为基础特征点相互组合成的特征集合。当该网络关系中某一单层数据的更新,即所说的对单一一层进行训练,那么除却顶层,其他相邻关系层通过对彼此间的双向权重的调整进行整体更新。在该过程的特点包括两方面:第一、权重的调整过程可以是相互的,即可以基于特征点的变化对权重自动调整,也可以基于权重变化对相邻层的特征进行调整。第二、调整方向是双向的,即可以上行调整,也可以下行调整。
以图像传感为示例:根据数据库中各商品预存数据,图像传感基于深度神经网络算法来识别当前重量传感中的商品。图像传感基于预设的图像特征进行商品识别,在识别过程中所捕捉的新特征会自动更新到数据库,并逐步优化识别过程。基于该功能,图像传感的结果将会更加精准。
图像传感结果具有相应的判别标准,根据当前识别图像与商品标准图像的相似度为依据,判断的值域根据系统自学习情况进行调整。系统在使用之初,因自学习数据较少,判断的值域控制在70%,即尽可能确保图像识别准确率。随着系统自学习,其识别精度越来越高,后期可以将判断的值域调整至90%,以增加其输的出准确率。
优选的是,基于深度神经网络算法的图像自学习过程包括:以图像传感采集商品基础特征点构成神经网络的基层,对应商品的完整图像为神经网络的顶层;顶层与基层之间的其他层是以基层中基础特征点组合成的集合,这些集合以图形化方式表现查出来;基于任意层的变化,除顶层的其他网络层之间对相互间的双向权重关系进行上行或下行的自动修改。原则以:准确的实现顶层目的而进行“上游”或“下游”的修改。
综上,该自学习的方法是为了更好的实现商品识别以及系统判断。基于上述的图像识别结果为商品确认基准,被识别商品所关联的预存重量信息与该商品的当前传感重量来比对;基于比对结果进行购物行为判断。
在扫码过程中对当前扫码商品今进行画面追踪,即图像传感不仅对购物车内的商品进行识别,同时对扫码位置上的商品进行画面监控。确保当前扫码商品为该过程中触发可疑行为的对应商品。
购物行为的判断包括:图像传感结果与重量传感结果匹配的合格行为判断、图像传感结果与重量传感结果不匹配的可疑行为判断;可疑行为将触发扫码提醒或警报。
优选的是,购物行为包括:重量传感增量的购物操作、重量传感减量的退货操作。
由于行为的触发条件不同,因此其对应的运行结果也不同,但是其判断原理是基于上述方式实现的。
基于上述方案,本发明中实现完整的购物流程还需要其他功能的模块进行配合。
优选的是,系统还包括核算模块;当客户实施的行为是合格行为时,采集模块所得的商品的对应核算信息由核算模块统计。若采集模块是以图像传感为主,此时图像传感识别出的商品信息为正确信息,核算模块基于该正确信息进行统计;若采集模块以扫码采集为主,此时所扫商品的核算信息为正确信息,核算模块基于该正确信息进行统计。
判断模块的实行的判断依据以图片传感和重量传感的匹配程度为基准,若图片传感结果和重量传感结果不匹配,则进入扫码判断过程。同样,扫码判断过程也是以扫码获得的商品的重量与扫码行为后重量传感获得的重量来判断。
购物行为可以根据用户操作分为:购物操作和退货操作;购物行为根据系统判断标准分为:合格行为和可疑行为。合格行为即判断数据向匹配的行为,可疑行为即判断数据不匹配的行为。一般,可疑行为包括:有图像传感的异常行为、有图像传感的犯规行为。每个操作中的对应行为具体规定如下:
l 基于单个购物操作的合格行为判断包括:
有图像传感的正常行为:画面传感结果与重量传感结果匹配,核算模块添加该商品的核算信息。
l 基于单个购物操作的可疑行为判断包括:
有图像传感的异常行为:图像采集单元识别错误,图像传感错误,警报模块提醒扫码或提醒工作人员;
有图像传感的犯规行为:图像采集单元识别正确,行为可疑,警报模块提醒扫码或提醒工作人员。
l 基于单个退货操作的合格行为判断包括:
有图像传感的正常行为:图像传感结果与重量传感结果匹配,核算模块删除该商品的核算信息。
l 基于单个退货操作的可疑行为判断包括:
有图像传感的异常行为:图像传感结果与重量传感结果不匹配,警报模块提醒扫码或提醒工作人员。
本发明的优点是:
1、系统功能完善:具备多种的实用功能,能够满足用户在购物环境中的多种需要。而且操作方便,响应迅速,能够为客户提供优质的体验感。
2、导航推荐功能:不同于当前的视频感应技术,以蓝牙信息覆盖方式形成导航地图,并结合了信息推荐功能可以实现迅速的查找和人性化的商品推荐。
3、防损算法:基于图像识别技术,图像识别准确率能够达到90%,关联后台信息后进行其他数据判断,以判断条件的匹配度来达到防损目的。同时,基于深度神经网络算法,以基础数据的更新进行自训练,提高了系统的识别精度和判断准度。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1 为智慧购物系统的结构流程图;
图2 为导航模块的原理图;
图3 为推荐模块的结构图;
图4 为首页推荐的流程图;
图5 为扫码推荐的流程图;
图6 为货架推荐的流程图;
图7 为菜谱推荐的流程图;
图8 为购物操作的流程图;
