CN112215639A - 消费订单的预测方法、装置、机器人及可读存储介质 - Google Patents
消费订单的预测方法、装置、机器人及可读存储介质 Download PDFInfo
- Publication number
- CN112215639A CN112215639A CN202011024195.5A CN202011024195A CN112215639A CN 112215639 A CN112215639 A CN 112215639A CN 202011024195 A CN202011024195 A CN 202011024195A CN 112215639 A CN112215639 A CN 112215639A
- Authority
- CN
- China
- Prior art keywords
- garbage
- data
- product type
- consumption
- product
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 141
- 238000004590 computer program Methods 0.000 claims description 21
- 239000000796 flavoring agent Substances 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 10
- 230000009965 odorless effect Effects 0.000 claims description 6
- 125000003118 aryl group Chemical group 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- -1 rancid Substances 0.000 claims description 5
- 239000002699 waste material Substances 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 230000007306 turnover Effects 0.000 abstract description 4
- 235000019645 odor Nutrition 0.000 description 28
- 235000019634 flavors Nutrition 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000004033 plastic Substances 0.000 description 6
- 235000013361 beverage Nutrition 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 3
- 235000013527 bean curd Nutrition 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 229960002715 nicotine Drugs 0.000 description 3
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 3
- 235000019568 aromas Nutrition 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241000234282 Allium Species 0.000 description 1
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 1
- 240000002234 Allium sativum Species 0.000 description 1
- 244000144725 Amygdalus communis Species 0.000 description 1
- 235000011437 Amygdalus communis Nutrition 0.000 description 1
- 244000178870 Lavandula angustifolia Species 0.000 description 1
- 235000010663 Lavandula angustifolia Nutrition 0.000 description 1
- 244000299461 Theobroma cacao Species 0.000 description 1
- 244000290333 Vanilla fragrans Species 0.000 description 1
- 235000009499 Vanilla fragrans Nutrition 0.000 description 1
- 235000012036 Vanilla tahitensis Nutrition 0.000 description 1
- 235000020224 almond Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000001102 lavandula vera Substances 0.000 description 1
