CN113435726A - 一种商品管理方法和系统 - Google Patents
一种商品管理方法和系统 Download PDFInfo
- Publication number
- CN113435726A CN113435726A CN202110692393.7A CN202110692393A CN113435726A CN 113435726 A CN113435726 A CN 113435726A CN 202110692393 A CN202110692393 A CN 202110692393A CN 113435726 A CN113435726 A CN 113435726A
- Authority
- CN
- China
- Prior art keywords
- data
- commodities
- commodity
- area
- ripening
- 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
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种商品管理方法和系统,该方法包括:获取与商品相关的待分析数据;基于待分析数据,得到与商品相关的分类数据,分类数据用于对商品进行分类,分类数据至少包括商品的类型和商品的成熟度;以及基于待分析数据和/或分类数据,对商品进行管理,管理至少包括商品的存放、售卖、运输中的至少一种。
Description
技术领域
本说明书涉及商品管理技术领域,特别涉及一种商品管理方法和系统。
背景技术
对于商品的日常管理工作,诸如商品的存放、运输、售卖、包装、数据记录等,通常都是以人工操作,或机器对商品自动进行粗略分类等方式来实现。然而,由于商品的种类和数量往往较多,若依靠人工操作来完成商品管理可能耗时较长,从而对商品管理的效率较低、影响商品的销售,并且可能需要较高的人员培训成本。另外,若依靠机器对商品自动进行粗略分类来完成商品管理,可能会出现商品分类错误、商品数据录入错误等管理不当情况,从而对商品管理的效果较差、影响商品的销售和存放。
因此,需要提供一种商品管理的方法来实现对商品的智能化管理,以提高对商品的管理效率和效果。
发明内容
本说明书实施例之一提供一种商品管理方法。所述方法包括:获取与商品相关的待分析数据;基于所述待分析数据,得到与所述商品相关的分类数据,所述分类数据用于对所述商品进行分类,所述分类数据至少包括所述商品的类型和所述商品的成熟度;以及基于所述待分析数据和/或所述分类数据,对所述商品进行管理,所述管理至少包括所述商品的存放、售卖、运输中的至少一种。
本说明书实施例之一提供一种商品管理系统,所述系统包括:获取模块,用于获取与商品相关的待分析数据;分析模块,用于基于所述待分析数据,得到与所述商品相关的分类数据,所述分类数据用于对所述商品进行分类,所述分类数据至少包括所述商品的类型和所述商品的成熟度;以及管理模块,用于基于所述待分析数据和/或所述分类数据,对所述商品进行管理,所述管理至少包括所述商品的存放、售卖、运输中的至少一种。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行上述商品管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的商品管理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的商品管理方法的示例性流程图;
图3是根据本说明书一些实施例所示的商品管理方法的示例性流程图;
图4是根据本说明书一些实施例所示的将商品存放于不同存放区域的示意图;
图5是根据本说明书一些实施例所示的商品管理系统的示例性模块图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的商品管理系统100的应用场景示意图。商品管理系统100可以用于基于互联网的服务平台。在一些实施例中,该系统可以用于线上服务平台和/线下服务平台。例如,电商平台、公共服务平台、超级市场、商品零售店等。商品管理系统100可以通过实施本申请中披露的方法和/或过程来进行智能化的商品管理。
如图1所示,商品管理系统100可以包括待管理的商品110、网络120、服务器130、智能机器人140、分类后的商品150、催熟区160、售卖区170和废弃区180、存储设备190。
待管理的商品110是指未经商品管理系统100处理的原始状态下的商品。例如,待售卖、待分类、待指定存放区域等状态下的商品。
智能机器人140是指具有一定编程能力和操作功能的机器人。在一些实施例中,智能机器人140可以用于执行与本申请的商品管理相关的各种操作。例如,智能机器人140可以获取待管理的商品110所包含的信息,并对获取的信息进行分析、记录等。又例如,智能机器人140可以根据用户输入或自动生成的指令,对商品进行移动、分类等操作。
在一些实施例中,服务器130可以通过网络120与智能机器人140、催熟区160、售卖区170和废弃区180通信以提供用于商品管理的各种功能,存储设备190可以存储实现商品管理过程的所有信息。在一些实施例中,服务器130也可以处理或者接收催熟区160、售卖区170和废弃区180或者其他系统内部或者外部的数据。在一些实施例中,智能机器人140可以获取待分析的数据,可以发送已经分析完成的与商品相关的数据给服务器130。在一些实施例中,服务器130可以发送指令给智能机器人140,智能机器人140可以执行指令。以上各设备之间的信息传递关系仅作为示例,本申请并不局限于此。
在一些实施例中,服务器130以及其他可能的系统组成部分中可以包括存储设备190。
在一些实施例中,服务器130以及其他可能的系统组成部分中可以包括处理器。
在一些实施例中,可以在不同的设备上,例如,不同的服务器130或者不同智能机器人140,分别进行不同的功能,比如数据的筛选、查询、预处理、模型的训练、模型的执行等等,本说明书对此不作限制。
