CN112163553B - 物料价格核算方法、装置、存储介质和计算机设备 - Google Patents
物料价格核算方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN112163553B CN112163553B CN202011105036.8A CN202011105036A CN112163553B CN 112163553 B CN112163553 B CN 112163553B CN 202011105036 A CN202011105036 A CN 202011105036A CN 112163553 B CN112163553 B CN 112163553B
- Authority
- CN
- China
- Prior art keywords
- identification information
- information
- wiring drawing
- represented
- material identification
- 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.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 396
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 238000003062 neural network model Methods 0.000 claims abstract description 45
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 8
- 238000012015 optical character recognition Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000010421 standard material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Abstract
本发明提供一种配线图纸的物料价格核算方法、装置、存储介质和计算机设备。该方法包括以下步骤:获取配线图纸中的文字信息;利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格。本发明实现了配线核价的全流程信息化,通过人工智能语义识别技术实现对核价特征信息的提取,提高了整个核价过程的效率,实现整个核价流程的自动化作业,减少了人力、物力的投入。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种物料价格核算方法、装置、存储介质和计算机设备。
背景技术
随着各物料类别的不断扩展,新品数量不断增加,生产厂家对定价的准确性和及时性提出了更高的要求。配线作为关键物料,年采购金额高,配线核价任务量巨大。而配线核价目前主要是由核价员通过对技术图纸信息的阅读理解,根据经验提取图纸的核价信息,并根据核价信息结合核算规则手动计算配线图纸中用到的物料的总价格。此种核价方式的明显缺点是:个人主观性太强、核价结果不可控、核价过程耗时长、准确性无法保证,同时,整个核价流程过于分散,没有集中化串接,在实际工作中存在诸多不便。目前,市场上鲜有将人工智能的语义识别技术应用到配线图纸的核价过程中。
发明内容
本发明的主要目的是提供一种物料价格核算方法、装置、存储介质和计算机设备,以提高配线价格核算的速度和准确性。
第一方面,本申请提供一种配线图纸的物料价格核算方法,包括以下步骤:S200:获取配线图纸中的文字信息;S400:利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;S600:根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;S800:根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格;S1000:输出配线图纸中用到的物料的总价格。
在一个实施例中,在S200中,获取配线图纸中的文字信息,包括:利用光学字符识别的方法识别配线图纸中的文字信息。
在一个实施例中,所述文字信息包括文本信息和表格信息;在S400中,利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量,包括:利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量;利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量;将文本信息所表示的物料标识信息及其所代表物料的物料用量和表格信息所表示的物料标识信息及其所代表物料的物料用量进行包括信息汇总和去重的信息整合,得到配线图纸中的物料标识信息及其所代表物料的物料用量。
