CN112132456A - 一种质量检测方法、装置及电子设备 - Google Patents
一种质量检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112132456A CN112132456A CN202011003162.2A CN202011003162A CN112132456A CN 112132456 A CN112132456 A CN 112132456A CN 202011003162 A CN202011003162 A CN 202011003162A CN 112132456 A CN112132456 A CN 112132456A
- Authority
- CN
- China
- Prior art keywords
- commodity
- data
- commodity data
- quality
- specified
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 145
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 22
- 238000004949 mass spectrometry Methods 0.000 claims 1
- 238000011895 specific detection Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract 4
- 241000220225 Malus Species 0.000 description 12
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012372 quality testing Methods 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 235000021016 apples Nutrition 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Abstract
本发明公开了一种质量检测方法,具体涉及数据处理技术领域。其方法包括:获取岸边监控系统中监控摄像头的视频数据确定视频数据中的目标船只;基于目标船只在视频数据中的画面帧确定出目标船只的运行距离和运行时间,并根据运行距离和运行时间计算目标船只的行驶速度;获取岸边监控系统中监控摄像头的视场盲区范围,根据视场盲区范围和目标船只的行驶速度预设置目标船只在视场盲区内的行驶时间;基于预设置目标船只在视场盲区的行驶时间匹配目标船只在视场盲区的实际行驶时间以确定出目标船只在视场盲区的行驶轨迹。通过训练商品检测模型对实时商品数据进行分析输出实时商品数据的检测结果,从而提高质量检测效率,缩短质量检测时长。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种质量检测方法、装置及电子设备。
背景技术
在现有技术中,质量检测是进出口及商品售卖前必须要进行的检测步骤,但由于不同国家所执行不同的标准,不同商品也执行不同的质量检测标准。因此对于质量检测来说不仅要求检测人员熟悉各种不同标准,还需要检测人员根据对应商品给出对应商品的质量检测结果。而在实际的质量检测过程中,由于人力资源的有限,且质检人员在面对不同国家不同商品的质量检测工作时,其获取质量检测结果所花费的时间较长,同时检测效率也不高。
发明内容
有鉴于此,本发明实施例提供了一种质量检测方法、装置及电子设备,以解决现有技术中质量检测效率不高的问题。
根据第一方面,本发明实施例提供了一种质量检测方法,包括:
获取商品数据对所述商品数据进行分类得到商品数据分类结果;基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据;利用所述指定商品数据进行训练以得到指定商品检测模型;根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果。
本发明内容提供的质量检测方法,通过获取商品数据对商品数据进行分类,在利用分类结果和商品质量标准对所获取的商品数据进行数据采集得到指定商品数据,之后通过指定商品数据进行训练从而获得指定商品检测模型,并利用其商品检测模型对实时商品数据进行分析,输出实时商品数据的检测结果,从而提高质量检测效率,缩短质量检测时长。
结合第一方面,在第一方面第一实施方式中,获取商品数据对所述商品数据进行分类得到商品数据分类结果,包括:获取商品数据的图像信息;基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果;根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类。
本发明内容提供的质量检测方法,利用所获取的商品数据的图像信息,进行分类标记,从而实现虽商品数据的快速识别,方便与后续对商品进行标准质量检测,有利于提高质量检测效率,缩短质量检测时长。
结合第一方面,在第一方面第二实施方式中,基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据,包括:根据所述商品数据分类结果从商品质量标准池中提取对应于所述商品数据分类结果的商品质量标准;基于所述商品质量标准对所述商品数据分类结果进行数据采集,得到商品质量数据;将所述商品质量数据与所述商品质量标准进行匹配,以获得所述指定商品数据。
结合第一方面第二实施方式,在第一方面第三实施方式中,将所述商品质量数据与所述商品质量标准进行匹配,以获得所述指定商品数据,包括:对所述商品质量数据与所述商品质量标准进行逐一匹配;若所述商品质量数据与所述商品质量标准匹配一致,则对所述指定商品数据进行数据标记并且将所标记的数据进行存储。
