CN112785023A - 物品重量测量方法及装置、电子设备、存储介质 - Google Patents
物品重量测量方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112785023A CN112785023A CN201911080783.8A CN201911080783A CN112785023A CN 112785023 A CN112785023 A CN 112785023A CN 201911080783 A CN201911080783 A CN 201911080783A CN 112785023 A CN112785023 A CN 112785023A
- Authority
- CN
- China
- Prior art keywords
- data
- weight
- target
- decision tree
- weight data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003066 decision tree Methods 0.000 claims description 150
- 238000007667 floating Methods 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005303 weighing Methods 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- QAOWNCQODCNURD-UHFFFAOYSA-N sulfuric acid group Chemical group S(O)(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 239000004065 semiconductor 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种物品重量测量方法及装置、电子设备、存储介质，涉及计算机技术领域。该物品重量测量方法包括：获取目标物品对应的属性数据；根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；将上传的真实重量数据与所述理论重量数据进行校验处理；以及如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。本发明实施例的技术方案可以辅助用户对物品重量进行称量，并在称量错误时进行报警，避免物品称量错误的问题。
Description
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种物品重量测量方法、物品重量测量装置、电子设备以及计算机可读存储介质。
背景技术
随着互联网技术的快速发展，快递行业越来越成为人们生活中不可缺少的部分。在人们通过快递邮寄物品或者快递物品入库时，常常需要对物品进行称重，物品的重量是影响快递运费的因素。
目前，快递物品在入库时，重量采集校验是通过人工设置的三级分类的阈值范围，通过当前物品所属三级分类阈值进行校验，如果实际采集的物品重量不在阈值范围内，则该物品无法采集入库。该方案通过三级分类阈值的方式给某类物品定义的重量精确度较低，校验结果不准确，降低用户的使用体验。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种物品重量测量方法、物品重量测量装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服现有技术中物品重量校验不准确的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面，提供了一种物品重量测量方法，包括：获取目标物品对应的属性数据；根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；将上传的真实重量数据与所述理论重量数据进行校验处理；以及如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
在本发明的一些示例实施例中，基于前述方案，如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令，还包括：如果确定所述真实重量数据与所述理论重量数据的差值小于或者等于重量阈值，则将所述真实重量数据作为所述目标物品的目标重量数据。
在本发明的一些示例实施例中，基于前述方案，在获取目标物品对应的属性数据之前，所述方法还包括：获取目标物品的标识信息，并根据所述标识信息查询并获取所述目标物品对应的关联数据；对所述目标物品进行测量处理，以确定所述目标物品的体积数据；通过预设数据结构对所述关联数据以及所述体积数据进行数据建模，确定所述目标物品对应的属性数据。
在本发明的一些示例实施例中，基于前述方案，所述物品重量预测模型包括多个决策树，所述根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据，包括：根据所述属性数据计算所述目标物品对应的预估重量数据，并将所述预估重量数据作为第一决策树的预测值；执行下述循环过程，直到任一决策树的对应的差值小于或者等于差值阈值，并将各所述决策树的输出结果的和值作为理论重量数据；循环过程：计算所述第一决策树的预测值与所述第一决策树对应的输出结果的差值，并在所述差值大于差值阈值时将所述差值作为第二决策树的预测值，以及计算所述第二决策树的预测值与所述第二决策树对应的输出结果的差值。
在本发明的一些示例实施例中，基于前述方案，所述决策树包括多个特征数据，在根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据之前，所述方法还包括：计算所述特征数据在对应的所述决策树中的重要程度数据；根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据；根据所述目标重要程度数据选取目标数量的所述特征数据，并根据选取的所述特征数据构建目标决策树；通过所述目标决策树计算特征路径，以根据所述特征路径构建所述物品重量预测模型。