- 235000018219 lavender Nutrition 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009967 tasteless effect Effects 0.000 description 1
- 239000002023 wood Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- 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
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于机器人技术领域，提供了一种消费订单的预测方法、装置、机器人及可读存储介质，方法包括：获取垃圾的待识别数据，根据待识别数据识别垃圾的特征数据；其中，待识别数据包括图像数据和/或者气味数据；根据特征数据识别获得与垃圾对应的产品类型；计算每种产品类型的垃圾的数量；根据与垃圾对应的产品类型和数量，预测预消费订单；其中，预消费订单包括产品类型和与产品类型对应的预消费数量。通过对垃圾的进行分析、计算，获得与垃圾对应的产品类型和数量，并依此预测用户预消费的产品类型和数量，以实现根据预测数据进行供货配货，为用户提供准确且适量的产品，提高了商品的供应速度，进而提高营业额。
Description
技术领域
本申请属于机器人技术领域，尤其涉及一种消费订单的预测方法、装置、机器人及可读存储介质。
背景技术
在现实生活中，人们购买食品、用品等物品时，可能会存在一定的非理性消费，导致购买的物品没有被食用或者使用完，因此根据用户的已消费订单无法准确获取用户的消费预期，进而无法准确备货，为用户提供精准服务。
发明内容
本申请实施例提供了一种消费订单的预测方法、装置、机器人及可读存储介质，可以解决用户在购买过程中存在非理性消费，因此根据用户的已消费订单无法准确获取用户的消费预期，进而无法准确备货的问题。
第一方面，本申请实施例提供了一种费订单的预测方法，包括：
获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据；
根据所述特征数据识别获得与所述垃圾对应的产品类型；
计算每种产品类型的垃圾的数量；
根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
第二方面，本申请实施例提供了一种费订单的预测装置，包括：
第一获取模块，用于获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据；
确定模块，用于根据所述特征数据识别获得与所述垃圾对应的产品类型；
计算模块，用于计算每种产品类型的垃圾的数量；
预测模块，用于根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的消费订单的预测方法。
第四方面，本申请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有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的消费订单的预测方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的消费订单的预测方法。
通过对垃圾的待识别数据进行分析获得垃圾的特征数据，并基于垃圾的特征数据确定与垃圾对应的产品类型，计算出垃圾的数量，根据与垃圾对应的产品类型和数量，预测用户预消费的产品类型和数量，以实现根据预测数据进行供货配货，为用户提供准确且适量的产品，提高了商品的供应速度，进而提高营业额。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，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是本申请实施例提供的消费订单的预测方法的流程示意图；
图2是本申请实施例提供的消费订单的预测方法的步骤S101的流程示意图；
图3是本申请实施例提供的消费订单的预测方法的步骤S104的流程示意图；
图4是本申请实施例提供的另一消费订单的预测方法的步骤S104的流程示意图；
图5是本申请实施例提供的消费订单的预测装置的结构示意图；
图6是本申请实施例提供的机器人的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的消费订单的预测方法可以应用于机器人等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
图2示出了本申请提供的消费订单的预测方法的示意性流程图，作为示例而非限定，该方法可以应用于上述机器人中。
S101、获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据。
在具体应用中，通过预设装置获取垃圾的待识别数据，并根据与待识别数据对应的算法对待识别数据进行识别，获得垃圾的特征数据。其中，预设装置包括但不限于摄像头和气味传感装置中的至少一个，待识别数据包括但不限于图像数据和/或者气味数据。
在一个实施例中，可通过机器人收集用户在消费场所内投放的垃圾，并根据预先设置在机器人机身上的预设装置获取垃圾的待识别数据；其中，机器人可以包括但不限于仿真机器人或宠物机器人。
在一个实施例中，可预先设定基于每个机器人机身上设置多个垃圾桶，每个垃圾桶设定具有不同形状或大小的入口，使得机器人可将具有特定特征数据的垃圾投放置进入对应的垃圾桶内，便于计算不同产品类型的垃圾的数量。
