CN111259887B - 一种哑资源设备的智能质检方法及系统、装置 - Google Patents

Abstract

本发明公开一种哑资源设备的智能质检方法及系统、装置，所述方法包括：当检测到上传的哑资源数据集时，从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像；对记录表图像进行识别，确定质检项；获取预先构建的与质检项对应的检测模型；基于检测模型对待质检图像进行质检，得到哑资源设备的质检结果。实施本发明实施例，能够根据上传的哑资源数据集确定哑资源设备需要质检的质检项，并且根据确定的质检项对哑资源数据集中包含的待质检图像进行质检，从而得到针对哑资源设备的质检结果，从而提升对哑资源设备的安装情况质检的全面性。

Description

一种哑资源设备的智能质检方法及系统、装置

技术领域

本发明属于数据处理技术领域，尤其涉及一种哑资源设备的智能质检方法及系统、装置。

背景技术

随着近些年家庭宽带业务与集团客户宽带业务的大力发展，宽带用户数量出现了显著增长。目前，宽带业务的正常运行是以哑资源设备正常安装为基础的，安装人员可以通过手动的方式对哑资源设备进行安装，然而，安装人员在手动安装的过程中很容易出现安装失误的情况，从而导致宽带业务无法正常运行。

当前，为了保证安装后的哑资源设备可以正常运行，质检人员通常需要通过人工的方式对哑资源设备的安装情况进行质检，由于需要进行质检的哑资源设备的数量较多，质检人员的工作量过大，因此，通常只能通过抽查的方式对部分哑资源设备的安装情况进行质检，可见，实施这种方式会漏检部分哑资源设备的安装情况，不能保证对哑资源设备的安装情况质检的全面性。

发明内容

本发明针对现有技术中存在的问题，提供一种哑资源设备的智能质检方法及系统、装置，该方法通过基于图像处理与智能识别技术，解决了对哑资源设备的安装情况质检不够全面的问题。

本申请第一方面公开一种哑资源设备的智能质检方法，所述方法包括：

当检测到上传的哑资源数据集时，从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像；

对所述记录表图像进行识别，确定质检项；

获取预先构建的与所述质检项对应的检测模型；

基于所述检测模型对所述待质检图像进行质检，得到所述哑资源设备的质检结果。

作为一种可选的实施方式，在本发明实施例第一方面中，所述获取与所述质检项对应的检测模型之前，所述方法还包括：

当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据；

读取所述目标数据对应的数据标记；

基于识别模型对所述目标数据中与所述数据标记匹配的数据内容进行识别训练，并基于训练结果构建与所述数据集类型匹配的检测模型。

作为一种可选的实施方式，在本发明实施例第一方面中，所述当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据，包括：

当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型；

如果所述数据集类型为图像类型，从所述目标数据集中读取目标图像；

对所述目标图像进行分析，确定所述目标图像的清晰度以及所述目标图像的完整度；

将所述清晰度大于预设清晰度以及所述完整度大于预设完整度的目标图像确定为所述目标数据。

作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述记录表图像进行识别，确定质检项，包括：

通过文字识别技术对所述记录表图像进行文字识别，得到所述记录表图像中包含的文字信息；

对所述文字信息进行语义识别，确定所述待质检图像对应的所述哑资源设备的设备信息；

获取与所述设备信息匹配的质检项。

作为一种可选的实施方式，在本发明实施例第一方面中，所述从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像之后，所述方法还包括：

获取预先存储的已质检图像；

将所述待质检图像与所述已质检图像进行对比，判断所述已质检图像中是否存在与所述待质检图像相同的图像；

如果否，执行所述的通过文字识别技术对所述记录表图像进行文字识别，得到所述记录表图像中包含的文字信息；

如果是，确定所述哑资源设备的质检结果为不合格。

本申请第二方面公开一种哑资源设备的智能质检系统，其特征在于，包括：

第一读取单元，用于当检测到上传的哑资源数据集时，从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像；

识别单元，用于对所述记录表图像进行识别，确定质检项；

第一获取单元，用于获取预先构建的与所述质检项对应的检测模型；

质检单元，用于基于所述检测模型对所述待质检图像进行质检，得到所述哑资源设备的质检结果。

作为一种可选的实施方式，在本发明实施例第二方面中，所述系统还包括：

第一确定单元，用于在所述第一获取单元获取与所述质检项对应的检测模型之前，以及当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据；