在本发明的一些示例实施例中，基于前述方案，计算所述特征数据在对应的所述决策树中的重要程度数据，包括：调整所述决策树对应的目标特征数据，并确定所述目标特征数据在调整后所述决策树对应的测试集误差率；将所述测试集误差率作为所述目标特征数据在所述决策树中的重要程度数据。
在本发明的一些示例实施例中，基于前述方案，根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据，包括：确定所述特征数据在多个所述决策树中对应的多个重要程度数据；计算所述多个重要程度数据的平均值，并将所述平均值作为所述特征数据在多个所述决策树中的目标重要程度数据。
在本发明的一些示例实施例中，基于前述方案，在如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令之前，所述方法还包括：存储上传的真实重量数据，并确定所述真实重量数据的浮动区间数据；根据所述真实重量数据以及所述浮动区间数据调整所述重量阈值；以及通过所述真实重量数据以及所述浮动区间数据训练所述物品重量预测模型。
根据本发明实施例的第二方面，提供了一种物品重量测量装置，包括：属性数据获取模块，用于获取目标物品对应的属性数据；理论重量数据确定模块，用于根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；重量数据校验模块，用于将上传的真实重量数据与所述理论重量数据进行校验处理；以及报警模块，用于如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
在本发明的一种示例性实施例中，基于前述方案，所述报警模块还被配置为：如果确定所述真实重量数据与所述理论重量数据的差值小于或者等于重量阈值，则将所述真实重量数据作为所述目标物品的目标重量数据。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置还包括属性数据创建单元，所述属性数据创建单元被配置为：获取目标物品的标识信息，并根据所述标识信息查询并获取所述目标物品对应的关联数据；对所述目标物品进行测量处理，以确定所述目标物品的体积数据；通过预设数据结构对所述关联数据以及所述体积数据进行数据建模，确定所述目标物品对应的属性数据。
在本发明的一种示例性实施例中，基于前述方案，所述理论重量数据确定模块还被配置为：根据所述属性数据计算所述目标物品对应的预估重量数据，并将所述预估重量数据作为第一决策树的预测值；执行下述循环过程，直到任一决策树的对应的差值小于或者等于差值阈值，并将各所述决策树的输出结果的和值作为理论重量数据；循环过程：计算所述第一决策树的预测值与所述第一决策树对应的输出结果的差值，并在所述差值大于差值阈值时将所述差值作为第二决策树的预测值，以及计算所述第二决策树的预测值与所述第二决策树对应的输出结果的差值。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置还包括物品重量预测模型构建模块，所述物品重量预测模型构建模块还包括：重要程度数据计算单元，用于计算所述特征数据在对应的所述决策树中的重要程度数据；目标重要程度数据计算单元，用于根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据；目标决策树构建单元，用于根据所述目标重要程度数据选取目标数量的所述特征数据，并根据选取的所述特征数据构建目标决策树；物品重量预测模型构建单元，用于通过所述目标决策树计算特征路径，以根据所述特征路径构建所述物品重量预测模型。
在本发明的一种示例性实施例中，基于前述方案，所述重要程度数据计算单元还被配置为：调整所述决策树对应的目标特征数据，并确定所述目标特征数据在调整后所述决策树对应的测试集误差率；将所述测试集误差率作为所述目标特征数据在所述决策树中的重要程度数据。
在本发明的一种示例性实施例中，基于前述方案，所述目标重要程度数据计算单元还被配置为：确定所述特征数据在多个所述决策树中对应的多个重要程度数据；计算所述多个重要程度数据的平均值，并将所述平均值作为所述特征数据在多个所述决策树中的目标重要程度数据。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置还包括重量阈值调整单元，所述重量阈值调整单元被配置为：存储上传的真实重量数据，并确定所述真实重量数据的浮动区间数据；根据所述真实重量数据以及所述浮动区间数据调整所述重量阈值；以及通过所述真实重量数据以及所述浮动区间数据训练所述物品重量预测模型。
根据本发明实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意一项所述的物品重量测量方法。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的物品重量测量方法。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明的示例实施例中的物品重量测量方法，根据预构建的物品重量预测模型以及目标物品对应的属性数据确定目标物品对应的理论重量数据；将上传的真实重量数据与所述理论重量数据进行校验处理；并在采集的真实重量数据与理论重量数据的差值大于重量阈值时，执行报警指令。一方面，预构建的物品重量预测模型以及目标物品对应的属性数据确定目标物品对应的理论重量数据，能够提升理论重量数据对应的精确度，使校验结果更加准确，提升工作效率；另一方面，在真实重量数据与理论重量数据的差值大于重量阈值时，及时提醒用户，避免物品重量测量错误导致的经济损失，提升用户的使用体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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。在附图中：