在一个实施例中,利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量,包括:通过分词处理将文本信息中的语句分为多个词语;将每个词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定该词语属于物料标识信息;对于每一个属于物料标识信息的词语,将该词语所在语句中的其他词语与预存的逻辑关联词语料库中的关键词进行匹配,根据匹配结果确定出该词语所在语句中的逻辑关联词,当确定出的该词语所在语句中的逻辑关联词的数量不为0时,以确定出的逻辑关联词为节点将该词语所在语句分成若干语句单元,当确定出的该词语所在语句中的逻辑关联词的数量为0时,该词语所在语句即为一个语句单元,对于每一个语句单元,将该语句单元中除属于物料标识信息的词语之外的词语与预存的物料用量语料库中的关键词进行匹配,对于与物料用量语料库中的关键词匹配成功的词语,分析这些匹配成功的词语彼此之间的逻辑关系,根据分析结果确定物料标识信息所代表物料的物料用量。
在一个实施例中,利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量,包括:获取每一行表格中的词语;对于每一行表格,将该行中的词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定与物料标识信息语料库中的关键词匹配成功的词语属于物料标识信息;将与物料标识信息同一行的其他词语与预存的物料用量语料库中的关键词进行匹配,当与物料用量语料库中的关键词匹配成功时,将与物料用量语料库中的关键词匹配成功的词语作为物料标识信息所代表物料的物料用量。
在一个实施例中,在S400中,所述语义分析神经网络模型通过以下步骤构建:获取多个样本组成的样本数据集,其中,每个所述样本包括根据历史数据建立的配线图纸中的文字信息与物料标识信息及其所代表物料的物料用量之间的对应关系;利用所述样本数据集对语义分析神经网络模型进行训练,得到训练后的语义分析神经网络模型。
在一个实施例中,在S400之后,并且在S600之前,所述方法还包括步骤:S510:将物料标识信息与物料名称数据库中的物料名称进行匹配,对于匹配失败的物料标识信息,在物料名称数据库中选出与该物料标识信息匹配度最高的物料名称,用所选出的物料名称替换该物料标识信息,得到修正后的物料标识信息。
在一个实施例中,在S400之后,并且在S600之前,所述方法还包括步骤:S520:将配线图纸中的物料标识信息及其所代表物料的物料用量与预存的配线图纸中的物料标识信息及其所代表物料的物料用量进行匹配;当匹配成功时,获取该预存的配线图纸中用到的物料的总价格,执行步骤S1000;当匹配失败时,执行步骤S600。
第二方面,本申请提供一种配线图纸的物料价格核算装置,包括:数据获取模块,用于获取配线图纸中的文字信息;数据分析模块,用于利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;数据补充模块,用于根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;价格核算模块,用于根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格;数据输出模块,用于输出配线图纸中用到的物料的总价格。
第三方面,本申请提供一种存储介质,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,实现如上文所述的配线图纸的物料价格核算方法的步骤。
第四方面,本申请提供一种计算机设备,包括处理器和存储有程序代码的存储介质,所述程序代码被所述处理器执行时,实现如上文所述的配线图纸的物料价格核算方法的步骤。
本申请提供一种自动化的配线图纸的物料价格核算方法,通过OCR技术与智能语义分析技术两种技术的结合实现对配线图纸中所用到的物料及其用量的信息获取,并通过对识别到的物料标识信息进行修正进一步提高所提取的核价信息的准确性,结合实际核算规则完成价格自动核算。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,在附图中:
图1为根据本申请一示例性实施方式的配线图纸的物料价格核算方法的流程图;
图2为根据本申请一具体实施例的配线图纸的物料价格核算方法的主要步骤的流程图;
图3为根据本申请一具体实施例的配线图纸的物料价格核算方法的具体步骤的流程图
图4A为根据本申请一具体实施例的配线图纸的文本信息部分的示意图;
图4B为根据本申请一具体实施例的配线图纸的表格信息部分的示意图;
图5为根据本申请一具体实施例的语义分析神经网络模型的结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例一
本实施例提供一种配线图纸的物料价格核算方法,图1为根据本申请一示例性实施方式的配线图纸的物料价格核算方法的流程图,如图1所示,该方法可以包括以下步骤:
S200:获取配线图纸中的文字信息。
