CN113670422A - 快件重量异常的检测方法、装置、设备及存储介质 - Google Patents

快件重量异常的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113670422A
CN113670422A CN202110895011.0A CN202110895011A CN113670422A CN 113670422 A CN113670422 A CN 113670422A CN 202110895011 A CN202110895011 A CN 202110895011A CN 113670422 A CN113670422 A CN 113670422A
Authority
CN
China
Prior art keywords
weight
express
data
abnormal
abnormity
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
Application number
CN202110895011.0A
Other languages
English (en)
Inventor
余刚
杨周龙
刘红伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongpu Software Co Ltd
Original Assignee
Dongpu Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongpu Software Co Ltd filed Critical Dongpu Software Co Ltd
Priority to CN202110895011.0A priority Critical patent/CN113670422A/zh
Publication of CN113670422A publication Critical patent/CN113670422A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/002—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for postal parcels and letters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G23/00—Auxiliary devices for weighing apparatus
    • G01G23/18—Indicating devices, e.g. for remote indication; Recording devices; Scales, e.g. graduated
    • G01G23/38—Recording and/or coding devices specially adapted for weighing apparatus

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及检测领域，公开了一种快件重量异常的检测方法、装置、设备及存储介质，用于解决现有技术中对重量异常的快件的检测效率和检测准确率低下的问题。该方法包括：获取待称重序列中的快件的历史重量数据，并根据历史重量数据计算出异常判断阈值；判断快件是否被标注为疑似重量异常；若未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量并判断是否超过异常判断阈值，若超过，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量并判断是否超过异常判断阈值，若超过，则将快件标注为重量异常快件。

Description

快件重量异常的检测方法、装置、设备及存储介质
技术领域
本发明涉及检测领域，尤其涉及一种快件重量异常的检测方法、装置、设备及存储介质。
背景技术
物流快递行业要求尽可能精确采集每件快件的重量值，快件的重量是衡量货物是否损坏减少或遗漏的重要指标，货物运输费用也都是依据快件重量结算。目前网点和分拨中心均会对快递包裹进行多次称重，在对快件称重时一般采用机械设备将货物移上称重台，称重完成后货物移开。
在现有的技术中，测量出来快件的多个重量数值可能存在偏差，需要人工操作对出现重量异常的快件进行重复的重量检测，对于重量异常的快件没有自动校验的功能，导致对重量异常的快件的检测效率和检测准确率低下。
发明内容
本发明的主要目的在于解决现有技术中对重量异常的快件的检测效率和检测准确率低下的问题。
本发明第一方面提供了一种快件重量异常的检测方法，包括：获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；判断所述快件是否被标注为疑似重量异常；若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
可选的，在本发明第一方面的第一种实现方式中，所述历史重量数据包括所述快件在当前分拨节点之前的分拨节点的第一分拨重量数据和/或所述快件在当前分拨点上的第二分拨重量数据，所述获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值包括：识别所述快件在当前分拨节点上是否存在第二分拨重量数据；若不存在，则获取所述快件在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据计算出第一异常判断阈值；若存在，则获取所述快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值。
可选的，在本发明第一方面的第二种实现方式中，所述根据所述第一分拨重量数据计算出第一异常判断阈值包括：根据预置的无效数据值剔除规则，对所述第一分拨重量数据中的无效数据值进行剔除，得到第一有效历史重量数据；对所述第一有效历史重量数据进行排序，得到第一有效历史重量序列；根据预置的指标筛选规则对所述第一有效历史重量序列中的第一有效历史重量数据进行筛选，得到第一重量指标数据；根据预置的阈值计算规则基于所述第一重量指标数据进行计算，得到第一异常判断阈值。
