CN113837400A - 物流对象投递装置故障处理和装置 - Google Patents
物流对象投递装置故障处理和装置 Download PDFInfo
- Publication number
- CN113837400A CN113837400A CN202010514429.8A CN202010514429A CN113837400A CN 113837400 A CN113837400 A CN 113837400A CN 202010514429 A CN202010514429 A CN 202010514429A CN 113837400 A CN113837400 A CN 113837400A
- Authority
- CN
- China
- Prior art keywords
- fault
- delivery port
- image information
- delivery
- logistics object
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 49
- 238000012423 maintenance Methods 0.000 claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000010801 machine learning Methods 0.000 claims abstract description 69
- 238000003672 processing method Methods 0.000 claims abstract description 14
- 230000008439 repair process Effects 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 14
- 238000011084 recovery Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种物流对象投递装置故障处理方法和处理装置。该方法包括如下步骤:接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
Description
技术领域
本申请涉及物流领域,特别是涉及一种物流对象投递装置故障处理和装置。
背景技术
智能快递自提柜作为一种主要部署在室外环境的无人值守硬件设备,在一段时间的使用之后,总会由于一些硬件的问题导致的不可用故障,其中常见的最多的便是由于投递口打不开导致的取件用户无法取件的问题,这类问题占到了客服咨询/投诉的很大一部分比例,当出现这样的问题时便需要派发工单指派线下运维人员去现场维修,解决投递口故障问题。
但通过一段时间的实践之后发现,导致投递口故障问题的并不仅仅只是物理硬件这种确实需要维修的情况,还有很多是由于包裹太大导致卡口,以及,长期室外环境致使硬件老化,开门状态检测不稳定,而实际柜门已打开,这种并不需要去现场维修的情况。
发明内容
鉴于上述问题,本发明一实施例提出一种物流对象投递装置故障处理和装置,以解决现有技术存在的问题。
为了解决上述问题,本申请一实施例公开一种物流对象投递装置的故障处理方法,应用于服务端,其特征在于,所述方法包括如下步骤:
接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
根据所述故障投递口的位置,获取包括所述故障投递口的图像信息;
根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单;
在本申请物流对象投递装置的故障处理方法的一实施例中,所述根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤之后,所述方法还包括:
当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单之后,所述方法还包括:
接收并发布所述维修工单。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤包括:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述接收物流对象投递装置的投递口发生故障时生成的初始维修工单的步骤之前,所述方法还包括:
利用历史数据训练所述机器学习模型;所述历史数据包括故障投递口的图像信息和所述故障投递口对应的故障类型。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述利用历史数据训练所述机器学习模型的步骤之前,还包括:
标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型的步骤之前,还包括:
判断所述故障投递口的图像信息是否符合预设要求。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述方法还包括:
将判断出的故障投递口的图像信息和故障类型加入历史数据集合。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述方法还包括:
统计故障投递口的故障类型满足第二指定条件的次数;
当所述次数超过指定阈值时,启动误报处理操作。
本申请一实施例还公开一种物流对象投递装置的故障检测方法,应用于物流对象投递装置,所述物流对象投递装置包括多个投递口,所述方法包括:
生成物流对象投递装置的投递口的故障信息;
将所述故障信息发送至服务端,获取初始维修工单,所述初始维修工单包括故障投递口的位置信息;
获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;
当获取到的所述故障类型满足第一指定条件时,生成维修工单。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述方法还包括:
当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
在本申请物流对象投递装置的故障处理方法的一实施例中,当获取到的所述故障类型满足第二指定条件时,所述方法还包括:
发出提示信息。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
在本申请物流对象投递装置的故障处理方法的一实施例中,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
本申请一实施例还公开一种物流对象投递装置的故障处理装置,其特征在于,所述装置包括:
接收模块,用于接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
图像信息获取模块,用于根据所述故障投递口的位置,获取包括故障投递口的图像信息;
故障类型确定模块,用于根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
通知模块,用于当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤之后,所述方法还包括:
撤销模块,用于当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