图1示意性示出了根据本发明的一些实施例的物品重量测量方法的流程示意图；
图2示意性示出了根据本发明的一些实施例的构建目标物品对应属性数据的流程示意图；
图3示意性示出了根据本发明的一些实施例的通过物品重量预测模型计算理论重量数据的流程示意图；
图4示意性示出了根据本发明的一些实施例的物品重量预测模型计算理论重量数据的示意图；
图5示意性示出了根据本发明的一些实施例的构建物品重量预测模型的流程示意图；
图6示意性示出了根据本发明的一些实施例的特征路径的结构示意图；
图7示意性示出了根据本发明的另一些实施例的物品重量测量方法的流程示意图；
图8示意性示出了根据本发明的一些实施例的进行物品重量辅助测量的场景示意图；
图9示意性示出了根据本发明的一些实施例的物品重量测量装置的示意图；
图10示意性示出了根据本发明的一些实施例的电子设备的计算机系统的结构示意图；
图11示意性示出了根据本发明的一些实施例的计算机可读存储介质的示意图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
此外，附图仅为示意性图解，并非一定是按比例绘制。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中，首先提供了一种物品重量测量方法，该物品重量测量方法可以应用于终端设备。图1示意性示出了根据本发明的一些实施例的物品重量测量方法的示意图。参考图1所示，该物品重量测量方法可以包括以下步骤：
步骤S110，获取目标物品对应的属性数据；
步骤S120，根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；
步骤S130，将上传的真实重量数据与所述理论重量数据进行校验处理；以及
步骤S140，如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
根据本示例实施例中的物品重量测量方法，一方面，预构建的物品重量预测模型以及目标物品对应的属性数据确定目标物品对应的理论重量数据，能够提升理论重量数据对应的精确度，使校验结果更加准确，提升工作效率；另一方面，在真实重量数据与理论重量数据的差值大于重量阈值时，及时提醒用户，避免物品重量测量错误导致的经济损失，提升用户的使用体验。
下面，将对本示例实施例中的物品重量测量方法进行进一步的说明。
在步骤S110中，获取目标物品对应的属性数据。
在本公开的一个示例实施例中，目标物品可以是指需要进行重量测量的物品，例如目标物品可以是饮料、酒水等液体物品，也可以是面粉等固体物品，当然，目标物品还可以是其他质地均匀且密度可测量的物品，本示例实施例对此不做特殊限定。属性数据可以是指目标物品关联的属性，例如属性数据可以是目标物品的密度数据，也可以是目标物品的分类信息，当然，属性数据还可以是目标物品的包装种类、包装缝隙系数以及包装重量等，本示例实施例对此不做特殊限定。
具体的，图2示意性示出了根据本发明的一些实施例的构建目标物品对应属性数据的流程示意图。
参考图2所示，步骤S210，获取目标物品的标识信息，并根据所述标识信息查询并获取所述目标物品对应的关联数据。
在本公开的一个示例实施例中，标识信息可以是指目标物品对应的唯一标识，通过该标识信息能够获取目标物品对应的关联数据。例如标识信息可以是目标物品包装上的二维码或者条形码，也可以是目标物品对应的产品统一编号(SKU，Stock Keeping Unit)，当然，标识信息还可以是其他能够获取目标物品对应关联数据的信息，本示例实施例不以此为限。关联数据可以是指通过标识信息获取的目标物品的基本信息，例如关联数据可以是目标物品的名称种类，也可以是目标物品的产地，当然，关联数据还可以是其他与目标物品关联的信息，本示例实施例对此不做特殊限定。
步骤S220，对所述目标物品进行测量处理，以确定所述目标物品的体积数据。
在本公开的一个示例实施例中，测量处理可以是指重量采集人员通过相关设备对目标物品的体积进行测量的处理过程，例如测量处理可以是采集人员通过测量工具对目标物品进行体积测量，也可以是通过体积测量设备对目标物品进行体积测量，本示例实施例不以此为限。体积数据可以是指目标物品对应的体积，例如目标物品是液体时，体积数据可以是液体物品的容量，目标物品是固体时，体积数据可以是固体物品的占用空间，当然，此处仅是示意性举例说明，本示例实施例不以此为限。
步骤S230，通过预设数据结构对所述关联数据以及所述体积数据进行数据建模，确定所述目标物品对应的属性数据。
在本公开的一个示例实施例中，预设数据结构可以是指对目标物品的关联数据以及体积数据进行建模并存储的数据结构，例如预设数据结构可以是JSON数据格式(JavaScript Object Notation,JS对象简谱，一种轻量级的数据交换格式)，当然，预设数据结构还可以是其他数据结构，本示例实施例不以此为限。例如，通过可以JSON数据格式将目标物品对的关联数据以及体积数据存储为：
根据上述数据结构，将不同的目标物品的属性数据存储到存储系统。通过将目标物品的属性数据存储为预设数据结构，能够提高数据获取的效率，提升系统的工作效率。
在步骤S120中，根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据。
在本公开的一个示例实施例中，物品重量预测模型可以是指通过目标物品的属性数据以及机器学习算法构建的数据学习模型，例如机器学习算法可以是GBDT梯度提升决策树，当然，机器学习算法还可以是其他算法，本示例实施例不以此为限。不同类型的目标物品可以对应不同的物品重量预测模型，即一种目标物品对应的一个物品重量预测模型，物品重量预测模型可以存储到对应的存储系统。理论重量数据可以是指通过目标物品的属性数据以及物品重量预测模型计算的预测重量，以该理论重量数据作为参考值判断测量的目标物品的真实重量数据是否正确。
具体的，物品重量预测模型可以包括多个决策树，决策树可以是分类回归树(CartTree)，当然，本示例实施例不以此为限。图3示意性示出了根据本发明的一些实施例的通过物品重量预测模型计算理论重量数据的流程示意图。