图9 为退货操作的流程图;
图10 为闸机检查的流程图。
具体实施方式
一种智慧购物系统,可以应用于线下的购物环境中,能够为客户提供优质的服务。系统基于软件框架包括相互关联的:数据库、采集模块、警报模块、核算模块、导航模块、推荐模块、判断模块、检查模块。
采集模块是对判断过程中所涉及的判定条件收集;例如商品图像、商品种类、商品条码等等;采集模块包括基于图像传感的图像采集单元、基于重量传感的重量采集单元、基于扫码信息的扫码采集单元。
数据库是对采集模块收集的基础数据、商品的清单、商品管理文件等等输入性信息的存储,同时还对系统运行过程中生成的数据进行存储。
系统在硬件上的表现为:以服务器为主的控制中心、具备无线收发能力的移动终端。移动终端为移动的客户端,控制中心为数据处理的服务端,控制中心基于无线信号传输与移动终端形成数据关联。 移动终端上对应每个模块均设置有相应的功能页面,通过在功能页面上进行操作,可以达到用户的多种要求。
导航模块以蓝牙信标基站为数据单元形成对应现实场景的导航地图,商品位置与标识信标关联,定位引擎基于信标规划导航路线;
推荐模块以用户操作状态为触发节点,对预设的各类信息进行逻辑组合后形成多种数据集合,数据集合基于客户记录或商户记录为优先排列顺序,显示终端以触发节点关联的数据集合为优先显示;
判断模块基于图像、质量的关联形成购物行为判断依据;以图像传感为商品识别手段;以扫码及扫码判断为行为补救手段;判断模块、采集模块基于深度神经网络的算法进行自学习;
检查模块以移动终端关联的购物载体为识别对象,判断该移动终端所关联的购物过程是否存在判断模块未解决的异常记录。
实施例:1
导航模块从两个方面来体现:第一、硬件设备,包括移动终端、信号发生装置等;第二、软件程序,包括了定位引擎、数据库等。
本方案是基于蓝牙定位的Beacon技术,通过布置好的基站将现实场景转换为坐标网络场景,再反向利用数字场景将导航信息应用在现实操作过程中。
由Beacon基站(信标基站)、移动终端、数据服务器(定位引擎、数据库)等组成。当移动终端进入Beacon基站覆盖范围,测出其接收到的RSSI(信号强度)值通过内置定位算法测出具体位置,通过定位引擎进行展示、导航等操作。
原理上:信标基站可以创建一个信号区域,当设备进入该区域时,相应的应用程序便会提示用户是否需要接入这个信号网络。通过能够放置在任何物体中的小型无线传感器和低功耗蓝牙技术,用户便能使用安装有信标应用的移动终端来传输数据。
因此,在本方案中,移动终端基于数字信号传输方式与数据库保持通信。硬件上还需要在购物环境中建立若干信标基站以形成导航区域的信标覆盖,当全面覆盖后,此范围内的所有位置都可以获取其他位置的信标。同时,在移动终端上包括接收单元,接收单元可以随时接收信标基站发出的数据包,移动终端及时将受到的数据包发送至后台处理。
同时,在软件上则形成一个数据处理功能,基于信标形成的场景数据与实际信息进行数据交互以形成导航地图。根据现有技术,此类导航模块上需要一个输入单元,用户可以通过输入单元将所要查找的商品的实际信息输入软件中。一般,商品的实际信息包括存储于数据库中的:区域布置信息、过道规划信息、货架分类信息、货架陈列信息等。系统中,信标所形成的是一个按照现实场景转化的具有具体坐标的场景数据,根据现实布置,将实际信息对应交互至该场景数据上。例如某一货架A在信标基站a的覆盖范围内,该信标基站a的会每隔一定时间广播一个数据包至场景中,当移动终端在场景中接收到该数据包后,其解析出数据包是来自于MAC地址为D6:B8:FF:C2:52:12的信标基站(即信标基站a),且此数据包中的RSSI值为-26dBm,经过计算后可以得知该位置大概在5m外。因此,我们可以在系统中对应这些信标进行数据关联,将数据库中预存的货架信息、商品信息关联至这些信标上。因此,在指向定位时,其可以找到确切目标。
具体的,可以将商品信息换算成对应的目的信标,通常导航膜中包括定位引擎和数据库,定位引擎是基于导航地图的,定位引擎可以通过指令进行搜索。同时,还需要将实际信息关联至具体信标上,定位引擎在索引数据库内的数据信息时就可以同步对应在场景数据上。当定位引擎搜索出对应的信标基站后,导航模块会通知移动终端标亮该信标基站发出的数据包,优先接收该信标基站的数据包。移动终端将随时接收目的信标并转发至后台系统,定位引擎根据及时数据来计算当前移动终端与目的信标之间的路径,最后导航模块向移动终端反馈路径。
如附图1所示,本实施例中,购物场景内的信标基站覆盖密度为3~5m2,因此,其导航精度可以控制在1~2m范围中,信标基站以“三点”定位基础原理,实现任意三个信标基站范围交点为目标点的进行精确定位。
该移动端配备了无线信号的收、发能力,其可以接受信标基站的数据包,同时也可与后台系统进行数据传输。导航模块中包括了基础的输入单元,用户将商品信息输入后。智能导航模块会基于客户查找的商品将计算好的最佳路径反馈到购物终端上,客户根据该路径准确的找到所需要的商品。
实施例2:
