CN110148007A - 商品信息检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种商品信息检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测商品信息，待检测商品信息包括商品图像和商品描述；利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称；基于商品标识和所述品牌名称，确定待检测商品信息是否为仿冒信息。采用本方法能够提高检测效率。

Description

商品信息检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及数据处理技术领域，特别是涉及一种商品信息检测方法、装置、计算机设备和存储介质。

背景技术

随着科技和社会经济的发展，人们生活水平不断提高，使得各种市场不断的扩大以及各种产业大量的增加，例如电子商务平台的出现。电子商务平台是一种新型的产业，人们通过电子商务平台便可以浏览、选择各种各样所需的商品。由于市场的扩大，商品种类也越来越多样化。然而，在实践中发现，市场扩大的同时伴随着大量的仿冒品。仿冒品的存在不仅扰乱了市场秩序，还损害了消费者的利益。而电子商务平台作为线上平台，仿冒品出现的概率尤其高。因此，各大平台为了防止仿冒品的出现，派遣大量人力对平台上的上线商品进行人工审核，辨别是否为仿冒品。然而，人工审核不仅耗费大量人力资源，且存在较高的漏检率，降低了检测的效率。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高检测效率的商品信息检测方法、装置、计算机设备和存储介质。

一种商品信息检测方法，所述方法包括：

获取待检测商品信息，所述待检测商品信息包括商品图像和商品描述；

利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称；

基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息。

在其中一个实施例中，所述商品标识为商标；所述利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称，包括：

利用预设的图像识别模型对所述商品图像进行商标识别，得到所述待检测商品信息对应商品的商标；所述图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络；

利用预设的自然语言处理模型对所述商品描述进行关键词提取，得到所述待检测商品信息对应商品的品牌名称。

在其中一个实施例中，所述基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息，包括：

当与预设的授权品牌名单进行匹配，确定所述授权品牌名单中包括所述商品标识和所述品牌名称，且所述商品标识和所述品牌名称存在关联关系时，确定所述待检测商品信息为非仿冒信息；

当与预设的授权品牌名单进行匹配，确定所述授权品牌名单中不包括所述商品标识、或所述授权品牌名单中不包括所述品牌名称、或所述商品标识和所述品牌名称不存在关联关系时，确定所述待检测商品信息为仿冒信息。

在其中一个实施例中，所述确定所述待检测商品信息为仿冒信息之后，还包括：

统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

在其中一个实施例中，所述商品标识为防伪编码；

所述利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的防伪编码和品牌名称，包括：

利用预设的图像检测模型、光学字符识别方法以及射频识别方法对所述商品图像进行图像检测，得到所述待检测商品信息对应商品的防伪编码；

利用预设的自然语言处理模型对所述商品描述进行关键词提取，得到所述待检测商品信息对应商品的品牌名称。

在其中一个实施例中，所述利用预设的图像检测模型、光学字符识别方法以及射频识别方法对所述商品图像进行图像检测，得到所述待检测商品信息对应商品的防伪编码，包括：

利用预设的图像检测模型对所述商品图像进行商品特征的提取，得到所述待检测商品信息对应商品的商品特征；

利用所述光学字符识别方法以及射频识别方法，分别对所述商品图像进行光学字符识别和射频识别，得到所述待检测商品信息对应商品的第二商品编号和射频标签；

将所述第二商品编号、射频标签以及所述商品特征进行组合，得到所述待检测商品信息对应商品的防伪编号。

在其中一个实施例中，所述基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息，包括：

当与预设的防伪溯源编码表进行匹配，确定所述防伪溯源编码表中包括所述防伪编码和所述品牌名称，且所述防伪编码与所述品牌名称存在关联关系时，确定所述待检测商品信息为非仿冒信息；

当预设的防伪溯源编码表进行匹配，确定所述防伪溯源编码表中不包括所述防伪编码时，确定所述待检测商品信息为仿冒信息。

一种商品信息检测装置，所述装置包括：

获取模块，用于获取待检测商品信息，所述待检测商品信息包括商品图像和商品描述；

处理模块，用于利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称；

确定模块，用于基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的商品信息检测方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的商品信息检测方法。