第二读取单元，用于读取所述目标数据对应的数据标记；

构建单元，用于基于识别模型对所述目标数据中与所述数据标记匹配的数据内容进行识别训练，并基于训练结果构建与所述数据集类型匹配的检测模型。

作为一种可选的实施方式，在本发明实施例第二方面中，所述第一确定单元包括：

第一确定子单元，用于当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型；

读取子单元，用于如果所述数据集类型为图像类型，从所述目标数据集中读取目标图像；

分析子单元，用于对所述目标图像进行分析，确定所述目标图像的清晰度以及所述目标图像的完整度；

第二确定子单元，用于将所述清晰度大于预设清晰度以及所述完整度大于预设完整度的目标图像确定为所述目标数据。

本发明实施例第三方面公开一种哑资源设备的智能质检装置，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行第一方面的任意一种方法的部分或全部步骤。

本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储了程序代码，其中，所述程序代码包括用于执行第一方面的任意一种方法的部分或全部步骤的指令。

本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。

本发明实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，当检测到上传的哑资源数据集时，从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像；对记录表图像进行识别，确定质检项；获取预先构建的与质检项对应的检测模型；基于检测模型对待质检图像进行质检，得到哑资源设备的质检结果。可见，实施本发明实施例，能够根据上传的哑资源数据集确定哑资源设备需要质检的质检项，并且根据确定的质检项对哑资源数据集中包含的待质检图像进行质检，从而得到针对哑资源设备的质检结果，从而提升对哑资源设备的安装情况质检的全面性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例公开的一种哑资源设备的智能质检方法的流程示意图；

图2是本发明实施例公开的另一种哑资源设备的智能质检方法的流程示意图；

图3是本发明实施例公开的一种哑资源设备的智能质检系统的结构示意图；

图4是本发明实施例公开的另一种哑资源设备的智能质检系统的结构示意图；

图5是本发明实施例公开的一种哑资源设备的智能质检装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例公开一种哑资源设备的智能质检方法及系统、装置，能够提升对哑资源设备的安装情况质检的全面性。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种哑资源设备的智能质检方法的流程示意图。如图1所示，该哑资源设备的智能质检方法可以包括以下步骤：

101、当检测到上传的哑资源数据集时，从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像。

本发明实施例中，可以通过哑资源设备的智能质检装置执行各个实施例中的任意一个或多个步骤，对此，本发明实施例不做限定。哑资源设备可以为光交箱或分光器等，例如哑资源设备可以为AssitEyes，针对不同的哑资源设备，可以设置不同的质检项，针对哑资源设备不同的安装进度也可以设置不同的质检项，例如，可以对哑资源设备上的标签(如数字类型的标签、文字类型的标签以及字符类型的标签等)、光缆、尾纤、二维码、照片图像等质检项进行质检，对此，本发明实施例不做限定；此外，对于不同的质检项可以采用不同的检测模型进行质检，并且可以将各个质检项的质检结果进行综合，最终得到的针对哑资源设备的质检结果。

本发明实施例中，哑资源数据集可以为用于对当前需要质检的哑资源设备进行质检的数据，该数据可以为工作人员上传的，也可以为图像采集设备采集到的包含哑资源设备的图像，并自动将采集的图像作为用于质检的数据上传的，对此，本发明实施例不做限定。哑资源数据集中可以包含与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像，其中，记录表图像中可以包含哑资源设备的安装进度和/或哑资源设备包含的设备元件等，待质检图像可以包含哑资源设备的设备外表面图像和/或设备内部图像等，对此，本发明实施例不做限定。此外，还可以在哑资源设备的安装过程中对哑资源设备的安装情况进行质检，以及还可以在哑资源设备安装结束之后对哑资源设备的安装情况进行质检；哑资源设备的安装进度可以在记录表图像中记载。

102、对记录表图像进行识别，确定质检项。

本发明实施例中，记录表图像中可以包含安装人员安装哑资源设备的进度以及哑资源设备的设备基础信息等，例如，安装人员可以在安装哑资源设备的过程中随时记录安装进程，可以预先对哑资源设备的安装进程进行步骤的划分，每一个步骤中可以包含需要安装的哑资源设备的元素；设备基础信息中可以包含哑资源设备具体的型号、安装步骤、安装方式等信息，对此，本发明实施例不做限定。