服务器130可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如,云数据中心)的数据和/或信息。在一些实施例中,服务器130可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如,服务器130可以是分布式系统),可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务器130可以是区域的或者远程的。在一些实施例中,服务器130可以在云平台上实施,或者以虚拟方式提供。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
处理器可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令,以执行一个或多个本申请中描述的功能。在一些实施例中,处理器可以包含一个或多个子处理设备(例如,单核处理设备或多核多芯处理设备)。仅作为示例,处理器可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
存储设备190可以用于存储数据和/或指令。存储设备190可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备190可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,所述存储设备190可在云平台上实现。
数据指对信息的数字化表示,可以包括各种类型,比如二进制数据、文本数据、图像数据、视频数据等。指令是指可控制设备或器件执行特定功能的程序。网络120可以连接系统的各组成部分和/或连接系统与外部资源部分。网络120使得各组成部分之间,以及与系统之外其他部分之间可以进行通讯,促进数据和/或信息的交换。例如,智能机器人140可以通过网络120从服务器130获取图像数据。又例如,服务器130可以通过网络120对智能机器人140发送指令。在一些实施例中,网络120可以是有线网络或无线网络中的任意一种或多种。例如,网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换点120-1、120-2、…,通过这些商品管理系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
分类后的商品150是指对待管理的商品110进行分类处理后的商品。在一些实施例中,分类后的商品150可以包括待催熟的商品、待售卖的商品和待废弃的商品。在完成分类后,可以通过智能机器人140或其他运输设备将待催熟的商品存放于催熟区160、将待售卖的商品存放于售卖区170、将待废弃的商品存放于废弃区180。
商品管理系统100可以实时获取存放在催熟区160、售卖区170和废弃区180中商品的数据,然后通过网络120与智能机器人140、服务器130等系统内其他组件或者外部(例如,用户端)通信。在一些实施例中,可以通过在催熟区160、售卖区170和废弃区180设置的图像采集设备获取存放在上述区域中商品的图像数据。
图2根据本一些实施例所示的商品管理方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由商品管理系统100执行。
步骤210,获取与商品相关的待分析数据。在一些实施例中,步骤210可以由获取模块510执行。
所述商品可以是待管理的商品110。例如,例如,待售卖、待分类、待指定存放区域等状态下的商品。在一些实施例中,商品可以包括水果、蔬菜等。
待分析数据是指与商品有关的有助于分析商品的数据。待分析的数据可以用来确定商品的属性和种类。
在一些实施例中,待分析数据可以是商品本身的数据。例如,待分析的数据可以包括商品的生长数据、商品的挥发物特征数据等。在一些实施例中,商品的生长数据是指商品在生长周期内的数据。以商品为水果为例,商品的生长数据可以是挂果时间、日平均光照时间、采摘时间等。在一些实施例中,商品的挥发物特征数据包括商品的挥发物的种类、浓度(或者其他单位)等。
在一些实施例中,待分析数据还可以是与商品相关的数据。例如,待分析数据可以包括商品的图像数据、用户的评价数据、商品的挥发物特征数据、商品的存放区域的信息等。在一些实施例中,用户的评价数据可以包括用户对该商品的外观或者内部的评价数据。例如,用户的评价的文字为:该商品内部已经腐烂,并上传了相关图像数据,则该文字和相关图像数据都是用户的评价数据。在一些实施例中,商品的存放区域的信息可以包括商品所在的存放区域、存放的时间、在存放区域的状态等。
在一些实例中,待分析数据还可以包括商品的历史待分析数据和实时采集的实时待分析数据。
在一些实施例中,商品管理系统100的获取模块510可以通过网络120连接至设置在该商品周围的图像采集设备来获取商品的待分析数据。在一些实施例中,该图像采集设备可以包括摄像头、相机等。
在一些实施例中,获取模块510可以通过网络120连接至存储该商品相关数据的管理平台来下载该商品的待分析数据。例如,该管理平台可以存储有该商品的生长数据或其他待分析数据,获取模块510可以通过连接至平台可以获得该商品的生长数据或其他待分析数据。
在一些实施例中,获取模块510可以通过网络120连接至用户终端获得该商品的待分析数据。在一些实施例中,用户上传的评价数据可以通过用户终端输入,输入方式包括但是不限于手动输入、语音输入、选择输入等中的一种或任意组合。
在一些实施例中,可以在商品周围设置有检测气体的仪器,商品管理系统100可以连接检测气体的仪器来获取商品的挥发物特征数据。例如,可以通过检测气体的仪器检测出商品含有芳香物质或乙烯等。