参考图3所示，步骤S310，根据所述属性数据计算所述目标物品对应的预估重量数据，并将所述预估重量数据作为第一决策树的预测值。
在本公开的一个示例实施例中，预估重量数据可以是指根据目标物品对应的属性数据以及体积计算公式预计算的目标物品的重量数据，例如直接根据体积计算公式“密度*体积＝重量”计算目标物品的预估重量数据。第一决策树可以是指物品重量预测模型中训练后的决策树。
步骤S320，执行步骤S330中的循环过程，直到任一决策树的对应的差值小于或者等于差值阈值，并将各所述决策树的输出结果的和值作为理论重量数据。
在本公开的一个示例实施例中，差值可以是指当前决策树的预测值与输出结果进行差计算后得到的数值(残差)，差值阈值可以是指预先设置的、用于判断当前决策树对应的差值(残差)是否足够小的阈值，当任一决策树的对应的差值小于或者等于差值阈值时，此时认为能够得到最优解，因此将各决策树的输出结果进行求和计算，并将求和计算得到的和值作为理论重量数据。
步骤S330，计算所述第一决策树的预测值与所述第一决策树对应的输出结果的差值，并在所述差值大于差值阈值时将所述差值作为第二决策树的预测值，以及计算所述第二决策树的预测值与所述第二决策树对应的输出结果的差值。
在本公开的一个示例实施例中，首先计算第一决策树的预测值(此时的预测值为目标物品对应的预估重量数据)与第一决策树对应的输出结果的差值，并判断差值是否小于或者等于差值阈值，在差值大于差值阈值时将差值作为第二决策树的预测值(即该预测值是第一决策树的预测值与第一决策树对应的输出结果的差值)，并继续进行前述判断过程，在差值大于差值阈值时将差值作为下一个决策树的预测值，以此类推，直到满足步骤S320中的条件时，结束该循环，并将各决策树的输出结果的和值作为理论重量数据。
需要说明的是，本示例实施例中的“第一”、“第二”仅是为了区分多个决策树中不同的决策树，本不应对本示例实施例造成任何特殊限定。
图4示意性示出了根据本发明的一些实施例的物品重量预测模型计算理论重量数据的示意图。
参考图4所示，决策树401对应的预测值为y(预估重量数据)，对应的输出结果为y1，在判定决策树401对应的差值大于差值阈值时，将决策树401对应的差值(残差)“y-y1”作为决策树402的预测值，并确定决策树402的输出结果y2，继续进行判断过程，并在决策树402对应的差值大于差值阈值时，将决策树402对应的差值(残差)“y-y1-y2”作为决策树403的预测值，以此类推，直到决策树404的预测值“y-y1-y2……-ym-1”与输出结果ym的差值小于差值阈值时，结束该流程，并将决策树401、决策树402、决策树403、决策树404的输出结果进行求和运算得到目标物品对应的理论重量数据405。
进一步的，在根据预构建的物品重量预测模型以及属性数据确定目标物品对应的理论重量数据之前，首先需要对物品重量预测模型进行构建，其中物品重量预测模型中的决策树可以包括多个特征数据。图5示意性示出了根据本发明的一些实施例的构建物品重量预测模型的流程示意图。
步骤S510，计算特征数据在对应的决策树中的重要程度数据。
在本公开的一个示例实施例中，特征数据可以是指决策树中与目标物品对应的特征，例如特征数据可以是目标物品的分类，也可以是目标物品的包装类型，还可以是目标物品的密度数据，本示例实施例对此不做特殊限定。重要程度数据可以是指特征数据在决策树中影响目标物品的理论重量数据的程度，例如调整了决策树中的某个特征数据后，使得最终理论重量数据发生了较大偏差，则该特征数据的重要程度较高，反之，该特征数据的重要程度较低。
步骤S520，根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据。
在本公开的一个示例实施例中，目标重要程度数据可以是指特征数据在不同决策树中出现时，该特征数据对于多个决策树的重要程度数据，例如，特征数据在第一决策树中的重要程度数据为0.8(1表示非常重要)，在第一决策树中的重要程度数据为0.4，则该特征数据对于第一决策树以及第二决策树构成的随机森林来说，(0.4+0.8)/2＝0.6为特征数据在该随机森林中的重要程度数据，即目标重要程度数据。
步骤S530，根据所述目标重要程度数据选取目标数量的所述特征数据，并根据选取的所述特征数据构建目标决策树。
在本公开的一个示例实施例中，目标决策树可以是指根据特征数据构建的、用于构建物品重量预测模型的决策树(即可以是指训练后的决策树)。可以设置重要程度阈值，并根据重要程度阈值，选取重要程度数据以及目标重要程度数据大于或者等于重要程度阈值的特征数据，并根据选取的特征数据构建目标决策树。
步骤S540，通过所述目标决策树计算特征路径，以根据所述特征路径构建所述物品重量预测模型。
在本公开的一个示例实施例中，特征路径可以是指将决策树进行“剪枝”后得到的路径，根据该特征路径能够较为准确的预估目标物品的重量。根据特征路径构建物品重量预测模型可以是指根据“剪枝”后的决策树(训练完成的)构建物品重量预测模型。
图6示意性示出了根据本发明的一些实施例的特征路径的结构示意图。
参考图6所示，特征路径可以是步骤S610至步骤S660。其中，步骤S610，判断目标物品是否可以忽略包装，如果判定目标物品可以忽略包装，则执行步骤S620，否则执行步骤S630；
步骤S620，判断目标物品是否是纯水，如果判定目标物品是纯水，则执行步骤S640，否则执行步骤S630；
步骤S630，执行目标物品对应的其他判断流程，例如在不忽略目标物品的包装时，计算包装的重量以及包装缝隙系数等；
步骤S640，继续判断目标物品是否是硫酸，如果判定目标物品是硫酸，则执行步骤S650，否则执行步骤S660；
步骤S650，根据目标物品的体积数据、硫酸的密度数据以及体积计算公式计算目标物品的重量数据；
步骤S660，根据目标物品的体积数据、纯净水的密度数据以及体积计算公式计算目标物品的重量数据。
其中，目标物品是否可以忽略包装、目标物品是否是纯水、目标物品是否是硫酸均可以是指目标物品的特征数据。