S102、根据所述特征数据识别获得与所述垃圾对应的产品类型。
在具体应用中，根据每个垃圾的特征数据识别获得与该垃圾对应的产品类型。
S103、计算每种产品类型的垃圾的数量。
在具体应用中，由于不同产品类型的垃圾具有不同形态，因此，需通过与垃圾的形态对应的计算方式计算获得产品类型的垃圾的数量；其中，部分产品类型的垃圾为固体状态，可以通过识别垃圾投放次数，或者对图像数据进行识别，获得上述产品类型的垃圾数量；部分产品类型的垃圾为颗粒状或固液混合物，或者部分产品类型的垃圾存在其他无法直接识别数量的情况(例如，某些产品类型的垃圾被拆分开来，无法直接计算垃圾的数量)，可通过称重获得该产品类型的垃圾的总重量，并读取预存储的该产品类型的垃圾的单体重量，计算获得该产品类型的垃圾的数量。
例如，识别到某产品类型的垃圾为固液混合物，通过称重获得该产品类型的垃圾的总重量为100g，读取预存储的该产品类型的垃圾的单体重量为20g，对应计算获得该产品类型的垃圾的数量为5。
S104、根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
在具体应用中，获取用户的已消费产品的产品类型和数量，计算同产品类型的垃圾的数量和已消费产品的数量的差值，根据上述差值确定与该产品类型对应的预消费数量，并基于预消费订单中的产品类型和与每个产品类型对应的预消费数量进行产品的配货。其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
例如，预消费订单包括三个产品类型，其包括：A产品类型，A产品类型的产品的预消费数量为1000个；B产品类型，B产品类型的产品的预消费数量为200个；C产品类型，C产品类型的产品的预消费数量为300个。
如图2所示，在一个实施例中，所述步骤S101，包括：
S1011、获取所述垃圾的图像数据；
S1012、对所述图像数据进行文字识别，识别得到所述垃圾中包含的文字信息；
S1013、对所述图像数据进行图像识别，识别得到垃圾的颜色特征、形状、大小和材质信息中的至少一种。
在具体应用中，通过预设的摄像头获取垃圾的图像数据，通过文字识别算法对图像数据进行文字识别，识别得到垃圾中包含的文字信息，进而实现根据垃圾中包含的文字信息确定与该垃圾对应的产品类型；通过图像识别算法对图像数据进行图像识别，识别获得垃圾的颜色特征、形状、大小和材质信息中的至少一种特征数据，通过垃圾的颜色特征、形状、大小或材质信息，确定与垃圾对应的产品类型。其中，文字识别算法包括但不限于光学字符识别(Optical Character Recognition，OCR)算法。材质的类型可以包括但不限于塑料、纸质、木质或金属类。
在一个实施例中，所述步骤S101，还包括：
获取垃圾的气味数据；
根据所述气味数据识别所述垃圾的气味类型；其中，气味类型包括无味、异味、腐臭味、化学味或芳香味。
在具体应用中，通过预先设置的气味传感器获取垃圾的气味数据，并通过气味数据识别确定该垃圾的气味类型。其中，气味类型包括无味、异味、腐臭味、化学味或芳香味。异味是指对人类的鼻腔具有一定刺激作用的气味；腐臭味指某些物质腐坏后产生的气味(例如，若产品类型为臭豆腐，则该产品类型的垃圾具有豆腐腐坏后产生的腐臭味)；化学味指化学产品本身、化学产品挥发或这化学产品燃烧后产生的味道(例如，若产品类型为香烟，则该产品类型的垃圾具有尼古丁燃烧后产生的味道，即尼古丁味)；芳香味指人类接受并喜爱的气味(例如，产品类型为水果，该产品类型对应的垃圾为果核，其气味类型属于芳香味)。
在一个实施例中，气味类型可进行进一步的划分，其中：化学味包括但不限于尼古丁味；芳香味包括但不限于果香味、香草味、杏仁味、巧克力味、薰衣草香味、皂香味或古龙水香味；异味包括但不限于大蒜味或洋葱味；腐臭味包括但不限于肉质腐臭味、臭豆腐味或水果腐臭味。
如图3所示，在一个实施例中，所述步骤S104，包括：
S1041、获取已消费订单数据；其中，所述已消费订单数据包括已消费产品的产品类型和数量；
S1042、计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值；
S1043、若所述第一差值等于0，则按照预设比例根据所述已消费产品的数量计算增长量，将所述增长量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
在具体应用中，获取用户的已消费订单数据中的已消费产品的产品类型和数量，计算在第一预设时间段内的，每一个产品类型的已消费产品的数量和该产品类型的垃圾的数量之间的第一差值，判断第一差值是否等于0，若第一差值等于0，则判定在第一预设时间段内该产品类型的产品已经被用户使用完，应提高该产品类型的预消费数量，因此，可按照预设比例根据该产品类型的已消费产品数量，计算该产品类型的增长量，以增长量作为与该产品类型对应的预消费数量，并根据产品类型和与产品类型对应的预消费数量进行产品配货。
其中，第一预设时间段可以根据用户所在场所及用户在场所内的总时长进行具体的设定。需要说明的是，第一预设时间段应小于用户在场所内的总时长。
例如，若用户所在的消费场所为KTV的包厢，且用户在该包厢内的总时长为3小时，则设定第一预设时间段为用户进行消费之后的一个小时内。
其中，预设比例可以根据产品类型进行具体的设定。
例如，在产品类型为饮料时，预设比例为1：1.5；在产品类型为食品时，设定预设比例为1：2。
例如，在产品类型为饮料、已消费产品的数量为30个，且该产品类型的已消费产品的数量和该产品类型的垃圾的数量之间的第一差值为0时，增长量为30*1.5＝45，以45为与饮料对应的预消费数量。