推荐模块基于数据库内的基础数据,因此,推荐信息的信息类别包括:
1.基础推荐信息,包括以商户记录的畅销商品为条件的商品为目标商品的信息筛选结果;其中,商户记录包括:商户所记录的20款左右的畅销商品,可以根据本月、本季度、上季度或上年度同一时间的记录。
2.时节推荐信息,包括以当前季节、天气为条件的商品为目标商品的信息筛选结果。例如以季节为条件,可以是当季的热销品,或上一个季节的热销品。天气为条件,则是根据天气情况推送出相应商品,例如:雨伞、雨衣、雨靴等(雨天);太阳镜、遮阳帽、防晒霜等(高温天)。
3.常购推荐信息,包括以用户购买记录中常购商品类为目标商品的信息筛选结果。用户记录包括:用户的购买次数和购买量,也可以根据本月、本季度、上季度或上年度同一时间的记录。
4.关联推荐信息,包括当前所购商品为目标商品的相关联商品的信息筛选结果;本实施例中关联情况包括“预设菜谱”,根据菜谱中的组合关联情况进行推荐。
5.促销推荐信息,包括商户当前的促销商品的信息;可以是供应商提供的促销计划,也可以是商户策划的促销计划。这部分的推荐信息由外部输出,在预先编辑好后存入数据库中供及时调用。
6.即时推荐信息,包括当前位置附近的商品中属于常购商品的或促销商品的信息筛选结果;本实施中主要体现在导航单元上,通过导航模块预设的功能,在移动过程中及时的接收到附近货架的信息。基于导航模块,货架信息会进行一个初选的方式,该初选方式以货架上的商品为基础进行销量排序,形成一个即时推荐。
在上述种推荐信息的前提下进行内部筛选,筛选基于逻辑筛选或数量组合,逻辑筛选关系可以根据服务情况进行调整,确保逻辑条件和逻辑顺序正确的前提下进行筛选组合,可以获得更多种类的推荐信息。
在本实施例中,逻辑筛选的关系包括:以常购商品为交集条件的优先筛选方式为第一逻辑关系。其取决于“常购商品”这一条件是否存在,存在则执行该逻辑关系,若不存在则直接执行第二逻辑关系。
基于第一逻辑关系,逻辑筛选的关系还包括:与促销商品取交集的筛选方式为第二逻辑关系。同样,该逻辑关系取决于“促销商品”是否存在,但大多数情况下商户会发布“促销消息”。
综上,通过这两种组合方式筛选出来的推荐信息根据最终显示来分类,可以分成多个信息集合。移动终端所显示的信息集合包括:首页推荐集合、扫码推荐集合、货架推荐集合、菜谱推荐集合。最终,页面显示单元基于信息集合生成相应的显示页面,显示页面播放出被推荐的各商品信息,具体的可以包括图文显示。
本发明方案中记载的触发条件包括用户登录、商品扫码、购物导航等。基于各触发条件后最终获得的显示页面分为:首页推荐、扫码推荐、货架推荐、菜谱推荐。
对“首页推荐”做具体说明:
基于6种基础的推荐信息,首页推荐集合包括了:基础推荐信息、时节推荐信息、常购推荐信息、促销推荐信息四者的逻辑筛选;尤其是当存在“用户登录”的触发条件,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若不存在“用户登录”的触发条件,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
具体的判定流程为:
判定用户是否登录:
A.已登录:信息筛选单元基于用户记录获取常购推荐信息,同时信息筛选单元获取时节推荐信息和促销推荐信息。根据第一逻辑关系,基于常购推荐信息进行交集筛选:
若存在交集结果:Ⅰ.交集结果满20个,则生成首页推荐;Ⅱ.交集结果不满20个,则由促销推荐信息中的商品补充,补足20个生成首页推荐。
若不存在交集结果:则由促销推荐信息中的商品补充,补足20个生成首页推荐。
B.未登录:则不存在常购推荐信息,不触发第一逻辑关系,信息筛选单元基于商户记录获取基础推荐信息,同时信息筛选单元获取时节推荐信息和促销推荐信息。根据第二逻辑关系,基于促销推荐信息进行交集筛选,一般促销推荐信息的个数都会大于显示数量,因此,在促销推荐信息中前20的商品生成首页推荐。
对“扫码推荐”做具体说明
基于6种基础的推荐信息,扫码推荐集合包括:所扫商品信息、常购推荐信息、促销推荐信息三者的逻辑筛选;当“用户登录”、“商品扫码”触发成功,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若“商品扫码”的触发成功但“用户登录”未触发,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
具体的判定流程为:
1.判定用户是否登录:
A.已登录:信息筛选单元基于用户记录获取常购推荐信息,同时信息筛选单元获取促销推荐信息。根据第一逻辑关系,基于常购推荐信息进行交集筛选:
若存在交集结果:Ⅰ.交集结果满20个,则生成首页推荐;Ⅱ.交集结果不满20个,则由促销推荐信息中的商品补充,补足20个生成扫码推荐。
若不存在交集结果:则由促销推荐信息中的商品补充,补足20个生成首页推荐。
B.未登录:则不存在常购推荐信息,不触发第一逻辑关系,信息筛选单元基于商户记录获取基础推荐信息,根据第二逻辑关系,基于促销推荐信息进行交集筛选,一般促销推荐信息的个数都会大于显示数量,因此,在促销推荐信息中前20的商品生成扫码推荐。
