CN112257644A - 一种基于云计算的电子商务平台店铺商品库存智能管理系统 - Google Patents

Abstract

本发明公开一种基于云计算的电子商务平台店铺商品库存智能管理系统，包括信息获取模块、图像采集模块、图像处理模块、商品模型获取模块、商品模型分析模块、人工质检模块、不良区管理模块、存货区管理模块、分析服务器、电子商务平台和存储数据库；本发明通过采集各退货商品的图像，判断各退货商品与退货单中商品信息是否符合，并构建信息符合的各退货商品的模型，分析各退货商品对应的型号，同时分析各退货商品的外观和功能是否合格，将合格的各退货商品放入对应型号的存货位置，统计各型号退货商品的入库数目，计算店铺内各型号商品的实时库存量和实时总库存量，并进行显示，从而提高库存统计效率和库存数据的准确性。

Description

一种基于云计算的电子商务平台店铺商品库存智能管理系统

技术领域

本发明涉及商品库存管理领域，涉及到一种基于云计算的电子商务平台店铺商品库存智能管理系统。

背景技术

电子商务通常采用按库存售卖的经营策略，既要保证商品库存不会缺货又要防止库存过高导致经济低效和浪费；特别是对于平台售卖库存，其统计库存准确性尤为重要。

但是，现有的平台店铺商品库存管理普遍存在一些不可忽视的问题，现有的平台店铺商品库存管理采用人工统计，即通过人工清点店铺商品库存进行统计，这样不仅浪费大量的人力资源和时间成本，而且统计效率较低，并存在人工统计出现失误，导致库存数据不准确，从而出现店铺商品库存缺货状况，同时现有的平台店铺商品库存统计时，未考虑退货商品中不影响二次销售的商品数量，造成商品库存未能实时更新导致店铺商品下架，从而无法满足消费者的实际需求，降低了店铺的经济收益，为了解决以上问题，现设计一种基于云计算的电子商务平台店铺商品库存智能管理系统。

发明内容

本发明的目的在于提供一种基于云计算的电子商务平台店铺商品库存智能管理系统，本发明通过采集各退货商品的图像，判断各退货商品与退货单中商品信息是否符合，并构建信息符合的各退货商品的模型，分析各退货商品对应的型号，同时通过分析服务器和人工质检模块综合分析各退货商品的外观和功能是否合格，将合格的各退货商品放入对应型号的存货位置，统计各型号退货商品的入库数目，计算店铺内各型号商品的实时库存量和实时总库存量，并进行显示，解决了背景技术中存在的问题。

本发明的目的可以通过以下技术方案实现：

一种基于云计算的电子商务平台店铺商品库存智能管理系统，包括信息获取模块、图像采集模块、图像处理模块、商品模型获取模块、商品模型分析模块、人工质检模块、不良区管理模块、存货区管理模块、分析服务器、电子商务平台和存储数据库；

所述分析服务器分别与商品模型分析模块、人工质检模块、存货区管理模块、电子商务平台和存储数据库连接，存储数据库分别与信息获取模块、图像处理模块、商品模型分析模块和存货区管理模块连接，图像处理模块分别与图像采集模块和商品模型获取模块连接，商品模型获取模块与商品模型分析模块连接，人工质检模块分别与不良区管理模块和存货区管理模块连接；

所述信息获取模块用于对各退货商品的退货单中信息进行获取，通过OCR文字识别方法，获取各退货商品的退货单中详细信息，将获取的各退货商品的退货单中详细信息发送至存储数据库；

所述图像采集模块包括高清摄像头，用于对各退货商品的图像进行采集，通过高清摄像头采集各退货商品图像，并按照顺序依次对采集的各退货商品图像进行编号，编号分别为1,2,...,i,...,n，将采集的各退货商品图像的编号发送至图像处理模块；

所述图像处理模块用于接收图像采集模块发送的各退货商品图像的编号，对接收的各退货商品图像进行特征提取，提取各退货商品图像的商品特征，并提取存储数据库中存储的各退货单中商品信息对应的标准特征，将各退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征进行对比，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征不匹配，表明该退货商品与退货单中商品信息不符合，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征匹配，表明该退货商品与退货单中商品信息符合，统计信息符合的各退货商品，构成信息符合的各退货商品集合A(a₁,a₂,...,a_j,...,a_m),m≤n，a_j表示为信息符合的第j个退货商品，将信息符合的各退货商品集合发送至商品模型获取模块；