可选的，在本发明第一方面的第三种实现方式中，其特征在于，所述根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值包括：根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据；对所述第二有效历史重量数据进行排序，得到第二有效历史重量序列；根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据；根据预置的阈值计算规则基于所述第二重量指标数据进行计算，得到第二异常判断阈值。
可选的，在本发明第一方面的第四种实现方式中，所述无效数据值包括空值和粗大误差值，所述根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据包括：检测所述第一分拨重量数据和所述第二分拨重量数据中的空值，对所述空值进行剔除，得到清洗数据；对所述清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；根据拉依达准则剔除所述清洗数据中的粗大误差值，得到第二有效历史重量数据。
可选的，在本发明第一方面的第五种实现方式中，所述根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据包括：根据所述第二有效历史重量序列中的排序顺序，提取所述第二有效历史重量序列中的重量数据最大值和所述重量数据最大值的相邻重量数据值；判断所述重量数据最大值和所述相邻重量数据值之间的差值是否大于预设的筛选阈值；若所述差值大于预设的筛选阈值，则将所述重量数据最大值从所述第二有效历史重量序列中剔除；若所述差值不大于预设的筛选阈值，则将所述重量数据最大值作为第二重量指标数据。
可选的，在本发明第一方面的第六种实现方式中，在所述将所述快件标注为重量异常快件之后，还包括：提取所述重量异常快件的快件单号；根据所述快件单号对生成重量异常快件记录，并将所述重量异常快件记录上传至快件管理系统中。
本发明第二方面提供了一种快件重量异常的检测装置，包括：获取模块，用于获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；异常判断模块，用于判断所述快件是否被标注为疑似重量异常；第一称重模块，用于若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；第二称重模块，用于若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
可选的，在本发明第二方面的第一种实现方式中，所述获取模块包括：数据识别单元，用于识别所述快件在当前分拨节点上是否存在第二分拨重量数据；第一阈值计算单元，用于若不存在，则获取所述快件在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据计算出第一异常判断阈值；第二阈值计算单元，用于若存在，则获取所述快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值。
可选的，在本发明第二方面的第二种实现方式中，所述第一阈值计算单元包括：第一无效值剔除子单元，用于根据预置的无效数据值剔除规则，对所述第一分拨重量数据中的无效数据值进行剔除，得到第一有效历史重量数据；第一排序子单元，用于对所述第一有效历史重量数据进行排序，得到第一有效历史重量序列；第一筛选子单元，用于根据预置的指标筛选规则对所述第一有效历史重量序列中的第一有效历史重量数据进行筛选，得到第一重量指标数据；第一阈值计算子单元，用于根据预置的阈值计算规则基于所述第一重量指标数据进行计算，得到第一异常判断阈值。
可选的，在本发明第二方面的第三种实现方式中，所述第二阈值计算单元包括：第二无效值剔除子单元，用于根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据；第二排序子单元，用于对所述第二有效历史重量数据进行排序，得到第二有效历史重量序列；第二筛选子单元，用于根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据；第二阈值计算子单元，用于根据预置的阈值计算规则基于所述第二重量指标数据进行计算，得到第二异常判断阈值。
可选的，在本发明第二方面的第四种实现方式中，所述第二无效值剔除子单元具体用于：检测所述第一分拨重量数据和所述第二分拨重量数据中的空值，对所述空值进行剔除，得到清洗数据；对所述清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；根据拉依达准则剔除所述清洗数据中的粗大误差值，得到第二有效历史重量数据。
可选的，在本发明第二方面的第五种实现方式中，所述第二筛选子单元具体用于：根据所述第二有效历史重量序列中的排序顺序，提取所述第二有效历史重量序列中的重量数据最大值和所述重量数据最大值的相邻重量数据值；判断所述重量数据最大值和所述相邻重量数据值之间的差值是否大于预设的筛选阈值；若所述差值大于预设的筛选阈值，则将所述重量数据最大值从所述第二有效历史重量序列中剔除；若所述差值不大于预设的筛选阈值，则将所述重量数据最大值作为第二重量指标数据。
可选的，在本发明第二方面的第六种实现方式中，所述快件重量异常的检测装置还包括记录生成模块，所述记录生成模块具体用于：提取所述重量异常快件的快件单号；根据所述快件单号对生成重量异常快件记录，并将所述重量异常快件记录上传至快件管理系统中。
本发明第三方面提供了一种快件重量异常的检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述快件重量异常的检测设备执行上述的快件重量异常的检测方法的步骤。
本发明的第四方面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中存储有指令，当其在计算机上运行时，使得计算机执行上述的快件重量异常的检测方法的步骤。
本发明提供的技术方案中，获取待称重序列中的快件的历史重量数据，并根据历史重量数据计算出异常判断阈值；判断快件是否被标注为疑似重量异常；若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量并判断第一实时重量是否超过异常判断阈值，若超过异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量，判断第二实时重量是否超过异常判断阈值，若超过异常判断阈值，则将快件标注为重量异常快件。本发明实施例中，自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率和检测准确率。