2.用户扫码:
A.扫码:显示页面为所扫产品的信息;
B.未扫码:显示页面为扫码推荐信息;
对“货架推荐”做具体说明:
基于6种基础的推荐信息,货架推荐集合包括:即时推荐信息、常购推荐信息、促销推荐信息三者的逻辑筛选。该类信息推荐是基于“购物导航”的触发条件的,需要以一个移动的购物状态为基础。基于导航模块,导航模块与货架信息关联并产生相应的即时推荐信息。导航模块对周围货架位置进行感应,感应到周围货架后会针对该货架信息,或该货架上的商品信息进行推荐。若存在购物导航配合的,那么商户信息一般是基于导航配合的。通常商家记录中的所有信息是以货架为单元的小集合组成的,因此就可以很好的配合导航模块。
当“用户登录”、“购物导航”触发成功,则逻辑筛选中第一逻辑关系生效后第二逻辑关系生效,若“购物导航”的触发成功但“用户登录”未触发,则逻辑筛选中第一逻辑关系不生效但第二逻辑关系继续生效。
具体的判定流程为:
当用户靠近某一货架时,判定用户是否登录:
A.已登录:信息筛选单元基于用户记录获取常购推荐信息,同时信息筛选单元获取即时推荐信息、促销推荐信息。根据第一逻辑关系,基于常购推荐信息进行交集筛选:
若存在交集结果:Ⅰ.交集结果满20个,则生成LBS推荐(货架推荐);Ⅱ.交集结果不满20个,则由促销推荐信息中的商品补充,补足20个生成LBS推荐。
若不存在交集结果:则由当前货架上关联的:促销推荐信息或基础推荐信息进行补充,补足20个生成LBS推荐。
B.未登录:则不存在常购推荐信息,不触发第一逻辑关系,信息筛选单元基于即时推荐信息、基础推荐信息,根据第二逻辑关系,基于促销推荐信息进行交集筛选,一般促销推荐信息的个数都会大于显示数量,因此,在促销推荐信息中前20的商品生成扫码推荐。
对“菜谱推荐”做具体说明:
基于关联推荐信息,菜谱推荐单元包括:基于预设菜谱的关联推荐信息。该触发条件是基于“预设菜谱”的设立,该设立方式可以是商户实施,也可以是用户实施,其根据具体的操作功能来定。当所选商品是“预设菜谱”中的组成物时,其可以提供菜谱上其他组合物推荐。
具体的判定流程为:
判定当前商品是否存在预设菜谱:
A.存在预设菜谱:信息筛选单元基于关联推荐信息,同时信息筛选单元获取促销推荐信息。根据第二逻辑关系,基于促销推荐信息进行交集筛选:
若存在交集结果:Ⅰ.交集结果满20个,则生成菜谱推荐;Ⅱ.交集结果不满20个,则由促销推荐信息中的商品补充,补足20个生成LBS推荐。
若不存在交集结果:则由促销推荐信息或基础推荐信息进行补充,补足20个生成LBS推荐。
B.不存在预设菜谱:则无菜谱推荐。
实施例3:
判断模块则是基于预设的逻辑关系进行数据关联性、行为合理性等等的判断;例如:基于图像关联的商品重量与当前商品重量的判断、基于图像与重量关系所形成的操作情况的判断等等,对于不合格的结果将会通过警报模块表现出来。
采集模块对于商品基础特征的收集主要体现在:第一、对于商品基础数据采集,在系统设计过程中,就会对目前市场上的所有商品进行基础信息的收集,从商品360°的图像、商品质量等等方面采集数据,并将采集到的数据存入数据库中便于调用。第二、对购物行为中,商品的信息进行采集,包括单个购物行为中,商品的图像收集、图像重量收集、甚至是扫码收集等等。
判断模块的优势在于采用了一种自学习的算法,基于该算法,与商品关联的各类数据都可以进行智能的自学习。自学习的过程包括:采集模块获得的基础特征与系统的正确判断结果之间形成的神经式网络关系,这个神经式网络的基层上包括关于每件商品的各类基础特征点,神经式网络的顶层为对应上述基础特征点来关联的确切该商品,基层和顶层之间的其他层为基础特征点相互组合成的特征集合。当该网络关系中某一单层数据的更新,即所说的对单一一层进行训练,那么除却顶层,其他相邻关系层通过对彼此间的双向权重的调整进行整体更新。在该过程的特点包括两方面:第一、权重的调整过程可以是相互的,即可以基于特征点的变化对权重自动调整,也可以基于权重变化对相邻层的特征进行调整。第二、调整方向是双向的,即可以上行调整,也可以下行调整。
以图像传感为示例:A商品在基础数据采集时,收集到了6个画面基础特征:a处商标、b处形状、c处颜色、d处文字、e处条纹、f处图案。以上述的基础特征进行识别,识别过程是:a至f为深度神经网络的基层,第二层的特征为:a+f的组合、c+d的组合、e+f的组合……;第三层的特征为第二层特征的相互组合……;第四层、第五层以此类推;顶层即为该商品。相邻的两侧之间通过基础算法来实现,基础算法中标识了各自权重。当用户在对A商品进行购物操作时,通过画面传感进行了识别,那么可能发生的情况中包括了a至e的5处特征被识别,同时多了一个特征g,那么基于a至e这5个特征系统已经可以识别该商品的前提下,g特征将被系统加入基础特征中,同时深度神经网络将会基于该新加入的g特征进行更新。那么神经网络算法的特点就在于更新不仅仅是对特征层的更新,同时基于特征层的变化,基础算法中的权重也将会被更新,其目标都是为了更加准确的识别A商品。