所述商品模型获取模块用于接收图像处理模块发送的信息符合的各退货商品集合，通过扫描各退货商品的表面，获取各退货商品的表面信息，构建各退货商品的模型，并将各退货商品的模型发送至商品模型分析模块；

所述商品模型分析模块用于接收商品模型获取模块发送的各退货商品的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将各退货商品的模型与店铺商品中各型号的标准模型进行对比，统计各退货商品的模型与店铺商品中各型号的标准模型的相似度，筛选相似度最高的商品型号的标准模型，当筛选的最高相似度大于设定的相似度阈值，则匹配成功，输出相似度最高的标准模型对应的商品型号，统计各退货商品对应的型号，将各退货商品对应型号的模型发送至分析服务器；

所述分析服务器用于接收商品模型分析模块发送的各退货商品对应型号的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将接收的各退货商品对应型号的模型与店铺商品中对应型号的标准模型进行匹配，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型不重合，表明该退货商品对应型号的外观破损，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型重合，表明该退货商品对应型号的外观完整，统计外观完整的各退货商品对应的型号，构成外观完整的各退货商品对应的型号集合Bw(b₁w,b₂w,...,b_rw,...,b_kw),k≤m，b_rw表示为外观完整的第r个退货商品对应的第w个型号，w＝w1,w2,...,wp,...,wq，将外观完整的各退货商品对应的型号集合发送至人工质检模块；

所述人工质检模块用于接收分析服务器发送的外观完整的各退货商品对应的型号集合，通过人工对外观完整的各退货商品对应型号的主要功能进行测试，若某退货商品对应型号的主要功能测试不通过，则将该退货商品发送至不良区管理模块；若某退货商品对应型号的主要功能测试通过，则将该退货商品对应的型号发送至存货区管理模块；

所述不良区管理模块用于接收人工质检模块发送的功能测试不合格的各退货商品，通过相关人员对功能测试不合格的各退货商品进行封箱处理；

所述存货区管理模块用于接收人工质检模块发送的功能测试合格的各退货商品对应的型号，统计接收的功能测试合格的各退货商品对应的型号，构成功能测试合格的各退货商品对应的型号集合Cw(c₁w,c₂w,...,c_fw,...,c_lw),l≤k，c_fw表示为功能测试合格的第f个退货商品对应的第w个型号，同时提取存储数据库中存储的店铺商品中各型号的存货位置，筛选功能测试合格的各退货商品对应型号的存货位置，将功能测试合格的各退货商品放入对应型号的存货位置，并统计各型号退货商品的入库数目，构成各型号退货商品的入库数目集合X_W(x_w1,x_w2,...,x_wp,...,x_wq)，且x_w1+x_w2+...+x_wq＝l，x_wp表示为第p个型号退货商品的入库数目，将各型号退货商品的入库数目集合发送至分析服务器；

所述分析服务器用于接收存货区管理模块发送的各型号退货商品的入库数目集合，提取存储数据库中存储的店铺内未出库的各型号商品的库存量和已交易成功的各型号商品数目，计算店铺内各型号商品的实时库存量，统计店铺内各型号商品的实时库存量，构成店铺内各型号商品的实时库存量集合Y_w(y_w1,y_w2,...,y_wp,...,y_wq)，y_wp表示为店铺内第p个型号商品的实时库存量，将店铺内各型号商品的实时库存量集合发送至电子商务平台；同时计算店铺内商品的实时总库存量，并将店铺内商品的实时总库存量发送至电子商务平台；

所述电子商务平台用于接收分析服务器发送的店铺内各型号商品的实时库存量集合和店铺内商品的实时总库存量，通过电子商务平台将接收的店铺内各型号商品的实时库存量集合和商品的实时总库存量进行显示；

所述存储数据库用于接收信息获取模块发送的各退货商品的退货单中详细信息，同时存储各退货单中商品信息对应的标准特征，存储店铺商品中各型号的标准模型和存货位置，并存储店铺内未出库的各型号商品的库存量y′_w和已交易成功的各型号商品数目y″_w；