在本申请物流对象投递装置的故障处理装置的一实施例中所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
在本申请物流对象投递装置的故障处理装置的一实施例中所述当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单之后,所述装置还包括:
发布模块,用于接收并发布所述维修工单。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述故障类型确定模块具体用于:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
机器学习模型训练模块,用于利用历史数据训练所述机器学习模型;所述历史数据包括故障投递口的图像信息和所述故障投递口对应的故障类型。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
标记模块,用于标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
判断模块,用于判断所述故障投递口的图像信息是否符合预设要求。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
识别模块,用于接收故障投递口的识别信息,所述识别信息包括位置信息或者编号;
确定模块,用于根据所述识别信息确定对应的故障投递口。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
统计模块,用于统计故障投递口的故障类型满足第二指定条件的次数;
误报处理启动模块,用于当所述次数超过指定阈值时,启动误报处理操作。
本申请一实施例还公开一种物流对象投递装置的故障检测装置,应用于物流对象投递装置,所述物流对象投递装置包括多个投递口,所述方法包括:
初始维修工单生成模块,用于生成物流对象投递装置的投递口的故障信息;
发送模块,用于将所述故障信息发送至服务端,获取初始维修工单,所述初始维修工单包括所述故障投递口的位置信息;
故障类型获取模块,用于获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;
维修工单生成模块,用于当获取到的所述故障类型满足第一指定条件时,生成维修工单。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述装置还包括:
撤回模块,用于当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
在本申请物流对象投递装置的故障处理装置的一实施例中,当获取到的所述故障类型满足第二指定条件时,所述装置还包括:
提示模块,用于发出提示信息。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
在本申请物流对象投递装置的故障处理装置的一实施例中,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
本申请一实施例还公开一种电子装置,该电子装置包括:
存储器,用于存储计算机可读程序;
处理器,当所述处理器读取所述存储器中的计算机可读程序时,所述电子装置执行如下操作:
接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;
根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
本申请一实施例还公开一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得终端设备执行上述的方法。
本申请一实施例还公开一种物流对象投递装置的故障处理系统,包括服务端、物流对象投递装置和图像拍摄装置;
所述物流对象投递装置包括多个投递口,所述物流对象投递装置用于在检测到投递口故障信息时,发送所述故障信息并获取初始维修工单;
所述服务端用于根据所述初始维修工单中故障投递口的位置信息,从所述图像拍摄装置获取包括故障投递口的图像信息;并根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
当所述故障类型满足指定条件时,所述物流对象投递装置进一步根据所述故障类型生成维修工单。
在一实施例中,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
由上述可知,本申请实施例包括以下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的物流对象投递系统的系统架构示意图。
图2是本申请第一实施例的物流对象投递装置的故障处理方法的流程图。
图3是本申请第二实施例的物流对象投递装置的故障处理方法的流程图。
图4是本申请第三实施例的物流对象投递装置的故障处理装置的方框图。
图5是本申请第三实施例的物流对象投递装置的故障处理装置的方框图。
图6示意性地示出了用于执行根据本发明的方法的终端设备的框图;以及
图7示意性地示出了用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本申请保护的范围。
图1所示为本申请一实施例的物流对象投递装置的示意图。如图1所示,物流对象投递装置例如为图1所示的快递自提柜100,物流对象例如为图1所示的快递包裹400。快递自提柜100包括多个投递口110和至少一个显示和操作装置120。当用户将快递包裹400投递至快递自提柜100时,需要先打开快递自提柜100的其中一个投递口110的柜门,将包裹400放入其中,并关闭投递口110的柜门。
快递自提柜100包括信息处理装置(例如处理器、存储器)和通信装置,使得快递自提柜通过有线或者无线网络的方式连接于服务端200。服务端200中存储有快递自提柜的对应信息等。服务端200还连接于图像拍摄装置300,图像拍摄装置300用于拍摄快递自提柜100,在一些实施例中图像拍摄装置300为一个或多个,其用于将拍摄的图像信息传送到服务端200,在另一些实施例中,图像拍摄装置300将拍摄的数据传送至特定的图片分析和存储平台。
本发明实施例提出的一种物流对象投递装置的故障处理系统,包括服务端200、物流对象投递装置100和图像拍摄装置300;所述物流对象投递装置包括多个投递口,所述物流对象投递装置用于在检测到投递口故障信息时,将故障信息发送至服务端或者运维平台等,生成初始维修工单;所述服务端用于根据所述故障投递口的位置信息,从所述图像拍摄装置获取包括故障投递口的图像信息;并根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;当所述故障类型满足指定条件时,所述物流对象投递装置进一步根据所述故障类型生成维修工单。
本申请的核心思想之一在于,提出一种针对物流对象投递装置的故障处理方法、装置和系统,通过接收物流对象投递装置的投递口故障时生成的初始维修工单、获取包括所述故障投递口的图像信息、根据所述图像信息利用机器学习模型确定所述故障投递口的故障类型、当判断所述故障类型满足第一指定条件(例如符合生成维修工单的要求)时,生成维修工单的步骤,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