举例来说，质检项可以分为哑资源设备箱体内部的内部质检项、哑资源设备箱体外部的外部质检项以及随工记录表等质检项，其中，哑资源设备箱体内部的内部质检项可以包含：哑资源设备箱体内部有无纤芯、哑资源设备箱体内部有无分光器或者哑资源设备箱体内部有无尾纤标签等；哑资源设备箱体外部的外部质检项可以包含：哑资源设备箱体外部有无喷码标识且喷码标识是否正确，或者哑资源设备箱体外部有无二维码等；与随工记录表匹配的质检项可以为检测是否存在随工记录表、与随工记录表一同上传的待质检图像是否为以往上传过的图像等。可见，上述方式可以将同一个哑资源设备的质检项进行分类，以使针对哑资源设备的质检更加精确。

作为一种可选的实施方式，对记录表图像进行识别，确定质检项的方式可以包含以下步骤：

对记录表图像进行文字识别，得到记录表图像中包含的安装进度以及哑资源设备的设备基础信息；

获取与设备基础信息对应的哑资源设备的安装流程信息；

以安装流程信息为依据，确定与安装进度匹配的若干个待质检元素；

获取各个待质检元素对应的质检项。

其中，实施这种实施方式，可以从记录表图像中识别出需要质检的哑资源设备当前的安装进度，并且根据当前的安装进行确定需要质检的待质检元素，该待质检元素可以为哑资源设备的电子元器件或哑资源设备上的标签(如二维码、箱体喷码等)，进而可以针对确定的待质检元素获取对应的质检项，以使针对哑资源设备的指尖更加具有针对性。

更进一步，以安装流程信息为依据，确定与安装进度匹配的若干个待质检元素的方式可以包含以下步骤：

判断安装进度是否为安装完成；

如果是，可以将哑资源设备上包含的所有元素确定为待质检元素；

如果否，可以从安装流程信息中获取到与安装进度匹配的若干个已安装元素，并将已安装元素确定为待质检元素。

其中，实施这种实施方式，可以从安装流程信息中获取到与安装进度匹配的已安装元素，可见，通过上述方式获取到的已安装元素符合哑资源设备安装进度，因此，确定的待质检元素可以与哑资源设备的安装进度更加匹配。

103、获取预先构建的与质检项对应的检测模型。

本发明实施例中，本发明实施例中，不同的质检项可以对应不同的检测模型，检测模型可以包含哑资源尾纤检测模型、哑资源分光器模型、箱体哑资源喷码检测模型、哑资源标签检测模型、哑资源二维码识别检测模型以及哑资源随工记录表检测模型等。

104、基于检测模型对待质检图像进行质检，得到哑资源设备的质检结果。

本发明实施例中，可以通过各个不同的检测模型对与检测模型对应的质检项进行质检，进而得到各个质检项对应的当前质检结果，此时，只有在所有的当前质检结果均为质检通过时，才可以认为针对哑资源设备的质检结果为通过，如果存在任意一项或任意多项当前质检结果为质检不通过时，可以认为针对哑资源设备的质检结果为不通过。

本发明实施例中，检测模型对待质检图像进行质检需要对待质检图像中与检测模型将要质检的哑资源设备的元素进行提取，提取方式可以基于FasterRCNN来实现，FasterRCNN具体执行步骤为：

特征提取(Convolutional Layer)：FasterRCNN首先使用一组基础的conv+relu+pooling层提取待质检图像的特征图。该特征图被共享用于后续区域生成网络(RegionProposal Network，RPN)层和全连接(Fully Connection)层；RPN用于生成区域候选图像块；且RPN层通过Softmax逻辑回归模型判断锚点(Anchors)属于前景(Foreground)或者背景(Background)，再利用边框回归(Bounding Box Regression)修正锚点获得精确的Proposals；

目标区池化(Roi Pooling)：该层收集输入的特征图和候选的目标区域，综合这些信息后提取目标区域的特征图，送入后续全连接层判定目标类别；

目标分类(Classification)：利用目标区域特征图计算目标区域的类别，同时再次边界框回归获得检测框最终的精确位置；

由此，可以看出FasterRCNN提出了一种有效定位目标区域的方法，然后按区域在特征图上进行特征索引，降低了卷积计算的时间消耗，因此在计算速度上有了非常大的提升。

在图1所描述的方法中，能够提升对哑资源设备的安装情况质检的全面性。此外，实施图1所描述的方法，可以使针对哑资源设备的指尖更加具有针对性。此外，实施图1所描述的方法，可以使确定的待质检元素可以与哑资源设备的安装进度更加匹配。