进一步地，所述OCR文字识别方法，包括如下步骤：

S1、通过激光扫描仪扫描退货商品的退货单中字符，文字识别软件将字符进行切割处理；

S2、对切割处理后的字符进行特征提取，通过文字识别软件识别特征提取后的字符，并将识别后的字符恢复成原图片的字符排列；

S3、根据特定的语言上下文的关系，对排列后字符进行校正，将校正的字符翻译成计算机文字，获取退货单中详细信息；

进一步地，所述退货商品的退货单中详细信息包括商品名称、商品型号、商品数量、退货人姓名、联系方式、退货地址；

进一步地，所述商品模型获取模块包括三维扫描仪，通过三维扫描仪对各退货商品表面进行光学扫描，获取各退货商品表面的三维坐标信息，根据获取的三维坐标信息构建各退货商品的模型；

进一步地，所述店铺内各型号商品的实时库存量计算公式为y_wp＝y′_wp-y″_wp+x_wp，y_wp表示为店铺内第p个型号商品的实时库存量，y′_wp表示为店铺内未出库的第p个型号商品的库存量，y″_wp表示为已交易成功的第p个型号商品数目，x_wp表示为第p个型号退货商品的入库数目；

进一步地，所述店铺内商品的实时总库存量计算公式为

y_总表示为店铺内商品的实时总库存量，y_wp表示为店铺内第p个型号商品的实时库存量。

有益效果：

(1)本发明提供的一种基于云计算的电子商务平台店铺商品库存智能管理系统，通过图像采集模块采集各退货商品的图像，判断各退货商品与退货单中商品信息是否符合，并构建信息符合的各退货商品的模型，分析各退货商品对应的型号，同时通过分析服务器和人工质检模块综合分析各退货商品的外观和功能是否合格，这样可以降低部分人力资源和时间成本，提高了检测效率和准确性，并将合格的各退货商品放入对应型号的存货位置，统计各型号退货商品的入库数目，从而提高了统计效率，避免了人工统计出现失误的问题，为后期计算店铺内各型号商品的实时库存量和实时总库存量提供可靠的参考数据。

(2)本发明通过分析服务器计算店铺内各型号商品的实时库存量和实时总库存量，从而避免了商品库存未能实时更新导致店铺商品下架的问题，满足消费者的实际需求，提高了店铺的经济收益，并通过电子商务平台进行显示，能够直观地展示店铺内各型号商品的库存，增加了消费者的购物体验感。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的示意图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于云计算的电子商务平台店铺商品库存智能管理系统，包括信息获取模块、图像采集模块、图像处理模块、商品模型获取模块、商品模型分析模块、人工质检模块、不良区管理模块、存货区管理模块、分析服务器、电子商务平台和存储数据库；

所述分析服务器分别与商品模型分析模块、人工质检模块、存货区管理模块、电子商务平台和存储数据库连接，存储数据库分别与信息获取模块、图像处理模块、商品模型分析模块和存货区管理模块连接，图像处理模块分别与图像采集模块和商品模型获取模块连接，商品模型获取模块与商品模型分析模块连接，人工质检模块分别与不良区管理模块和存货区管理模块连接。

所述信息获取模块用于对各退货商品的退货单中信息进行获取，通过OCR文字识别方法，获取各退货商品的退货单中详细信息，退货商品的退货单中详细信息包括商品名称、商品型号、商品数量、退货人姓名、联系方式、退货地址，将获取的各退货商品的退货单中详细信息发送至存储数据库。

所述OCR文字识别方法，包括如下步骤：

S1、通过激光扫描仪扫描退货商品的退货单中字符，文字识别软件将字符进行切割处理；

S2、对切割处理后的字符进行特征提取，通过文字识别软件识别特征提取后的字符，并将识别后的字符恢复成原图片的字符排列；

S3、根据特定的语言上下文的关系，对排列后字符进行校正，将校正的字符翻译成计算机文字，获取退货单中详细信息。

所述图像采集模块包括高清摄像头，用于对各退货商品的图像进行采集，通过高清摄像头采集各退货商品图像，并按照顺序依次对采集的各退货商品图像进行编号，编号分别为1,2,...,i,...,n，将采集的各退货商品图像的编号发送至图像处理模块；

所述图像处理模块用于接收图像采集模块发送的各退货商品图像的编号，对接收的各退货商品图像进行特征提取，提取各退货商品图像的商品特征，并提取存储数据库中存储的各退货单中商品信息对应的标准特征，将各退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征进行对比，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征不匹配，表明该退货商品与退货单中商品信息不符合，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征匹配，表明该退货商品与退货单中商品信息符合，统计信息符合的各退货商品，构成信息符合的各退货商品集合A(a₁,a₂,...,a_j,...,a_m),m≤n，a_j表示为信息符合的第j个退货商品，将信息符合的各退货商品集合发送至商品模型获取模块。