值得注意的是,前述的所述物流对象投递装置虽然以快递自提柜为例进行说明,但是还可以包括多种储物装置,例如还可以包括快递寄件柜、衣物捐赠装置、垃圾回收装置等等,本发明并不限制。
第一实施例
本发明第一实施例提出一种物流对象投递装置的故障处理方法。图2所示为本发明第一实施例的物流对象投递装置的故障处理方法的步骤流程图。如图2所示,本发明实施例的物流对象投递装置的故障处理方法包括如下步骤:
S101,接收物流对象投递装置的投递口故障时生成的初始维修工单,其中所述初始维修工单包括投递口位置信息;
S102,根据所述故障投递口的位置信息,获取包括所述故障投递口的图像信息;
S103,根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
S104,当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
以下对前述的步骤分别进行详细描述。
步骤S101,接收物流对象投递装置的投递口故障时生成的初始维修工单。
在这一步骤中,在这一步骤中,执行主体,例如是服务器、云端服务平台等服务端,获取了图1所示的快递自提柜100的某一个投递口的故障信息。故障信息例如是:快递自提柜100上报的故障信息或者是针对快递自提柜的传感器检测获得的故障信息。
例如当某个快递员作为用户在投递口放入了包裹之后,某个包裹太大导致快递自提柜的柜门无法关上,或者是投递口有异物,阻挡了关门。则此时传感器检测到快递自提柜无法关门。按照常规的做法,投递口发生故障时候,快递自提柜会生成一个故障信息,并将故障信息发送给服务端。故障信息例如可以包括:自提柜地址、自提柜编号、故障投递口的相关信息,例如位置信息等至少其中之一。投递口故障信息例如是自提柜根据传感器的信息发出的信息。例如当柜门关不上时,锁定装置例如门锁,发出与锁好了门锁相反的电平信号。例如当锁定前为高电平信号,锁定后为低电平信号,或者锁闭过程中传感器显示无法锁闭,快递员在快递自提柜关联的应用程序(App)中操作为“柜门无法锁闭”等情况。
在此情况下,快递自提柜等执行装置可以发出故障信息给服务端。
上报的故障信息的获取方式包括:当用户发现无法关门的时候,可通过安装有关联的应用程序的手持终端等发起报修,服务端等执行装置可以根据用户的描述生成工单,或者服务端等执行装置可以根据维修人员的报修信息生成工单。
在这一步骤中,服务端可以将这一故障信息发送到运维平台,运维平台可以是和服务端相对独立存在的平台,也可以是集成于服务端的平台,运维平台收到故障信息之后自动创建初始运维工单。
在一实施例中,所述初始维修工单包括故障投递口的位置信息。例如,所生成的初始维修工单可以包括:故障投递口的位置信息和/或快递自提柜的位置信息。位置信息包括故障投递口或者快递自提柜的编号。
当位置信息包括故障投递口或者快递自提柜的编号时,生成的初始维修工单可以包括投递口的编号或者快递自提柜的编号,服务端中可以存储有投递口的编号对应的快递自提柜的位置信息或者是快递自提柜编号对应的快递自提柜位置信息,用于便于维修人员查找。
在不同的实施例中,生成初始维修工单的步骤可以是操作快递自提柜的人员自己完成的,也可以是快递自提柜在检测到故障信息后自行生成的。
在这一步骤中,执行主体,例如是服务端,根据快递自提柜发生故障时生成的初始维修工单,获取位置信息;此外,执行主体还可以获取故障发生时间等一系列需要后续运维环节掌握的信息,这些信息同样可以包括在初始维修工单中。
在执行步骤S101之后,可以执行步骤S102如下:
S102,根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;
在这一步骤中,执行主体,例如服务区、云端服务平台等服务端,可以根据预设参数调用故障投递口的图像信息,所述图像信息可以是利用图1所示的摄像头、天眼系统等图像拍摄装置所拍摄的图片,也可以是所拍摄的视频中提取出的图像。例如,所拍摄的针对故障投递口或者针对快递自提柜的视频可以是利用图像拍摄装置拍摄的针对该快递自提柜或者针对故障投递口的一段视频,该视频的起始时间可以是初始维修工单的创建时间,或者是提前于该初始维修工单的创建时间。视频可以不限于摄像头拍摄的视频所提取的图像,例如还可以是其他方式获取的视频、图像等信息。
在执行步骤S102之后,可以执行步骤S103如下:
根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型。
在这一步骤中,可以根据快递自提柜或者故障投递口的位置信息、故障投递口的开关起止时间等信息,创建算法任务。算法任务例如是通过机器学习模型判断柜机是否真实发生了故障。机器学习模型例如可以是根据历史数据训练完成的模型,在输入了图像信息之后,自动输出故障类型。机器学习模型可以为常见的线性模型、神经网络模型等,本发明并特别限制。在一些实施例中,举例来说,机器学习模型有N个维度,每一个维度对应一个权重。例如柜门打开的角度,是否拍摄到有异物、拍摄的角度等,通过机器学习模型判断出故障类型。
在这一步骤中,可以通过图像信息确认快递自提柜是否实际已经打开。在实际使用中,当快递自提柜已经打开,则可以认为不需要报修,当未能打开,则可以认为出现问题。
在执行步骤S103之后,可以执行步骤S104如下:
当判断所述故障类型满足第一指定条件时,,执行操作以生成维修工单。
在这一步骤中,故障类型可以包括两种或者多种。当满足第一指定条件,例如故障类型符合第一类故障类型的标准时,则可以执行操作以生成维修工单。第一类故障类型例如为判断出投递口的柜门确实没有打开,产生了开闭障碍,则继续发出维修工单。当满足第二指定条件,例如故障类型符合第二类故障类型的标准时,则可以执行撤销维修工单的操作。第二类故障类型例如为判断投递口的柜门已打开,并无严重的开闭障碍,可以撤销维修工单。同时在一些实施例中,还可以发送提示信息至快递自提柜的显示装置,提示用户柜门已打开。
前述的执行操作以生成维修工单的步骤,可以包括服务端直接操作生成维修工单的操作,也可以包括通知快递自提柜执行生成维修工单的操作。在直接生成维修工单时,服务端可以基于接收到的初始维修工单,将其转换为正式的维修工单;在通知快递自提柜执行生成维修工单时,服务端可以通知快递自提柜生成并发出新的维修工单。
在一可选实施例中,所述步骤S103,即根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤之后,所述方法还包括如下步骤:
S105,当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
如上述,当故障类型满足第二指定条件,例如故障类型符合第二类故障类型的标准时,则可以执行撤销维修工单的操作。第二类故障类型例如为判断投递口的柜门已打开,则本身故障快递自提柜并未发生故障,只是一些阻碍物等阻挡了柜门的打开,此时可以撤销维修工单。同时在一些实施例中,还可以发送提示信息至快递自提柜的显示装置,提示用户柜门已打开。
在一可选实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者所述图像信息是从所述投递口的视频中提取出的图像信息。
在一些实施例中,所述图像信息可以是利用图1所示的摄像头、天眼系统等图像拍摄装置所拍摄的图片,也可以是所拍摄的视频中提取出的图像。例如,所拍摄的针对故障投递口或者针对快递自提柜的视频可以是利用图像拍摄装置拍摄的针对该快递自提柜或者针对故障投递口的一段视频,该视频的起始时间可以是初始维修工单的创建时间,或者是提前于该初始维修工单的创建时间。视频可以不限于摄像头拍摄的视频所提取的图像,例如还可以是其他方式获取的视频、图像等信息。