因此,使用该自学习的方法是为了更好的实现商品图像识别以及画面特征系统判断。那么,当整个判断过程都使用该自学习方法时,商品的重量信息、商品的扫码信息等等豆浆成为基层中的特征点,通过特征点的组合形成“图像化”的上层特征,依次类推,最终对应至目标商品。
判断模块是基于商品的图像传感和重量传感为基础条件,将图像传感的被识别商品所关联的预存重量信息与该商品的当前传感重量来比对;基于比对结果进行购物行为判断。
若该图像传感的结果与重量传感的结果匹配,那么该商品的购物行为合格,且此商品的核算信息被记录。
若该图像传感的结果与重量传感的结果不匹配,那么该商品的购物行为可疑,系统将会提醒使用扫码采集,基于扫码采集到的商品关联信息与该商品的重量信息判断,若匹配则此商品的核算信息被记录,若不匹配则警报提醒工作人员。
因此,基于上述的判断原理,本系统中购物行为的判断包括:
图像传感结果与重量传感结果匹配的合格行为判断、图像传感结果与重量传感结果不匹配的可疑行为判断;可疑行为将触发扫码提醒或警报。
当客户实施的行为是合格行为时,采集模块所得的商品的对应核算信息由核算模块统计。若采集模块是以图像传感为主,此时图像传感识别出的商品信息为正确信息,核算模块基于该正确信息进行统计;若采集模块以扫码采集为主,此时所扫商品的核算信息为正确信息,核算模块基于该正确信息进行统计。核算模块统计后将会生成购物清单,购物清单通过移动终端来显示,用户可以经过核对后确认支付。
具体的购物行为包括:重量传感增量的购物操作、重量传感减量的退货操作。
购物行为的判断根据系统标准分为:合格行为和可疑行为。合格行为即判断数据向匹配的行为,可疑行为即判断数据不匹配的行为。一般,可疑行为包括:有图像传感的异常行为、有图像传感的犯规行为。每个操作中的对应行为具体规定如下:
l 基于单个购物操作的合格行为判断包括:
有图像传感的正常行为:画面传感结果与重量传感结果匹配,核算模块添加该商品的核算信息。
l 基于单个购物操作的可疑行为判断包括:
有图像传感的异常行为:图像采集单元识别错误,图像传感错误,警报模块提醒扫码或提醒工作人员;
有图像传感的犯规行为:图像采集单元识别正确,行为可疑,警报模块提醒扫码或提醒工作人员。
l 基于单个退货操作的合格行为判断包括:
有图像传感的正常行为:图像传感结果与重量传感结果匹配,核算模块删除该商品的核算信息。
l 基于单个退货操作的可疑行为判断包括:
有图像传感的异常行为:图像传感结果与重量传感结果不匹配,警报模块提醒扫码或提醒工作人员。
实施例4:
基于上述购物过程,在顺利结算完成后,需要经过一个检查模块,该检查模块具体表现在一个智能闸机或一个智能通道上。
检查模块可以对经过的购物车进行识别,识别方式包括:二维码识别、车牌识别、RFID识别。上述识别方式均要在购物车上设置相应的被识别单元,通过对应识别可以获得当前购物车的所有信息,具体的表现为购物过程中的违规记录。
检查模块对违规记录进行判断,判断依据是根据违规记录的处理结果进行的,若存在未处理的违规记录,那么检测模块会控制智能闸机上的黄色警报灯闪烁报警,闸机不打开,同时打印出购物小票,提醒进行防损检查。
若存在系统识别常等问题,那么检测模块会控制智能闸机上的红色警报灯闪烁报警,闸机不打开,同时打印出购物小票,提醒进行防损检查。
若不存在异常或可疑,那么检测模块会控制智能闸机绿灯闪烁,同时打印出购物小票,闸机打开让客户通过。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明的。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明的所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (15)
1.一种智慧购物系统,包括控制中心、移动终端;控制中心基于无线信号传输与移动终端形成数据关联;系统基于软件框架包括相互关联的:数据库、采集模块、警报模块、核算模块;其特征在于:基于数据关联还包括:导航模块、推荐模块、判断模块、检查模块;
所述导航模块以蓝牙信标基站为数据单元形成对应现实场景的导航地图,商品位置与标识信标关联,定位引擎基于信标规划导航路线;
所述推荐模块以用户操作状态为触发节点,对预设的各类信息进行逻辑组合后形成多种数据集合,数据集合基于客户记录或商户记录为优先排列顺序,所述显示终端以触发节点关联的数据集合为优先显示;
所述判断模块基于图像、质量的关联形成购物行为判断依据;以图像传感为商品识别手段;以扫码及扫码判断为行为补救手段;所述判断模块、采集模块基于深度神经网络的算法进行自学习;
所述检查模块以移动终端关联的购物载体为识别对象,判断该移动终端所关联的购物过程是否存在所述判断模块未解决的异常记录。
