CN113569651B - 资源确定方法和装置、存储介质及电子装置 - Google Patents

Abstract

本发明公开了一种资源确定方法和装置、存储介质及电子装置，其中，上述方法包括：通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源，即通过神经网络模型识别图像采集装置获取的图像信息中的计量物品对应的物品信息，在确定物品信息对应的单位资源，通过上述技术方案，可以解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。

Description

资源确定方法和装置、存储介质及电子装置

技术领域

本发明涉及通信领域，具体而言，涉及一种资源确定方法和装置、存储介质及电子装置。

背景技术

随着物质水平的不断提高，用户会经常去超市购买物品，在用户购买计重物品的情况下，往往通过以下两种方式获取计重物品的单价资源：1)工作人员输入计重物品的物品编号查询计重物品的单价资源；2)用户选择计重物品的物品类别，获取计重物品的单价资源。上述两种方式均需要认为输入计重物品的物品信息，获取计重物品对应的单价资源，这两种方式严重降低用户的结算效率，形成客流拥挤，为购物带来麻烦。

针对相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题，尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种资源确定方法和装置、存储介质及电子装置，以至少解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。

根据本发明的一个实施例，提供了一种资源确定方法，包括：通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

在一个示例性实施例中，在数据库管理系统中查询所述物品信息对应的单位资源之后，所述方法还包括：获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

在一个示例性实施例中，获取所述计量物品的计量信息，包括：在所述计量信息为所述重量信息的情况下，通过重量传感器获取所述计量物品的重量信息；在所述计量信息为所述数量信息的情况下，调用所述神经网络模型获取所述计量物品的数量信息。

在一个示例性实施例中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，所述方法还包括：在确定所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别。

在一个示例性实施例中，通过图像采集装置对计量物品进行图像识别，至少包括以下之一：在重量传感器检测到的重量大于预设阈值的情况下，通过图像采集装置对位于所述重量传感器的计量物品进行图像识别；在所述图像采集装置已开启目标功能的情况下，通过图像采集装置对计量物品进行图像识别，其中，所述目标功能用于指示称重台获取计量物品对应的物品信息，所述图像采集装置和所述重量传感器均设置在所述称重台上。

在一个示例性实施例中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，所述方法还包括：在从所述图像信息中识别到多个物品信息的情况下，在所述数据库管理系统中查询所述多个物品信息分别对应的多个单位资源；确定所述多个单位资源是否一致；在所述多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，其中，所述总计量信息至少包括以下之一：所述多个物品信息的总重量信息、所述多个物品信息的总数量信息；根据所述总计量信息和所述多个单位资源确定所述多个物品信息对应的总资源信息。

根据本发明实施例的另一个实施例，还提供了一种资源确定装置，包括：获取模块，用于通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；识别模块，用于调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；查询模块，用于在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

在一个示例性实施例中，确定模块，用于获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述资源确定方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的资源确定方法。

在本发明实施例中，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源，即通过神经网络模型识别图像采集装置获取的图像信息中的计量物品对应的物品信息，在确定物品信息对应的单位资源，通过上述技术方案，可以解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。通过目神经网络模型对计量物品进行识别，通过数据库查询系统获取该计量物品的单位资源，实现计量物品的实时计价，提升购物者的购物效率。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种资源确定方法的称重台的硬件结构框图；

图2是根据本发明实施例的资源确定方法的流程图(一)；

图3是现有技术中的资源确定方法的流程图；

图4是根据本发明实施例的资源确定方法的流程图(二)；

图5是根据本发明实施例的神经网络模型的构建流程图；

图6是根据本发明实施例的计量物品的识别流程图；

图7是根据本发明实施例的一种资源确定装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述目标的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具备”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例所提供的方法实施例可以在称重台、移动终端或者类似的运算装置中执行。以运行在称重台上为例，图1是本发明实施例的一种资源确定方法的称重台的硬件结构框图。如图1所示，称重台可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，在一个示例性实施例中，上述称重台还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述称重台的结构造成限定。例如，称重台还可包括比图1中所示更多或者更少的组件，或者具备与图1所示等同功能或比图1所示功能更多的不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的资源确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至称重台。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括称重台的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种资源确定方法，应用于上述称重台，图2是根据本发明实施例的资源确定方法的流程图(一)，该流程包括如下步骤：