上述商品信息检测方法、装置、计算机设备和存储介质，通过获取包括商品图像和商品描述的待检测商品信息，利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称。基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息。从而依据神经网络实现了仿冒品的自动检测，不仅无需人工审核，还能防止漏检，提高了检测的效率。

附图说明

图1为一个实施例中商品信息检测方法的应用环境图；

图2为一个实施例中商品信息检测方法的流程示意图；

图3为一个实施例中得到待检测商品信息对应商品的商品标识和品牌名称步骤的流程示意图；

图4为另一个实施例中得到待检测商品信息对应商品的商品标识和品牌名称步骤的流程示意图；

图5为一个实施例中商品信息检测装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的商品信息检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104获取终端102发送的待检测商品信息，待检测商品信息包括商品图像和商品描述。服务器104利用预设的神经网络对商品图像进行图像处理，以及服务器104对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称。服务器104基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，服务器104可以采用本地私有云部署，从而保证数据的安全。

在一个实施例中，如图2所示，提供了一种商品信息检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S202，获取待检测商品信息，待检测商品信息包括商品图像和商品描述。

其中，待检测商品信息是指待检测商品的信息，包括商品的图像和对商品的描述文字信息，即商品信息和商品描述信息。商品图像可以包括但不限商品正面的图像、侧面的图像、顶端的图像和底端的图像，以及部分商品模样的图像，可以理解为，只要图像有显示商品任意一处，即可认定为该商品的商品图像。

具体地，在实际应用中，当用户有对商品进行防伪查询需求时，通过操作终端，利用终端的摄像装置对商品进行拍摄，获取商品的图像。并且，通过终端的输入装置输入商品的描述信息，描述信息包括但不限于商品对应的名称、品牌、厂家、材质、形状以及对商品的介绍和推广用语等等。用户将商品图像和商品描述上传至终端后，通过终端提供的防伪检测功能下发防伪检测指令。终端根据用户的防伪检测指令即可根据商品图像和商品描述生成对应的待检测商品信息并发送至对应的服务器。或者，在实际应用中，对于电商平台而言，电商平台在终端设备上提供可用的应用程序供用户线上管理商品。而电商平台为了防止平台上出现仿冒品，即可在用户在个人主页上传新的商品时，将用户在终端应用程序中上传的商品图像和商品描述生成待检测商品信息，将待检测商品信息发送至电商平台对应的服务器检测该新上线的商品是否有仿冒嫌疑。

步骤S204，利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称。

其中，商品标识包括商品的商标和商品的防伪编码。而神经网络是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。

自然语言是指人们日常所使用的语言，自然语言处理(Natural LanguageProcessing，NLP)是人工智能的子领域，是计算机科学领域和人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效沟通的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。自然语言处理的基础是各类自然语言处理数据集，如语料库训练集、面向文本分类研究的中英文新闻语料、用于非监督中文分词算法的中文分词词库以及带有初始化说明的情感分析数据集等。现自然语言处理广泛应用于文本朗读和分类、语音识别、分词、词性标注、信息检索和抽取等等。

具体地，通过预先训练好用于商标识别的神经网络对商品图像进行商标识别，得到商品图像中包括的商标。或者，通过预先训练好用于提取商品特征的神经网络对商品图像进行特征提取，得到商品的商品特征。并且，在利用神经网络对商品图像进行识别检测的同时，对商品描述进行自然语言处理，从商品描述中提取到商品所对应品牌的品牌名称。根据商品标识，即商品的商标或者商品的防伪编码，以及品牌名称确定待检测商品信息是否为仿冒信息，即可以得知该待检测商品信息对应的商品是否为仿冒商品。

步骤S206，基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息。

具体地，当商品标识为商标时，根据预设的授权品牌名单与商标和品牌名称进行匹配，一旦授权品牌名称中不包括该商品标识和品牌名称时，则可以确定该待检测商品信息为仿冒信息，即对应的商品为仿冒品。例如，在实际应用中，当电商平台获取到用户上线商品的商品标识和品牌名称时，通过调用该商户对应的授权品牌名单，根据授权品牌名单确定用户是否具有售卖权限，从而确定用户上线的商品是否为仿冒品。而当商标标识为防伪编码时，根据预设的授权品牌名单和防伪溯源编码表与防伪编码和品牌名称进行匹配，一旦授权品牌名单中没有对应的品牌以及防伪溯源编码表中没有对应的防伪编码时，则可以确定该待检测商品信息为仿冒信息，即对应的商品为仿冒品。