本发明内容提供的质量检测方法,通过从商品质量标准池中提取分类后的商品数据对应的商品质量标准,根据其商品质量标准进行质量检测,最后将其质量检测结果进行标记存储,从而有利于高效实现质量检测,且有利于后续根据所获得的质量结果对商品数据进行分析,节省商品质量检测的时长。
结合第一方面,在第一方面第四实施方式中,利用所述指定商品数据进行训练以得到指定商品检测模型,包括:根据所述指定商品数据进行最大值迭代训练。
本发明内容提供的质量检测方法,通过将指定商品数据送入指定商品检测模型中,进行最大值迭代训练从而保证能够获得准确的质量检测结果,保证高效准确的获取商品质量检测结果。
结果第一方面,在第一方面第五实施方式中,根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果,包括:从实时商品数据中随机提取至少1组,或1组以上的实时商品数据;对所述实时商品数据进行质量检测,并对质量检测合格实的时商品数据进行存储显示。
本发明内容提供的质量检测方法,利用训练好的指定商品检测模型对实时输入的商品数据进行质量检测,从而保证能够快速、准确及高效的对实时商品数据进行质量检测。
根据第二方面,本发明实施例提供了一种质量检测装置,包括:第一获取模块,用于获取商品数据对所述商品数据进行分类得到商品数据分类结果;采集模块,用于基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据;训练模块,用于利用所述指定商品数据集进行训练以得到指定商品检测模型;输出模块,用于根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果。
本发明内容提供的质量检测装置,通过第一获取模块获取商品数据,并对其商品数据进行分类处理,再将分类处理后的商品数据送入采集模块获取指定商品数据,在将获取到的指定商品数据送入训练模块中对指定商品检测模型,最后将实时商品数据送入指定商品检测模型,输出实时商品数据的检测结果。从而实现快速高效的进行质量检测。
结合第二方面,在第二方面第一实施方式中,所述装置还包括:第二获取模块,用于获取商品数据的图像信息;识别模块,用于基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果;分类模块,用于根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的质量检测方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的质量检测方法。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1为根据本发明实施例提供的一种质量检测方法的流程图;
图2为根据本发明实施例提供的一种质量检测方法中S10的流程图;
图3为根据本发明实施例提供的一种质量检测方法中S20的流程图;
图4为根据本发明实施例提供的一种质量检测装置的结构框图;
图5为根据本发明实施例提供的一种电子设备的结构示意图。
附图标记
1-第一获取模块;2-采集模块;3-训练模块;4-输出模块;5-存储器;6-处理器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域技术人员在没有作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。
本实施例公开了一种质量检测方法,参见图1为根据本发明实施例提供的一种质量检测方法的流程图,如图1所示,包括:
S10,获取商品数据对所述商品数据进行分类得到商品数据分类结果。
在本实施例中,商品数据可以是市场上所销售的商品,其商品数据分类结果可以是先获取商品数据将所获取的商品数据进行商品识别,其中商品数据识别可以是通过识别装置进行图像识别或是影响识别,也可以是通过商品数据扫描进行识别,并对所识别商品进行标记,之后将携带有标记的商品数据送入通过分类算法或是分类工具对其商品数据按照商品类型进行分类得出的分类后的商品数据,即可以是至少2或2种以上的商品种类以及对应商品种类下的商品数据。例如:将若干商品送入商品识别装置中,并对所送入的商品进行识别标记,如:识别出苹果则对苹果进行标记,识别出手机则对手机进行标记。之后将所标记产品送入分类器中按标记结果进行苹果和手机的归类。
S11,基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据。
在本实施例中,商品质量标准可以是各国商品的标准,例如:外观等级标准。在本实施例中,获取商品数据分类结果和商品质量标准,其中商品种类需要与商品质量标准进行对应,再将商品种类中的商品数据与商品质量标准进行逐一对应以获得指定商品数据。例如:商品种类为苹果,与苹果对应的商品质量标准为《苹果外观等级标准》,将《苹果外观等级标准》中对指定类型的苹果进行检测,以获得符合标准的苹果。其中,符合质量标准的苹果即为指定商品数据。
S12,利用所述指定商品数据进行训练以得到指定商品检测模型。
在本实施例中,可以利用指定商品数据及智能算法进行学习训练,以获得指定商品检测模型,其中,指定商品检测模块可以用于对实时商品数据进行商品检测及分析,从而快速高效的确定出待检测商品是否能够符合质量标准。
S13,根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果。在本实施例中,将需要进行商品数据送入商品检测模型中,利用指定商品检测模型对所送入的商品检测模型进行质量检测,以确定出符合质量标准的商品,从而提高质量检测的效率,以及为商品质量评估提供数据参考。其中,实时商品数据的检测结果可以是符合对应标准的商品,例如:符合苹果检测标准中规定的苹果质量,或是符合手机检测标准中对辐射的规定的手机。