2.根据权利要求1所述的一种智慧购物系统,其特征在于:基于信标形成的场景数据与实际信息进行数据交互以形成导航地图;基于导航地图运行的定位引擎将商品信息换算成对应的目的信标。
3.根据权利要求2所述的一种智慧购物系统,其特征在于:所述移动终端接收目的信标并转发至所述数据服务器;所述定位引擎计算当前移动终端与目的信标之间的路径;数据服务器向所述移动终端反馈路径。
4.根据权利要求1或3所述的一种智慧购物系统,其特征在于:基于数据库中的记录,所述推荐模块以目标商品的同类商品为筛选对象,所推荐的信息类别包括:
基础推荐信息,包括以商户记录的畅销商品为条件的商品为目标商品的信息筛选结果;
时节推荐信息,包括以当前季节、天气为条件的商品为目标商品的信息筛选结果;
常购推荐信息,包括以用户购买记录中常购商品类为目标商品的信息筛选结果;
关联推荐信息,包括当前所购商品为目标商品的相关联商品的信息筛选结果;
促销推荐信息,包括商户当前的促销商品的信息;
即时推荐信息,包括当前位置附近的商品中属于常购商品的或促销商品的信息筛选结果;
基于购物过程中的触发条件,移动终端以上述推荐信息的逻辑筛选为显示结果;逻辑筛选无结果则由促销推荐信息补充显示结果;
还包括用户登录单元,基于用户登录获取用户记录中常购商品的信息。
5.根据权利要求3所述的一种智慧购物系统,其特征在于:所述逻辑筛选的关系包括顺次执行的:以常购商品为交集条件的优先筛选方式为第一逻辑关系、与促销商品取交集的筛选方式为第二逻辑关系。
6.根据权利要求4所述的一种智慧购物系统,其特征在于:所述移动终端所显示的信息集合包括:首页推荐集合、扫码推荐集合、货架推荐集合、菜谱推荐集合;
所述首页推荐集合为:基础推荐信息、时节推荐信息、常购推荐信息、促销推荐信息四者的逻辑筛选;
所述扫码推荐集合包括:所扫商品信息、常购推荐信息、促销推荐信息三者的逻辑筛选;
所述货架推荐集合包括:即时推荐信息、常购推荐信息、促销推荐信息三者的逻辑筛选;
所述菜谱推荐单元包括:基于预设菜谱的关联推荐信息。
7.根据权利要求4所述的一种智慧购物系统,其特征在于:所述移动终端对每个推荐集合设置显示数量,若显示结果大于显示数量,则以销量顺次推荐显示结果;若显示结果小于显示数量,则由促销推荐信息中的商品进行不重复补充。
8.根据权利要求4所述的一种智慧购物系统,其特征在于:所述导航模块与货架信息关联并产生相应的即时推荐信息。
9.根据权利要求1或8所述的一种智慧购物系统,其特征在于:根据数据库中各商品预存数据,图像传感基于深度神经网络算法来识别当前重量传感中的商品;以图像识别为商品确认基准,被识别商品所关联的预存重量信息与该商品的当前传感重量来比对;基于比对结果进行购物行为判断和系统自学习;
购物行为的判断包括:图像传感结果与重量传感结果匹配的合格行为判断、图像传感结果与重量传感结果不匹配的可疑行为判断;所述可疑行为将触发扫码提醒或警报;
系统自学习的过程包括:采集模块获得的基础特征与系统的正确判断结果之间形成的神经式网络关系,基于网络关系中单层数据的更新,相邻关系层通过对彼此间的双向权重的调整进行整体更新。
10.根据权利要求9所述的一种智慧购物系统,其特征在于:在合格行为时,采集模块所得的商品的对应核算信息由所述核算模块统计。
11.根据权利要求10所述的一种智慧购物系统,其特征在于:所述采集模块还包括扫码采集单元;图像传感结果与重量传感结果不匹配时,系统提醒使用扫码采集单元。
12.根据权利要求11所述的一种智慧购物系统,其特征在于:若扫码结果判断合格,所扫商品的核算信息由所述核算模块统计;扫码结果判断包括:扫码获得的商品的重量与扫码行为后重量传感获得的重量判断。
13.根据权利要求12所述的一种智慧购物系统,其特征在于:基于深度神经网络算法的图像自学习过程包括:以图像传感采集商品基础特征点构成神经网络的基层,对应商品的完整图像为神经网络的顶层;基于任意层的变化,除顶层的其他网络层之间对相互间的双向权重关系进行上行或下行的自动修改。
14.根据权利要求13所述的一种智慧购物系统,其特征在于:所述可疑行为包括:有图像传感的异常行为、有图像传感的犯规行为。
15.根据权利要求14所述的一种智慧购物系统,其特征在于:购物行为包括:重量传感增量的购物操作、重量传感减量的退货操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196856.3A CN109918517A (zh) | 2019-03-15 | 2019-03-15 | 一种智慧购物系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196856.3A CN109918517A (zh) | 2019-03-15 | 2019-03-15 | 一种智慧购物系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109918517A true CN109918517A (zh) | 2019-06-21 |