实施例二

请参阅图2，图2是本发明实施例公开的另一种哑资源设备的智能质检方法的流程示意图。如图2所示，该哑资源设备的智能质检方法可以包括以下步骤：

201、当检测到上传的目标数据集时，从目标数据集中确定数据集类型，并从目标数据集中获取目标数据。

本发明实施例中，安装人员在对哑资源设备进行安装的过程中，可以在安装过程中或安装结束之后对哑资源设备进行拍照，采集到包含哑资源设备的箱体外部和/或箱体内部的待质检图像，更进一步，还可以对采集到的待质检图像根据拍摄的哑资源设备的位置不同进行分类，此外，安装人员还可以填写记录表，并拍摄包含记录表的记录表图像，进而可以将待质检图像和记录表图像打包，得到目标数据集，还可以将得到的目标数据集进行上传。

作为一种可选的实施方式，当检测到上传的目标数据集时，从目标数据集中确定数据集类型，并从目标数据集中获取目标数据的方式还可以包含以下步骤：

当检测到上传的目标数据集时，从目标数据集中确定数据集类型；

如果数据集类型为图像类型，从目标数据集中读取目标图像；

对目标图像进行分析，确定目标图像的清晰度以及目标图像的完整度；

将清晰度大于预设清晰度以及完整度大于预设完整度的目标图像确定为目标数据。

其中，实施这种实施方式，能够对上传的目标数据集的数据集类型进行确定，并且在确定出数据集类型为图像类型时，可以对目标数据集中包含的目标图像进行清洗，将目标图像中清晰度以及完整度均达标的图像确定为目标数据，以使进行识别训练的目标数据的质量较高，进而提升了构建的检测模型的精确度。

本发明实施例中，图像的清晰度可以为图像的像素或者分辨率等，像素越高或者分辨率越高的图像越清晰，目标图像的完整度可以为目标图像中拍摄到的待质检元素占标准元素的百分比，如果检测到目标图像中拍摄到的待质检元素不完整或者存在其他物体对待质检元素产生了遮挡，可以认为目标图像中的待质检元素的完整度未达标。

202、读取目标数据对应的数据标记。

本发明实施例中，目标数据在被数据标记进行标记的方式可以为：可以通过人工的方式识别出目标数据中包含的待质检元素，并且通过手动的方式向目标数据标记该待质检元素对应的标记；还可以通过自动的方式从目标数据中识别出目标数据中包含的待质检元素，并且通过自动的方式向目标数据标记该待质检元素对应的标记。

203、基于识别模型对目标数据中与数据标记匹配的数据内容进行识别训练，并基于训练结果构建与数据集类型匹配的检测模型。

本发明实施例中，检测模型通常很难一次性就训练到最佳的效果，可能需要结合模型评估报告和校验结果不断扩充训练数据和调优，其中，模型评估报告中可以包含测试样本推理的结果(如实际进准度、识别结果、识别后框选的照片)；校验结果介可以作为每次哑资源质检测试结果输出，进而可以获知每一项质检结果是否符合要求。

本发明实施例中，实施上述的步骤201～步骤203，可以确定出目标数据集的数据集类型，并且可以读取目标数据集中的目标数据的数据标记，进而根据数据标记确定出需要质检的数据内容，以及对识别出的数据内容进行识别训练，从而构建能够识别出该数据内容的检测模型，提高了检测模型用于质检的准确性。

204、当检测到上传的哑资源数据集时，从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像。

205、获取预先存储的已质检图像。

206、将待质检图像与已质检图像进行对比，判断已质检图像中是否存在与待质检图像相同的图像，如果是，执行步骤207；如果否，执行步骤208～步骤212。

207、确定哑资源设备的质检结果为不合格。

本发明实施例中，实施上述的步骤205～步骤207，可以将获取到的待质检图像与预先存储的已质检图像进行对比，如果存在与待质检图像相同的已质检图像，可以认为当前上传的待质检图像为以往上传过的图像，不能用于对当前需要进行质检的哑资源设备进行质检，因此，可以确定对于当前的哑资源设备的质检不合格，从而可以提高对于哑资源设备质检的准确性。

208、通过文字识别技术对记录表图像进行文字识别，得到记录表图像中包含的文字信息。

本发明实施例中，文字识别技术可以为光学字符识别(OpticalCharacterRecognition，OCR)技术，可以针对纸上打印的字符进行检测暗、亮的模式的方式确定其形状，然后用字符识别方法将形状翻译成计算机文字。OCR识别文字的步骤可以为：