具体的，调整决策树对应的目标特征数据，并确定目标特征数据在调整后决策树对应的测试集误差率；将测试集误差率作为目标特征数据在决策树中的重要程度。目标特征数据可以是指决策树中需要进行调整的一个特征数据，对决策树中的目标特征数据调整后，确定目标特征数据在调整后决策树对应的测试集误差率。测试集误差率可以是指目标特征数据在调整前后测试集对应的理论重量数据的偏差率，该测试集误差率越大，可以表示对应的目标特征数据对该决策树越重要，重要程度数据越大，将该测试集误差率作为目标特征数据在该决策树中的重要程度数据。
具体的，确定特征数据在多个决策树中对应的多个重要程度数据；计算多个重要程度数据的平均值，并将平均值作为特征数据在多个决策树中的目标重要程度数据。确定同一个特征数据在多个决策树中对应的多个重要程度数据，计算多个重要程度数据的平均值，并将该平均值作为特征数据在多个决策树构成的随机森林中的目标重要程度数据，即目标重要程度数据可以是该特征数据在多个决策树构成的随机森林中的重要程度数据。
在步骤S130中，将上传的真实重量数据与所述理论重量数据进行校验处理。
在本公开的一个示例实施例中，真实重量数据可以是指重量采集人员通过相关重量测量工具直接称量得到的目标物品对应的重量数据。校验处理可以是指计算真实重量数据与通过物品重量预测模型输出的理论重量数据的差值的处理过程。
在步骤S140中，如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
在本公开的一个示例实施例中，通过校验处理得到真实重量数据与理论重量数据的差值，该差值可以是绝对值，也可以是实际计算得到的正负值，本示例实施例对此不做特殊限定。重量阈值可以是指预先设定的、或者后期调整的用于判断真实重量数据是否偏离理论重量数据的阈值，如果确定真实重量数据与理论重量数据的差值大于重量阈值，则认为真实重量数据与理论重量数据偏差较大，可能采集有误，需要重新采集，因此执行报警指令，以通过报警指令通知重量采集人员重新采集目标物品的真实重量数据。
图7示意性示出了根据本发明的另一些实施例的物品重量测量方法的流程示意图。
参考图7所示，在步骤750中，如果确定所述真实重量数据与所述理论重量数据的差值小于或者等于重量阈值，则将所述真实重量数据作为所述目标物品的目标重量数据。
在本公开的一个示例实施例中，如果确定真实重量数据与理论重量数据的差值小于或者等于重量阈值，此时认为采集的真实重量数据与理论重量数据相匹配，该真实重量数据采集正确，不需要重新采集，因此将真实重量数据作为目标物品的目标重量数据。目标重量数据可以是指最终填入表格中目标物品对应的重量数据。
可选的，在如果确定真实重量数据与理论重量数据的差值大于重量阈值，则执行报警指令之前，存储上传的真实重量数据，并确定真实重量数据的浮动区间数据；根据真实重量数据以及浮动区间数据调整重量阈值；以及通过真实重量数据以及浮动区间数据训练物品重量预测模型。浮动区间数据可以是指在判定真实重量数据与理论重量数据的差值小于或者等于阈值时真实重量数据与理论重量数据对应的差值，将多个不同真实重量数据与理论重量数据对应的差值作为浮动区间数据。将每次校验过后的真实重量数据上传到存储系统进行存储，并计算多个真实重量数据对应的浮动区间数据，根据该浮动区间数据调整重量阈值，能够进一步精确重量阈值，使校验处理过程更加精确。并且可以通过真实重量数据以及浮动区间数据进一步训练物品重量预测模型，提升物品重量预测模型输出的理论重量数据的精确度。
图8示意性示出了根据本发明的一些实施例的进行物品重量辅助测量的场景示意图。
参考图8所示，步骤S810，通过对外接口获取目标物品对应的SKU以及体积数据；
步骤S820，根据目标物品对应的SKU以及体积数据构建目标物品的属性数据，以根据属性数据后续计算同类型目标物品的重量；
步骤S830，将目标物品的属性数据发送到存储系统，并根据存储系统中存储的物品重量预测模型计算目标物品的理论重量数据；
步骤S840，将理论重量数据发送到查询系统；
步骤S850，获取上传的真实重量数据，并将真实重量数据与理论重量数据进行校验处理，以判断真实重量数据与理论重量数据的差值是否小于或者等于重量阈值；
步骤S860，在真实重量数据与理论重量数据的差值小于或者等于重量阈值时，将真实重量数据发送到对外接口并作为目标物品最终的重量数据；在真实重量数据与理论重量数据的差值大于重量阈值时，将结果反馈到对外接口并执行报警指令。
需要说明的是，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种物品重量测量装置。参照图9所示，该物品重量测量装置900包括：属性数据获取模块910、理论重量数据确定模块920、重量数据校验模块930以及报警模块940。其中：属性数据获取模块，用于获取目标物品对应的属性数据；理论重量数据确定模块，用于根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；重量数据校验模块，用于将上传的真实重量数据与所述理论重量数据进行校验处理；以及报警模块，用于如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
在本发明的一种示例性实施例中，基于前述方案，所述报警模块940还被配置为：如果确定所述真实重量数据与所述理论重量数据的差值小于或者等于重量阈值，则将所述真实重量数据作为所述目标物品的目标重量数据。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置900还包括属性数据创建单元，所述属性数据创建单元被配置为：获取目标物品的标识信息，并根据所述标识信息查询并获取所述目标物品对应的关联数据；对所述目标物品进行测量处理，以确定所述目标物品的体积数据；通过预设数据结构对所述关联数据以及所述体积数据进行数据建模，确定所述目标物品对应的属性数据。