在一些实施例中,获取模块510可以通过与催熟区160、售卖区170和废弃区180中的设备通信,以获取存放在催熟区160、售卖区170和废弃区180的商品的信息。例如,获取模块510可以与催熟区160中的用于记录商品数据的语音播报设备产生通信,以接收该语音播报设备的信号,来获取存放在催熟区160的商品的名称、数量等信息。
在一些实施例中,商品管理系统100中的服务器130可以直接获取上述待分析数据、分析待分析数据等,也可以发送指令给智能机器人140让智能机器人140去获取待分析数据。可以理解,获取模块510可以通过多种方式获取待分析数据,本实施例在此不做限制。
步骤220,基于所述待分析数据,得到与所述商品相关的分类数据。在一些实施例中,步骤210可以由分析模块520执行。
分类数据是指对待管理的商品110进行分类的过程中所用到的数据,或从分类后的商品150中得到的数据。分类数据可以用于对商品进行分类,可理解的,分类数据可以用作对商品进行分类的依据。
在一些实施例中,分类数据至少可以包括商品的类型和商品的成熟度。在一些实施例中,商品的类型可以包括具有催熟功能的商品和易被催熟的商品。在一些实施例中,具备催熟功能的商品可以是指能够散发催熟物质并可以用来催熟其他商品的商品,例如,已经成熟或即将成熟的苹果、梨、大米等。在一些实施例中,易被催熟的商品可以是指不能散发催熟物质的商品,或者散发催熟物质还不足以催熟其他商品的商品。例如,刚刚结果的苹果、西瓜等。在一些实施例中,催熟物质可以是商品自然散发的具有催熟功能的物质,例如,乙烯等。
在一些实施例中,商品管理系统100的分析模块520可以根据商品的待分析数据,通过多种方式得到与该商品相关的分类数据。
在一些实施例中,待分析数据至少可以包括商品的图像数据。在一些实施例中,分析模块520可以根据商品的图像数据,通过图像分割、图像识别等方法来得到与该商品相关的分类数据。仅作为示例,分析模块520可以先通过如前所述的图像采集设备获取该商品的图像数据,并通过图像识别技术得到该商品的名称,例如,识别出该商品为苹果。进而可以根据该识别结果,确定该商品的类型为具有催熟功能的水果。
在一些实施例中,分析模块520可以使用训练好的用于识别商品类型的第一机器学习模型来识别商品的类型。第一机器学习模型可以是预先训练好的模型。将商品的图像数据输入至第一机器学习模型,第一机器学习模型可以输出该商品的类型。在一些实施例中,第一机器学习模型可以是分类模型。该分类模型可以包括CNN、KNN、SVM或BP神经网络等。
在一些实施例中,图像识别可以基于其他常见的图像识别算法进行。像识别中常用的方法有统计法(或决策理论法)、句法(或结构)方法、神经网络法、模板匹配法和几何变换法。常用的图像统计模型有贝叶斯(Bayes)模型和马尔柯夫(Markow)随机场(MRF)模型。典型的几何变换方法主要有霍夫变换(HT,Hough Transform),以及改进的霍夫算法,如快速霍夫变换(FHT)、自适应霍夫变换(AHT)及随机霍夫变换(RHT)。
在一些实施例中,可以在识别前对图像进行预处理,例如调节明暗度、去噪声等。上述机器学习模型均可以通过训练得到。可以基于样本图片,以样本图片的实际商品种类作为标识,提取特征或直接基于图片对机器学习模型进行相应的训练。
在一些实施例中,可以通过接受输入选择信息的方式,可以通过选择评估值最高的商品类型的方式,也可以通过其他方式,确定商品对应的类型。第一机器学习模型可以基于训练数据进行训练,训练数据的样本可以包括商品的图像数据,还可以包括商品的其他特征,可以以样本对应的商品类型作为训练数据的标识。在一些实施例中,第一机器学习模型可以存储在服务器130、智能机器人140或存储设备190中。
在一些实施例中,分析模块520可以根据商品的图像数据来判断商品的成熟度。在一些实施例中,商品的成熟度可以用等级或者百分比以及其他形式来表示,也可以用文字和其他形式加起来来表示。例如,商品的成熟度可以是成熟度大于100%、成熟度高等。
在一些实施例中,分析模块520可以根据商品的图像数据来获取商品的外观,并根据商品的外观判断商品的成熟度。例如,在商品的图像数据中,显示该商品的外观为商品的表面出现腐烂点,则可以判断该商品的成熟度大于100%。
在一些实施例中,分析模块520可以使用用于识别商品成熟度的第二机器学习模型得到商品的成熟度。第二机器学习模型可以是预先训练好的模型。将商品的图像数据和/或商品的类型输入至第二机器学习模型,第二机器学习模型可以输出该商品的成熟度。在一些实施例中,第二机器学习模型可以是分类模型。该分类模型可以包括CNN、KNN、SVM或BP神经网络等。
在一些实施例中,第二机器学习模型可以基于训练数据进行训练,训练数据的样本可以包括商品的图像数据,还可以包括商品的其他特征,可以以样本对应的商品类型作为训练数据的标识。
在一些实施例中,上述第一机器学习模型和第二机器学习模型可以是监督学习模型或无监督学习模型。可以用于训练监督机器学习模型的示例性算法可以包括梯度提升决策树(GBDT)算法、决策树算法、随机森林算法、逻辑回归算法、支持向量机(SVM)算法、朴素贝叶斯算法、自适应增强算法、K最近邻(KNN)算法、马尔可夫链算法等,或其任意组合。可以用于训练无监督机器学习模型的示例性算法可以包括k均值聚类算法、分层聚类算法、具有噪声的基于密度的聚类方法(DBSCAN)算法、自组织映射算法等,或其任意组合。
在一些实施例中,第二机器学习模型可以存储在服务器130、智能机器人140或存储设备190中。
在本申请中,上述所有识别模型运行中的、识别到的或者输出的相关特征及信息,例如图像特征、类别信息等,都可以作为模型的训练及优化的基础。另外,所述识别模型也不限于机器学习模型,还可以是任何能实现相应功能要求的其他模型,本申请对此不作限制。
在一些实施例中,商品管理系统100可以获取商品的生长数据,得到与该商品相关的分类数据。