在一个示例中,可以利用OCR(Optical Character Recognition,光学字符识别)的方法识别配线图纸中的文字信息。该文字信息可以包括文本信息和表格信息。配线图纸的核价信息提取无需通过人工阅读来识别核价信息,实现了信息读取的自动化和智能化。
S400:利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量。
在执行S200之前,需要训练语义分析神经网络模型,具体可以按照如下步骤进行:获取多个样本组成的样本数据集,其中,每个所述样本包括根据历史数据建立的配线图纸中的文字信息与物料标识信息及其所代表物料的物料用量之间的对应关系;利用所述样本数据集对语义分析神经网络模型进行训练,得到训练后的语义分析神经网络模型。
利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,当文字信息包括文本信息和表格信息时,S200可以包括:首先,利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量;然后,利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量;最后,将文本信息所表示的物料标识信息及其所代表物料的物料用量和表格信息所表示的物料标识信息及其所代表物料的物料用量进行包括信息汇总和去重的信息整合,得到配线图纸中的物料标识信息及其所代表物料的物料用量。
当然,也可以先对表格信息进行分析,再对文本信息进行分析,在此不对步骤的执行顺序进行限定。
关于信息整合,当在文本信息中识别到的物料标识信息及其用量与在表格信息中识别到的物料标识信息及其用量相同时,可以确定关于该物料标识信息及其用量的信息出现重复,需要及时去重,即保留其中一条即可。当在文本信息中与表格信息中识别到了相同的物料标识信息,但是二者的物料用量不同,则需要对该种物料的物料用量进行汇总。
其中,物料标识信息可以包括物料名称,例如白硅管、磁环等,也可以包括物料规格和型号,例如规格和型号为UL1015 AWG16电线,还可以包括规格和型号为UL1015 AWG16电线中的电线的线号,例如W16、W17和W18。物料标识信息用以使用户识别并区分各种物料,不限于上述列举出的物料标识信息。
利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量,可以包括如下步骤:
1)通过分词处理将文本信息中的语句分为多个词语;
2)将每个词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定该词语属于物料标识信息;
3)对于每一个属于物料标识信息的词语,将该词语所在语句中的其他词语与预存的逻辑关联词语料库中的关键词进行匹配,根据匹配结果确定出该词语所在语句中的逻辑关联词,
4)当确定出的该词语所在语句中的逻辑关联词的数量不为0时,以确定出的逻辑关联词为节点将该词语所在语句分成若干语句单元,当确定出的该词语所在语句中的逻辑关联词的数量为0时,该词语所在语句即为一个语句单元,
5)对于每一个语句单元,将该语句单元中除属于物料标识信息的词语之外的词语与预存的物料用量语料库中的关键词进行匹配,对于与物料用量语料库中的关键词匹配成功的词语,分析这些匹配成功的词语彼此之间的逻辑关系,根据分析结果确定物料标识信息所代表物料的物料用量。
例如,当文本信息中包括语句“压缩机线(W16、W17、W18)必须在靠近A端处各套一条长度为100mm的白硅管”,在利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析时,可以识别出该语句中逻辑关联词的数量为0个,则将该语句作为一个语句单元,可以识别出其中的物料标识信息包括“W16”、“W17”、“W18”和“白硅管”,将其中的词语与物料用量语料库中的关键词进行匹配,可以确定匹配成功的词语包括“各”、“一条”和“100mm”,通过分析这些匹配成功的词语彼此之间的逻辑关系,可以确定“一条”和“100mm”均用于限定白硅管的物料用量,“各”与前面的“压缩机线(W16、W17、W18)”相对应,即三根电线“W16、W17、W18”共需三套“一条长度为100mm的白硅管”,从而可以确定白硅管的物料用量为三条,共计100mm×3=300mm。
利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量,可以包括如下步骤:
1)获取每一行表格中的词语;
2)对于每一行表格,将该行中的词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定与物料标识信息语料库中的关键词匹配成功的词语属于物料标识信息;
3)将与物料标识信息同一行的其他词语与预存的物料用量语料库中的关键词进行匹配,当与物料用量语料库中的关键词匹配成功时,将与物料用量语料库中的关键词匹配成功的词语作为本行中的物料标识信息所代表物料的物料用量。
在表格中,一般对配线所需的物料按行给出,每一行中包含了配线用到的其中一种物料及其用量,因此,对于表格信息,可以按行进行识别。当然,如果将物料及其用量按列给出,也可以按列识别。