所述商品模型获取模块包括三维扫描仪，用于接收图像处理模块发送的信息符合的各退货商品集合，通过三维扫描仪对各退货商品表面进行光学扫描，获取各退货商品表面的三维坐标信息，根据获取的三维坐标信息构建各退货商品的模型，并将各退货商品的模型发送至商品模型分析模块；

所述商品模型分析模块用于接收商品模型获取模块发送的各退货商品的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将各退货商品的模型与店铺商品中各型号的标准模型进行对比，统计各退货商品的模型与店铺商品中各型号的标准模型的相似度，筛选相似度最高的商品型号的标准模型，当筛选的最高相似度大于设定的相似度阈值，则匹配成功，输出相似度最高的标准模型对应的商品型号，统计各退货商品对应的型号，将各退货商品对应型号的模型发送至分析服务器；

所述分析服务器用于接收商品模型分析模块发送的各退货商品对应型号的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将接收的各退货商品对应型号的模型与店铺商品中对应型号的标准模型进行匹配，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型不重合，表明该退货商品对应型号的外观破损，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型重合，表明该退货商品对应型号的外观完整，统计外观完整的各退货商品对应的型号，构成外观完整的各退货商品对应的型号集合Bw(b₁w,b₂w,...,b_rw,...,b_kw),k≤m，b_rw表示为外观完整的第r个退货商品对应的第w个型号，w＝w1,w2,...,wp,...,wq，这样可以降低部分人力资源和时间成本，提高了检测效率和准确性，并将外观完整的各退货商品对应的型号集合发送至人工质检模块。

所述人工质检模块用于接收分析服务器发送的外观完整的各退货商品对应的型号集合，通过人工对外观完整的各退货商品对应型号的主要功能进行测试，这样可以降低部分人力资源和时间成本，提高了检测效率和准确性，若某退货商品对应型号的主要功能测试不通过，则将该退货商品发送至不良区管理模块；若某退货商品对应型号的主要功能测试通过，则将该退货商品对应的型号发送至存货区管理模块。

所述不良区管理模块用于接收人工质检模块发送的功能测试不合格的各退货商品，通过相关人员对功能测试不合格的各退货商品进行封箱处理。

所述存货区管理模块用于接收人工质检模块发送的功能测试合格的各退货商品对应的型号，统计接收的功能测试合格的各退货商品对应的型号，构成功能测试合格的各退货商品对应的型号集合Cw(c₁w,c₂w,...,c_fw,...,c_lw),l≤k，c_fw表示为功能测试合格的第f个退货商品对应的第w个型号，同时提取存储数据库中存储的店铺商品中各型号的存货位置，筛选功能测试合格的各退货商品对应型号的存货位置，将功能测试合格的各退货商品放入对应型号的存货位置，从而提高了统计效率，避免了人工统计出现失误的问题，并统计各型号退货商品的入库数目，构成各型号退货商品的入库数目集合X_W(x_w1,x_w2,...,x_wp,...,x_wq)，且x_w1+x_w2+...+x_wq＝l，x_wp表示为第p个型号退货商品的入库数目，将各型号退货商品的入库数目集合发送至分析服务器，为后期计算店铺内各型号商品的实时库存量和实时总库存量提供可靠的参考数据；

所述分析服务器用于接收存货区管理模块发送的各型号退货商品的入库数目集合，提取存储数据库中存储的店铺内未出库的各型号商品的库存量和已交易成功的各型号商品数目，计算店铺内各型号商品的实时库存量，从而避免了商品库存未能实时更新导致店铺商品下架的问题，满足消费者的实际需求，提高了店铺的经济收益，店铺内各型号商品的实时库存量计算公式为y_wp＝y′_wp-y″_wp+x_wp，y_wp表示为店铺内第p个型号商品的实时库存量，y′_wp表示为店铺内未出库的第p个型号商品的库存量，y″_wp表示为已交易成功的第p个型号商品数目，x_wp表示为第p个型号退货商品的入库数目，并统计店铺内各型号商品的实时库存量，构成店铺内各型号商品的实时库存量集合Y_w(y_w1,y_w2,...,y_wp,...,y_wq)，y_wp表示为店铺内第p个型号商品的实时库存量，将店铺内各型号商品的实时库存量集合发送至电子商务平台；同时计算店铺内商品的实时总库存量，店铺内商品的实时总库存量计算公式为