在一个实施例中，步骤S1041之后，还包括：
若检测到用户为慢消费用户，则不执行所述计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值及之后的步骤。
在具体应用中，慢消费用户为使用产品速度较慢，一般情况下仅执行单次消费的用户。由于，一般情况下老年人使用产品的速度较慢，且老年人在使用完产品后进行二次消费的概率较低；慢消费用户包括但不限于老年人。在检测检测到用户均为慢消费用户时，判定上述用户进行二次消费的概率较低，因此不执行计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值及之后的步骤，减小计算量。
如图4所示，在一个实施例中，所述步骤S1042之后，还包括：
S1044、若所述第一差值大于0，则计算在第二预设时间段内同一个产品类型的已消费产品的数量和垃圾的数量之间的第二差值；其中，第二预设时间段大于第一预设时间段；
S1045、若所述第二差值大于或等于预设阈值，则以所述产品类型的垃圾的数量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
在具体应用中，若同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值大于0，则判定在第一预设时间段内该产品类型的产品并未被用户使用完，计算在第二预设时间段内，上述产品类型的已消费产品的数量和垃圾的数量之间的第二差值，比较第二差值和预设阈值的大小，若第二差值大于或等于预设阈值，则判定在第二预设时间段内该产品类型的产品并未被用户使用完，未被使用的产品可能属于冲动消费。因此，应以该产品类型的垃圾的数量(即用户实际使用的该产品类型的产品的数量)作为该产品类型对应的预消费数量，并根据产品类型和与产品类型对应的预消费数量进行产品配货。其中，第二预设时间段大于第一预设时间段，第二预设时间段可以基于用户在消费场所的总时长进行设定。
在一个实施例中，所述步骤S101之前，包括：
获取每个产品类型对应的垃圾的特征数据；
建立产品类型和垃圾的特征数据之间的关联关系。
在具体应用中，预先获取每个产品类型对应的垃圾的特征数据，并建立每个产品类型和该产品类型的垃圾的特征数据之间的关联关系。其中，特征数据包括但不限于文字信息、颜色特征、形状、大小、材质信息和气味类型中的至少一种。
例如，获取到A饮料的垃圾的颜色特征为红色、材质为塑料，气味类型为芳香味；获取到B食品的垃圾的颜色特征为绿色，材质为塑料，气味类型为无味，则可建立如表1所示的关联关系。
| 产品类型 | 颜色特征 | 材质 | 气味类型 |
| A饮料 | 红色 | 塑料 | 芳香味 |
| b食品 | 绿色 | 塑料 | 无味 |
表1
在一个实施例中，所述步骤S102，包括：
根据所述特征数据和所述关联关系识别获得与所述垃圾对应的产品类型。
在具体应用中，根据垃圾的特征数据和预先建立的产品类型和垃圾的特征数据之间的关联关系，识别获得与该垃圾对应的产品类型。
例如，基于表1，在识别到垃圾的颜色特征为绿色，材质为塑料类，气味类型为无味时，可以识别到与该垃圾对应的产品类型为B食品。
通过对垃圾的待识别数据进行分析获得垃圾的特征数据，并基于垃圾的特征数据确定与垃圾对应的产品类型，计算出垃圾的数量，根据与垃圾对应的产品类型和数量，预测用户预消费的产品类型和数量，以实现根据预测数据进行供货配货，为用户提供准确且适量的产品，提高了商品的供应速度，进而提高营业额。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的消费订单的预测方法，图5示出了本申请实施例提供的消费订单的预测装置100的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该消费订单的预测装置100包括：
第一获取模块101，用于获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据；
确定模块102，用于根据所述特征数据识别获得与所述垃圾对应的产品类型；
计算模块103，用于计算每种产品类型的垃圾的数量；
预测模块104，用于根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
在一个实施例中，所述第一获取模块101，包括：
第一获取单元，用于获取所述垃圾的图像数据；
文字识别单元，用于对所述图像数据进行文字识别，识别得到所述垃圾中包含的文字信息；
图像识别单元，用于对所述图像数据进行图像识别，识别得到垃圾的颜色特征、形状、大小和材质信息中的至少一种。
在一个实施例中，所述第一获取模块101，还包括：
第二获取单元，用于获取垃圾的气味数据；
气味识别单元，用于根据所述气味数据识别所述垃圾的气味类型；其中，气味类型包括无味、异味、腐臭味、化学味或芳香味。
在一个实施例中，所述预测模块104，包括：
第三获取单元，用于获取已消费订单数据；其中，所述已消费订单数据包括已消费产品的产品类型和数量；
第一计算单元，用于计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值；
第一预测单元，用于若所述第一差值等于0，则按照预设比例根据所述已消费产品的数量计算增长量，将所述增长量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
在一个实施例中，所述预测模块104，还包括：