步骤S202，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

步骤S204，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

步骤S206，在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

上述步骤中，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源，即通过神经网络模型识别图像采集装置获取的图像信息中的计量物品对应的物品信息，在确定物品信息对应的单位资源，通过上述技术方案，可以解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。通过目神经网络模型对计量物品进行识别，通过数据库查询系统获取该计量物品的单位资源，实现计量物品的实时计价，提升购物者的购物效率。

需要说明的是，图像采集装置位于称重台上。

在一个示例性实施例中，在数据库管理系统中查询所述物品信息对应的单位资源之后，获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

具体的，在数据库管理系统中查询所述物品信息对应的单位资源为数量单位的情况下，获取所述计量物品的数量信息，根据所述计量物品的数量单位和数量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为3元/个的情况下，获取计量物品的数量信息为5个，计量物品对应的总资源信息为15元；在数据库管理系统中查询到所述物品信息对应的单位资源为重量单位的情况下，获取所述计量物品的重量信息，根据所述计量物品的重量单位和重量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为30元/千克的情况下，获取计量物品的重量信息为0.5千克，计量物品对应的总资源信息为15元，需要说明的是，上述实施例中数值仅是为了更好的理解本方案，本发明实施例对此不做限定。

在一个示例性实施例中，获取所述计量物品的计量信息，包括：在所述计量信息为所述重量信息的情况下，通过重量传感器获取所述计量物品的重量信息；在所述计量信息为所述数量信息的情况下，调用所述神经网络模型获取所述计量物品的数量信息。

也就是说，在数据库管理系统中查询所述物品信息对应的单位资源为数量单位的情况下，通过神经网络模型获取所述计量物品的数量信息，根据所述计量物品的数量单位和数量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为3元/个的情况下，通过神经网络模型获取计量物品的数量信息为5个，计量物品对应的总资源信息为15元；在数据库管理系统中查询到所述物品信息对应的单位资源为重量单位的情况下，通过重量传感器获取所述计量物品的重量信息，根据所述计量物品的重量单位和重量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为30元/千克的情况下，通过重量传感器获取计量物品的重量信息为0.5千克，计量物品对应的总资源信息为15元，需要说明的是，上述实施例中数值仅是为了更好的理解本方案，本发明实施例对此不做限定。

在一个示例性实施例中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，在确定所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别。

换言之，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，在神经网络模型成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源；在神经网络模型未识别出所述计量物品对应的物品信息的情况下，提示所使用目标对象神经网络模型未识别出所述计量物品对应的物品信息，和或，再次通过神经网络模型识别本次识别的图像信息中，和或，指示图像采集装置再次对计量物品进行图像识别，以获取所述计量物品的第二图像信息，神将网络模型识别第二图像信息中的计量物品对应的物品信息。

进一步的，在所述目标对象通过称重台的页面输入计重物品的第一物品信息，且构建好的神经网络模型识别所述图像信息中的计量物品对应的第二物品信息的情况下，判断第一物品信息和第二物品信息是否一致，在第一物品信息和第二物品信息一致的情况下，在数据库管理系统中查询所述第一物品信息，和或，第二物品信息对应的单位资源；在第一物品信息和第二物品信息一致的情况下，根据优先级确定计重物品的物品信息。

在一个示例性实施例中，通过图像采集装置对计量物品进行图像识别，至少包括以下之一：在重量传感器检测到的重量大于预设阈值的情况下，通过图像采集装置对位于所述重量传感器的计量物品进行图像识别；在所述图像采集装置已开启目标功能的情况下，通过图像采集装置对计量物品进行图像识别，其中，所述目标功能用于指示称重台获取计量物品对应的物品信息，所述图像采集装置和所述重量传感器均设置在所述称重台上。

也就是说，在以下两种情况下，通过图像采集装置对计量物品进行图像识别：1)在重量传感器检测到的重量大于预设阈值的情况下，2)在所述图像采集装置已开启目标功能的情况下；在重量传感器检测到的重量大于预设阈值的情况下，可以理解为在重力传感器确定计量物品放置在称重台上，在所述图像采集装置已开启目标功能的情况下，可以理解为称重台需要获取计量物品对应的物品信息。

在一个示例性实施例中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，在从所述图像信息中识别到多个物品信息的情况下，在所述数据库管理系统中查询所述多个物品信息分别对应的多个单位资源；确定所述多个单位资源是否一致；在所述多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，其中，所述总计量信息至少包括以下之一：所述多个物品信息的总重量信息、所述多个物品信息的总数量信息；根据所述总计量信息和所述多个单位资源确定所述多个物品信息对应的总资源信息。