在本发明的一种示例性实施例中，基于前述方案，所述理论重量数据确定模块920还被配置为：根据所述属性数据计算所述目标物品对应的预估重量数据，并将所述预估重量数据作为第一决策树的预测值；执行下述循环过程，直到任一决策树的对应的差值小于或者等于差值阈值，并将各所述决策树的输出结果的和值作为理论重量数据；循环过程：计算所述第一决策树的预测值与所述第一决策树对应的输出结果的差值，并在所述差值大于差值阈值时将所述差值作为第二决策树的预测值，以及计算所述第二决策树的预测值与所述第二决策树对应的输出结果的差值。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置900还包括物品重量预测模型构建模块，所述物品重量预测模型构建模块还包括：重要程度数据计算单元，用于计算所述特征数据在对应的所述决策树中的重要程度数据；目标重要程度数据计算单元，用于根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据；目标决策树构建单元，用于根据所述目标重要程度数据选取目标数量的所述特征数据，并根据选取的所述特征数据构建目标决策树；物品重量预测模型构建单元，用于通过所述目标决策树计算特征路径，以根据所述特征路径构建所述物品重量预测模型。
在本发明的一种示例性实施例中，基于前述方案，所述重要程度数据计算单元还被配置为：调整所述决策树对应的目标特征数据，并确定所述目标特征数据在调整后所述决策树对应的测试集误差率；将所述测试集误差率作为所述目标特征数据在所述决策树中的重要程度数据。
在本发明的一种示例性实施例中，基于前述方案，所述目标重要程度数据计算单元还被配置为：确定所述特征数据在多个所述决策树中对应的多个重要程度数据；计算所述多个重要程度数据的平均值，并将所述平均值作为所述特征数据在多个所述决策树中的目标重要程度数据。
在本发明的一种示例性实施例中，基于前述方案，所述物品重量测量装置900还包括重量阈值调整单元，所述重量阈值调整单元被配置为：存储上传的真实重量数据，并确定所述真实重量数据的浮动区间数据；根据所述真实重量数据以及所述浮动区间数据调整所述重量阈值；以及通过所述真实重量数据以及所述浮动区间数据训练所述物品重量预测模型。
上述中物品重量测量装置各模块的具体细节已经在对应的物品重量测量方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了物品重量测量装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述物品重量测量方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施例的电子设备1000。图10所示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元1010可以执行如图1中所示的步骤S110，获取目标物品对应的属性数据；步骤S120，根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；步骤S130，将上传的真实重量数据与所述理论重量数据进行校验处理；以及步骤S140，如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022，还可以进一步包括只读存储单元(ROM)1023。
存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024，这样的程序模块1025包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1070(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图11所示，描述了根据本发明的实施例的用于实现上述物品重量测量方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施例的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种物品重量测量方法，其特征在于，包括：
获取目标物品对应的属性数据；
根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；
将上传的真实重量数据与所述理论重量数据进行校验处理；以及
如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
2.根据权利要求1所述的物品重量测量方法，其特征在于，如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令，还包括：
如果确定所述真实重量数据与所述理论重量数据的差值小于或者等于重量阈值，则将所述真实重量数据作为所述目标物品的目标重量数据。
3.根据权利要求1所述的物品重量测量方法，其特征在于，在获取目标物品对应的属性数据之前，所述方法还包括：
获取目标物品的标识信息，并根据所述标识信息查询并获取所述目标物品对应的关联数据；
对所述目标物品进行测量处理，以确定所述目标物品的体积数据；
通过预设数据结构对所述关联数据以及所述体积数据进行数据建模，确定所述目标物品对应的属性数据。
4.根据权利要求1所述的物品重量测量方法，其特征在于，所述物品重量预测模型包括多个决策树，所述根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据，包括：
根据所述属性数据计算所述目标物品对应的预估重量数据，并将所述预估重量数据作为第一决策树的预测值；
执行下述循环过程，直到任一决策树的对应的差值小于或者等于差值阈值，并将各所述决策树的输出结果的和值作为理论重量数据；
循环过程：计算所述第一决策树的预测值与所述第一决策树对应的输出结果的差值，并在所述差值大于差值阈值时将所述差值作为第二决策树的预测值，以及计算所述第二决策树的预测值与所述第二决策树对应的输出结果的差值。
5.根据权利要求4所述的物品重量测量方法，其特征在于，所述决策树包括多个特征数据，在根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据之前，所述方法还包括：
计算所述特征数据在对应的所述决策树中的重要程度数据；