在一个示例中,在根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量之后,并且在根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值之前,所述方法还包括步骤:将配线图纸中的物料标识信息及其所代表物料的物料用量与预存的配线图纸中的物料标识信息及其所代表物料的物料用量进行匹配;当匹配成功时,获取该预存的配线图纸中用到的物料的总价格,将所述总价格作为当前的配线图纸中用到的物料的总价格进行输出;当匹配失败时,才执行S600,即根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值。
具体的,每一张配线图纸可以用专属于该张图纸的配线编码来表示,从而在进行匹配或其他的图纸检索时可以直接用配线编码来代表某一张图纸。
在另一个示例中,在根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量之后且在根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值之前,所述方法还包括步骤:将物料标识信息与物料名称数据库中的物料名称进行匹配,对于匹配失败的物料标识信息,在物料名称数据库中选出与该物料标识信息匹配度最高的物料名称,用所选出的物料名称替换该物料标识信息,得到修正后的物料标识信息。
对于配线图纸中的某一种物料,很多时候制作图纸的工作人员按照自己的记忆习惯进行描述,与正确或准确的物料标识信息存在一定差别。通过将识别出的物料标识信息与标准的物料名称进行匹配,进而修正不准确或不正确的物料标识信息,有利于后续接手的工作人员能够为配线图纸的所用到的物料进行准确的价格核算。
对提取的信息进行修正处理,将修正后的核价信息与固定核算规则结合完成配线价格核算,进一步提高最终核算结果的准确性。
S600:根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值。
通常,根据物料种类的不同,在核算价格时需要考虑的参数也不相同。例如,白硅管在核算价格时需要考虑单位损耗、单价、加工费和税率,而铜线在核算价格时则需要考虑单位损耗、含铜量、单价、加工费和税率。
S800:根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格。
对于不同的物料,在核算价格时,可以通过一个通用的计算式进行计算,只是对于不同的物料,需要参与物料价格核算的相关参数以及各个参数的数值各不相同,进而,将该相关参数带入到计算式中之后所得到的新的计算式也各不相同。
S1000:在核算出配线图纸中用到的物料的总价格后,输出配线图纸中用到的物料的总价格。
本发明实现了配线核价的全流程信息化,通过人工智能语义识别技术实现对核价特征信息的提取,提高了整个核价过程的效率,实现整个核价流程的自动化作业,减少了人力、物力的投入。
实施例二
本实施例提供一种配线图纸的物料价格核算方法,如图2所示,主要步骤包括获取待处理的工业图纸、使用OCR技术扫描识别图纸以获取图纸信息、预处理获取图纸的特征信息以及结合核算规则完成价格核算。
如图3所示,本实施例的具体方法可以包括如下步骤:
S21:获取待识别的图文,这里待识别的图文可以包括待处理的配线图纸。如图4A和图4B所示,图4A为根据本申请一具体实施例的配线图纸的文本信息部分的示意图,图4B为根据本申请一具体实施例的配线图纸的表格信息部分的示意图,图4A和图4B组合起来即为一张完整的配线图纸。
S22:对待处理的配线图纸使用OCR技术进行图片扫描识别,以获取配线图纸中的文字及版面信息,具体可以包括获取文本信息和表格信息。
S23:将扫描的图文信息(即配线图纸的文本信息和表格信息)转换为可编辑的文本信息。
S24:利用语义分析神经网络模型对图文信息进行预处理,包括:利用语义分析神经网络模型对获取的文本信息和表格信息进行分析,以提取图纸中的期望核价信息,其中,期望核价信息包括核算时所需的核算信息,即配线下挂原材料和材料用量。该语义分析神经网络模型可以为循环神经网络模型。
在利用语义分析神经网络模型对图文信息进行预处理之前,需对语义分析神经网络模型进行训练,具体的训练过程如下:
1)使用大量的样本数据集该神经网络模型进行训练。
2)将样本数据集划分为训练集、验证集、测试集三个数据集合,利用训练集对该循环神经网络模型进行重复训练,不断调节循环神经网络的模型参数,通过不断训练之后,用验证集验证最终得到的模型的参数是否满足要求。
3)在最终得到的神经网络模型达到所要求的准确度以后,利用划分好的测试集对训练好的模型进行验证,在不断验证和调参的过程中,使得整个模型的参数达到最优。
如图5所示,虚线框内即为语义分析神经网络模型的结构示意图,在训练后的语义分析神经网络模型中输入OCR识别的特征信息,可以输出配线下挂BOM(Bill of Material,物料清单)及材料用量。
S25:将预处理后的信息存放至数据库。