识别出记录表图像中的文字区域(可以通过滑动窗口算法遍历整个记录表图像，有监督的标记训练样本特征进行判断，找到目标图片进行矩形化摘取出来)；对文字区域矩形分割，将文字区域中包含的文字拆分成不同的字符(在矩形中做一维滑动窗口移动，判断字符之间的间距，并对字符进行划分)；字符分类(对划分好的字符根据监督算法，对字符进行预测)；识别出来文字(最终识别出整个字符)，且可以将CRNN技术应用于识别文字本身，其中，CRNN技术可以为卷积神经网络(Convolutional Neural Networks,CNN)与循环神经网络(Recurrent Neural Network,RNN)的结合；可见，通过上述OCR识别方式识别出的文字更加准确。

209、对文字信息进行语义识别，确定待质检图像对应的哑资源设备的设备信息。

210、获取与设备信息匹配的质检项。

本发明实施例中，实施上述的步骤208～步骤210，可以对记录表图像中的包含的文字进行文字识别，得到文字信息，进而可以通过语义识别技术对文字信息包含的语义进行识别，得到需要质检的哑资源设备的设备信息，进而可以根据识别出的设备信息确定出需要对该哑资源设备进行质检的质检项，提高了确定的质检项与哑资源设备的匹配度。

211、获取预先构建的与质检项对应的检测模型。

212、基于检测模型对待质检图像进行质检，得到哑资源设备的质检结果。

在图2所描述的方法中，能够提升对哑资源设备的安装情况质检的全面性。此外，实施图2所描述的方法，提升了构建的检测模型的精确度。此外，实施图2所描述的方法，提高了检测模型用于质检的准确性。此外，实施图2所描述的方法，可以提高对于哑资源设备质检的准确性。此外，实施图2所描述的方法，提高了确定的质检项与哑资源设备的匹配度。

实施例三

请参阅图3，图3是本发明实施例公开的一种哑资源设备的智能质检系统的结构示意图。如图3所示，该哑资源设备的智能质检系统可以包括：

第一读取单元301，用于当检测到上传的哑资源数据集时，从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像。

识别单元302，用于对第一读取单元301读取的记录表图像进行识别，确定质检项。

作为一种可选的实施方式，识别单元302对记录表图像进行识别，确定质检项的方式具体可以为：

对记录表图像进行文字识别，得到记录表图像中包含的安装进度以及哑资源设备的设备基础信息；

获取与设备基础信息对应的哑资源设备的安装流程信息；

以安装流程信息为依据，确定与安装进度匹配的若干个待质检元素；

获取各个待质检元素对应的质检项。

其中，实施这种实施方式，可以从记录表图像中识别出需要质检的哑资源设备当前的安装进度，并且根据当前的安装进行确定需要质检的待质检元素，该待质检元素可以为哑资源设备的电子元器件或哑资源设备上的标签(如二维码、箱体喷码等)，进而可以针对确定的待质检元素获取对应的质检项，以使针对哑资源设备的指尖更加具有针对性。

更进一步，识别单元302以安装流程信息为依据，确定与安装进度匹配的若干个待质检元素的方式具体可以为：

判断安装进度是否为安装完成；

如果是，可以将哑资源设备上包含的所有元素确定为待质检元素；

如果否，可以从安装流程信息中获取到与安装进度匹配的若干个已安装元素，并将已安装元素确定为待质检元素。

其中，实施这种实施方式，可以从安装流程信息中获取到与安装进度匹配的已安装元素，可见，通过上述方式获取到的已安装元素符合哑资源设备安装进度，因此根据已安装元素确定的待质检元素可以与哑资源设备的安装进度更加匹配。

第一获取单元303，用于获取预先构建的与识别单元302确定的质检项对应的检测模型。

质检单元304，用于基于第一获取单元303获取的检测模型对第一读取单元301读取的待质检图像进行质检，得到哑资源设备的质检结果。

可见，实施图3所描述的系统，能够提升对哑资源设备的安装情况质检的全面性。此外，实施图3所描述的系统，可以使确定的待质检元素可以与哑资源设备的安装进度更加匹配。

实施例四

请参阅图4，图4是本发明实施例公开的另一种哑资源设备的智能质检系统的结构示意图。其中，图4所示的哑资源设备的智能质检系统是由图3所示的哑资源设备的智能质检系统进行优化得到的。图4所示的哑资源设备的智能质检系统还可以包括：