在一些实施例中,商品管理系统100可以获取商品的生长数据,确定商品的成熟度。在一些实施例中,商品管理系统100可以通过网络120从存储设备190中获取商品的生长数据的历史数据,以及该商品对应成熟度的历史数据。在一些实施例中,商品管理系统100可以根据上述历史数据建立至少一个索引库,并根据该索引库后续确定商品的成熟度。例如,商品管理系统100可以建立一个商品A的索引库,在该索引库中保存了商品A在不同的生长数据下所对应不同的成熟度。在使用时,可以在该索引库中检索与该商品和/或该商品的生长数据相关的关键词,该索引库可以根据上述关键词生成该商品在当前生长数据下所对应的成熟度。
在一些实施例中,商品管理系统100还可以对获取的商品的生长数据进行分析,来确定该商品的成熟度。例如,根据挂果时间和挂果后的日平均光照时间预估各成熟度对应的生长时间,然后将该生长时间与采摘时间相比,预估出该商品的成熟度。
在一些实施例中,商品管理系统100可以采集商品的挥发物,并通过检测该商品的挥发物的特征数据(例如,种类和浓度)来确定该商品的成熟度。在一些实施例中,所述挥发物可以包括芳香类化合物、乙烯等。例如苹果在成熟时可以产生醇类、酯类、醛类和酮类等芳香类物质,再例如,香蕉成熟后可以产生醋酸异戊酯类、醋酸丁酯类等芳香类物质。
在一些实施例中,可以将乙烯能谱仪安装在检测仪上,通过仪器探测器发出的X射线激发乙烯的光电子能谱,并通过乙烯能谱仪分析乙烯的光电子能谱来确定乙烯含量,再根据含量的多少确定商品的成熟度,最后将商品成熟度显示在电子显示屏上,即可确定商品的成熟度。
步骤230,基于所述待分析数据和/或所述分类数据,对所述商品进行管理。在一些实施例中,步骤230可以由管理模块530执行。
在一些实施例中,管理模块530可以基于待分析数据和/或分类数据,对商品进行管理。在一些实施例中,上述管理至少可以包括商品的存放、售卖、运输中的至少一种。
在一些实施例中,当检测到当前成熟度确定是否成熟或者是否需要被催熟。在一些实施例中,当确定当前商品还未成熟,服务器130可以发送“将当前商品运送至催熟区160”的指令给智能机器人140。在一些实施例中,当确定当前商品已经成熟并且没有开始腐烂,服务器130可以发送“将当前商品运送至售卖区170”的指令给智能机器人140。在一些实施例中,当确定当前商品已经开始腐烂,服务器130可以发送指令给智能机器人140:将当前商品运送至废弃区180。
在一些实施例中,所述管理可以包括对第一次分类的商品进行的管理,也可以包括对已经处于催熟区160、售卖区170和废弃区180的商品进行多次的处理。例如,处理模块530判断当前的在催熟区的商品已经成熟,可以将该商品运送至售卖区170。对商品进行管理的更多的内容可以参见图3的描述。
图3是根据本说明书一些实施例所示的商品管理方法的示例性流程图。如图3所示,流程300可以包括以下步骤。步骤310,获取所述商品的存放区域的信息。步骤310可以由获取模块510执行。
存放区域可以用于存放该区域所适合存放的商品。存放区域可根据商品差异进行分区,将待存放商品对应存放。
在一些实施例中,存放区域至少可以包括催熟区160、售卖区170和废弃区180。其中,催熟区160可以用于存放具有催熟功能的水果和易被催熟的水果的区域,以利于具有催熟功能的水果对易被催熟的水果进行催熟。售卖区170是用于存放待出售商品的区域,以方便对商品进行售卖。废弃区180是用于回收破损、过熟、变质及腐烂的商品的区域,避免影响其他商品的催熟和售卖。
存放区域的信息可以是与存放区域相关的任何信息。在一些实施例中,存放区域的信息可以包括存放区域的名称、位置、存放商品的名称、存放商品的数量等。
在一些实施例中,获取模块510可以通过图像识别、用户输入、系统读取云端数据及其他可以获取存放区域信息的方式。例如,获取模块510可以通过如前所述的设置在存放区域周围的图像采集设备(例如,摄像头)获取存放区域的图像数据,再通过图像识别技术识别出该存放区域的信息,例如,该存放区域为存放腐烂香蕉的废弃区。
步骤320,生成与所述商品存放相关的预设条件,所述预设条件至少包括所述商品的成熟度大于第一预设阈值的第一预设条件。步骤320可以由分析模块520执行。
预设条件可以用于区分商品的成熟度是否满足可食用和/或出售标准。通过设置预设条件,能够便于挑选出品相和口感更佳的商品,减少了用户选购时间,提高了用户体验。
在一些实施例中,预设条件至少可以包括商品的成熟度大于第一预设阈值的第一预设条件。
在一些实施例中,商品的成熟度可以与商品的种类、外观数据、口感数据以及气味数据相关。在一些实施例中,外观数据可以包括商品的颜色、大小、形状等;口感数据可以包括甜度、酸度及坚实度等;气味数据可以包括商品散发的可以体现其成熟程度的气体数据。
在一些实施例中,第一预设阈值可以参考成熟度等级进行设置。仅作为示例,商品A的成熟度等级分为0-12级,由于成熟度等级的数值越大对应的成熟度越高,则是商品A的成熟度可以根据该成熟度等级进一步地分为:未成熟(0-3级)、半成熟(4-6级)、已成熟(7-9级)、过成熟(10-12级)等。
在一些实施例中,可以基于商品的颜色、大小、形状等外观数据与商品在成熟状态下的接近程度,区分为不同的成熟度等级。例如,商品为香蕉,青色的香蕉属于未成熟,成熟度等级为0-3级;青色泛黄的香蕉属于半成熟,成熟度等级为4-6级;黄色的香蕉属于已成熟,成熟度等级为7-9级;黄中泛黑的香蕉属于过成熟,成熟度等级为10-12级。
在一些实施例中,可以基于商品的甜度、酸度及坚实度等口感数据接近成熟状态的程度,区分不同的等级。例如,商品为桃,酸涩偏硬的桃为未成熟,成熟度等级为0-3级;酸甜偏脆的桃为半成熟,成熟度等级为4-6级;偏甜偏软的桃为已成熟,成熟度等级为7-9级;内部开始软烂的桃为过成熟,成熟度等级为10-12级。
在一些实施例中,基于体现其成熟度的气体的种类、浓度及密度等数据与成熟状态下的相近程度,区分不同的成熟度等级。例如,某种水果散发的气体种类、浓度及密度,与其在完全成熟程度下散发的气体数据分别处于:小部分相近、部分相近及基本相近的情况下,则上述气体数据对应的成熟度等级分别为未成熟、半成熟、已成熟的等级。具体相近程度判断阈值可以根据商品实际情况酌情设置。