在一可选实施例中,所述步骤S104之后,所述方法还包括:
S106,接收并发布所述维修工单。
在一些实施例中,当快递自提柜生成了正式的维修工单之后,其可能需要通过服务端进行发送。例如发送至前述的运维平台等。在这种情况下,服务端可以接收快递自提柜发送的正式的维修工单,并在运维平台中发布。
在其他实施例中,快递自提柜作为接入网络的智能电子设备,可以在收到服务端的通知快递自提柜生成并发出新的维修工单的信息之后,自行发送正式的维修工单至运维平台。
在一可选实施例中,所述步骤S103,即根据所述视频信息,利用机器学习模型确定所述投递口的故障类型的步骤例如可以包括:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
机器学习模型例如可以是根据历史数据训练完成的模型,在输入了图像信息之后,自动输出故障类型。机器学习模型可以为常见的线性模型、神经网络模型等,本发明并特别限制。在一些实施例中,举例来说,机器学习模型有N个维度,每一个维度对应一个权重。例如柜门打开的角度,是否拍摄到有异物、拍摄的角度等,通过机器学习模型判断出故障类型。
在一可选实施例中,所述步骤S101,即所述接收物流对象投递装置的投递口发生故障时生成的初始维修工单的步骤之前,所述方法还可以包括如下子步骤:
S100a,标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型;
S100b,利用所述历史数据训练所述机器学习模型。
在上述步骤中,在训练机器学习模型之前,可以将历史数据进行标记。历史数据例如包括投递口的图像信息和对应的故障类型。例如可以选择大量的投递口的图像信息,对该图像信息分别打标,标记对应的故障类型。获得(图像信息-故障类型)的映射。图像信息可以来源于真实的产生故障的投递口。将历史数据输入机器学习模型,对机器学习模型进行训练,训练完成的机器学习模型可以在输入图像信息之后,输出对应的故障类型。
在一可选实施例中,所述方法还包括:
将判断出的故障投递口的图像信息和故障类型加入历史数据集合。
在这一步骤中,可以将本次的故障图像信息和故障类型加入历史数据集合,利用迭代的方法,增加了历史数据集合里的可信历史数据,用于训练机器学习模型,使得机器学习模型的输出更加准确。
在一可选实施例中,所述方法还可以包括如下操作:
S108,统计故障投递口的故障类型满足第二指定条件的次数;
S109,当所述次数超过指定阈值时,启动误报处理操作。
在上述步骤中,当某个故障投递口的故障类型多次满足第二指定条件,即发生误报的次数超过了指定阈值,则可以认为该故障格口本身或者其周围存在引起误报的因素,例如,故障格口存在污渍、存在遮挡、部分损坏等。在步骤S108中,服务端可以统计误报的次数,即满足第二指定条件的次数,并在步骤S109中启动误报处理操作,例如指示维修人员前去清理、提示用户该故障格口存在误报的可能性等针对误报执行的处理操作。
通过上述处理,用户可以更加准确地获得投递口是否已打开的信息,并且服务端通过数据的收集,可以实现利用大数据进行进一步准确判断的效果。
由上述可知,本发明第一实施例提出的物流对象投递装置的故障处理方法至少具有如下技术效果:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
第二实施例
本发明第二实施例提出一种物流对象投递装置的故障处理方法。图3所示为本发明第二实施例的物流对象投递装置的故障处理方法的步骤流程图。应用于物流对象投递装置,所述物流对象投递装置包括多个投递口,如图3所示,本发明实施例的物流对象投递装置的故障处理方法如下步骤:
S201,生成物流对象投递装置的投递口的故障信息;
S202,将所述故障信息发送至服务端,获取初始维修工单;
S203,获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;
S204,当获取到的所述故障类型满足第一指定条件时,生成维修工单。
以下针对这些步骤详细进行说明。
S201,生成物流对象投递装置的投递口的故障信息;
在这一步骤中,快递自提柜可以在检测到自身的传感器或者其他电子装置发送的投递口故障信息后,生成初始维修工单。
故障信息例如是:快递自提柜100上报的故障信息或者是针对快递自提柜的传感器检测获得的故障信息。
例如当某个快递员作为用户在投递口放入了包裹之后,某个包裹太大导致快递自提柜的柜门无法关上,或者是投递口有异物,阻挡了关门/开门。则此时传感器检测到快递自提柜开关门状态异常。按照常规的做法,投递口发生故障时候,快递自提柜会生成一个故障信息,并将故障信息发送给服务端。故障信息例如可以包括:快递自提柜地址、快递自提柜编号、故障投递口的相关信息,例如位置信息等至少其中之一。投递口故障信息例如是自提柜根据传感器的信息发出的信息。例如当柜门无法开/关门时,会发出与正常状态相反的电平信号。快递员在快递自提柜关联的应用程序(App)中操作为“柜门无法开启/锁闭”等情况。
上报的故障信息的获取方式包括:当用户发现无法关门/开门的时候,可通过安装有关联的应用程序的手持终端等发起报修,服务端等执行装置可以根据用户的描述生成工单,或者服务端等执行装置可以根据维修人员的报修信息生成工单。
上述的物流对象投递装置例如可以包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
在执行步骤S201之后,可以执行步骤S202如下:
S202,将所述故障信息发送至服务端,获取初始维修工单;
在一些实施例中,快递自提柜等执行装置可以发出出初始修工单至服务端。服务端可以将这一初始修工单发送到运维平台,运维平台可以是和服务端相对独立存在的平台,也可以是集成于服务端的平台,运维平台接收初始运维工单,或者在其他实施例中,运维平台可以在收到故障信息之后自动创建初始运维工单。
在一实施例中,所述初始维修工单包括故障投递口的位置信息。例如,所生成的初始维修工单可以包括:故障投递口的位置信息和/或快递自提柜的位置信息。位置信息包括故障投递口或者快递自提柜的编号。
当位置信息包括故障投递口或者快递自提柜的编号时,生成的初始维修工单可以包括投递口的编号或者快递自提柜的编号,服务端中可以存储有投递口的编号对应的快递自提柜的位置信息或者是快递自提柜编号对应的快递自提柜位置信息,用于便于维修人员查找。
在不同的实施例中,生成初始维修工单的步骤可以是操作快递自提柜的人员自己完成的,也可以是快递自提柜在检测到故障信息后自行生成的。
服务端可以根据快递自提柜发生故障时生成的初始维修工单,获取位置信息;并可以进一步获取故障发生时间等一系列需要后续运维环节掌握的信息,这些信息同样可以包括在初始维修工单中。
S203,获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;
根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型。
在这一步骤中,可以根据快递自提柜或者故障投递口的位置信息、故障投递口的开关起止时间等信息,创建算法任务。算法任务例如是通过机器学习模型判断柜机是否真实发生了故障。机器学习模型例如可以是根据历史数据训练完成的模型,在输入了图像信息之后,自动输出故障类型。机器学习模型可以为常见的线性模型、神经网络模型等,本发明并特别限制。在一些实施例中,举例来说,机器学习模型有N个维度,每一个维度对应一个权重。例如柜门打开的角度,是否拍摄到有异物、拍摄的角度等,通过机器学习模型判断出故障类型。