第一确定单元305，用于在第一获取单元303获取与质检项对应的检测模型之前，以及当检测到上传的目标数据集时，从目标数据集中确定数据集类型，并从目标数据集中获取目标数据。

第二读取单元306，用于读取第一确定单元305获取的目标数据对应的数据标记。

构建单元307，用于基于识别模型对第一确定单元305获取的目标数据中与第二读取单元306读取的数据标记匹配的数据内容进行识别训练，并基于训练结果构建与数据集类型匹配的检测模型。

本发明实施例中，可以确定出目标数据集的数据集类型，并且可以读取目标数据集中的目标数据的数据标记，进而根据数据标记确定出需要质检的数据内容，以及对识别出的数据内容进行识别训练，从而构建能够识别出该数据内容的检测模型，提高了检测模型用于质检的准确性。

作为一种可选的实施方式，图4所示的哑资源设备的智能质检系统的第一确定单元305可以包括：

第一确定子单元3051，用于当检测到上传的目标数据集时，从目标数据集中确定数据集类型；

读取子单元3052，用于如果第一确定子单元3051确定的数据集类型为图像类型，从目标数据集中读取目标图像；

分析子单元3053，用于对读取子单元3052读取的目标图像进行分析，确定目标图像的清晰度以及目标图像的完整度；

第二确定子单元3054，用于将分析子单元3053确定的清晰度大于预设清晰度以及完整度大于预设完整度的目标图像确定为目标数据。

其中，实施这种实施方式，能够对上传的目标数据集的数据集类型进行确定，并且在确定出数据集类型为图像类型时，可以对目标数据集中包含的目标图像进行清洗，将目标图像中清晰度以及完整度均达标的图像确定为目标数据，以使进行识别训练的目标数据的质量较高，进而提升了构建的检测模型的精确度。

作为一种可选的实施方式，图4所示的哑资源设备的智能质检系统的识别单元302可以包括：

第一识别子单元3021，用于通过文字识别技术对记录表图像进行文字识别，得到记录表图像中包含的文字信息；

第二识别子单元3022，用于对第一识别子单元3021识别的文字信息进行语义识别，确定待质检图像对应的哑资源设备的设备信息；

获取子单元3023，用于获取与第二识别子单元3022确定的设备信息匹配的质检项。

其中，实施这种实施方式，可以对记录表图像中的包含的文字进行文字识别，得到文字信息，进而可以通过语义识别技术对文字信息包含的语义进行识别，得到需要质检的哑资源设备的设备信息，进而可以根据识别出的设备信息确定出需要对该哑资源设备进行质检的质检项，提高了确定的质检项与哑资源设备的匹配度。

作为一种可选的实施方式，图4所示的哑资源设备的智能质检系统还可以包括：

第二获取单元308，用于在第一读取单元301从哑资源数据集中读取与哑资源设备对应的记录表图像以及与哑资源设备对应的待质检图像之后，获取预先存储的已质检图像；

判断单元309，用于将第一读取单元301读取的待质检图像与第二获取单元308获取的已质检图像进行对比，判断已质检图像中是否存在与待质检图像相同的图像；

第一识别子单元3021，还用于在判断单元309的判断结果为否时，通过文字识别技术对记录表图像进行文字识别，得到记录表图像中包含的文字信息；

第二确定单元310，用于在判断单元309的判断结果为是时，确定哑资源设备的质检结果为不合格。

其中，实施这种实施方式，可以将获取到的待质检图像与预先存储的已质检图像进行对比，如果存在与待质检图像相同的已质检图像，可以认为当前上传的待质检图像为以往上传过的图像，不能用于对当前需要进行质检的哑资源设备进行质检，因此，可以确定对于当前的哑资源设备的质检不合格，从而可以提高对于哑资源设备质检的准确性。

可见，实施图4所描述的系统，能够提升对哑资源设备的安装情况质检的全面性。此外，实施图4所描述的系统，提升了构建的检测模型的精确度。此外，实施图4所描述的系统，提高了检测模型用于质检的准确性。此外，实施图4所描述的系统，可以提高对于哑资源设备质检的准确性。此外，实施图4所描述的系统，提高了确定的质检项与哑资源设备的匹配度。