附图说明
图1为本发明实施例中快件重量异常的检测方法的第一实施例的示意图；
图2为本发明实施例中快件重量异常的检测方法的第二实施例的示意图；
图3为本发明实施例中快件重量异常的检测方法的第三实施例的示意图；
图4为本发明实施例中快件重量异常的检测方法的第四实施例的示意图；
图5为本发明实施例中快件重量异常的检测装置的一个实施例示意图；
图6为本发明实施例中快件重量异常的检测装置的另一个实施例示意图；
图7为本发明实施例中快件重量异常的检测设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种快件重量异常的检测方法、装置、设备及存储介质，获取待称重序列中的快件的历史重量数据，并根据历史重量数据计算出异常判断阈值；判断快件是否被标注为疑似重量异常；若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量并判断第一实时重量是否超过异常判断阈值，若超过异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量，判断第二实时重量是否超过异常判断阈值，若超过异常判断阈值，则将快件标注为重量异常快件。本发明实施例中，自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率和检测准确率。
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”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中快件重量异常的检测方法的一个实施例包括：
101、获取待称重序列中的快件的历史重量数据，并根据历史重量数据计算出异常判断阈值；
可以理解的是，本发明的执行主体可以为快件重量异常的检测装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中为解决现有技术中对重量异常的快件的检测效率和检测准确率低下的问题，首先将待进行重量检测的快件按序排列，生成待称重序列。
在快件的运送过程中，会有多个环节需要对快件进行重量检测、核查操作以便随时掌握快件的重量状态，以便后续进行查询；例如在各分拨点进行分拨时进行重量检测，在末端派送前进行重量检测等，得到重量检测的数据后，根据检测的快件的单号，将重量数据作为历史重量数据保存至快件数据库中。后续根据快件数据库中的历史重量数据，可以在快件出现如物品破损等异常状况时可以确定其货损的责任方等信息。
具体地，在本实施例中，所述的历史重量数据指的可以是当前进行重量异常检测的时间节点前全部的历史重量数据，在对待称重序列中的快件进行重量检测时，一般会采用如机械手等机械设备将待称重序列中的快件依序放置至称重台上进行称重，获取当前快件在本节点的快件重量；此外，在称重前或称重的同时，扫描快件上的二维码或者感应标签等标识标签获取该快件对应的单号，根据该快件对应的单号在快件数据库中查询出该快件在本次重量检测前进行重量检测操作时的历史重量数据，其中，对于一件待称重快件，该历史重量数据为多个。
获取预置的异常判断规则，基于前述获取到的历史重量数据，根据该异常判断规则计算出本节点重量检测的异常判断阈值。
102、判断快件是否被标注为疑似重量异常；
本实施例中，对待称重序列中的快件进行快件重量检测时通过扫描快件上的二维码或者感应标签等标识标签获取该快件对应的单号，根据该单号查询快件数据库中的信息，判断该快件是否在本物流节点进行重量检测时被标注为疑似重量异常快件。
103、若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量；
104、判断第一实时重量是否超过异常判断阈值；
105、若超过异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；
若该快件没有在本节点被标注为疑似重量异常，则对此件快件进行称重操作，将得到的重量信息作为第一实时重量。
获取前述步骤计算出的异常判断阈值，判断得到的第一实时重量是否超过所述异常判断阈值，若超过该异常判断阈值，则将快件标注为疑似重量异常，并更新快件数据库中将此件快件的重量信息，将其标注为疑似重量异常的快件，其中，该异常判断阈值是根据前述的历史重量数据计算得到的数值范围，当第一实时重量在所述数值范围内时认为没有超过该异常判断阈值，该第一实时重量不在所述数值范围内时认为超过了该异常判断阈值；标注完毕后将此件快件重新添加至称重序列中，等待进行二次称重。
若该快件没有在本节点被标注为疑似重量异常，得到的第一实时重量也没有超过所述异常判断阈值时，则将所述快件标注为重量正常，将得到的第一实时重量保存至快件数据库中。
106、若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量；
107、判断第二实时重量是否超过异常判断阈值；
108、若超过异常判断阈值，则将快件标注为重量异常快件。
若在获取到快件单号时，根据该快件单号在快件数据库中查询到该快件在本节点中被标注为疑似重量异常，则将此件被标注为疑似重量异常的快件进行称重操作，将得到的重量信息作为第二实时重量。
获取前述步骤中计算得到的此件快件对应的异常判断阈值，判断该第二实时重量是否超过该异常判断阈值。
若该第二实时重量超过了该异常判断阈值，则将该快件标注为重量异常快件，将被标注为异常重量的第二实时重量保存至快件数据库中，并根据该重量异常信息进行对该件重量异常快件的处理；
若该第二实时重量没有超过该异常判断阈值，则认为该快件重量为正常，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
本发明实施例能够自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率和检测准确率。
请参阅图2，本发明实施例中快件重量异常的检测方法的第二实施例包括：
201、识别快件在当前分拨节点上是否存在第二分拨重量数据；
若该在待称重序列中的快件在当前的分拨点不是第一次进行重量检测或者快件在当前的分拨点进行重量检测时得到的重量值包含有效的数据，则认为存在第二分拨重量数据。