y_总表示为店铺内商品的实时总库存量，y_wp表示为店铺内第p个型号商品的实时库存量，并将店铺内商品的实时总库存量发送至电子商务平台。

所述电子商务平台用于接收分析服务器发送的店铺内各型号商品的实时库存量集合和店铺内商品的实时总库存量，通过电子商务平台将接收的店铺内各型号商品的实时库存量集合和商品的实时总库存量进行显示，能够直观地展示店铺内各型号商品的库存，增加了消费者的购物体验感。

所述存储数据库用于接收信息获取模块发送的各退货商品的退货单中详细信息，同时存储各退货单中商品信息对应的标准特征，存储店铺商品中各型号的标准模型和存货位置，并存储店铺内未出库的各型号商品的库存量y′_w和已交易成功的各型号商品数目y″_w。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：包括信息获取模块、图像采集模块、图像处理模块、商品模型获取模块、商品模型分析模块、人工质检模块、不良区管理模块、存货区管理模块、分析服务器、电子商务平台和存储数据库；

所述分析服务器分别与商品模型分析模块、人工质检模块、存货区管理模块、电子商务平台和存储数据库连接，存储数据库分别与信息获取模块、图像处理模块、商品模型分析模块和存货区管理模块连接，图像处理模块分别与图像采集模块和商品模型获取模块连接，商品模型获取模块与商品模型分析模块连接，人工质检模块分别与不良区管理模块和存货区管理模块连接；

所述信息获取模块用于对各退货商品的退货单中信息进行获取，通过OCR文字识别方法，获取各退货商品的退货单中详细信息，将获取的各退货商品的退货单中详细信息发送至存储数据库；

所述图像采集模块包括高清摄像头，用于对各退货商品的图像进行采集，通过高清摄像头采集各退货商品图像，并按照顺序依次对采集的各退货商品图像进行编号，编号分别为1,2,...,i,...,n，将采集的各退货商品图像的编号发送至图像处理模块；

所述图像处理模块用于接收图像采集模块发送的各退货商品图像的编号，对接收的各退货商品图像进行特征提取，提取各退货商品图像的商品特征，并提取存储数据库中存储的各退货单中商品信息对应的标准特征，将各退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征进行对比，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征不匹配，表明该退货商品与退货单中商品信息不符合，若某退货商品图像的商品特征与对应的退货单中商品信息对应的标准特征匹配，表明该退货商品与退货单中商品信息符合，统计信息符合的各退货商品，构成信息符合的各退货商品集合A(a₁,a₂,...,a_j,...,a_m),m≤n，a_j表示为信息符合的第j个退货商品，将信息符合的各退货商品集合发送至商品模型获取模块；

所述商品模型获取模块用于接收图像处理模块发送的信息符合的各退货商品集合，通过扫描各退货商品的表面，获取各退货商品的表面信息，构建各退货商品的模型，并将各退货商品的模型发送至商品模型分析模块；

所述商品模型分析模块用于接收商品模型获取模块发送的各退货商品的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将各退货商品的模型与店铺商品中各型号的标准模型进行对比，统计各退货商品的模型与店铺商品中各型号的标准模型的相似度，筛选相似度最高的商品型号的标准模型，当筛选的最高相似度大于设定的相似度阈值，则匹配成功，输出相似度最高的标准模型对应的商品型号，统计各退货商品对应的型号，将各退货商品对应型号的模型发送至分析服务器；

所述分析服务器用于接收商品模型分析模块发送的各退货商品对应型号的模型，提取存储数据库中存储的店铺商品中各型号的标准模型，将接收的各退货商品对应型号的模型与店铺商品中对应型号的标准模型进行匹配，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型不重合，表明该退货商品对应型号的外观破损，若某退货商品对应型号的模型与店铺商品中对应型号的标准模型重合，表明该退货商品对应型号的外观完整，统计外观完整的各退货商品对应的型号，构成外观完整的各退货商品对应的型号集合Bw(b₁w,b₂w,...,b_rw,...,b_kw),k≤m，b_rw表示为外观完整的第r个退货商品对应的第w个型号，w＝w1,w2,...,wp,...,wq，将外观完整的各退货商品对应的型号集合发送至人工质检模块；