上述商品信息检测方法，通过获取包括商品图像和商品描述的待检测商品信息，利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称。基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息。从而依据神经网络实现了仿冒品的自动检测，不仅无需人工审核，还能防止漏检，提高了检测的效率。

在一个实施例中，如图3所示，利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称，包括：

步骤S302，利用预设的图像识别模型对商品图像进行商标识别，得到待检测商品信息对应商品的商标。图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络。

步骤S304，利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

其中，图像识别模型为经过训练的神经网络，通过已标注商标的训练图像对神经网络进行迭代训练，通过训练使得神经网络学习识别商标。训练好可以用于商标识别的神经网络即为图像识别模型。自然语言处理模型同样是根据自然语言预先训练所得。神经网络包括但不限于CNN(Convolutional Neural Networks，卷积神经网络)、FCN(FullyConvolutional Networks，全卷积网络)、VGG(Visual Geometry Group Network，视觉几何组网络)等。

具体的，当服务器接收到的包括待检测商品信息后，通过调用训练好的神经网络，即图像识别模型，对商品图像进行商标识别，得到商品图像中包括的商标。即为该检测商品信息对应的商品的商标。同时，调用自然语言处理模型对商品描述进行关键词的提取，得到有关品牌名称的关键词，从而得到待检测商品信息对应商品的品牌名称。

在一个实施例中，基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息，包括：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括商品标识和品牌名称，且商品标识和品牌名称存在关联关系时，确定待检测商品信息为非仿冒信息。当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括商品标识、或授权品牌名单中不包括品牌名称、或商品标识和品牌名称不存在关联关系时，确定待检测商品信息为仿冒信息。

其中，授权品牌名单中包括已授权的商标和品牌名称，授权品牌名单根据用户上传的授权证书、许可信息等生成。例如，用户将从品牌方获取到的授权证书或者许可信息等上传至电商平台，电商平台将授权证书或者许可信息进行验证后，当授权证书或者许可信息记载的信息属实，则为该用户生成包括已授权品牌商标和品牌名称的授权品牌名单，或者在用户对应的授权品牌名单中新增对应商标和品牌名称。当需要检测该用户的商品是否为仿冒品时，即可调用该用户对应的授权品牌名单。

具体地，服务器将根据待检测商品信息获得的商标和品牌名称，调用待检测信息对应用户的授权品牌名单，与授权品牌名单中的商标和品牌名称进行匹配。当授权品牌名单中不包括获得的商标和品牌名称中至少一个时，确定待检测商品信息为仿冒信息，其对应的商品为仿冒商品。也就是说，授权品牌名单中不包括获得商标、或者不包括获得的品牌名称，或者获得的商标和品牌名称都不包括时，确定待检测商品信息为仿冒信息，其对应的商品为仿冒商品。从而防止用户销售不具备售卖权限的商品。

而当授权品牌名单中不仅包括获得的商标，还包括品牌名称时，进一步验证该商标和品牌名称是否存在关联关系。若商标和品牌名称不存在关联关系，则表明待检测商品信息中的商品图像和商品描述不符合，同样确定待检测商品信息为仿冒信息，其对应的商品为仿冒商品。若商标和品牌名称存在关联关系，则表明待检测商品信息中的商品图像和商品描述符合，且该用户具备该商品的售卖权限，确定待检测商品信息不是仿冒信息，其对应的商品不是仿冒商品。从而防止用户通过不一样的商品图像和商品描述躲避仿冒检测，提高了检测的准确率。

在一个实施例中，当确定待检测商品信息为仿冒信息之后，还包括：统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

其中，用户编号是指用户在电商平台的编号，第一商品编号是指商品在电商平台的编号，发布时间是指对应商品上传到电商平台的时间，商品基本信息包括商品售卖价格、商品名称等。