202、若存在第二分拨重量数据，则获取快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据；
203、根据第一分拨重量数据和第二分拨重量数据计算出第二异常判断阈值；
获取快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，根据预置的无效数据值剔除规则，对第一分拨重量数据和第二分拨重量数据中的无效数据值进行剔除，将剩余的分拨重量数据组成第二有效历史重量数据；对第二有效历史重量数据进行排序，得到第二有效历史重量序列；根据预置的指标筛选规则对第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据。
具体地，在对所述第二重量指标数据进行计算时，根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据；其中，所述无效数据值包括空值和粗大误差值；首先检测所述第一重量数据集和所述第二重量数据集中的空值，对所述空值进行剔除，得到剔除空值后的第二清洗数据；对第二清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；随后，根据拉依达准则剔除所述第二清洗数据中的粗大误差值，得到第二有效历史重量数据，其中，贝塞尔公式具体的表达式为：
Figure BDA0003194907100000091
其中，S表示标准偏差，
Figure BDA0003194907100000092
表示算术平均值，n表示第一历史重量数据的个数，xj表示第二清洗数据。
对第二有效历史重量数据进行排序，得到第二有效历史重量序列；根据第二有效历史重量序列中的排序顺序，提取第二有效历史重量序列中的重量数据最大值和重量数据最大值的相邻重量数据值；判断重量数据最大值和相邻重量数据值之间的差值是否大于预设的筛选阈值。
在本步骤中，计算所述重量数据最大值和所述相邻重量数据值之间的差值；判断所述差值是否大于筛选阈值。
其中，该筛选阈值为预先根据筛选规则进行确定的数据范围，该数据范围描述了第二有效历史重量序列中的最大值和相邻重量数据值的接近程度，当该差值大于筛选阈值时说明重量数据最大值与相邻重量数据值之间的差距过大，则认为此时第二有效历史序列中的重量数据最大值浮动性较大；则将该重量数据最大值从第二有效历史重量序列中剔除，不采用该重量数据最大值作为重量指标数据，并根据剔除后的重量数据信息更新第二有效历史重量序列中的排序顺序，继续提取新的重量数据最大值并计算差值；若得到的重量数据最大值和相邻重量数据值之间的差值小于上述筛选阈值，则认为该重量数据最大值的浮动性满足要求，将该重量数据最大值作为重量指标数据；根据预置的阈值计算规则基于第一重量指标数据进行计算，得到第二异常判断阈值。
204、判断快件是否被标注为疑似重量异常；
获取快件对应的单号，根据该单号查询快件数据库中的信息，判断该快件是否在本物流节点进行重量检测时被标注为疑似重量异常快件。
205、若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量；
206、判断第一实时重量是否超过第二异常判断阈值；
207、若超过第二异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；
若该快件没有在本节点被标注为疑似重量异常，则对此件快件进行称重操作，将得到的重量信息作为第一实时重量。
获取前述步骤计算出的第二异常判断阈值，判断得到的第一实时重量是否超过所述第二异常判断阈值，若超过该第二异常判断阈值，则将快件标注为疑似重量异常，并更新快件数据库中将此件快件的重量信息，将其标注为疑似重量异常的快件，标注完毕后将此件快件重新添加至称重序列中，等待进行二次称重。
若该快件没有在本节点被标注为疑似重量异常，得到的第一实时重量也没有超过所述第二异常判断阈值时，则将所述快件标注为重量正常，将得到的第一实时重量保存至快件数据库中。
208、若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量；
209、判断第二实时重量是否超过第二异常判断阈值；
210、若超过第二异常判断阈值，则将快件标注为重量异常快件；
若在获取到快件单号时，根据该快件单号在快件数据库中查询到该快件在本节点中被标注为疑似重量异常，则将此件被标注为疑似重量异常的快件进行称重操作，将得到的重量信息作为第二实时重量。
获取前述步骤中计算得到的此件快件对应的第二异常判断阈值，判断该第二实时重量是否超过该第二异常判断阈值。
若该第二实时重量超过了该第二异常判断阈值，将该快件标注为重量异常快件，将被标注为异常重量的第二实时重量保存至快件数据库中，并根据该重量异常信息进行对该重量异常快件的处理；
若该第二实时重量没有超过该第二异常判断阈值，则认为该快件重量为正常，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
211、提取重量异常快件的快件单号；
212、根据快件单号对生成重量异常快件记录，并将重量异常快件记录上传至快件管理系统中。
提取被标注为重量异常的快件单号，根据该单号生成重量异常快件记录，并上传至快件数据库中将对应的快件信息进行更新；同时基于该重量异常快件记录生成异常通知信息，将该异常通知信息推送至快件管理系统中等到管理员进行处理。管理员可以根据该重量异常快件记录的具体信息选择将重量异常快件记录通知发货用户。
本发明实施例中，自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率和检测准确率。
请参阅图3，本发明实施例中快件重量异常的检测方法的第三实施例包括：
301、识别快件在当前分拨节点上是否存在第二分拨重量数据；
本实施例中的快递重量异常的检测方法在获取到待称重序列快件的单号后，根据快件单号在快件数据库中查询出历史重量数据，其中，本实施例中的历史重量数据可以包括所述快件在当前分拨节点之前的分拨节点的第一分拨重量数据和/或所述快件在当前分拨点上的第二分拨重量数据，本步骤中，首先识别快件在当前分拨节点上是否存在第二分拨重量数据。
302、若不存在第二分拨重量数据，则获取快件在当前分拨点之前的分拨节点上的第一分拨重量数据；
303、根据第一分拨重量数据计算出第一异常判断阈值；