S26:在数据库中,根据期望核价信息中的关键词,关键词例如可以为物料标识信息及其代表物料的物料用量,在数据库中查找关键词相同的配线图纸的配线编码,当找到对应的配线编码时,将该配线编码所对应的配线图纸的物料价格作为当前的配线图纸中用到的物料的总价格,当没有找到对应的配线编码时,才执行S27。
S27:将输出的核算信息进行修正,以使相关材料名称符合材料的命名标准,保证最终所得的核算结果的准确性。
S28:核算规则自动匹配,即根据所识别出的配线下挂原材料的相关属性确定每种原材料在进行价格核算时所需考虑的相关参数,根据该相关参数和材料用量,利用预设的核价规则核算价格。
S29:价格自动核算,即在确定了核算信息与核算规则后,可以进行一键计算配线价格。
本实施例提供一种自动化的配线图纸的物料价格核算方法,通过OCR技术与智能语义分析技术两种技术的结合实现对配线图纸中所用到的物料及其用量的信息获取,并通过对识别到的核算信息进行修正进一步提高所提取的核价信息的准确性,结合实际核算规则完成价格自动核算。
实施例三
本实施例提供一种配线图纸的物料价格核算装置,包括:数据获取模块,用于获取配线图纸中的文字信息;数据分析模块,用于利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;数据补充模块,用于根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;价格核算模块,用于根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格;数据输出模块,用于输出配线图纸中用到的物料的总价格。
在本实施例中,配线图纸的物料价格核算装置还可以包括:处理器和存储器,其中所述处理器用于执行存储在存储器中的以下程序模块:数据获取模块、数据分析模块、数据补充模块、价格核算模块和数据输出模块,以实现对配线图纸中所用到的物料的价格准确快速核算。
实施例四
本实施例提供一种存储介质,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,实现如上文所述的配线图纸的物料价格核算方法的步骤。
存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。存储介质的例子包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
实施例五
本实施例提供一种计算机设备,包括处理器和存储有程序代码的存储介质,所述程序代码被所述处理器执行时,实现如上文所述的配线图纸的物料价格核算方法的步骤。
在一个示例中,计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash FLASH RAM)。内存是计算机可读介质的示例。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是,本申请的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便这里描述的本申请的实施方式例如能够除了在这里图示或描述的那些以外的顺序实施。
应当理解的是,本说明书中的示例性实施方式可以由多种不同的形式来实施,并且不应当被解释为只限于这里所阐述的实施方式。提供这些实施方式是为了使得本申请的公开彻底且完整,并且将这些示例性实施方式的构思充分传达给本领域普通技术人员,而不应当理解为对本发明的限制。
Claims (9)
1.一种配线图纸的物料价格核算方法,其特征在于,包括以下步骤:
S200:获取配线图纸中的文字信息;
S400:利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;
S600:根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;
S800:根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格;
S1000:输出配线图纸中用到的物料的总价格;
其中,所述文字信息包括文本信息和表格信息;
在S400中,利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量,包括:
利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量,包括:通过分词处理将文本信息中的语句分为多个词语;将每个词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定该词语属于物料标识信息;对于每一个属于物料标识信息的词语,将该词语所在语句中的其他词语与预存的逻辑关联词语料库中的关键词进行匹配,根据匹配结果确定出该词语所在语句中的逻辑关联词,当确定出的该词语所在语句中的逻辑关联词的数量不为0时,以确定出的逻辑关联词为节点将该词语所在语句分成若干语句单元,当确定出的该词语所在语句中的逻辑关联词的数量为0时,该词语所在语句即为一个语句单元,对于每一个语句单元,将该语句单元中除属于物料标识信息的词语之外的词语与预存的物料用量语料库中的关键词进行匹配,对于与物料用量语料库中的关键词匹配成功的词语,分析这些匹配成功的词语彼此之间的逻辑关系,根据分析结果确定物料标识信息所代表物料的物料用量;