根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据；
根据所述目标重要程度数据选取目标数量的所述特征数据，并根据选取的所述特征数据构建目标决策树；
通过所述目标决策树计算特征路径，以根据所述特征路径构建所述物品重量预测模型。
6.根据权利要求5所述的物品重量测量方法，其特征在于，计算所述特征数据在对应的所述决策树中的重要程度数据，包括：
调整所述决策树对应的目标特征数据，并确定所述目标特征数据在调整后所述决策树对应的测试集误差率；
将所述测试集误差率作为所述目标特征数据在所述决策树中的重要程度数据。
7.根据权利要求5所述的物品重量测量方法，其特征在于，根据所述重要程度数据计算所述特征数据在多个所述决策树中的目标重要程度数据，包括：
确定所述特征数据在多个所述决策树中对应的多个重要程度数据；
计算所述多个重要程度数据的平均值，并将所述平均值作为所述特征数据在多个所述决策树中的目标重要程度数据。
8.根据权利要求1所述的物品重量测量方法，其特征在于，在如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令之前，所述方法还包括：
存储上传的真实重量数据，并确定所述真实重量数据的浮动区间数据；
根据所述真实重量数据以及所述浮动区间数据调整所述重量阈值；以及
通过所述真实重量数据以及所述浮动区间数据训练所述物品重量预测模型。
9.一种物品重量测量装置，其特征在于，包括：
属性数据获取模块，用于获取目标物品对应的属性数据；
理论重量数据确定模块，用于根据预构建的物品重量预测模型以及所述属性数据确定所述目标物品对应的理论重量数据；
重量数据校验模块，用于将上传的真实重量数据与所述理论重量数据进行校验处理；以及
报警模块，用于如果确定所述真实重量数据与所述理论重量数据的差值大于重量阈值，则执行报警指令。
10.一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至8中任一项所述的物品重量测量方法。
11.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的物品重量测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911080783.8A CN112785023B (zh) | 2019-11-07 | 2019-11-07 | 物品重量测量方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911080783.8A CN112785023B (zh) | 2019-11-07 | 2019-11-07 | 物品重量测量方法及装置、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112785023A true CN112785023A (zh) | 2021-05-11 |
| CN112785023B CN112785023B (zh) | 2024-01-12 |
Family
ID=75747843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911080783.8A Active CN112785023B (zh) | 2019-11-07 | 2019-11-07 | 物品重量测量方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785023B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113514140A (zh) * | 2021-06-30 | 2021-10-19 | 北京三快在线科技有限公司 | 电子称、目标物的重量检测方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0120813A1 (fr) * | 1983-03-24 | 1984-10-03 | Hasler Freres International S.A. | Procédé de pesage en continu de produits divisés et dispositif pour la mise en oeuvre de ce procédé |
| CN101140639A (zh) * | 2006-09-06 | 2008-03-12 | 张斌 | 在一定尺寸三维空间内摆放最多物品的方法 |
| CN106779288A (zh) * | 2016-11-17 | 2017-05-31 | 哈尔滨工程大学 | 一种基于计算智能的海洋平台重量控制系统及控制方法 |
| CN107924503A (zh) * | 2016-07-29 | 2018-04-17 | 深圳市赛亿科技开发有限公司 | 一种基于智能货架的物品流通管理方法及系统 |
| CN108871542A (zh) * | 2018-09-21 | 2018-11-23 | 龙岩烟草工业有限责任公司 | 用于监测皮带秤准确性的方法、装置和系统 |
| CN108921654A (zh) * | 2018-06-19 | 2018-11-30 | 腾讯科技（深圳）有限公司 | 订单数据处理方法、装置以及计算机可读存储介质 |
| CN109902858A (zh) * | 2019-01-23 | 2019-06-18 | 跨越速运集团有限公司 | 一种物流取货操作耗时智能预测方法及系统 |
-
2019
- 2019-11-07 CN CN201911080783.8A patent/CN112785023B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0120813A1 (fr) * | 1983-03-24 | 1984-10-03 | Hasler Freres International S.A. | Procédé de pesage en continu de produits divisés et dispositif pour la mise en oeuvre de ce procédé |