若快件在在当前的分拨点不是第一次进行重量检测或快件在当前的分拨点进行重量检测时得到的重量值包含有效的数据，则存在第二分拨重量数据；若快件在当前的分拨点是第一次进行重量检测或快件在当前的分拨点进行重量检测时得到的重量值均为无效的数据，则快件数据库中不存在第二分拨重量数据，此时获取快件在当前分拨点之前的分拨节点上的第一分拨重量数据。
随后，检测第一分拨重量数据中的空值，对空值进行剔除，得到剔除空值后的第一清洗数据；对第一清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；随后，根据拉依达准则剔除所述第一清洗数据中的粗大误差值，得到第一有效历史重量数据，其中，贝塞尔公式具体的表达式为：
Figure BDA0003194907100000111
其中，S表示标准偏差，
Figure BDA0003194907100000112
表示算术平均值，n表示第一清洗数据的个数，xi表示第一清洗数据。
对第一有效历史重量数据进行排序，得到第一有效历史重量序列；根据第一有效历史重量序列中的排序顺序，提取第一有效历史重量序列中的重量数据最大值和重量数据最大值的相邻重量数据值；判断重量数据最大值和相邻重量数据值之间的差值是否大于预设的筛选阈值。若得到的重量数据最大值和相邻重量数据值之间的差值小于上述筛选阈值，则认为该重量数据最大值的浮动性满足要求，将该重量数据最大值作为第一重量指标数据。
304、判断快件是否被标注为疑似重量异常；
305、若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量；
306、判断第一实时重量是否超过第一异常判断阈值；
307、若超过第一异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；
若该快件没有在本节点被标注为疑似重量异常，则对此件快件进行称重操作，将得到的重量信息作为第一实时重量。
获取前述步骤计算出的第一异常判断阈值，判断得到的第一实时重量是否超过所述第一异常判断阈值，若超过该第一异常判断阈值，则将快件标注为疑似重量异常，并更新快件数据库中将此件快件的重量信息，将其标注为疑似重量异常的快件，标注完毕后将此件快件重新添加至称重序列中，等待进行二次称重。
若该快件没有在本节点被标注为疑似重量异常，得到的第一实时重量也没有超过所述第一异常判断阈值时，则将所述快件标注为重量正常，将得到的第一实时重量保存至快件数据库中。
308、若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量；
309、判断第二实时重量是否超过第一异常判断阈值；
310、若超过第一异常判断阈值，则将快件标注为重量异常快件。
若在获取到快件单号时，根据该快件单号在快件数据库中查询到该快件在本节点中被标注为疑似重量异常，则将此件被标注为疑似重量异常的快件进行称重操作，将得到的重量信息作为第二实时重量。
获取前述步骤中计算得到的此件快件对应的第一异常判断阈值，判断该第二实时重量是否超过该第一异常判断阈值。
若该第二实时重量超过了该第一异常判断阈值，则将该快件标注为重量异常快件，将被标注为异常重量的第二实时重量保存至快件数据库中，并根据该重量异常信息进行对该重量异常快件的处理；
若该第二实时重量没有超过该第一异常判断阈值，则认为该快件重量为正常，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
本发明实施例中，自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率，并进一步提升了检测准确率。
请参阅图4，本发明实施例中快件重量异常的检测方法的第四实施例包括：
401、识别快件在当前分拨节点上是否存在第二分拨重量数据；
402、若不存在第二分拨重量数据，则获取快件在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据第一分拨重量数据计算出第一异常判断阈值；
若不存在第二分拨重量数据，则根据所述第一分拨重量数据计算出第一重量指标数据，其中，本步骤中第一重量指标数据的具体计算方法与前述实施例中步骤303中计算第一重量指标数据的方法基本相同，故在此不再赘述。
得到第一重量指标数据后，获取预置的异常判断规则，基于得到的第一重量指标数据，根据该异常判断规则计算出本节点重量检测的第一异常判断阈值，其中，该异常判断规则具体可以为：0.8Bi<Ai≤1.5Bi；其中，Ai表示实时重量，表示重量指标数据，该异常判断阈值为(0.8Bi,1.5Bi]；具体地，当以B1表示第一重量指标数据时，该第一异常判断阈值可以表示为(0.8B1,1.5B1]。
403、判断快件是否被标注为疑似重量异常；
404、若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量；
405、判断第一实时重量是否超过第一异常判断阈值；
406、若超过第一异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；
若该快件没有在本节点被标注为疑似重量异常，则对此件快件进行称重操作，将得到的重量信息作为第一实时重量。
具体地，以A1表示第一实时重量，若该快件没有在本节点被标注为疑似重量异常，且第一异常判断阈值，即满足：0.8B1<A1≤1.5B1；则将所述快件标注为重量正常，将得到的第一实时重量保存至快件数据库中。
若该快件没有在本节点被标注为疑似重量异常，但不满足：0.8B1<A1≤1.5B1；则将所述快件标注为疑似重量异常的快件标注完毕后将此件快件重新添加至称重序列中，等待进行二次称重。
407、若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量；
408、判断第二实时重量是否超过第一异常判断阈值；
409、若超过第一异常判断阈值，则将快件标注为重量异常快件；
具体地，以A2表示第二实时重量，若该快件在本节点被标注为疑似重量异常，但满足：0.8B1<A2≤1.5B1；则将该快件标注为快件重量正常，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
若该快件在本节点被标注为疑似重量异常，且不满足第一异常判断阈值，即不满足：0.8B1<A2≤1.5B1；则将该快件标注为重量异常快件，将被标注为异常重量的第二实时重量保存至快件数据库中，并根据该重量异常信息进行对该件重量异常快件的处理。