实施例五

请参阅图5，图5是本发明实施例公开的一种哑资源设备的智能质检装置的结构示意图。如图5所示，该哑资源设备的智能质检装置可以包括：

存储有可执行程序代码的存储器501；

与存储器501耦合的处理器502；

其中，处理器502调用存储器501中存储的可执行程序代码，执行以上各方法实施例中的方法的部分或全部步骤。

本发明实施例还公开一种计算机可读存储介质，其中，计算机可读存储介质存储了程序代码，其中，程序代码包括用于执行以上各方法实施例中的方法的部分或全部步骤的指令。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。

本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。

应理解，说明书通篇中提到的“本发明实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在本发明实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

另外，本文中术语“系统”和“网络”在本文中常可互换使用。应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-onlyMemory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-OnlyMemory，OTPROM)、电子抹除式可复写只读存储器(Electrically-ErasableProgrammable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-OnlyMemory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。

以上对本发明实施例公开的一种哑资源设备的智能质检方法及系统、装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种哑资源设备的智能质检方法，其特征在于，所述方法包括：

当检测到上传的哑资源数据集时，从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像；

对所述记录表图像进行识别，确定质检项；

获取预先构建的与所述质检项对应的检测模型；

基于所述检测模型对所述待质检图像进行质检，得到所述哑资源设备的质检结果。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述质检项对应的检测模型之前，所述方法还包括：

当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据；

读取所述目标数据对应的数据标记；

基于识别模型对所述目标数据中与所述数据标记匹配的数据内容进行识别训练，并基于训练结果构建与所述数据集类型匹配的检测模型。

3.根据权利要求2所述的方法，其特征在于，所述当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据，包括：

当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型；

如果所述数据集类型为图像类型，从所述目标数据集中读取目标图像；

对所述目标图像进行分析，确定所述目标图像的清晰度以及所述目标图像的完整度；

将所述清晰度大于预设清晰度以及所述完整度大于预设完整度的目标图像确定为所述目标数据。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述记录表图像进行识别，确定质检项，包括：

通过文字识别技术对所述记录表图像进行文字识别，得到所述记录表图像中包含的文字信息；

对所述文字信息进行语义识别，确定所述待质检图像对应的所述哑资源设备的设备信息；

获取与所述设备信息匹配的质检项。

5.根据权利要求4所述的方法，其特征在于，所述从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像之后，所述方法还包括：

获取预先存储的已质检图像；

将所述待质检图像与所述已质检图像进行对比，判断所述已质检图像中是否存在与所述待质检图像相同的图像；

如果否，执行所述的通过文字识别技术对所述记录表图像进行文字识别，得到所述记录表图像中包含的文字信息；

如果是，确定所述哑资源设备的质检结果为不合格。

6.一种哑资源设备的智能质检系统，其特征在于，包括：

第一读取单元，用于当检测到上传的哑资源数据集时，从所述哑资源数据集中读取与所述哑资源设备对应的记录表图像以及与所述哑资源设备对应的待质检图像；

识别单元，用于对所述记录表图像进行识别，确定质检项；

第一获取单元，用于获取预先构建的与所述质检项对应的检测模型；

质检单元，用于基于所述检测模型对所述待质检图像进行质检，得到所述哑资源设备的质检结果。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

第一确定单元，用于在所述第一获取单元获取与所述质检项对应的检测模型之前，以及当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型，并从所述目标数据集中获取目标数据；

第二读取单元，用于读取所述目标数据对应的数据标记；

构建单元，用于基于识别模型对所述目标数据中与所述数据标记匹配的数据内容进行识别训练，并基于训练结果构建与所述数据集类型匹配的检测模型。

8.根据权利要求7所述的系统，其特征在于，所述第一确定单元包括：

第一确定子单元，用于当检测到上传的目标数据集时，从所述目标数据集中确定数据集类型；

读取子单元，用于如果所述数据集类型为图像类型，从所述目标数据集中读取目标图像；

分析子单元，用于对所述目标图像进行分析，确定所述目标图像的清晰度以及所述目标图像的完整度；

第二确定子单元，用于将所述清晰度大于预设清晰度以及所述完整度大于预设完整度的目标图像确定为所述目标数据。

9.一种哑资源设备的智能质检装置，其特征在于，包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1～5任一项所述的哑资源设备的智能质检方法。

10.一种计算机可读存储介质，其特征在于，其存储计算机程序，所述计算机程序使得计算机执行权利要求1～5任一项所述的哑资源设备的智能质检方法。

Images