利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量;
将文本信息所表示的物料标识信息及其所代表物料的物料用量和表格信息所表示的物料标识信息及其所代表物料的物料用量进行包括信息汇总和去重的信息整合,得到配线图纸中的物料标识信息及其所代表物料的物料用量。
2.根据权利要求1所述的配线图纸的物料价格核算方法,其特征在于,在S200中,获取配线图纸中的文字信息,包括:
利用光学字符识别的方法识别配线图纸中的文字信息。
3.根据权利要求1所述的配线图纸的物料价格核算方法,其特征在于,利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量,包括:
获取每一行表格中的词语;
对于表格中的每一行,将该行中的词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定与物料标识信息语料库中的关键词匹配成功的词语属于物料标识信息;
将与物料标识信息同一行的其他词语与预存的物料用量语料库中的关键词进行匹配,当与物料用量语料库中的关键词匹配成功时,将与物料用量语料库中的关键词匹配成功的词语作为物料标识信息所代表物料的物料用量。
4.根据权利要求1所述的配线图纸的物料价格核算方法,其特征在于,在S400中,所述语义分析神经网络模型通过以下步骤构建:
获取多个样本组成的样本数据集,其中,每个所述样本包括根据历史数据建立的配线图纸中的文字信息与物料标识信息及其所代表物料的物料用量之间的对应关系;
利用所述样本数据集对语义分析神经网络模型进行训练,得到训练后的语义分析神经网络模型。
5.根据权利要求1所述的配线图纸的物料价格核算方法,其特征在于,在S400之后,并且在S600之前,所述方法还包括步骤:
S510:将物料标识信息与物料名称数据库中的物料名称进行匹配,对于匹配失败的物料标识信息,在物料名称数据库中选出与该物料标识信息匹配度最高的物料名称,用所选出的物料名称替换该物料标识信息,得到修正后的物料标识信息。
6.根据权利要求1所述的配线图纸的物料价格核算方法,其特征在于,在S400之后,并且在S600之前,所述方法还包括步骤:
S520:将配线图纸中的物料标识信息及其所代表物料的物料用量与预存的配线图纸中的物料标识信息及其所代表物料的物料用量进行匹配;
当匹配成功时,获取该预存的配线图纸中用到的物料的总价格,执行步骤S1000;
当匹配失败时,执行步骤S600。
7.一种配线图纸的物料价格核算装置,其特征在于,包括:
数据获取模块,用于获取配线图纸中的文字信息;
数据分析模块,用于利用训练过的语义分析神经网络模型对配线图纸中的文字信息进行分析,根据分析结果确定配线图纸中的物料标识信息及其所代表物料的物料用量;
数据补充模块,用于根据物料标识信息,确定需要参与物料价格核算的相关参数及其数值;
价格核算模块,用于根据物料用量、需要参与物料价格核算的相关参数及其数值和核价规则确定配线图纸中用到的物料的总价格;
数据输出模块,用于输出配线图纸中用到的物料的总价格;
其中,所述文字信息包括文本信息和表格信息;
所述数据分析模块还用于:
利用训练过的语义分析神经网络模型对配线图纸中的文本信息进行分析,根据分析结果确定文本信息所表示的物料标识信息及其所代表物料的物料用量,包括:通过分词处理将文本信息中的语句分为多个词语;将每个词语与预存的物料标识信息语料库中的关键词进行匹配,当与物料标识信息语料库中的关键词匹配成功时,确定该词语属于物料标识信息;对于每一个属于物料标识信息的词语,将该词语所在语句中的其他词语与预存的逻辑关联词语料库中的关键词进行匹配,根据匹配结果确定出该词语所在语句中的逻辑关联词,当确定出的该词语所在语句中的逻辑关联词的数量不为0时,以确定出的逻辑关联词为节点将该词语所在语句分成若干语句单元,当确定出的该词语所在语句中的逻辑关联词的数量为0时,该词语所在语句即为一个语句单元,对于每一个语句单元,将该语句单元中除属于物料标识信息的词语之外的词语与预存的物料用量语料库中的关键词进行匹配,对于与物料用量语料库中的关键词匹配成功的词语,分析这些匹配成功的词语彼此之间的逻辑关系,根据分析结果确定物料标识信息所代表物料的物料用量;
利用训练过的语义分析神经网络模型对配线图纸中的表格信息进行分析,根据分析结果确定表格信息所表示的物料标识信息及其所代表物料的物料用量;
将文本信息所表示的物料标识信息及其所代表物料的物料用量和表格信息所表示的物料标识信息及其所代表物料的物料用量进行包括信息汇总和去重的信息整合,得到配线图纸中的物料标识信息及其所代表物料的物料用量。
8.一种存储介质,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,实现如权利要求1-6中任一项所述的配线图纸的物料价格核算方法的步骤。