第二计算单元，用于若所述第一差值大于0，则计算在第二预设时间段内同一个产品类型的已消费产品的数量和垃圾的数量之间的第二差值；其中，第二预设时间段大于第一预设时间段；
第二预测单元，用于若所述第二差值大于或等于预设阈值，则以所述产品类型的垃圾的数量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
在一个实施例中，所述装置100，包括：
第二获取模块，用于获取每个产品类型对应的垃圾的特征数据；
建立模块，用于建立产品类型和垃圾的特征数据之间的关联关系。
在一个实施例中，所述确定模块102，包括：
产品识别单元，用于根据所述特征数据和所述关联关系识别获得与所述垃圾对应的产品类型。
通过对垃圾的待识别数据进行分析获得垃圾的特征数据，并基于垃圾的特征数据确定与垃圾对应的产品类型，计算出垃圾的数量，根据与垃圾对应的产品类型和数量，预测用户预消费的产品类型和数量，以实现根据预测数据进行供货配货，为用户提供准确且适量的产品，提高了商品的供应速度，进而提高营业额。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图6为本申请一实施例提供的机器人的结构示意图。如图6所示，该实施例的机器人6包括：至少一个处理器60(图6中仅示出一个)处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个消费订单的预测方法实施例中的步骤。
所述机器人6可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是机器人6的举例，并不构成对机器人6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61在一些实施例中可以是所述机器人6的内部存储单元，例如机器人6的硬盘或内存。所述存储器61在另一些实施例中也可以是所述机器人6的外部存储设备，例如所述机器人6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字卡(Secure Digital,SD)，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述机器人6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还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有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果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读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所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，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种消费订单的预测方法，其特征在于，包括：
获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据；
根据所述特征数据识别获得与所述垃圾对应的产品类型；
计算每种产品类型的垃圾的数量；
根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
2.如权利要求1所述的消费订单的预测方法，其特征在于，所述获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据，包括：
获取所述垃圾的图像数据；
对所述图像数据进行文字识别，识别得到所述垃圾中包含的文字信息；
对所述图像数据进行图像识别，识别得到垃圾的颜色特征、形状、大小和材质信息中的至少一种。
3.如权利要求1所述的消费订单的预测方法，其特征在于，所述获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据，还包括：
获取垃圾的气味数据；
根据所述气味数据识别所述垃圾的气味类型；其中，气味类型包括无味、异味、腐臭味、化学味或芳香味。
4.如权利要求1所述的消费订单的预测方法，其特征在于，所述根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货，包括：
获取已消费订单数据；其中，所述已消费订单数据包括已消费产品的产品类型和数量；
计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值；
若所述第一差值等于0，则按照预设比例根据所述已消费产品的数量计算增长量，将所述增长量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
5.如权利要求4所述的消费订单的预测方法，其特征在于，所述计算在第一预设时间段内的同一个产品类型的已消费产品的数量和垃圾的数量之间的第一差值之后，还包括：
若所述第一差值大于0，则计算在第二预设时间段内同一个产品类型的已消费产品的数量和垃圾的数量之间的第二差值；其中，第二预设时间段大于第一预设时间段；
若所述第二差值大于或等于预设阈值，则以所述产品类型的垃圾的数量作为与所述产品类型对应的预消费数量，并根据所述产品类型和所述预消费数量进行产品配货。
6.如权利要求1所述的消费订单的预测方法，其特征在于，所述获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据之前，包括：