| CN101140639A (zh) * | 2006-09-06 | 2008-03-12 | 张斌 | 在一定尺寸三维空间内摆放最多物品的方法 |
| CN107924503A (zh) * | 2016-07-29 | 2018-04-17 | 深圳市赛亿科技开发有限公司 | 一种基于智能货架的物品流通管理方法及系统 |
| CN106779288A (zh) * | 2016-11-17 | 2017-05-31 | 哈尔滨工程大学 | 一种基于计算智能的海洋平台重量控制系统及控制方法 |
| CN108921654A (zh) * | 2018-06-19 | 2018-11-30 | 腾讯科技（深圳）有限公司 | 订单数据处理方法、装置以及计算机可读存储介质 |
| CN108871542A (zh) * | 2018-09-21 | 2018-11-23 | 龙岩烟草工业有限责任公司 | 用于监测皮带秤准确性的方法、装置和系统 |
| CN109902858A (zh) * | 2019-01-23 | 2019-06-18 | 跨越速运集团有限公司 | 一种物流取货操作耗时智能预测方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| LIFEI BAI; XIANQIANG YANG; HUIJUN GAO;: "Nonrigid Point Set Registration by Preserving Local Connectivity", IEEE TRANSACTIONS ON CYBERNETICS, pages 826 * |
| 姬忠勇;: "基于单片机的电子秤的方案设计", 科技信息, no. 18, pages 267 - 268 * |
| 徐庆祎;: "基于物联网技术的工厂物流智能管理系统", 中国优秀硕士学位论文全文数据库, pages 145 - 488 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113514140A (zh) * | 2021-06-30 | 2021-10-19 | 北京三快在线科技有限公司 | 电子称、目标物的重量检测方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112785023B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109064278B (zh) | 目标对象推荐方法及装置、电子设备、存储介质 | |
| CN110135856B (zh) | 一种重复交易风险监测方法、装置及计算机可读存储介质 | |
| CN109344257B (zh) | 文本情感识别方法及装置、电子设备、存储介质 | |
| CN112541122A (zh) | 推荐模型的训练方法、装置、电子设备及存储介质 | |
| US11995606B2 (en) | Method for determine distribution positions of commodities and apparatus, electronic device, and storage medium | |
| CN111611797B (zh) | 基于Albert模型的预测数据标注的方法、装置及设备 | |
| CN109344394B (zh) | 一种文本类数据质量监控系统 | |
| CN115082920B (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
| JP2015176175A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| KR20220132414A (ko) | 음성 인식 모델의 트레이닝 방법, 장치, 기기 및 기록 매체 | |
| CN112182067A (zh) | 个体身高预测方法、装置、电子设备及存储介质 | |
| CN112785023B (zh) | 物品重量测量方法及装置、电子设备、存储介质 | |
| CN112528159B (zh) | 一种特征质量评估方法、装置、电子设备及存储介质 | |
| CN117038099A (zh) | 医疗类术语标准化方法以及装置 | |
| CN112785111A (zh) | 生产效率预测方法、装置、存储介质与电子设备 | |
| WO2024031332A1 (zh) | 基于机器学习的股票趋势分析方法、装置 | |
| CN113112311B (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
| CN115359322A (zh) | 一种目标检测模型训练方法、装置、设备和存储介质 | |
| CN114141236A (zh) | 语言模型更新方法、装置、电子设备及存储介质 | |
| CN112749978A (zh) | 检测方法、装置、设备、存储介质以及程序产品 | |
| CN109285559B (zh) | 角色转换点检测方法及装置、存储介质、电子设备 | |
| CN113361402B (zh) | 识别模型的训练方法、确定准确率的方法、装置和设备 | |
| KR102079281B1 (ko) | 실내외 환경 검출 방법 및 이를 수행하기 위한 장치 및 시스템 | |
| CN114201677A (zh) | 物料推荐方法、装置、电子设备、存储介质及产品 | |
| CN109255432B (zh) | 神经网络模型构建方法及装置、存储介质、电子设备 |
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 |