具体地，当电商平台对应的服务器通过对新上线商品的待检测商品信息进行检测，确定仿冒商品之后。获取该仿冒商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。根据仿冒商品列表统计整个电商平台的仿冒商品，根据仿冒商品列表可以查询仿冒品最多的商品种类以及仿冒品最多的商家等，用于辅助电商平台查核仿冒情况。

在一个实施例中，如图,4所示，利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称，包括以下步骤：

步骤S402，利用预设的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，得到待检测商品信息对应商品的防伪编码。

步骤S404，利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

其中，图像检测模型为能够提取图像特征的神经网络，神经网络包括但不限于CNN(Convolutional Neural Networks，卷积神经网络)、FCN(Fully ConvolutionalNetworks，全卷积网络)、VGG(Visual Geometry Group Network，视觉几何组网络)等。光学识别字符(Optical Character Reccognition，OCR)方法是指通过对图像扫描确定商品对应编号的技术。射频识别(Radio Frequency Identification，RFID)方法是指通过射频识别射频标签的技术。防伪编码是由商品编号、射频标签以及商品特征组成的。自然语言处理模型同样是根据自然语言预先训练所得。

具体地，通过图像检测模型对商品图像进行检测，得到商品的商品特征。通过光学字符识别方法对商品图像进行光学字符识别，得到商品的编号。通过射频识别方法对商品图像进行射频识别，得到商品的射频标签，将商品编号、射频标签以及商品特征组成得到商品对应的防伪编码。同时，调用自然语言处理模型对商品描述进行关键词的提取，得到有关品牌名称的关键词，从而得到待检测商品信息对应商品的品牌名称。

在一个实施例中，利用预设的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，得到待检测商品信息对应商品的防伪编码，具体包括：利用预设的图像检测模型对商品图像进行商品特征的提取，得到待检测商品信息对应商品的商品特征；利用光学字符识别方法以及射频识别方法，分别对商品图像进行光学字符识别和射频识别，得到待检测商品信息对应商品的第二商品编号和射频标签；将第二商品编号、射频标签以及商品特征进行组合，得到待检测商品信息对应商品的防伪编号。

具体地，第二商品编号为商品出产时为商品设置的编号。在实际应用中，当用户有防伪查询需求时，通过终端的提示拍摄对应的商品图像，即商品图像应当包括有第二商品编号的区域、射频标签的区域以及指定用于商品特征获取的区域。例如，当商品出产时商品编号封装与商品开口的侧面，则提示用户拍摄商品封装有商品编号的开口侧面。当获取到对应的商品图像之后，通过调用对应的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，分别得到第二商品编号、射频标签以及商品特征。将第二商品编号、射频标签以及商品特征进行组合得到防伪编码，即第二商品编号+射频标签+商品特征＝防伪编码。

在一个实施例中，基于商品标识和品牌名称，确定待检测商品信息是否为仿冒信息，包括：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括所述品牌名称，以及与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中包括防伪编码时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括品牌名称，或与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中不包括防伪编码时，确定待检测商品信息为仿冒信息。

其中，防伪溯源编码表中包括防伪溯源编码和该防伪溯源编码对应的品牌名称，防伪溯源编码为预先生成的。即，在商品出产时，通过获取商品的第二商品编号、射频标签，以及利用图像检测模型对商品对应的商品图像进行特征提取，得到对应的商品特征，将第二商品编号、射频标签以及商品特征组合得到防伪溯源编码。也就是说，每个商品在出产时，预先建立对应的防伪溯源编码，并且将防伪溯源编码与品牌名称建立关联关系，用于后续防伪检测时进行对比。

具体地，将待检测商品信息对应的防伪编码与防伪溯源编码表进行匹配，一旦防伪溯源编码表中不包括该防伪编码时，不论防伪溯源编码中是否包括品牌名称，都确定待检测商品信息为仿冒信息，其对应的商品为仿冒商品。