获取每个产品类型对应的垃圾的特征数据；
建立产品类型和垃圾的特征数据之间的关联关系。
7.如权利要求6所述的消费订单的预测方法，其特征在于，所述根据所述特征数据识别获得与所述垃圾对应的产品类型，包括：
根据所述特征数据和所述关联关系识别获得与所述垃圾对应的产品类型。
8.一种消费订单的预测装置，其特征在于，包括：
第一获取模块，用于获取垃圾的待识别数据，根据所述待识别数据识别所述垃圾的特征数据；其中，所述待识别数据包括图像数据和/或者气味数据；
确定模块，用于根据所述特征数据识别获得与所述垃圾对应的产品类型；
计算模块，用于计算每种产品类型的垃圾的数量；
预测模块，用于根据与所述垃圾对应的产品类型和数量，预测预消费订单，并根据所述预消费订单进行产品配货；其中，预消费订单包括一个以上的产品类型和与每个产品类型对应的预消费数量。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读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至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011024195.5A CN112215639A (zh) | 2020-09-25 | 2020-09-25 | 消费订单的预测方法、装置、机器人及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011024195.5A CN112215639A (zh) | 2020-09-25 | 2020-09-25 | 消费订单的预测方法、装置、机器人及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112215639A true CN112215639A (zh) | 2021-01-12 |
Family
ID=74051139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011024195.5A Pending CN112215639A (zh) | 2020-09-25 | 2020-09-25 | 消费订单的预测方法、装置、机器人及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215639A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114426151A (zh) * | 2021-12-13 | 2022-05-03 | 浙江高信技术股份有限公司 | 服务区垃圾投放量预测处理系统及方法 |
| CN117974274A (zh) * | 2024-03-29 | 2024-05-03 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002104607A (ja) * | 2000-09-29 | 2002-04-10 | Denso Corp | ゴミ収集システム |
| JP2017182365A (ja) * | 2016-03-30 | 2017-10-05 | 株式会社Ｎｔｔドコモ | 情報処理装置 |
| CN108460557A (zh) * | 2018-03-23 | 2018-08-28 | 四川长虹电器股份有限公司 | 用于餐厅食材管理的系统与方法 |
| CN109767283A (zh) * | 2018-11-26 | 2019-05-17 | 深圳市赛亿科技开发有限公司 | 智能垃圾桶及其控制方法、计算机可读存储介质 |
| CN110443686A (zh) * | 2019-08-07 | 2019-11-12 | 陈乐乐 | 基于垃圾识别的商品推荐系统及方法 |
| CN111105296A (zh) * | 2019-12-25 | 2020-05-05 | 微民保险代理有限公司 | 基于垃圾分类的商品推荐方法、可读存储介质及计算机设备 |
| CN111413878A (zh) * | 2020-03-26 | 2020-07-14 | 蔚蓝计划(北京)科技有限公司 | 基于智能垃圾桶的日用品消耗统计方法、装置和系统 |
| CN111444239A (zh) * | 2020-03-26 | 2020-07-24 | 蔚蓝计划(北京)科技有限公司 | 基于垃圾桶云端服务器的日用品统计方法、装置和系统 |
| CN111461632A (zh) * | 2020-06-18 | 2020-07-28 | 北京每日优鲜电子商务有限公司 | 商品供需平衡方法及系统、服务器及介质 |
| CN111582033A (zh) * | 2020-04-07 | 2020-08-25 | 苏宁云计算有限公司 | 垃圾分类的识别方法、系统及计算机可读存储介质 |
-
2020
- 2020-09-25 CN CN202011024195.5A patent/CN112215639A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002104607A (ja) * | 2000-09-29 | 2002-04-10 | Denso Corp | ゴミ収集システム |
| JP2017182365A (ja) * | 2016-03-30 | 2017-10-05 | 株式会社Ｎｔｔドコモ | 情報処理装置 |