9.一种计算机设备,包括处理器和存储有程序代码的存储介质,所述程序代码被所述处理器执行时,实现如权利要求1-6中任一项所述的配线图纸的物料价格核算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105036.8A CN112163553B (zh) | 2020-10-15 | 2020-10-15 | 物料价格核算方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105036.8A CN112163553B (zh) | 2020-10-15 | 2020-10-15 | 物料价格核算方法、装置、存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112163553A CN112163553A (zh) | 2021-01-01 |
CN112163553B true CN112163553B (zh) | 2024-02-20 |
Family
ID=73867180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011105036.8A Active CN112163553B (zh) | 2020-10-15 | 2020-10-15 | 物料价格核算方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163553B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034190B (zh) * | 2021-03-30 | 2023-11-07 | 重庆渝高科技产业(集团)股份有限公司 | 一种用于工程项目的核价管理系统 |
CN113159871A (zh) * | 2021-05-24 | 2021-07-23 | 广东利元亨智能装备股份有限公司 | 一种核价方法、核价管理系统及存储介质 |
CN113344480B (zh) * | 2021-08-09 | 2021-12-21 | 明品云(北京)数据科技有限公司 | 一种替换物料推荐方法及系统 |
CN114841594B (zh) * | 2022-05-18 | 2022-12-23 | 北京梦诚科技有限公司 | 一种施工项目现场混凝土节超管理方法和系统 |
CN115511526B (zh) * | 2022-09-28 | 2023-12-15 | 惠州市海葵信息技术有限公司 | 核价管理方法、系统、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007102832A1 (en) * | 2006-03-09 | 2007-09-13 | Akoya, Inc. | Automated feature-based analysis for cost management of direct materials |
CN105975562A (zh) * | 2016-05-03 | 2016-09-28 | 水木智博(北京)网络信息科技有限公司 | 一种工程图纸的概预算表自动生成方法和装置 |
KR20170053266A (ko) * | 2015-11-06 | 2017-05-16 | 주식회사 내외 | 설계 도면을 이용한 가구 견적 관리 방법 및 장치 |
CN108510310A (zh) * | 2018-02-27 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 租赁方法及装置 |
CN109214858A (zh) * | 2018-08-17 | 2019-01-15 | 上海海智在线网络科技有限公司 | 一种零部件3d图纸智能核价系统及方法 |
CN109242017A (zh) * | 2018-08-30 | 2019-01-18 | 杨镇蔚 | 物体信息的智能识别方法、装置和设备 |
CN109389330A (zh) * | 2018-11-21 | 2019-02-26 | 广州供电局有限公司 | 配电网基建工程造价分析方法、装置、计算机设备和存储介质 |
CN109754200A (zh) * | 2017-11-07 | 2019-05-14 | 深圳前海硬之城信息技术有限公司 | 物料清单管理方法、装置及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9449347B2 (en) * | 2011-01-14 | 2016-09-20 | Abukai, Inc. | Method and apparatus for processing receipts |
WO2019092672A2 (en) * | 2017-11-13 | 2019-05-16 | Way2Vat Ltd. | Systems and methods for neuronal visual-linguistic data retrieval from an imaged document |