而若防伪溯源编码表中包括该防伪编码时，进一步确定防伪编码对应的品牌名称是否与在防伪溯源编码表中匹配的防伪溯源编码关联的品牌名称一致。一致则表示待检测商品信息不是仿冒信息，其对应的商品不是仿冒商品。而若不一致，则表示虽然存在相同的防伪溯源编码，但是对应的品牌方不一样，同样确定待检测商品信息为仿冒信息，其对应的商品为仿冒商品。从而防止仿冒品牌盗用防伪编码从而躲避防伪查询。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种商品信息检测装置，包括：获取模块502、处理模块504和确定模块506，其中：

获取模块502，用于获取待检测商品信息，待检测商品信息包括商品图像和商品描述。

处理模块504，用于利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称。

确定模块506，用于基于商品标识和所述品牌名称，确定待检测商品信息是否为仿冒信息。

在一个实施例中，处理模块504还用于利用预设的图像识别模型对商品图像进行商标识别，得到待检测商品信息对应商品的商标；图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，确定模块506还用于当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括商品标识和品牌名称，且商品标识和品牌名称存在关联关系时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括商品标识、或授权品牌名单中不包括品牌名称、或商品标识和品牌名称不存在关联关系时，确定待检测商品信息为仿冒信息。

在一个实施例中，商品信息检测装置还包括生成模块，用于统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

在一个实施例中，处理模块504还用于利用预设的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，得到待检测商品信息对应商品的防伪编码；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，处理模块504还用于利用预设的图像检测模型对商品图像进行商品特征的提取，得到待检测商品信息对应商品的商品特征；利用光学字符识别方法以及射频识别方法，分别对商品图像进行光学字符识别和射频识别，得到待检测商品信息对应商品的第二商品编号和射频标签；将第二商品编号、射频标签以及商品特征进行组合，得到待检测商品信息对应商品的防伪编号。

在一个实施例中，确定模块506还用于当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括所述品牌名称，以及与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中包括防伪编码时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括品牌名称，或与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中不包括防伪编码时，确定待检测商品信息为仿冒信息。

关于商品信息检测装置的具体限定可以参见上文中对于商品信息检测方法的限定，在此不再赘述。上述商品信息检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储授权品牌名单、防伪溯源编码表、待检测商品信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种商品信息检测方法。

本领域技术人员可以理解，图Y中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取待检测商品信息，待检测商品信息包括商品图像和商品描述；

利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称；

基于商品标识和所述品牌名称，确定待检测商品信息是否为仿冒信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用预设的图像识别模型对商品图像进行商标识别，得到待检测商品信息对应商品的商标；图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括商品标识和品牌名称，且商品标识和品牌名称存在关联关系时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括商品标识、或授权品牌名单中不包括品牌名称、或商品标识和品牌名称不存在关联关系时，确定待检测商品信息为仿冒信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用预设的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，得到待检测商品信息对应商品的防伪编码；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用预设的图像检测模型对商品图像进行商品特征的提取，得到待检测商品信息对应商品的商品特征；利用光学字符识别方法以及射频识别方法，分别对商品图像进行光学字符识别和射频识别，得到待检测商品信息对应商品的第二商品编号和射频标签；将第二商品编号、射频标签以及商品特征进行组合，得到待检测商品信息对应商品的防伪编号。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括所述品牌名称，以及与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中包括防伪编码时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括品牌名称，或与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中不包括防伪编码时，确定待检测商品信息为仿冒信息。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取待检测商品信息，待检测商品信息包括商品图像和商品描述；