| CN108460557A (zh) * | 2018-03-23 | 2018-08-28 | 四川长虹电器股份有限公司 | 用于餐厅食材管理的系统与方法 |
| CN109767283A (zh) * | 2018-11-26 | 2019-05-17 | 深圳市赛亿科技开发有限公司 | 智能垃圾桶及其控制方法、计算机可读存储介质 |
| CN110443686A (zh) * | 2019-08-07 | 2019-11-12 | 陈乐乐 | 基于垃圾识别的商品推荐系统及方法 |
| CN111105296A (zh) * | 2019-12-25 | 2020-05-05 | 微民保险代理有限公司 | 基于垃圾分类的商品推荐方法、可读存储介质及计算机设备 |
| CN111413878A (zh) * | 2020-03-26 | 2020-07-14 | 蔚蓝计划(北京)科技有限公司 | 基于智能垃圾桶的日用品消耗统计方法、装置和系统 |
| CN111444239A (zh) * | 2020-03-26 | 2020-07-24 | 蔚蓝计划(北京)科技有限公司 | 基于垃圾桶云端服务器的日用品统计方法、装置和系统 |
| CN111582033A (zh) * | 2020-04-07 | 2020-08-25 | 苏宁云计算有限公司 | 垃圾分类的识别方法、系统及计算机可读存储介质 |
| CN111461632A (zh) * | 2020-06-18 | 2020-07-28 | 北京每日优鲜电子商务有限公司 | 商品供需平衡方法及系统、服务器及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114426151A (zh) * | 2021-12-13 | 2022-05-03 | 浙江高信技术股份有限公司 | 服务区垃圾投放量预测处理系统及方法 |
| CN117974274A (zh) * | 2024-03-29 | 2024-05-03 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控系统及方法 |
| CN117974274B (zh) * | 2024-03-29 | 2024-06-07 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112215639A (zh) | 消费订单的预测方法、装置、机器人及可读存储介质 | |
| Jiang et al. | A generalized Norton–Bass model for multigeneration diffusion | |
| CN110033314B (zh) | 广告数据处理方法及装置 | |
| Mohr et al. | Socio‐demographic basic factors of G erman customers as predictors for sustainable consumerism regarding foodstuffs and meat products | |
| CN103729785B (zh) | 一种视频用户性别分类方法及其装置 | |
| CN108009862B (zh) | 一种广告费用余额预警的方法及装置 | |
| CN108009863A (zh) | 一种停车场广告投放方法及装置 | |
| Shi et al. | An examination of NPD models in the context of business models | |
| CN116664207A (zh) | 一种基于大数据的新媒体广告投放监测系统 | |
| JP2021111421A (ja) | Ｔｖｃｍの効果を評価するための装置、方法及びそのためのプログラム | |
| CN109886824B (zh) | 交友推荐方法、装置、服务器、快递柜及存储介质 | |
| CN107169786B (zh) | 数据资源的处理方法和装置 | |
| CN108876409A (zh) | 一种高校贫困资助认证方法、系统及相关设备 | |
| CN111895720A (zh) | 智能冰箱的信息交互方法、系统及智能冰箱 | |
| CN113191176A (zh) | 数据处理方法和装置 | |
| CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
| CN108269118B (zh) | 一种数据分析的方法和装置 | |
| CN105992015B (zh) | 一种信息处理方法及装置 | |
| CN110634013A (zh) | 辅助性广告数据解析系统 | |
| CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
| CN115034806A (zh) | 广告投放方法、装置、存储介质以及电子设备 | |
| CN115311022A (zh) | 一种广告流量识别方法、装置及计算机可读存储介质 | |
| CN108694611A (zh) | 一种物品试用平台 | |
| CN112016961A (zh) | 推送方法、装置、电子设备和计算机可读存储介质 | |
| CN107146017A (zh) | 一种数据处理方法及装置 |
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 |