Family
ID=66965041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196856.3A Pending CN109918517A (zh) | 2019-03-15 | 2019-03-15 | 一种智慧购物系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918517A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110446195A (zh) * | 2019-07-22 | 2019-11-12 | 万翼科技有限公司 | 定位处理方法及相关产品 |
CN110852813A (zh) * | 2019-11-20 | 2020-02-28 | 哈尔滨工业大学 | 一种智能物联购物车系统及其购物方法 |
CN111210316A (zh) * | 2020-02-28 | 2020-05-29 | 范泽维 | 基于物联网的新型购物模式和模块化物联网购物车系统 |
CN113450170A (zh) * | 2020-03-27 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种信息显示方法和装置 |
CN114040322A (zh) * | 2021-10-22 | 2022-02-11 | 云南腾云信息产业有限公司 | 空间定位方法、装置、计算机设备和存储介质 |
CN114943574A (zh) * | 2022-04-08 | 2022-08-26 | 烟台创迹软件有限公司 | 一种智能购物车防损识别方法、装置、系统及存储介质 |
CN116503182A (zh) * | 2023-06-25 | 2023-07-28 | 凯泰铭科技(北京)有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
CN117078294A (zh) * | 2023-10-11 | 2023-11-17 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2463818A1 (en) * | 2010-12-07 | 2012-06-13 | Digital Foodie Oy | A method for creating computer generated shopping list |
CN106231539A (zh) * | 2016-07-29 | 2016-12-14 | 北京交通大学 | 基于低功耗蓝牙信标的商旅区域位置服务系统 |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
KR20180104961A (ko) * | 2017-03-14 | 2018-09-27 | 주식회사 에그락 | 고객 행동 기반의 오프라인 쇼핑몰 매장 추천 시스템 및 매장 추천 방법 |
CN109118200A (zh) * | 2018-07-26 | 2019-01-01 | 上海凯景信息技术有限公司 | 一种基于图像识别的商品识别与收银系统 |
-
2019
- 2019-03-15 CN CN201910196856.3A patent/CN109918517A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2463818A1 (en) * | 2010-12-07 | 2012-06-13 | Digital Foodie Oy | A method for creating computer generated shopping list |
CN106231539A (zh) * | 2016-07-29 | 2016-12-14 | 北京交通大学 | 基于低功耗蓝牙信标的商旅区域位置服务系统 |
KR20180104961A (ko) * | 2017-03-14 | 2018-09-27 | 주식회사 에그락 | 고객 행동 기반의 오프라인 쇼핑몰 매장 추천 시스템 및 매장 추천 방법 |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
CN109118200A (zh) * | 2018-07-26 | 2019-01-01 | 上海凯景信息技术有限公司 | 一种基于图像识别的商品识别与收银系统 |
Non-Patent Citations (1)
Title |
---|
李根等: "基于RFID 技术的智能购物车系统设计", 《赤峰学院学报( 自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110446195A (zh) * | 2019-07-22 | 2019-11-12 | 万翼科技有限公司 | 定位处理方法及相关产品 |