410、若存在第二分拨重量数据，则获取快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据第一分拨重量数据和第二分拨重量数据计算出第二异常判断阈值；
若存在第二分拨重量数据，则获取快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，根据预置的无效数据值剔除规则，对第一分拨重量数据和第二分拨重量数据中的无效数据值进行剔除，将剩余的分拨重量数据组成第二有效历史重量数据；对第二有效历史重量数据进行排序，得到第二有效历史重量序列；根据预置的指标筛选规则对第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据；根据预置的阈值计算规则基于第二重量指标数据进行计算，得到第二异常判断阈值。
其中，本步骤中第二重量指标数据的计算方法与前述实施例步骤203中内容基本相同，故在此不再赘述。
411、判断快件是否被标注为疑似重量异常；
412、若快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的快件进行称重，得到第一实时重量；
413、判断第一实时重量是否超过第二异常判断阈值；
具体地，以A1表示第一实时重量，B2以表示第二重量指标数据，若该快件没有在本节点被标注为疑似重量异常，且满足第二异常判断阈值，即满足：0.8B2<A1≤1.5B2；则将所述快件标注为重量正常，将得到的第一实时重量保存至快件数据库中。
414、若超过第二异常判断阈值，则将快件标注为疑似重量异常，并将快件重新添加至称重序列中；
若该快件没有在本节点被标注为疑似重量异常，但不满足：0.8B2<A1≤1.5B2；则将所述快件标注为疑似重量异常的快件标注完毕后将此件快件重新添加至称重序列中，等待进行二次称重。
415、若快件已被标注为疑似重量异常，则对被标注为疑似重量异常的快件进行称重，得到第二实时重量；
416、判断第二实时重量是否超过第二异常判断阈值；
417、若超过第二异常判断阈值，则将快件标注为重量异常快件。
具体地，以A2表示第二实时重量，若该快件在本节点被标注为疑似重量异常，但满足：0.8B2<A2≤1.5B2；则将该快件标注为快件重量正常，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
若该快件在本节点被标注为疑似重量异常，且不满足第二异常判断阈值，即不满足：0.8B2<A2≤1.5B2；则将该快件标注为重量异常快件，将被标注为异常重量的第二实时重量保存至快件数据库中，并根据该重量异常信息进行对该件重量异常快件的处理，并将快件数据库中的疑似重量异常信息清除，将该属于正常范围内的第二实时重量保存至快件数据库中。
随后，提取被标注为重量异常的快件单号，根据该单号生成重量异常快件记录，并上传至快件数据库中将对应的快件信息进行更新；同时基于该重量异常快件记录生成异常通知信息，将该异常通知信息推送至快件管理系统中等到管理员进行处理。管理员可以根据该重量异常快件记录的具体信息选择将重量异常快件记录通知发货用户。
本发明实施例中，自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率，并进一步提升了检测准确率。
上面对本发明实施例中快件重量异常的检测方法进行了描述，下面对本发明实施例中快件重量异常的检测装置进行描述，请参阅图5，本发明实施例中快件重量异常的检测装置一个实施例包括：
获取模块501，用于获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；
异常判断模块502，用于判断所述快件是否被标注为疑似重量异常；
第一称重模块503，用于若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；
第二称重模块504，用于若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
本发明实施例中，能够自动对快件进行称重并对重量异常的快件进行检测，提高对重量异常的快件的检测效率和检测准确率。
请参阅图6，本发明实施例中快件重量异常的检测装置的另一个实施例包括：
获取模块501，用于获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；
异常判断模块502，用于判断所述快件是否被标注为疑似重量异常；
第一称重模块503，用于若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；
第二称重模块504，用于若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
在本申请的另一实施例中，所述获取模块501包括：
数据识别单元5011，用于识别所述快件在当前分拨节点上是否存在第二分拨重量数据；
第一阈值计算单元5012，用于若不存在，则获取所述快件在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据计算出第一异常判断阈值；
第二阈值计算单元5013，用于若存在，则获取所述快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值。
在本申请的另一实施例中，所述第一阈值计算单元5012包括：
第一无效值剔除子单元，用于根据预置的无效数据值剔除规则，对所述第一分拨重量数据中的无效数据值进行剔除，得到第一有效历史重量数据；
第一排序子单元，用于对所述第一有效历史重量数据进行排序，得到第一有效历史重量序列；
第一筛选子单元，用于根据预置的指标筛选规则对所述第一有效历史重量序列中的第一有效历史重量数据进行筛选，得到第一重量指标数据；
第一阈值计算子单元，用于根据预置的阈值计算规则基于所述第一重量指标数据进行计算，得到第一异常判断阈值。
在本申请的另一实施例中，所述第二阈值计算单元5013包括：
第二无效值剔除子单元，用于根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据；
第二排序子单元，用于对所述第二有效历史重量数据进行排序，得到第二有效历史重量序列；
第二筛选子单元，用于根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据；