在一些实施例中,与第一预设条件相关的商品的外观数据、口感数据以及气味数据等相关数据之间可以根据情况酌情组合,以提高成熟度等级判断的准确性。
在一些实施例中,还可以通过乙烯能谱仪、成熟度检测仪、成熟度检测电子鼻等能确定成熟度的仪器进行检测,确定商品的成熟度及成熟度等级。
在一些实施例中,预设条件可以通过人为设置参数、算法、模型、规则、程序及系统等,或其他任意可行的方式设置。其中,预设条件的生成需考虑商品自身情况数据以及环境数据等多方面影响因素相关的数据。
步骤330,将满足所述第一预设条件的所述商品存放于售卖区170,将不满足所述第一预设条件的所述商品存放于所述催熟区160。步骤330可以由分析模块520和/或管理模块530执行。
在一些实施例中,分析模块520和/或管理模块530可以将满足第一预设条件的商品存放于售卖区170。由于满足第一预设条件的商品的成熟度等级大于预设阈值,则表示该商品的外观数据、口感数据以及气味数据中的一种或多种能够满足已成熟的等级阈值,可以该商品满足第一预设条件,则该商品存放于售卖区170。例如,分析模块520和/或管理模块530可以通过网络120向智能机器人140发送指令,智能机器人140可以接收该指令,将满足第一预设条件的商品移动并存放于售卖区170。
在一些实施例中,分析模块520和/或管理模块530可以将不满足第一预设条件的商品存放于催熟区160。由于不满足第一预设条件的商品的成熟度等级小于预设阈值,则表示该商品的外观数据、口感数据以及气味数据中的一种或多种能够满足未成熟或半成熟的等级阈值,可以将该商品存放于催熟区160进行与催熟相关的操作。
在一些实施例中,不满足第一预设条件的商品对应商品的类型可以为易被催熟的水果。分析模块520和/或管理模块530可以将上述易被催熟的水果存放于催熟区160进行催熟,以使其能够更快地达到能够售卖的成熟度。
在一些实施例中,不满足第一预设条件的商品对应商品的类型可以为具有催熟功能的水果。由于具有催熟功能的水果的成熟度未必达到能够售卖的成熟度,因此分析模块520和/或管理模块530可以将上述具有催熟功能的水果存放于催熟区160,使得上述具有催熟功能的水果不仅能够用于催熟其他水果,还可以在催熟的过程中等待其成熟度达到能够售卖的成熟度。
在一些实施例中,商品的成熟度满足第一预设条件,但同时满足第二预设条件,则无需存放于售卖区170,而是直接存放于废弃区180。例如,成熟度为9的樱桃,满足第一预设条件,但由于表皮破损、挤压痕迹较重等原因,影响了新鲜度,导致其不满足第二预设条件,故需要运输至废弃区180。
在一些实施例中,可以判断售卖区170和催熟区160的商品是否满足第二预设条件,第二预设条件可以为商品的新鲜度大于第二预设阈值,将不满足所述第二预设阈值的所述商品运输至废弃区180。关于第二预设阈值的更多内容可以参见图4及其相关描述。
步骤340,计算催熟区160的商品满足所述第一预设条件的催熟时间,在达到所述催熟时间后,将该商品运输至售卖区170。步骤340可以由管理模块530执行。
待催熟的商品可以具有当前成熟度和目标成熟度,由于带催熟的商品的成熟度较低,因此其当前成熟度等级低于目标成熟度。例如,该商品当前成熟度的成熟度等级为0-6级,则对应目标成熟度的成熟度等级可以为7-9级。当前成熟度和目标成熟度与商品种类及温湿度等环境因素相关。
催熟时间是指商品从当前成熟度变为目标成熟度所用的时间,例如,将香蕉a从2级的当前成熟度变化为8级的目标成熟度所用的时间为24小时,则该香蕉a对应的催熟时间为24小时。
在一些实施例中,管理模块530可以通过数学方法、算法模型或机器学习或其他任意可行方式进行计算商品的催熟时间。
在一些实施例中,商品的催熟时间可以基于该商品的当前成熟度以及目标成熟度进行计算。当前成熟度的获取可以参见前述内容,在此不做赘述。
在一些实施例中,可以通过以下方法确定商品的目标成熟度:
(1)预估商品的单日销售量,以确定这些商品的总销售时间。例如,商品的销售量可能受天气、季节、是否为休息日等因素影响。可以获取存放期间的天气、季节、日期等信息,并基于上述获取的信息来确定商品被卖出的销售时间。
在一些实施例中,某一商品类型的商品的单日销量可以表示为:
单一商品类型的商品的单日销售量=该商品的历史单日平均销售量*环境条件因子*日期因子/价格因子。
其中,该商品的历史单日平均销售量可以按季节区分,例如,管理模块530可以获取该商品在以往的四个季节中的四项历史单日平均销售量,也可以获取该商品在以往的当下季节中的多个历史单日平均销售量。通过获取商品的历史单日平均销售量,可以为后续准确地计算商品的单日销量奠定基础。
环境条件因子是指环境条件与商品的销售量所对应的数值。在一些实施例中,环境条件因子由气温、天气情况、空气湿度等环境条件确定。在一些实施例中,不同的商品所对应的环境条件因子受环境条件的影响不同。例如,西瓜在温度高、天气晴朗的夏日的销量高,即此时影响西瓜单日销售量的环境条件因子大(如,此时环境条件因子可以是1.5)。在一些实施例中,管理模块530可以通过网络120获取商品的预估销售期内每一天的预估天气等环境条件,并以此作为当日的环境条件因子。在一些实施例中,管理模块530也可以通过网络120获取近期内(包括商品的预估销售期)的预估天气等环境条件,并计算出近期内的环境条件因子的平均值作为预估商品的单日销售量的环境条件因子。
日期因子是指日期与商品的销售量所对应的数值。在一些实施例中,日期因子可以根据历史数据显示与日期相关的销量情况进行设置,例如,历史数据显示该商品在休息日的平均销量为在工作日的1.2倍,则该商品在工作日售卖的日期因子可以设置为1,该商品在休息日售卖的日期因子可以设置为1.2。通过设置日期因子,可以全面地考虑到不同日期对商品销售量的影响,以能够提升确定商品成熟度的准确性。
价格因子是指商品的价格与商品的销售量所对应的数值。在一些实施例中,商品的价格越高,商品的价格因子也越高。在一些实施例中,商品的价格因子与商品的单日销售量成反比。