本实施例公开的质量检测方法,通过获取商品数据对商品数据进行分类,在利用分类结果和商品质量标准对所获取的商品数据进行数据采集得到指定商品数据,之后通过指定商品数据进行训练从而获得指定商品检测模型,并利用其商品检测模型对实时商品数据进行分析,输出实时商品数据的检测结果,从而提高质量检测的效率,缩短质量检测时长。
如图2所示,作为本申请可选的实施方式,该方法还包括:
S101,获取商品数据的图像信息;具体的,可以通过图像采集装置对商品数据的图像信息进行采集,其中,图像采集装置可以是红外摄像头、普通摄像头、以及三维扫描仪,通过获取商品数据的图像信息,从而实现对商品数据的识别,进一步提高商品质量检测的效率。
S102,基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果;具体的,商品数据的图像识别结果可以是在所识别商品数据上贴上标识符号或对所识别的图像信息进行同类数据标记。通过对图像信息进行标记或商品数据进行标记,从而有助于对商品数据进行快速分类并有助于提高检测效率。
S103,根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类。具体的,可以是获取商品数据的图像识别结果,利用分类器或分类算法对具有相同标记的图像识别结果进行归类,并从归类的完成的商品数据图片中找到对应的商品数据从而实现对商品数据的归类,利用从图片分类延伸到实物分类,从而有助于提高商品质量的检测效率。
如图3所示,S20可以包括:
S201,根据所述商品数据分类结果从商品质量标准池中提取对应于所述商品数据分类结果的商品质量标准。可选的,商品数据分类结果可以包括商品数据种类以商品数据数量以及多个商品数据;而在该步骤中需要从商品数据分类结果中提取商品种类数据,将商品数据种类数据与商品质量标准池中对应的商品质量标准进行匹配,其中商品质量标准池可以是集合了多种商品质量标准或规定的数据集合,当需要获取指定商品数据的质量标准时,可以从商品质量标准池中手动或者自动选择出对应商品数据的相关质量标准,之后根据所选择的商品质量标准进行商品数据的质量检测。优选的,自动选择出对应商品数据的相关质量标准,需要先对商品数据进行识别,确定出商品数据的种类后在根据其商品数据的种类信息快速从商品质量标准池选取指定商品数据的质量标准,从而提高商品质量的检测效率。
S202,基于所述商品质量标准对所述商品数据分类结果进行数据采集,得到商品质量数据。可选的,商品质量数据可以是通过获取商品数据分类结果和对应的商品质量标准,并根据对应的商品质量标准对商品数据分类结果中的商品数据进行商品质量检测,之后将其商品质量检测结果进行保存,为后续进行商品数据的质量评估做准备。例如:可以是获取待检测的手机按照检测质量标准项对待检测手机进行质量检测,并输出其质量检测结果。可选的,商品质量数据还可以是进行商品质量标准评估的商品数据。
S203,将所述商品质量数据与所述商品质量标准进行匹配,以获得所述指定商品数据。可选的,指定商品数据可以是符合商品质量标准的商品数据。具体的,在进行商品质量数据与所述商品质量标准进行匹配后,其商品质量数据的匹配结果可以是满足质量标准的检测结果和不满足质量标准的检测结果。例如:获取待评估的手机和需要进行检测质量标准项,并对手机进行评估。其评估结果可以是满足检测质量标准和不满足检测质量标准。
其中,S203还可以是:
对所述商品质量数据与所述商品质量标准进行逐一匹配。可选的,通过逐一匹配能够保证在进行多组数据质量检测时,其商品质量数据的准确性。
若所述商品质量数据与所述商品质量标准匹配一致,则对所述指定商品数据进行数据标记并且将所标记的数据进行存储。可选的,通过对指定商品数据进行标记存储,从而保证所获取的商品数据是符合商品质量标准的数据,并进一步提高质量检测效率。
若所述商品质量数据与所述商品质量标准匹配不一致,则可以选择放弃对指定商品数据进行数据标记。通过放弃对指定商品数据进行数据标记,以节省数据资源,便于提取正确的指定商品数据,提高质量检测效率。其中,指定商品数据为符合商品质量标准的商品数据。
可选的,在本实施例中,利用所述指定商品数据进行训练以得到指定商品检测模型还可以包括:根据所述指定商品数据进行最大值迭代训练。通过最大值跌迭代以使得指定商品检测模型数据更加准确。进一步减少获取质量检测结果时长,提高检测效率。
可选的,在本实施例中,根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果,也可以是包括:从实时商品数据中随机提取至少1组,或1组以上的实时商品数据;对所述实时商品数据进行质量检测,并对质量检测合格的实时商品数据进行存储显示。通过对多组数据进行检测,能够能够方便快捷的获取到质量检测结果,通过对质量检测合格的实时商品数据进行存储显示,以防止后续数据错误时,能够进行数据复查。
另外,本发明实施例还公开了一种质量检测装置,如图4所示,根据本发明实施例提供的一种质量检测装置的结构框图,包括:
第一获取模块,用于获取商品数据对所述商品数据进行分类得到商品数据分类结果,详细内容参考步骤S1所述;
采集模块,用于基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据,详细内容参考步骤S2所述;
训练模块,用于利用所述指定商品数据集进行训练以得到指定商品检测模型,详细内容参考步骤S3所述;
输出模块,用于根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果,详细内容参考步骤S4所述.