第二阈值计算子单元，用于根据预置的阈值计算规则基于所述第二重量指标数据进行计算，得到第二异常判断阈值。
在本申请的另一实施例中，所述第二无效值剔除子单元具体用于：检测所述第一分拨重量数据和所述第二分拨重量数据中的空值，对所述空值进行剔除，得到清洗数据；
对所述清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；
根据拉依达准则剔除所述清洗数据中的粗大误差值，得到第二有效历史重量数据。
在本申请的另一实施例中，所述第二筛选子单元具体用于：根据所述第二有效历史重量序列中的排序顺序，提取所述第二有效历史重量序列中的重量数据最大值和所述重量数据最大值的相邻重量数据值；
判断所述重量数据最大值和所述相邻重量数据值之间的差值是否大于预设的筛选阈值；
若所述差值大于预设的筛选阈值，则将所述重量数据最大值从所述第二有效历史重量序列中剔除；
若所述差值不大于预设的筛选阈值，则将所述重量数据最大值作为第二重量指标数据。
在本申请的另一实施例中，所述快件重量异常的检测装置还包括记录生成模块505，所述记录生成模块505具体用于：提取所述重量异常快件的快件单号；根据所述快件单号对生成重量异常快件记录，并将所述重量异常快件记录上传至快件管理系统中。
综上，通过自动对快件进行称重并对重量异常的快件进行检测，提高了对重量异常的快件的检测效率，并进一步提升了检测准确率。
上面图5和图6从模块化功能实体的角度对本发明实施例中的快件重量异常的检测装置进行详细描述，下面从硬件处理的角度对本发明实施例中快件重量异常的检测设备进行详细描述。
图7是本发明实施例提供的一种快件重量异常的检测设备的结构示意图，该快件重量异常的检测设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对快件重量异常的检测设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在快件重量异常的检测设备700上执行存储介质730中的一系列指令操作。
快件重量异常的检测设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的快件重量异常的检测设备结构并不构成对快件重量异常的检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机设备，该计算机设备可以是能够执行上述实施例中所述的快件重量异常的检测方法的任何一种设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述快件重量异常的检测方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述快件重量异常的检测方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种快件重量异常的检测方法，其特征在于，所述快件重量异常的检测方法包括：
获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；
判断所述快件是否被标注为疑似重量异常；
若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；
若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
2.根据权利要求1所述的快件重量异常的检测方法，其特征在于，所述历史重量数据包括所述快件在当前分拨节点之前的分拨节点的第一分拨重量数据和/或所述快件在当前分拨点上的第二分拨重量数据，所述获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值包括：
识别所述快件在当前分拨节点上是否存在第二分拨重量数据；
若不存在，则获取所述快件在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据计算出第一异常判断阈值；
若存在，则获取所述快件在当前分拨点的第二分拨重量数据和在当前分拨点之前的分拨节点上的第一分拨重量数据，并根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值。
3.根据权利要求2所述的快件重量异常的检测方法，其特征在于，所述根据所述第一分拨重量数据计算出第一异常判断阈值包括：
根据预置的无效数据值剔除规则，对所述第一分拨重量数据中的无效数据值进行剔除，得到第一有效历史重量数据；
对所述第一有效历史重量数据进行排序，得到第一有效历史重量序列；
根据预置的指标筛选规则对所述第一有效历史重量序列中的第一有效历史重量数据进行筛选，得到第一重量指标数据；
根据预置的阈值计算规则基于所述第一重量指标数据进行计算，得到第一异常判断阈值。
4.根据权利要求2所述的快件重量异常的检测方法，其特征在于，所述根据所述第一分拨重量数据和所述第二分拨重量数据计算出第二异常判断阈值包括：
根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据；
对所述第二有效历史重量数据进行排序，得到第二有效历史重量序列；
根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据；
根据预置的阈值计算规则基于所述第二重量指标数据进行计算，得到第二异常判断阈值。
5.根据权利要求4所述的快件重量异常的检测方法，其特征在于，所述无效数据值包括空值和粗大误差值，所述根据预置的无效数据值剔除规则，对所述第一分拨重量数据和所述第二分拨重量数据中的无效数据值进行剔除，得到第二有效历史重量数据包括：
检测所述第一分拨重量数据和所述第二分拨重量数据中的空值，对所述空值进行剔除，得到清洗数据；
对所述清洗数据求算术平均值，并根据贝塞尔公式计算出标准偏差；
根据拉依达准则剔除所述清洗数据中的粗大误差值，得到第二有效历史重量数据。
6.根据权利要求5所述的快件重量异常的检测方法，其特征在于，所述根据预置的指标筛选规则对所述第二有效历史重量序列中的第二有效历史重量数据进行筛选，得到第二重量指标数据包括：
根据所述第二有效历史重量序列中的排序顺序，提取所述第二有效历史重量序列中的重量数据最大值和所述重量数据最大值的相邻重量数据值；
判断所述重量数据最大值和所述相邻重量数据值之间的差值是否大于预设的筛选阈值；
若所述差值大于预设的筛选阈值，则将所述重量数据最大值从所述第二有效历史重量序列中剔除；