在这一步骤中,可以通过图像信息确认快递自提柜是否实际已经打开。在实际使用中,当快递自提柜已经打开,则可以认为不需要报修,当未能打开,则可以认为出现问题。
S204,当获取到的所述故障类型满足第一指定条件时,生成维修工单。
在这一步骤中,故障类型可以包括两种或者多种。当满足第一指定条件,例如故障类型符合第一类故障类型的标准时,则可以执行操作以生成维修工单。第一类故障类型例如为判断出投递口的柜门确实没有打开,产生了开闭障碍,则继续发出维修工单。当满足第二指定条件,例如故障类型符合第二类故障类型的标准时,则可以执行撤销维修工单的操作。第二类故障类型例如为判断投递口的柜门已打开,并无严重的开闭障碍,可以撤销维修工单。同时在一些实施例中,还可以发送提示信息至快递自提柜的显示装置,提示用户柜门已打开。
前述的执行操作以生成维修工单的步骤,可以包括服务端直接操作生成维修工单的操作,也可以包括通知快递自提柜执行生成维修工单的操作。在直接生成维修工单时,服务端可以基于接收到的初始维修工单,将其转换为正式的维修工单;在通知快递自提柜执行生成维修工单时,服务端可以通知快递自提柜生成并发出新的维修工单。
在一可选实施例中,所述方法还包括:
S205,当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
如上述,当故障类型满足第二指定条件,例如故障类型符合第二类故障类型的标准时,则可以执行撤销维修工单的操作。第二类故障类型例如为判断投递口的柜门已打开,则本身故障快递自提柜并未发生故障,只是一些阻碍物等阻挡了柜门的打开,此时可以撤销维修工单。同时在一些实施例中,还可以发送提示信息至快递自提柜的显示装置,提示用户柜门已打开。
在一可选实施例中,所述方法还包括:
S206,当获取到的所述故障类型满足第二指定条件时,发出提示信息。
在一些实施例中,可以对维修人员进行提示,提示维修人员不必到现场处理,或者提示用户柜门已打开等。
在一可选实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者所述图像信息是从所述投递口的视频中提取出的图像信息。
综上所述,本实施例提出的物流对象投递装置的故障处理方法至少具有如下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
除此之外,本实施例提出的物流对象投递装置的故障处理方法至少还包括如下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
第三实施例
本发明第三实施例提出一种物流对象投递装置的故障处理装置,如图4所示,该装置包括:
接收模块301,用于接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
图像信息获取模块302,用于根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;
故障类型确定模块303,用于根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
通知模块304,用于当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
撤销模块305,用于当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
在一可选实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者所述图像信息是从所述投递口的视频中提取出的图像信息。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
发布模块306,用于接收并发布所述维修工单。
在一可选实施例中,所故障类型确定模块303还用于:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
模型训练模块307,用于利用历史数据训练所述机器学习模型;所述历史数据包括所述投递口的图像信息和该投递口对应的故障类型。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
标记模块308,用于标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
判断模块309,用于判断所述故障投递口的图像信息是否符合预设要求。
在一可选实施例中,所述装置还可以包括:
统计模块,用于统计故障投递口的故障类型满足第二指定条件的次数;
误报处理启动模块,用于当所述次数超过指定阈值时,启动误报处理操作。
综上所述,本实施例提出的物流对象投递装置的故障处理装置至少具有如下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
第四实施例
本发明第四实施例提出一种物流对象投递装置的故障处理装置,如图5所示,该装置包括:
发送模块401,用于当检测到投递口故障信息时,将故障投递口的识别信息发送至服务端;
获取模块402,用于获取服务端发送的故障类型,所述故障类型是所述服务端根据所述故障投递口的识别信息所获取的图像信息分析获得的故障类型。
生成模块403,用于当检测到所述故障类型满足第一指定条件时,生成维修工单。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
撤回模块404,用于当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
在一可选实施例中,所述物流对象投递装置的故障处理装置还包括:
提示模块405,用于当检测到所述故障类型满足第二指定条件时,发出提示信息。
在一可选实施例中,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者所述图像信息是从所述投递口的视频中提取出的图像信息。
综上所述,本实施例提出的物流对象投递装置的故障处理装置至少具有如下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
除此之外,本实施例提出的物流对象投递装置的故障处理装置至少还包括如下优点:
本发明实施例提出的物流对象投递装置的故障处理方法和装置,解决了前述的需要线下运维人员实际去现场维修的投递口故障运维问题,减少线下空跑的次数降低运维成本,通过技术手段解决人力空耗提高运维效率的问题。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
图6为本申请一实施例提供的终端设备的硬件结构示意图。如图6所示,该终端设备可以包括输入设备90、处理器91、输出设备92、存储器93和至少一个通信总线94。通信总线94用于实现元件之间的通信连接。存储器93可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,存储器93中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述处理器91例如可以为中央处理器(Central Processing Unit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该处理器91通过有线或无线连接耦合到上述输入设备90和输出设备92。