具体的，在神经网络模型识别所述图像信息中的计量物品对应的物品信息的为多个，在数据库管理系统中查询多个物品信息对应的多个单位资源，确定多个单位资源是否一致，在多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，在多个单位资源不一致的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型识别出图像信息中的计量物品对应的物品信息为多个；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别。

为了更好的理解上述资源确定方法的过程，以下再结合可选实施例对上述资源确定的实现方法流程进行说明，但不用于限定本发明实施例的技术方案。

在一个示例性实施例中，如图3所示，图3是现有技术中的资源确定方法的流程图，具体步骤如下：

步骤S301：开始；

步骤S302：获取待称重物品；

步骤S303：认为输入待称重物品的物品编号；

步骤S304：在数据库中查询待称重物品的物品编号对应的单价；

步骤S305：调用重量传感器确定待称重物品的重量；

步骤S306：根据重量和单价确定待称重物品的总价；

步骤S307：结束。

通过上述实施例，现有计价方式都需要通过人为的选择的方式，获取当前物品的单价。这会严重降低购物者的结算效率，形成客流拥挤，为购物带来麻烦，因此，本发明实施例提供一种资源确定方法，通过神经网络模型对待称重物品的图像信息进行识别，通过数据库查询系统获取待称重物品的单价资源，并结合重量传感器实现待称重物品的实时计价，提升购物者的购物效率。

在一个示例性实施例中，如图4所示，图4是根据本发明实施例的资源确定方法的流程图(二)，具体步骤如下：

步骤S401：开始；

步骤S402：购物者(相当于上述实施例中的目标对象)将待称重物品(相当于上述实施例中的计量物品)放置在称重台上；

步骤S403：摄像头(相当于上述实施例中的图像采集装置)实时检测当前被放置在计重台重的待称重物品，并调用神经网络模型识别出待称重物品的物品名称(相当于上述实施例中的物品信息)；

步骤S404：调用数据库(相当于上述实施例中的数据库管理系统)；

步骤S405：在数据库中查询待称重物品的物品名称对应的单价(相当于上述实施例中的单位资源)；

步骤S406：调用重量传感器确定待称重物品的重量(相当于上述实施例中的计量信息)；

步骤S407：根据重量和单价确定待称重物品的总价(相当于上述实施例中的总资源信息)；

步骤S408：确定是否还有其他待称重物品，在还有其他待称重物品的情况下，执行步骤S402，在没有其他待称重物品的情况下，执行步骤S409；

步骤S409：结束。

在一个示例性实施例中，构建神经网络模型，如图5所示，图5是根据本发明实施例的神经网络模型的构建流程图，具体步骤如下：

步骤S501：开始；

步骤S502：收集大量的物品图片；

步骤S503：构建深度学习的神经网络模型；

步骤S504：训练神经网络模型，使其能够识别目标图像中的目标物品的物品名称；

步骤S505：得到训练好的神经网络模型；

步骤S506：结束。

在一个示例性实施例中，通过训练好的神经网络模型识别图像信息中的待称重物品对应的物品名称，具体步骤如图6所示，图6是根据本发明实施例的计量物品的识别流程图，具体步骤如下：

步骤S601：开始；

步骤S602：获取摄像头中拍摄的图像信息；

步骤S603：调用训练好的神经网络模型；

步骤S604：判断图像信息中是否有待称重物品，在所述图像信息中有待称重物品的情况下，执行步骤S605，在所述图像信息中没有待称重物品的情况下，执行步骤S602；

步骤S605：对图像信息中的待称重物品进行识别，得到物体名称；

步骤S606：结束。

在本发明实施例中，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源，即通过神经网络模型识别图像采集装置获取的图像信息中的计量物品对应的物品信息，在确定物品信息对应的单位资源，通过上述技术方案，可以解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。通过目神经网络模型对计量物品进行识别，通过数据库查询系统获取该计量物品的单位资源，实现计量物品的实时计价，提升购物者的购物效率。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