所述人工质检模块用于接收分析服务器发送的外观完整的各退货商品对应的型号集合，通过人工对外观完整的各退货商品对应型号的主要功能进行测试，若某退货商品对应型号的主要功能测试不通过，则将该退货商品发送至不良区管理模块；若某退货商品对应型号的主要功能测试通过，则将该退货商品对应的型号发送至存货区管理模块；

所述不良区管理模块用于接收人工质检模块发送的功能测试不合格的各退货商品，通过相关人员对功能测试不合格的各退货商品进行封箱处理；

所述存货区管理模块用于接收人工质检模块发送的功能测试合格的各退货商品对应的型号，统计接收的功能测试合格的各退货商品对应的型号，构成功能测试合格的各退货商品对应的型号集合Cw(c₁w,c₂w,...,c_fw,...,c_lw),l≤k，c_fw表示为功能测试合格的第f个退货商品对应的第w个型号，同时提取存储数据库中存储的店铺商品中各型号的存货位置，筛选功能测试合格的各退货商品对应型号的存货位置，将功能测试合格的各退货商品放入对应型号的存货位置，并统计各型号退货商品的入库数目，构成各型号退货商品的入库数目集合X_W(x_w1,x_w2,...,x_wp,...,x_wq)，且x_w1+x_w2+...+x_wq＝l，x_wp表示为第p个型号退货商品的入库数目，将各型号退货商品的入库数目集合发送至分析服务器；

所述分析服务器用于接收存货区管理模块发送的各型号退货商品的入库数目集合，提取存储数据库中存储的店铺内未出库的各型号商品的库存量和已交易成功的各型号商品数目，计算店铺内各型号商品的实时库存量，统计店铺内各型号商品的实时库存量，构成店铺内各型号商品的实时库存量集合Y_w(y_w1,y_w2,...,y_wp,...,y_wq)，y_wp表示为店铺内第p个型号商品的实时库存量，将店铺内各型号商品的实时库存量集合发送至电子商务平台；同时计算店铺内商品的实时总库存量，并将店铺内商品的实时总库存量发送至电子商务平台；

所述电子商务平台用于接收分析服务器发送的店铺内各型号商品的实时库存量集合和店铺内商品的实时总库存量，通过电子商务平台将接收的店铺内各型号商品的实时库存量集合和商品的实时总库存量进行显示；

所述存储数据库用于接收信息获取模块发送的各退货商品的退货单中详细信息，同时存储各退货单中商品信息对应的标准特征，存储店铺商品中各型号的标准模型和存货位置，并存储店铺内未出库的各型号商品的库存量y′_w和已交易成功的各型号商品数目y″_w。

2.根据权利要求1所述的一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：所述OCR文字识别方法，包括如下步骤：

S1、通过激光扫描仪扫描退货商品的退货单中字符，文字识别软件将字符进行切割处理；

S2、对切割处理后的字符进行特征提取，通过文字识别软件识别特征提取后的字符，并将识别后的字符恢复成原图片的字符排列；

S3、根据特定的语言上下文的关系，对排列后字符进行校正，将校正的字符翻译成计算机文字，获取退货单中详细信息。

3.根据权利要求1所述的一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：所述退货商品的退货单中详细信息包括商品名称、商品型号、商品数量、退货人姓名、联系方式、退货地址。

4.根据权利要求1所述的一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：所述商品模型获取模块包括三维扫描仪，通过三维扫描仪对各退货商品表面进行光学扫描，获取各退货商品表面的三维坐标信息，根据获取的三维坐标信息构建各退货商品的模型。

5.根据权利要求1所述的一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：所述店铺内各型号商品的实时库存量计算公式为y_wp＝y′_wp-y″_wp+x_wp，y_wp表示为店铺内第p个型号商品的实时库存量，y′_wp表示为店铺内未出库的第p个型号商品的库存量，y″_wp表示为已交易成功的第p个型号商品数目，x_wp表示为第p个型号退货商品的入库数目。

6.根据权利要求1所述的一种基于云计算的电子商务平台店铺商品库存智能管理系统，其特征在于：所述店铺内商品的实时总库存量计算公式为

y_总表示为店铺内商品的实时总库存量，y_wp表示为店铺内第p个型号商品的实时库存量。

Images