可选的,上述输入设备90可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;可选的,上述收发信机可以是具有通信功能的射频收发芯片、基带处理芯片以及收发天线等。麦克风等音频输入设备可以接收语音数据。输出设备92可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中数据处理装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图7为本申请另一实施例提供的终端设备的硬件结构示意图。图7是对图6在实现过程中的一个具体的实施例。如图7所示,本实施例的终端设备包括处理器101以及存储器102。
处理器101执行存储器102所存放的计算机程序代码,实现上述实施例中图2至图3的物流对象投递装置的故障处理方法。
存储器102被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。存储器102可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,处理器101设置在处理组件100中。该终端设备还可以包括:通信组件103,电源组件104,多媒体组件105,音频组件106,输入/输出接口107和/或传感器组件108。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件100通常控制终端设备的整体操作。处理组件100可以包括一个或多个处理器101来执行指令,以完成上述图2至图3方法的全部或部分步骤。此外,处理组件100可以包括一个或多个模块,便于处理组件100和其他组件之间的交互。例如,处理组件100可以包括多媒体模块,以方便多媒体组件105和处理组件100之间的交互。
电源组件104为终端设备的各种组件提供电力。电源组件104可以包括电源管理系统,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件105包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件106被配置为输出和/或输入音频信号。例如,音频组件106包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器102或经由通信组件103发送。在一些实施例中,音频组件106还包括一个扬声器,用于输出音频信号。
输入/输出接口107为处理组件100和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件108包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件108可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件108可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件108还可以包括摄像头等。
通信组件103被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于插入SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务端建立通信。
由上可知,在图7实施例中所涉及的通信组件103、音频组件106以及输入/输出接口107、传感器组件108均可以作为图6实施例中的输入设备的实现方式。
本申请实施例提供了一种终端设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述终端设备执行如本申请实施例中一个或多个所述的视频摘要的生成方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种物流对象投递装置故障处理和装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (34)
1.一种物流对象投递装置的故障处理方法,应用于服务端,其特征在于,所述方法包括:
接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;
根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤之后,所述方法还包括:
当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
3.根据权利要求1所述的方法,其特征在于,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
4.根据权利要求1所述的方法,其特征在于,所述当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单之后,所述方法还包括:
接收并发布所述维修工单。
5.根据权利要求1所述的方法,其特征在于,所述根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型的步骤包括:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
6.根据权利要求1所述的方法,其特征在于,所述接收物流对象投递装置的投递口发生故障时生成的初始维修工单的步骤之前,所述方法还包括:
利用历史数据训练所述机器学习模型;所述历史数据包括故障投递口的图像信息和所述故障投递口对应的故障类型。
7.根据权利要求6所述的方法,其特征在于,所述利用历史数据训练所述机器学习模型的步骤之前,还包括:
标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型。
8.根据权利要求7所述的方法,其特征在于,所述标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型的步骤之前,还包括:
判断所述故障投递口的图像信息是否符合预设要求。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
将判断出的故障投递口的图像信息和故障类型加入历史数据集合。
10.根据权利要求2所述的方法,其特征在于,所述方法还包括:
统计故障投递口的故障类型满足第二指定条件的次数;
当所述次数超过指定阈值时,启动误报处理操作。
11.一种物流对象投递装置的故障检测方法,应用于物流对象投递装置,所述物流对象投递装置包括多个投递口,所述方法包括:
生成物流对象投递装置的投递口的故障信息;
将所述故障信息发送至服务端,获取初始维修工单;
获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;
当获取到的所述故障类型满足第一指定条件时,生成维修工单。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
13.根据权利要求12所述的方法,其特征在于,当获取到的所述故障类型满足第二指定条件时,所述方法还包括:
发出提示信息。
14.根据权利要求13所述的方法,其特征在于,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