通过引入环境条件因子、日期因子以及价格因子,并基于商品的历史单日平均销售量来预估商品的单日销售量,可以有效提高预估商品销量的准确性,进而可以获得更准确的商品目标成熟度及催熟量,使商品在后续售卖过程中能够保持良好的供需关系。
在一些实施例中,该商品的销售时间可以表示为:
销售时间=该商品的数量/该商品的单日平均销售量。
其中,该商品的单日平均销售量可以表示为:
该商品的单日平均销售量=(工作日卖出数量*5+休息日卖出数量*2)/7
(2)确定不同成熟度的可存放时间。
在一些实施例中,商品的可存放时间可以根据其成熟度确定。仅作为示例,商品为香蕉,已成熟的香蕉对应成熟度等级可以包括7级、8级、9级,对应能够存放的天数可以分别为5天、4天、3天。由于成熟度越高的商品达到过成熟或腐烂的程度越快,因此成熟度越高的商品对应的可存放时间越短,通过确定商品的可存放时间可以准确地预估出商品达到过成熟或腐烂的时间,从而能够避免存放的商品中出现过成熟或腐烂的情况。
(3)根据商品销售时间和可存放时间确定商品目标成熟度,进而保证商品变质坏掉之前能卖完。
在一些实施例中,商品的催熟时间可能与被催熟商品的种类、用于催熟的物质浓度、温度、湿度、天气、季节、销售情况的影响。故该类因素的影响较大的情况下,可以考虑作为影响因子,赋予对应权重,进行计算。
在一些实施例中,通过计算催熟时间确定能否售卖,可以综合多方面因素考虑,降低了商品的囤积变质的可能性,减少了未成熟商品的售出量,一定程度上确保了销量较大日期的供货量,加大了对商品的供需平衡的调控力度。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的将商品存放于不同存放区域的示意图。图4以水果的存放作为示例进行说明,包括多个组件和多条步骤路线。
如图4所示,多个组件可以包括分类前的水果410、智能机器人140、催熟区的水果420、售卖区的水果430、废弃区的水果440、催熟区160、售卖区170、废弃区180。其中,催熟区的水果420至少包括具有催熟功能的水果421(例如,苹果和梨)以及易被催熟的水果422(例如,香蕉、樱桃及葡萄)。
多条步骤路线包括分类步骤路线401、催熟区路线402、售卖区路线403-1及403-2、废弃区路线404-1及404-2及404-3。上述多条步骤可以由商品管理系统100执行。
在一些实施例中,商品管理系统100可以判断存放在售卖区170和所述催熟区160的商品是否满足第二预设条件,该第二预设条件可以为上述商品的新鲜度大于第二预设阈值,可以将不满足所述第二预设阈值的所述商品运输至废弃区180。
其中,第二预设阈值可以基于新鲜度设置。例如,当商品的新鲜度为A、B及C共3级,A为新鲜程度较低,B为新鲜程度中等、C为新鲜程度较高。第二预设阈值可以取A,当商品的新鲜度大于A级,则表示该商品的新鲜度处于B级或C级时,可以视为该商品满足第二预设条件,不用运输至废弃区180;反之,当该商品的新鲜度小于等于A级时,可以视为该商品不满足第二预设条件,需运输至废弃区180。
以下按照图4所示的步骤路线说明一些示例性的流程:
分类步骤路线401:智能机器人140可以将分类前的水果410根据成熟度及新鲜度分为催熟区的水果420、售卖区的水果430、废弃区的水果440。分类的方法详见图3的相关描述。
催熟区路线402:智能机器人140或其他运输装置(未示出)将分类后的催熟区的水果420运输至催熟区160。并且在将催熟区的水果420中区分具有催熟功能的水果421以及易被催熟的水果422,根据是否要被催熟进行搭配存放。例如,将用于催熟的苹果及梨存放于未成熟且可被催熟的香蕉、葡萄及樱桃旁边。存放的水果数目及密度根据催熟时间要求酌情调整,催熟时间的计算请参见图3的相关描述。
售卖区路线403-1:智能机器人140或其他运输装置(未示出)将分类后的售卖区的水果430运输至售卖区170。
售卖区路线403-2:当催熟区的水果420中的部分达到催熟时间,满足第一预设条件时,智能机器人140或其他运输装置(未示出)将该部分水果运输至售卖区170。
废弃区路线404-1:智能机器人140或其他运输装置(未示出)将分类后的废弃区的水果440运输至废弃区180。
废弃区路线404-2:当催熟区的水果420中的部分水果新鲜度低于第二预设阈值(例如,新鲜度为A级),不满足第二预设条件时,将该部分水果运输至废弃区180。
废弃区路线404-3:当售卖区的水果430中的部分水果新鲜度低于第二预设阈值(例如,新鲜度为A级),不满足第二预设条件时,该部分水果运输至废弃区180。
通过上述步骤,可以实现不同成熟度及新鲜度的商品的及时归类,可以更为便捷合理地区分商品存放区域,使得区域管理更为高效规范。例如,可以避免出现坏果影响好果的催熟进展、以及坏果影响售卖情况等情况出现,有助于提高水果品相。
图5是根据本说明书一些实施例所示的商品管理系统100的示例性模块图。在一些实施例中,商品管理系统100可以包括获取模块510、分析模块520和管理模块530。系统内各模块之间的连接可以是有线的,无线的,或两者的结合。任何一个模块都可以是本地的,远程的,或两者的结合。模块间的对应关系可以是一对一的,或一对多的。
在一些实施例中,获取模块510可以用于获取待分析数据。所述待分析数据可以包括商品的图像数据、商品的生长数据、用户的评价数据、商品的挥发物特征数据等。
在一些实施例中,分析模块520可以对接收到的待分析数据进行分析。例如,分析模块520对待分析数据进行分析得到商品的类别、成熟度或者其他数据并进行进一步的处理。
在一些实施例中,管理模块530可以基于分析模块520得到的分类数据对商品进行处理。例如,管理模块530可以接收由获取模块510获得的,经分析模块520处理后的分类数据。管理模块530可以进一步将该息和存储设备190中的预设条件进行比较,生成相应设备的判断结果,并执行相应的判断结果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (7)