图7是根据本发明实施例的一种资源确定装置的结构框图；如图7所示，包括：

获取模块72，用于通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

识别模块74，用于调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

查询模块76，用于在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

在上述实施例中，获取模块72通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；识别模块74调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；查询模块76在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源，即通过神经网络模型识别图像采集装置获取的图像信息中的计量物品对应的物品信息，在确定物品信息对应的单位资源，通过上述技术方案，可以解决相关技术中，只能人为输入计重物品的物品信息再查询物品信息对应的单位资源等问题。通过目神经网络模型对计量物品进行识别，通过数据库查询系统获取该计量物品的单位资源，实现计量物品的实时计价，提升购物者的购物效率。

需要说明的是，图像采集装置位于称重台上。

在一个示例性实施例中，上述装置还包括：确定模块，用于获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

具体的，在数据库管理系统中查询所述物品信息对应的单位资源为数量单位的情况下，获取所述计量物品的数量信息，根据所述计量物品的数量单位和数量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为3元/个的情况下，获取计量物品的数量信息为5个，计量物品对应的总资源信息为15元；在数据库管理系统中查询到所述物品信息对应的单位资源为重量单位的情况下，获取所述计量物品的重量信息，根据所述计量物品的重量单位和重量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为30元/千克的情况下，获取计量物品的重量信息为0.5千克，计量物品对应的总资源信息为15元，需要说明的是，上述实施例中数值仅是为了更好的理解本方案，本发明实施例对此不做限定。

在一个示例性实施例中，获取模块，还用于在所述计量信息为所述重量信息的情况下，通过重量传感器获取所述计量物品的重量信息；在所述计量信息为所述数量信息的情况下，调用所述神经网络模型获取所述计量物品的数量信息。

也就是说，在数据库管理系统中查询所述物品信息对应的单位资源为数量单位的情况下，通过神经网络模型获取所述计量物品的数量信息，根据所述计量物品的数量单位和数量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为3元/个的情况下，通过神经网络模型获取计量物品的数量信息为5个，计量物品对应的总资源信息为15元；在数据库管理系统中查询到所述物品信息对应的单位资源为重量单位的情况下，通过重量传感器获取所述计量物品的重量信息，根据所述计量物品的重量单位和重量信息确定所述计量物品对应的总资源信息，举例来讲，在数据库管理系统中查询所述物品信息对应的单位资源为30元/千克的情况下，通过重量传感器获取计量物品的重量信息为0.5千克，计量物品对应的总资源信息为15元，需要说明的是，上述实施例中数值仅是为了更好的理解本方案，本发明实施例对此不做限定。

在一个示例性实施例中，确定模块，还用于在确定所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别。

换言之，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，在神经网络模型成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源；在神经网络模型未识别出所述计量物品对应的物品信息的情况下，提示所使用目标对象神经网络模型未识别出所述计量物品对应的物品信息，和或，再次通过神经网络模型识别本次识别的图像信息中，和或，指示图像采集装置再次对计量物品进行图像识别，以获取所述计量物品的第二图像信息，神将网络模型识别第二图像信息中的计量物品对应的物品信息。

进一步的，在所述目标对象通过称重台的页面输入计重物品的第一物品信息，且构建好的神经网络模型识别所述图像信息中的计量物品对应的第二物品信息的情况下，判断第一物品信息和第二物品信息是否一致，在第一物品信息和第二物品信息一致的情况下，在数据库管理系统中查询所述第一物品信息，和或，第二物品信息对应的单位资源；在第一物品信息和第二物品信息一致的情况下，根据优先级确定计重物品的物品信息。

在一个示例性实施例中，识别模块，还用于通过图像采集装置对计量物品进行图像识别，至少包括以下之一：在重量传感器检测到的重量大于预设阈值的情况下，通过图像采集装置对位于所述重量传感器的计量物品进行图像识别；在所述图像采集装置已开启目标功能的情况下，通过图像采集装置对计量物品进行图像识别，其中，所述目标功能用于指示称重台获取计量物品对应的物品信息，所述图像采集装置和所述重量传感器均设置在所述称重台上。

也就是说，在以下两种情况下，通过图像采集装置对计量物品进行图像识别：1)在重量传感器检测到的重量大于预设阈值的情况下，2)在所述图像采集装置已开启目标功能的情况下；在重量传感器检测到的重量大于预设阈值的情况下，可以理解为在重力传感器确定计量物品放置在称重台上，在所述图像采集装置已开启目标功能的情况下，可以理解为称重台需要获取计量物品对应的物品信息。