15.根据权利要求11所述的方法,其特征在于,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
16.一种物流对象投递装置的故障处理装置,其特征在于,所述装置包括:
接收模块,用于接收物流对象投递装置的投递口发生故障时生成的初始维修工单,所述初始维修工单包括故障投递口的位置信息;
图像信息获取模块,用于根据所述故障投递口的位置信息,获取包括故障投递口的图像信息;
故障类型确定模块,用于根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
通知模块,用于当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
撤销模块,当判断所述故障类型满足第二指定条件时,撤销所述初始维修工单。
18.根据权利要求16所述的装置,其特征在于,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
19.根据权利要求16所述的装置,其特征在于,所述当判断所述故障类型满足第一指定条件时,执行操作以生成维修工单之后,所述方法还包括:
发布模块,用于接收并发布所述维修工单。
20.根据权利要求16所述的装置,其特征在于,所述故障类型确定模块具体用于:
将视频数据中对应的所述故障投递口的图像信息输入机器学习模型,由所述机器学习模型根据所述图像信息确定所述故障投递口的故障类型。
21.根据权利要求16所述的装置,其特征在于,所述装置还包括:
机器学习模型训练模块,用于利用历史数据训练所述机器学习模型;所述历史数据包括故障投递口的图像信息和所述故障投递口对应的故障类型。
22.根据权利要求21所述的装置,其特征在于,所述装置还包括:
标记模块,用于标记历史数据,所述历史数据包括投递口的图像信息和对应的故障类型。
23.根据权利要求22所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述故障投递口的图像信息是否符合预设要求。
24.根据权利要求23所述的装置,其特征在于,所述装置还包括:
添加模块,用于将判断出的故障投递口的图像信息和故障类型加入历史数据集合。
25.根据权利要求16所述的装置,其特征在于,所述装置还包括:
统计模块,用于统计故障投递口的故障类型满足第二指定条件的次数;
误报处理启动模块,用于当所述次数超过指定阈值时,启动误报处理操作。
26.一种物流对象投递装置的故障检测装置,应用于物流对象投递装置,所述物流对象投递装置包括多个投递口,所述装置包括:
初始维修工单生成模块,用于生成物流对象投递装置的投递口的故障信息;
发送模块,用于将所述故障信息发送至服务端,获取初始维修工单,所述初始维修工单包括所述故障投递口的位置信息;
故障类型获取模块,用于获取所述服务端发送的故障类型,所述故障类型是所述服务端的机器学习模型根据所述故障投递口的图像信息确定的故障类型;所述故障类型包括需要现场维修的第一类和不需要现场维修的第二类;
维修工单生成模块,用于当获取到的所述故障类型满足第一指定条件时,生成维修工单。
27.根据权利要求26所述的装置,其特征在于,所述装置还包括:
撤回模块,用于当检测到所述故障类型满足第二指定条件时,撤回所述初始维修工单。
28.根据权利要求27所述的装置,其特征在于,当获取到的所述故障类型满足第二指定条件时,所述装置还包括:
提示模块,用于发出提示信息。
29.根据权利要求26所述的装置,其特征在于,所述故障投递口的图像信息是所述故障投递口对应的图像信息,或者是从视频数据中提取出的图像信息。
30.根据权利要求26所述的方法,其特征在于,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
31.一种终端设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述终端设备执行如权利要求1-15中一个或多个所述的方法。
32.一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得终端设备执行如权利要求1-15中一个或多个所述的方法。
33.一种物流对象投递装置的故障处理系统,其特征在于,包括服务端、物流对象投递装置和图像拍摄装置;
所述物流对象投递装置包括多个投递口,所述物流对象投递装置用于在检测到投递口故障信息时,发送所述故障信息并获取初始维修工单;
所述服务端用于根据所述初始维修工单中故障投递口的位置信息,从所述图像拍摄装置获取包括故障投递口的图像信息;并根据所述图像信息,利用机器学习模型确定所述故障投递口的故障类型;
当所述故障类型满足指定条件时,所述物流对象投递装置进一步根据所述故障类型生成维修工单。
34.根据权利要求33所述的物流对象投递装置的故障处理系统,其特征在于,所述物流对象投递装置包括:快递自提柜、快递寄件柜、衣物捐赠装置、垃圾回收装置其中一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514429.8A CN113837400B (zh) | 2020-06-08 | 2020-06-08 | 物流对象投递装置故障处理和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514429.8A CN113837400B (zh) | 2020-06-08 | 2020-06-08 | 物流对象投递装置故障处理和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837400A true CN113837400A (zh) | 2021-12-24 |
CN113837400B CN113837400B (zh) | 2024-04-16 |
Family
ID=78963654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514429.8A Active CN113837400B (zh) | 2020-06-08 | 2020-06-08 | 物流对象投递装置故障处理和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837400B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260866A (zh) * | 2015-09-29 | 2016-01-20 | 成都我来啦网格信息技术有限公司 | 一种储物柜开箱故障检测方法 |
CN108648334A (zh) * | 2018-04-11 | 2018-10-12 | 合肥美的智能科技有限公司 | 无人售货柜及其异常上报控制方法、无人售货系统 |
CN109242276A (zh) * | 2018-08-21 | 2019-01-18 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理系统 |
CN109635963A (zh) * | 2018-12-18 | 2019-04-16 | 深圳市丰巢科技有限公司 | 远程修复快递柜故障的方法、装置、快递柜及存储介质 |