在本实施例中,通过第一获取模块获取商品数据,并对其商品数据进行分类处理,再将分类处理后的商品数据送入采集模块获取指定商品数据,在将获取到的指定商品数据送入训练模块中对指定商品检测模型,最后将实时商品数据送入指定商品检测模型,输出实时商品数据的检测结果。从而实现快速高效的进行质量检测。
可选的,本发明实施例提供的质量检测装置,除上述实施例所述的模块外,还可以包括:
第二获取模块,用于获取商品数据的图像信息,详细内容参考步骤S101所述;
识别模块,用于基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果,详细内容参考步骤S102所述;
分类模块,用于根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类,详细内容参考步骤S103所述。
本发明实施例还提供了一种电子设备,如图5所示,该电子设备可以包括处理器6和存储器5,其中处理器6和存储器5可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器6可以为中央处理器(Central Processing Unit,CPU)。处理器7还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器5作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的目标跟踪方法对应的程序指令/模块(例如,图4所示的第一获取模块1、采集模块2、训练模块3、输出模块4)。处理器6通过运行存储在存储器5中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的质量检测方法。
存储器5可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器6所创建的数据等。此外,存储器5可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器5可选包括相对于处理器6远程设置的存储器,这些远程存储器可以通过网络连接至处理器6。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器5中,当被所述处理器6执行时,执行如图1-图3所示实施例中的质量检测方法。
上述提供的电子设备和质量检测装置的具体细节可以对应参阅图1-图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种质量检测方法,其特征在于,包括:
获取商品数据对所述商品数据进行分类得到商品数据分类结果;
基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据;
利用所述指定商品数据进行训练以得到指定商品检测模型;
根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述获取商品数据对所述商品数据进行分类得到商品数据分类结果,包括:
获取商品数据的图像信息;
基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果;
根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类。
3.根据权利要求1所述的方法,其特征在于,所述基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据,包括:
根据所述商品数据分类结果从商品质量标准池中提取对应于所述商品数据分类结果的商品质量标准;
基于所述商品质量标准对所述商品数据分类结果进行数据采集,得到商品质量数据;
将所述商品质量数据与所述商品质量标准进行匹配,以获得所述指定商品数据。
4.根据权利要求3所述的方法,其特征在于,所述将所述商品质量数据与所述商品质量标准进行匹配,以获得所述指定商品数据,包括:
对所述商品质量数据与所述商品质量标准进行逐一匹配;
若所述商品质量数据与所述商品质量标准匹配一致,则对所述指定商品数据进行数据标记并且将所标记的数据进行存储。
5.根据权利要求1所述的方法,其特征在于,所述利用所述指定商品数据进行训练以得到指定商品检测模型,包括:根据所述指定商品数据进行最大值迭代训练。
6.根据权利要求1所述的方法,其特征在于,所述根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果,包括:
从实时商品数据中随机提取至少2组,或2组以上的实时商品数据;
对所述实时商品数据进行质量检测,并对质量检测合格实的时商品数据进行存储显示。
7.一种质量检测装置,其特征在于,包括:
第一获取模块,用于获取商品数据对所述商品数据进行分类得到商品数据分类结果;
采集模块,用于基于所述商品数据分类结果和商品质量标准对商品数据进行采集以获得指定商品数据;
训练模块,用于利用所述指定商品数据集进行训练以得到指定商品检测模型;
输出模块,用于根据所述指定商品检测模型对实时商品数据进行质量检测,并输出实时商品数据的检测结果。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取商品数据的图像信息;
识别模块,用于基于所述商品数据的图像信息进行识别标记,得到商品数据的图像识别结果;
分类模块,用于根据所述商品数据的图像识别结果,将具有相同标记的图像识别结果进行归类。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-6中任一项所述的质量检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011003162.2A CN112132456A (zh) | 2020-09-22 | 2020-09-22 | 一种质量检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011003162.2A CN112132456A (zh) | 2020-09-22 | 2020-09-22 | 一种质量检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132456A true CN112132456A (zh) | 2020-12-25 |
Family
ID=73842462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011003162.2A Pending CN112132456A (zh) | 2020-09-22 | 2020-09-22 | 一种质量检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132456A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150086104A1 (en) * | 2013-09-25 | 2015-03-26 | The Procter & Gamble Company | Method and system for skin care consultation |