利用预设的神经网络对商品图像进行图像处理，以及对商品描述进行自然语言处理，得到待检测商品信息对应商品的商品标识和品牌名称；

基于商品标识和所述品牌名称，确定待检测商品信息是否为仿冒信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用预设的图像识别模型对商品图像进行商标识别，得到待检测商品信息对应商品的商标；图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括商品标识和品牌名称，且商品标识和品牌名称存在关联关系时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括商品标识、或授权品牌名单中不包括品牌名称、或商品标识和品牌名称不存在关联关系时，确定待检测商品信息为仿冒信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用预设的图像检测模型、光学字符识别方法以及射频识别方法对商品图像进行图像检测，得到待检测商品信息对应商品的防伪编码；利用预设的自然语言处理模型对商品描述进行关键词提取，得到待检测商品信息对应商品的品牌名称。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用预设的图像检测模型对商品图像进行商品特征的提取，得到待检测商品信息对应商品的商品特征；利用光学字符识别方法以及射频识别方法，分别对商品图像进行光学字符识别和射频识别，得到待检测商品信息对应商品的第二商品编号和射频标签；将第二商品编号、射频标签以及商品特征进行组合，得到待检测商品信息对应商品的防伪编号。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当与预设的授权品牌名单进行匹配，确定授权品牌名单中包括所述品牌名称，以及与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中包括防伪编码时，确定待检测商品信息为非仿冒信息；当与预设的授权品牌名单进行匹配，确定授权品牌名单中不包括品牌名称，或与预设的防伪溯源编码表进行匹配，确定防伪溯源编码表中不包括防伪编码时，确定待检测商品信息为仿冒信息。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种商品信息检测方法，所述方法包括：

获取待检测商品信息，所述待检测商品信息包括商品图像和商品描述；

利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称；

基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息。

2.根据权利要求1所述的商品检测方法，其特征在于，所述商品标识为商标；所述利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称，包括：

利用预设的图像识别模型对所述商品图像进行商标识别，得到所述待检测商品信息对应商品的商标；所述图像识别模型是预先根据已标注商标的标注图像训练完成的神经网络；

利用预设的自然语言处理模型对所述商品描述进行关键词提取，得到所述待检测商品信息对应商品的品牌名称。

3.根据权利要求2所述的方法，其特征在于，所述基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息，包括：

当与预设的授权品牌名单进行匹配，确定所述授权品牌名单中包括所述商品标识和所述品牌名称，且所述商品标识和所述品牌名称存在关联关系时，确定所述待检测商品信息为非仿冒信息；

当与预设的授权品牌名单进行匹配，确定所述授权品牌名单中不包括所述商品标识、或所述授权品牌名单中不包括所述品牌名称、或所述商品标识和所述品牌名称不存在关联关系时，确定所述待检测商品信息为仿冒信息。

4.根据权利要求3所述的方法，其特征在于，所述确定所述待检测商品信息为仿冒信息之后，还包括：

统计仿冒信息对应商品的用户编号、第一商品编号、发布时间、商品基本信息，生成仿冒商品列表。

5.根据权利要求1所述的商品检测方法，其特征在于，所述商品标识为防伪编码；

所述利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的防伪编码和品牌名称，包括：

利用预设的图像检测模型、光学字符识别方法以及射频识别方法对所述商品图像进行图像检测，得到所述待检测商品信息对应商品的防伪编码；

利用预设的自然语言处理模型对所述商品描述进行关键词提取，得到所述待检测商品信息对应商品的品牌名称。

6.根据权利要求5所述的方法，其特征在于，所述利用预设的图像检测模型、光学字符识别方法以及射频识别方法对所述商品图像进行图像检测，得到所述待检测商品信息对应商品的防伪编码，包括：

利用预设的图像检测模型对所述商品图像进行商品特征的提取，得到所述待检测商品信息对应商品的商品特征；

利用所述光学字符识别方法以及射频识别方法，分别对所述商品图像进行光学字符识别和射频识别，得到所述待检测商品信息对应商品的第二商品编号和射频标签；

将所述第二商品编号、射频标签以及所述商品特征进行组合，得到所述待检测商品信息对应商品的防伪编号。

7.根据权利要求6所述的方法，其特征在于，所述基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息，包括：

当与预设的防伪溯源编码表进行匹配，确定所述防伪溯源编码表中包括所述防伪编码和所述品牌名称，且所述防伪编码与所述品牌名称存在关联关系时，确定所述待检测商品信息为非仿冒信息；

当预设的防伪溯源编码表进行匹配，确定所述防伪溯源编码表中不包括所述防伪编码时，确定所述待检测商品信息为仿冒信息。

8.一种商品信息检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测商品信息，所述待检测商品信息包括商品图像和商品描述；

处理模块，用于利用预设的神经网络对所述商品图像进行图像处理，以及对所述商品描述进行自然语言处理，得到所述待检测商品信息对应商品的商品标识和品牌名称；

确定模块，用于基于所述商品标识和所述品牌名称，确定所述待检测商品信息是否为仿冒信息。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。