CN109711359A (zh) * | 2018-12-29 | 2019-05-03 | 北京沃东天骏信息技术有限公司 | 售货机控制方法、装置和计算机可读存储介质 |
CN109887161A (zh) * | 2019-01-19 | 2019-06-14 | 创新奇智(合肥)科技有限公司 | 一种无人售货柜防盗方法、系统及具有防盗功能的无人售货柜 |
CN110363467A (zh) * | 2019-06-05 | 2019-10-22 | 菜鸟智能物流控股有限公司 | 仓储远程监控方法及系统、存储介质和处理器 |
CN110599103A (zh) * | 2019-09-18 | 2019-12-20 | 工业云制造(四川)创新中心有限公司 | 一种基于智能制造mes系统的生产管理子系统 |
CN110674952A (zh) * | 2019-10-09 | 2020-01-10 | 深圳市丰巢科技有限公司 | 一种远程快递柜故障修复方法、装置、服务器和存储介质 |
CN110675570A (zh) * | 2019-11-05 | 2020-01-10 | 深圳市丰巢科技有限公司 | 一种快递柜的控制方法、装置、快递柜及存储介质 |
-
2020
- 2020-06-08 CN CN202010514429.8A patent/CN113837400B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260866A (zh) * | 2015-09-29 | 2016-01-20 | 成都我来啦网格信息技术有限公司 | 一种储物柜开箱故障检测方法 |
CN108648334A (zh) * | 2018-04-11 | 2018-10-12 | 合肥美的智能科技有限公司 | 无人售货柜及其异常上报控制方法、无人售货系统 |
CN109242276A (zh) * | 2018-08-21 | 2019-01-18 | 国网江苏省电力有限公司泰州供电分公司 | 物流设备故障监测运维管理系统 |
CN109635963A (zh) * | 2018-12-18 | 2019-04-16 | 深圳市丰巢科技有限公司 | 远程修复快递柜故障的方法、装置、快递柜及存储介质 |
CN109711359A (zh) * | 2018-12-29 | 2019-05-03 | 北京沃东天骏信息技术有限公司 | 售货机控制方法、装置和计算机可读存储介质 |
CN109887161A (zh) * | 2019-01-19 | 2019-06-14 | 创新奇智(合肥)科技有限公司 | 一种无人售货柜防盗方法、系统及具有防盗功能的无人售货柜 |
CN110363467A (zh) * | 2019-06-05 | 2019-10-22 | 菜鸟智能物流控股有限公司 | 仓储远程监控方法及系统、存储介质和处理器 |
CN110599103A (zh) * | 2019-09-18 | 2019-12-20 | 工业云制造(四川)创新中心有限公司 | 一种基于智能制造mes系统的生产管理子系统 |
CN110674952A (zh) * | 2019-10-09 | 2020-01-10 | 深圳市丰巢科技有限公司 | 一种远程快递柜故障修复方法、装置、服务器和存储介质 |
CN110675570A (zh) * | 2019-11-05 | 2020-01-10 | 深圳市丰巢科技有限公司 | 一种快递柜的控制方法、装置、快递柜及存储介质 |
Non-Patent Citations (3)
Title |
---|
GAO XIN等: "Rational Design of a Polymer with Robust Efficacy for Intracellular Protein and Peptide Delivery", 《NANO LETTERS》, vol. 17, no. 03, 1 March 2017 (2017-03-01), pages 1678 - 1684 * |
曾嫘: "设备远程故障诊断与协同维护管理系统研究", 《价值工程》, no. 07, 31 March 2018 (2018-03-31), pages 65 - 70 * |
高鑫: "基于Kinect平台的独居老人室内智能监控系统设计", 《电脑知识与技术》, 31 May 2017 (2017-05-31), pages 166 - 170 * |
Also Published As
Publication number | Publication date |
---|---|
CN113837400B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726072B (zh) | WebLogic服务器的监控告警方法、装置、系统及计算机存储介质 | |
CN102937930B (zh) | 应用程序监控系统及方法 | |
CN110363888B (zh) | 门锁管理方法、装置、电子设备及可读取存储介质 | |
JP2021046783A (ja) | スマートメールボックス及び関連方法 | |
CN108616404B (zh) | 一种客服方法、管理平台、存储介质及系统 | |
CN104636897A (zh) | 一种邮递快件存取系统 | |
CN101424426B (zh) | 空调器的差错管理系统 | |
CN103577973B (zh) | 工作流任务的处理方法及装置 | |
CN112926925A (zh) | 一种产品监管方法、装置、电子设备及存储介质 | |
CN100418111C (zh) | 对银行atm终端安全隐患实时预警监控的方法和系统 | |
CN114200877B (zh) | 一种用电设备的监控方法和装置 | |
CN111445321A (zh) | 基于物联网的银行网点营业管控方法及装置 | |
CN113837400A (zh) | 物流对象投递装置故障处理和装置 | |
KR101139888B1 (ko) | 컨테이너 보안 장치를 위한 rfid 미들웨어 시스템 | |
CN109671227B (zh) | 智能货柜消费行为识别方法、装置、存储介质和电子设备 | |
CN108122036B (zh) | 一种变电站带电运检辅助分析方法 | |
CN113220379B (zh) | 任务处理方法、装置、电子设备和可读存储介质 | |
CN113312263B (zh) | 异常监测方法和装置 | |
CN114500316A (zh) | 一种物联网设备巡检方法和系统 | |
KR20230043518A (ko) | 다회용 컵 유통 서비스를 제공하기 위한 다회용 컵 회수 관리 시스템 | |
KR20230043516A (ko) | 사용자에게 리워드를 지급처리하는 자동화된 다회용 컵 회수 시스템 | |
CN113592108A (zh) | 一种充电桩的充电故障管理方法及相关设备 | |
CN107657751B (zh) | 用于快递柜的取件方法 | |
CN111416442A (zh) | 一种基于微信小程序的ups配电柜监控方法及系统 | |
CN116260963B (zh) | 一种用于相机故障的应急处置方法及装置 |
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 |