在一个示例性实施例中，确定模块，还用于在从所述图像信息中识别到多个物品信息的情况下，在所述数据库管理系统中查询所述多个物品信息分别对应的多个单位资源；确定所述多个单位资源是否一致；在所述多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，其中，所述总计量信息至少包括以下之一：所述多个物品信息的总重量信息、所述多个物品信息的总数量信息；根据所述总计量信息和所述多个单位资源确定所述多个物品信息对应的总资源信息。

具体的，在神经网络模型识别所述图像信息中的计量物品对应的物品信息的为多个，在数据库管理系统中查询多个物品信息对应的多个单位资源，确定多个单位资源是否一致，在多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，在多个单位资源不一致的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型识别出图像信息中的计量物品对应的物品信息为多个；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别。

本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：

S1，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

S2，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

S3，在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

S2，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

S3，在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何目标的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种资源确定方法，其特征在于，包括：

通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源；

其中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，所述方法还包括：

在确定所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息的情况下，至少执行以下之一事件：

向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息；

再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；

再次指示所述图像采集装置对计量物品进行图像识别；

其中，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，所述方法还包括：在所述目标对象输入计重物品的第一物品信息，且构建好的神经网络模型识别所述图像信息中的计量物品对应的第二物品信息的情况下，判断所述第一物品信息和所述第二物品信息是否一致，在所述第一物品信息和所述第二物品信息不一致的情况下，根据优先级确定计重物品的物品信息。

2.根据权利要求1所述的资源确定方法，其特征在于，在数据库管理系统中查询所述物品信息对应的单位资源之后，所述方法还包括：

获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；

根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

3.根据权利要求2所述的资源确定方法，其特征在于，获取所述计量物品的计量信息，包括：

在所述计量信息为所述重量信息的情况下，通过重量传感器获取所述计量物品的重量信息；

在所述计量信息为所述数量信息的情况下，调用所述神经网络模型获取所述计量物品的数量信息。

4.根据权利要求1所述的资源确定方法，其特征在于，通过图像采集装置对计量物品进行图像识别，至少包括以下之一：

在重量传感器检测到的重量大于预设阈值的情况下，通过图像采集装置对位于所述重量传感器的计量物品进行图像识别；

在所述图像采集装置已开启目标功能的情况下，通过图像采集装置对计量物品进行图像识别，其中，所述目标功能用于指示称重台获取计量物品对应的物品信息，所述图像采集装置和所述重量传感器均设置在所述称重台上。

5.根据权利要求1所述的资源确定方法，其特征在于，调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息之后，所述方法还包括：

在从所述图像信息中识别到多个物品信息的情况下，在所述数据库管理系统中查询所述多个物品信息分别对应的多个单位资源；

确定所述多个单位资源是否一致；

在所述多个单位资源一致的情况下，确定所述多个物品信息对应的总计量信息，其中，所述总计量信息至少包括以下之一：所述多个物品信息的总重量信息、所述多个物品信息的总数量信息；

根据所述总计量信息和所述多个单位资源确定所述多个物品信息对应的总资源信息。

6.一种资源确定装置，其特征在于，包括：

获取模块，用于通过图像采集装置对计量物品进行图像识别，以获取所述计量物品的图像信息；

识别模块，用于调用构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息，其中，所述物品信息包括以下至少之一：物品名称、物品编号；

查询模块，用于在成功识别出所述计量物品对应的物品信息的情况下，在数据库管理系统中查询所述物品信息对应的单位资源；

所述装置还包括：确定模块，用于在确定所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息的情况下，至少执行以下之一事件：向目标对象发送提示信息，其中，所述提示信息用于指示所述构建好的神经网络模型未识别出图像信息中的计量物品对应的物品信息；再次通过所述构建好的神经网络模型识别所述图像信息中的计量物品对应的物品信息；再次指示所述图像采集装置对计量物品进行图像识别；

所述确定模块，还用于在所述目标对象输入计重物品的第一物品信息，且构建好的神经网络模型识别所述图像信息中的计量物品对应的第二物品信息的情况下，判断所述第一物品信息和所述第二物品信息是否一致，在所述第一物品信息和所述第二物品信息不一致的情况下，根据优先级确定计重物品的物品信息。

7.根据权利要求6所述的资源确定装置，其特征在于，还包括：

确定模块，用于获取所述计量物品的计量信息，其中，所述计量信息至少包括以下之一：重量信息、数量信息；根据所述计量物品的计量信息和所述单位资源确定所述计量物品对应的总资源信息。

8.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至5任一项中所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至5任一项中所述的方法。