1.一种商品管理方法,包括:
获取与商品相关的待分析数据;
基于所述待分析数据,得到与所述商品相关的分类数据,所述分类数据用于对所述商品进行分类,所述分类数据至少包括所述商品的类型和所述商品的成熟度;以及
基于所述待分析数据和/或所述分类数据,对所述商品进行管理,所述管理至少包括所述商品的存放、售卖、运输中的至少一种。
2.根据权利要求1所述的方法,所述待分析数据至少包括所述商品的图像数据,所述基于所述待分析数据,得到与所述商品相关的分类数据,包括:
对所述商品的图像数据进行处理,得到所述商品的类型,所述商品的类型至少包括具有催熟功能的水果和易被催熟的水果。
3.根据权利要求1所述的方法,进一步包括:基于所述成熟度,确定所述商品是否成熟和/或需要被催熟。
4.根据权利要求1所述的方法,所述基于所述待分析数据和/或所述分类数据,对所述商品进行管理,包括:
获取所述商品的存放区域的信息,所述存放区域至少包括催熟区、售卖区和废弃区;
生成与所述商品存放相关的预设条件,所述预设条件至少包括所述商品的成熟度大于第一预设阈值的第一预设条件;
将满足所述第一预设条件的所述商品存放于所述售卖区,将不满足所述第一预设条件的所述商品存放于所述催熟区;以及
计算所述催熟区的所述商品满足所述第一预设条件的催熟时间,在达到所述催熟时间后,将所述商品运输至售卖区。
5.根据权利要求4所述的方法,进一步包括:
判断所述售卖区和所述催熟区的商品是否满足第二预设条件,所述第二预设条件为所述商品的新鲜度大于第二预设阈值,将不满足所述第二预设阈值的所述商品运输至废弃区。
6.一种商品管理系统,包括:
获取模块,用于获取与商品相关的待分析数据;
分析模块,用于基于所述待分析数据,得到与所述商品相关的分类数据,所述分类数据用于对所述商品进行分类,所述分类数据至少包括所述商品的类型和所述商品的成熟度;以及
管理模块,用于基于所述待分析数据和/或所述分类数据,对所述商品进行管理,所述管理至少包括所述商品的存放、售卖、运输中的至少一种。
7.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如权利要求1-5中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692393.7A CN113435726A (zh) | 2021-06-22 | 2021-06-22 | 一种商品管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692393.7A CN113435726A (zh) | 2021-06-22 | 2021-06-22 | 一种商品管理方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435726A true CN113435726A (zh) | 2021-09-24 |
Family
ID=77756997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110692393.7A Pending CN113435726A (zh) | 2021-06-22 | 2021-06-22 | 一种商品管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435726A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114169821A (zh) * | 2021-11-30 | 2022-03-11 | 浙江百世技术有限公司 | 一种仓储物流货物整理方法 |
CN114511822A (zh) * | 2022-04-19 | 2022-05-17 | 广州市方连科技有限公司 | 一种根据监控画面预测销售额的日用杂品销售系统 |
CN115907622A (zh) * | 2022-11-30 | 2023-04-04 | 布瑞克(苏州)农业互联网股份有限公司 | 一种大宗农产品出入库管理方法和系统 |
CN116307899A (zh) * | 2023-03-22 | 2023-06-23 | 荆州华洋供应链管理有限公司 | 一种基于人工智能的食品食材供应管理系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487247A (zh) * | 2020-04-28 | 2020-08-04 | 前海国兴(深圳)高科技有限公司 | 水果成熟度ai识别系统 |
CN112604977A (zh) * | 2020-11-07 | 2021-04-06 | 泰州芯源半导体科技有限公司 | 利用大数据服务的目标分类平台及方法 |
-
2021
- 2021-06-22 CN CN202110692393.7A patent/CN113435726A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487247A (zh) * | 2020-04-28 | 2020-08-04 | 前海国兴(深圳)高科技有限公司 | 水果成熟度ai识别系统 |
CN112604977A (zh) * | 2020-11-07 | 2021-04-06 | 泰州芯源半导体科技有限公司 | 利用大数据服务的目标分类平台及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114169821A (zh) * | 2021-11-30 | 2022-03-11 | 浙江百世技术有限公司 | 一种仓储物流货物整理方法 |
CN114511822A (zh) * | 2022-04-19 | 2022-05-17 | 广州市方连科技有限公司 | 一种根据监控画面预测销售额的日用杂品销售系统 |