CN110852813A (zh) * | 2019-11-20 | 2020-02-28 | 哈尔滨工业大学 | 一种智能物联购物车系统及其购物方法 |
CN111210316A (zh) * | 2020-02-28 | 2020-05-29 | 范泽维 | 基于物联网的新型购物模式和模块化物联网购物车系统 |
CN113450170A (zh) * | 2020-03-27 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种信息显示方法和装置 |
CN114040322A (zh) * | 2021-10-22 | 2022-02-11 | 云南腾云信息产业有限公司 | 空间定位方法、装置、计算机设备和存储介质 |
CN114943574A (zh) * | 2022-04-08 | 2022-08-26 | 烟台创迹软件有限公司 | 一种智能购物车防损识别方法、装置、系统及存储介质 |
CN116503182A (zh) * | 2023-06-25 | 2023-07-28 | 凯泰铭科技(北京)有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
CN116503182B (zh) * | 2023-06-25 | 2023-09-01 | 凯泰铭科技(北京)有限公司 | 基于规则引擎实现动态采集车险人伤数据方法和装置 |
CN117078294A (zh) * | 2023-10-11 | 2023-11-17 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
CN117078294B (zh) * | 2023-10-11 | 2023-12-22 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918517A (zh) | 一种智慧购物系统 | |
CN109214751B (zh) | 一种基于库存位置变化的智能库存管理系统 | |
CN109414119B (zh) | 用于在环境内计算机视觉驱动应用的系统和方法 | |
US10373116B2 (en) | Intelligent inventory management and related systems and methods | |
CN101657697B (zh) | 对点地址产生参考地理编码的系统和方法 | |
CN109685551A (zh) | 信息处理方法及其装置、服务器及信息处理系统 | |
US20230177391A1 (en) | Machine-learning data handling | |
CN103049853B (zh) | 店铺真伪识别装置及验证方法 | |
CN103119607A (zh) | 根据视频的人的活动确定的优化 | |
CN110232567A (zh) | 基于购买者位置定位的开放式自助销售方法及系统 | |
CN110084649A (zh) | 智能售货机信息处理方法及其装置、服务器 | |
CN107133849A (zh) | 一种基于云计算技术的农产品交易管理系统及其方法 | |
CN112508132B (zh) | 一种识别sku的训练方法及装置 | |
CN109872168A (zh) | 一种基于购物工具的防作弊系统 | |
CN108831019A (zh) | 自助超市售货系统及自助售货系统 | |
CN108831073A (zh) | 无人超市系统 | |
US11748787B2 (en) | Analysis method and system for the item on the supermarket shelf | |
CN108629467B (zh) | 一种样品信息处理方法及系统 | |
WO2019060767A1 (en) | INTELLIGENT STOCK MANAGEMENT AND ASSOCIATED SYSTEMS AND METHODS | |
CN109919731A (zh) | 基于线下购物过程的产品推荐模块 | |
CN204576583U (zh) | 农贸市场管理系统 | |
CN106651253A (zh) | 基于光载无线技术的物联网智能物流信息平台 | |
CN109300265A (zh) | 无人超市管理系统 | |
CN108229894A (zh) | 基于售货机的货物配置方法、装置、终端和系统 | |
KR20190056667A (ko) | Pos 및 영상 기반의 상권 분석 시스템 및 방법 |
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 |