若所述差值不大于预设的筛选阈值，则将所述重量数据最大值作为第二重量指标数据。
7.根据权利要求1-6中任一项所述的快件重量异常的检测方法，其特征在于，在所述将所述快件标注为重量异常快件之后，还包括：
提取所述重量异常快件的快件单号；
根据所述快件单号对生成重量异常快件记录，并将所述重量异常快件记录上传至快件管理系统中。
8.一种快件重量异常的检测装置，其特征在于，所述快件重量异常的检测装置包括：
获取模块，用于获取待称重序列中的快件的历史重量数据，并根据所述历史重量数据计算出异常判断阈值；
异常判断模块，用于判断所述快件是否被标注为疑似重量异常；
第一称重模块，用于若所述快件未被标注为疑似重量异常，则对未被标注为疑似重量异常的所述快件进行称重，得到第一实时重量，判断所述第一实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为疑似重量异常，并将所述快件重新添加至称重序列中；
第二称重模块，用于若所述快件已被标注为疑似重量异常，则对被标注为疑似重量异常的所述快件进行称重，得到第二实时重量，判断所述第二实时重量是否超过所述异常判断阈值，若超过所述异常判断阈值，则将所述快件标注为重量异常快件。
9.一种快件重量异常的检测设备，其特征在于，所述快件重量异常的检测设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述快件重量异常的检测设备执行如权利要求1-7中任一项所述的快件重量异常的检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述快件重量异常的检测方法的步骤。
CN202110895011.0A 2021-08-03 2021-08-03 快件重量异常的检测方法、装置、设备及存储介质 Pending CN113670422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110895011.0A CN113670422A (zh) 2021-08-03 2021-08-03 快件重量异常的检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895011.0A CN113670422A (zh) 2021-08-03 2021-08-03 快件重量异常的检测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113670422A true CN113670422A (zh) 2021-11-19

Family

ID=78541473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895011.0A Pending CN113670422A (zh) 2021-08-03 2021-08-03 快件重量异常的检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113670422A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114951009A (zh) * 2022-04-28 2022-08-30 广州艮业信息科技有限公司 一种包裹供件方法、四段式供件系统、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114951009A (zh) * 2022-04-28 2022-08-30 广州艮业信息科技有限公司 一种包裹供件方法、四段式供件系统、设备及存储介质
CN114951009B (zh) * 2022-04-28 2023-08-22 广州艮业信息科技有限公司 一种包裹供件方法、四段式供件系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108876080B (zh) 信息处理方法和装置
CN108906637B (zh) 物流分拣方法及终端设备
CN111324827B (zh) 智能推荐货源订单信息的方法、装置、设备及存储介质
CN116588569B (zh) 一种仓储物资出入库控制方法及其控制系统
CN113670422A (zh) 快件重量异常的检测方法、装置、设备及存储介质
EP3712833A1 (en) Product placement system, product placement method, and product placement program
CN113435812A (zh) 订单全链路轨迹生成方法、装置、设备及存储介质
CN111457999A (zh) 快递称重异常核查方法、装置、设备及存储介质
CN113420537A (zh) 电子表格数据处理方法、装置、设备及存储介质
JP2017010186A (ja) 物流作業分析システム
CN112307827B (zh) 对象识别装置，系统和方法
CN113469612A (zh) 物流时效提示方法、装置、设备及存储介质
JP2011219197A (ja) センサ情報管理システム、センサ情報管理方法、およびセンサ情報管理プログラム
CN108960455B (zh) 业务运行状态分析方法、装置、计算设备及存储介质
JP2015182825A (ja) 検品処理装置、検品システム、検品処理方法及びプログラム
CN115034704A (zh) 物流跟踪方法、装置、设备及存储介质
JP2015225440A (ja) 検収システム
CN114022065A (zh) 一种拣货与发货清单打印并行处理方法及装置
CN113706053A (zh) 一种物流配送实时在线监测分析方法、系统、终端及介质
JP5096985B2 (ja) 容器管理装置、容器管理方法、及びプログラム
CN117010806B (zh) 货物验收方法、装置、设备及计算机可读存储介质
CN111950741A (zh) 物流包装回收系统和物流包装回收方法
JP5884263B2 (ja) 置場管理システム
JP7291313B2 (ja) 管理システム、管理方法およびプログラム
CN117575518B (zh) 工程建设全过程数字化管理方法、装置、设备及介质

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