CN115907622A (zh) * | 2022-11-30 | 2023-04-04 | 布瑞克(苏州)农业互联网股份有限公司 | 一种大宗农产品出入库管理方法和系统 |
CN115907622B (zh) * | 2022-11-30 | 2023-12-29 | 布瑞克(苏州)农业互联网股份有限公司 | 一种大宗农产品出入库管理方法和系统 |
CN116307899A (zh) * | 2023-03-22 | 2023-06-23 | 荆州华洋供应链管理有限公司 | 一种基于人工智能的食品食材供应管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113435726A (zh) | 一种商品管理方法和系统 | |
Behera et al. | Identification, classification & grading of fruits using machine learning & computer intelligence: a review | |
CN112418130A (zh) | 一种基于bp神经网络的香蕉成熟度检测方法及装置 | |
Herdiyeni et al. | Chilli quality classification using deep learning | |
US20220327685A1 (en) | Produce quality assessment and pricing metric system | |
CN113256409A (zh) | 基于机器学习的银行零售客户流失预测方法 | |
US20230214982A1 (en) | Machine learning-based assessment of food item quality | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
Asriny et al. | Transfer learning VGG16 for classification orange fruit images | |
Goyal et al. | Tomato ripeness and shelf-life prediction system using machine learning | |
CN117391599A (zh) | 一种基于大数据的商品分拣方法 | |
Farooq et al. | Vegetable grading and sorting using artificial intelligence | |
CN111275371A (zh) | 数据处理方法、数据处理设备和计算机可读存储介质 | |
CN116228051A (zh) | 一种基于深度学习的水果筛选物流系统 | |
Darapaneni et al. | Banana Sub-Family Classification and Quality Prediction using Computer Vision | |
Laxmi et al. | Artificially Ripened Mango Fruit Prediction System Using Convolutional Neural Network | |
Kumari et al. | CertiMart: Use Computer Vision to Digitize and Automate Supermarket with Fruit Quality Measuring and Maintaining | |
Thulaseedharan et al. | Camera Based Automated Quality Assessment of Fruits for a Smart Home | |
Patel et al. | Enhanced CNN for Fruit Disease Detection and Grading Classification using SSDAE-SVM for Postharvest Fruits | |
US11847681B2 (en) | Ultraviolet light and machine learning-based assessment of food item quality | |
Khumaidi et al. | Design of Smart System For Fruit Packinghouse Management in Supply Chain | |
CN112328424B (zh) | 一种用于数值型数据的智能异常检测方法及装置 | |
CN117875906B (zh) | 一种基于人工智能的电子单据审核方法 | |
Oriana et al. | A Naive ConvNet Model for Defect Identification and Grading of Mangoes | |
CN115907622B (zh) | 一种大宗农产品出入库管理方法和系统 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Sun Tong Inventor after: Huang Guiheng Inventor before: Sun Tong Inventor before: Huang Guiheng |
|
CB03 | Change of inventor or designer information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |
|
RJ01 | Rejection of invention patent application after publication |