CN106991425A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 商品交易质量的检测方法和装置 |
CN108682003A (zh) * | 2018-04-04 | 2018-10-19 | 睿视智觉(厦门)科技有限公司 | 一种产品质量检测方法 |
CN109816041A (zh) * | 2019-01-31 | 2019-05-28 | 南京旷云科技有限公司 | 商品检测摄像头、商品检测方法和装置 |
US20190213418A1 (en) * | 2018-01-10 | 2019-07-11 | Trax Technology Solutions Pte Ltd. | Using price in visual product recognition |
CN110136129A (zh) * | 2019-05-22 | 2019-08-16 | 广东工业大学 | 一种商品质量检测方法、装置及存储介质 |
CN110245651A (zh) * | 2019-08-09 | 2019-09-17 | 深圳市广宁股份有限公司 | 质量智能检测方法及相关装置 |
CN110458441A (zh) * | 2019-08-06 | 2019-11-15 | 北京七鑫易维信息技术有限公司 | 质量检验的审核方法、装置、系统及存储介质 |
-
2020
- 2020-09-22 CN CN202011003162.2A patent/CN112132456A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150086104A1 (en) * | 2013-09-25 | 2015-03-26 | The Procter & Gamble Company | Method and system for skin care consultation |
CN106991425A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 商品交易质量的检测方法和装置 |
US20190213418A1 (en) * | 2018-01-10 | 2019-07-11 | Trax Technology Solutions Pte Ltd. | Using price in visual product recognition |
CN108682003A (zh) * | 2018-04-04 | 2018-10-19 | 睿视智觉(厦门)科技有限公司 | 一种产品质量检测方法 |
CN109816041A (zh) * | 2019-01-31 | 2019-05-28 | 南京旷云科技有限公司 | 商品检测摄像头、商品检测方法和装置 |
CN110136129A (zh) * | 2019-05-22 | 2019-08-16 | 广东工业大学 | 一种商品质量检测方法、装置及存储介质 |
CN110458441A (zh) * | 2019-08-06 | 2019-11-15 | 北京七鑫易维信息技术有限公司 | 质量检验的审核方法、装置、系统及存储介质 |
CN110245651A (zh) * | 2019-08-09 | 2019-09-17 | 深圳市广宁股份有限公司 | 质量智能检测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985199B (zh) | 商品取放操作的检测方法、装置及存储介质 | |
CN108549870B (zh) | 一种对物品陈列进行鉴别的方法及装置 | |
CN107492091B (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
US11586664B2 (en) | Image retrieval method and apparatus, and electronic device | |
CN108686978B (zh) | 基于arm的水果类别和色泽的分拣方法及系统 | |
CN110827247B (zh) | 一种识别标签的方法及设备 | |
CN110033026B (zh) | 一种连续小样本图像的目标检测方法、装置及设备 | |
CN110070029B (zh) | 一种步态识别方法及装置 | |
CN105512683A (zh) | 基于卷积神经网络的目标定位方法及装置 | |
CN111210399B (zh) | 一种成像质量评价方法、装置及设备 | |
US11783384B2 (en) | Computer vision systems and methods for automatically detecting, classifying, and pricing objects captured in images or videos | |
JP2018512567A (ja) | 検査室自動化のためのサイドビューサンプルチューブ画像におけるバーコードタグ検出 | |
CN112541372B (zh) | 一种困难样本筛选方法及装置 | |
TW201317904A (zh) | 標籤檢測系統、裝置及其檢測標籤的方法 | |
CN109284700B (zh) | 图像中多个人脸检测的方法、存储介质、设备及系统 | |
US8655016B2 (en) | Example-based object retrieval for video surveillance | |
CN111523558A (zh) | 一种基于电子围网的船只遮挡检测方法、装置及电子设备 | |
CN111382635A (zh) | 一种商品类别识别方法、装置及电子设备 | |
CN112801227A (zh) | 一种台风识别模型的生成方法、装置、设备及存储介质 | |
CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
CN112052907A (zh) | 基于图像边缘信息的目标检测方法、装置及存储介质 | |
CN111553184A (zh) | 一种基于电子围网的小目标检测方法、装置及电子设备 | |
Radiuk et al. | Convolutional neural network for parking slots detection | |
CN112132456A (zh) | 一种质量检测方法、装置及电子设备 | |
CN110704678A (zh) | 评估排序方法、评估排序系统、计算机装置及储存介质 |
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 |