-
2020
- 2020-10-15 CN CN202011105036.8A patent/CN112163553B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007102832A1 (en) * | 2006-03-09 | 2007-09-13 | Akoya, Inc. | Automated feature-based analysis for cost management of direct materials |
KR20170053266A (ko) * | 2015-11-06 | 2017-05-16 | 주식회사 내외 | 설계 도면을 이용한 가구 견적 관리 방법 및 장치 |
CN105975562A (zh) * | 2016-05-03 | 2016-09-28 | 水木智博(北京)网络信息科技有限公司 | 一种工程图纸的概预算表自动生成方法和装置 |
CN109754200A (zh) * | 2017-11-07 | 2019-05-14 | 深圳前海硬之城信息技术有限公司 | 物料清单管理方法、装置及计算机可读存储介质 |
CN108510310A (zh) * | 2018-02-27 | 2018-09-07 | 阿里巴巴集团控股有限公司 | 租赁方法及装置 |
CN109214858A (zh) * | 2018-08-17 | 2019-01-15 | 上海海智在线网络科技有限公司 | 一种零部件3d图纸智能核价系统及方法 |
CN109242017A (zh) * | 2018-08-30 | 2019-01-18 | 杨镇蔚 | 物体信息的智能识别方法、装置和设备 |
CN109389330A (zh) * | 2018-11-21 | 2019-02-26 | 广州供电局有限公司 | 配电网基建工程造价分析方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112163553A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112163553B (zh) | 物料价格核算方法、装置、存储介质和计算机设备 | |
CN108256074B (zh) | 校验处理的方法、装置、电子设备和存储介质 | |
CN109670191B (zh) | 机器翻译的校准优化方法、装置与电子设备 | |
CN114168716B (zh) | 基于深度学习的工程造价自动抽取和分析方法及装置 | |
US11216896B2 (en) | Identification of legal concepts in legal documents | |
CN112163424A (zh) | 数据的标注方法、装置、设备和介质 | |
CN112416778A (zh) | 测试用例推荐方法、装置和电子设备 | |
CN111444718A (zh) | 一种保险产品需求文档处理方法、装置及电子设备 | |
CN109933803B (zh) | 一种成语信息展示方法、展示装置、电子设备及存储介质 | |
CN107844558A (zh) | 一种分类信息的确定方法以及相关装置 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN114860941A (zh) | 一种基于数据大脑的行业数据治理方法及系统 | |
CN111178080A (zh) | 一种基于结构化信息的命名实体识别方法及系统 | |
CN117648093A (zh) | 基于大模型和自定制需求模板的rpa流程自动化生成方法 | |
CN107480126B (zh) | 一种工程材料类别智能识别方法 | |
CN116414872B (zh) | 基于自然语言识别及知识图谱的数据搜索方法和系统 | |
CN116304023A (zh) | 一种基于nlp技术的招投标要素抽取方法、系统及存储介质 | |
CN112925874B (zh) | 基于案例标记的相似代码搜索方法及系统 | |
CN111400606B (zh) | 一种基于全局和局部信息抽取的多标签分类方法 | |
CN113592512A (zh) | 一种线上商品身份唯一性识别确认系统 | |
CN110414819B (zh) | 一种工单评分方法 | |
CN112505337B (zh) | 一种辅助分析样品的数据处理方法 | |
CN114490929A (zh) | 一种招投标信息采集方法、装置、存储介质及终端设备 | |
CN112765238A (zh) | 一种数据处理系统及数据挖掘方法 | |
CN110807082A (zh) | 质量抽检项目确定方法、系统、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |