CN114693345A - 信息处理方法、装置、设备及存储介质 - Google Patents
信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114693345A CN114693345A CN202210266062.1A CN202210266062A CN114693345A CN 114693345 A CN114693345 A CN 114693345A CN 202210266062 A CN202210266062 A CN 202210266062A CN 114693345 A CN114693345 A CN 114693345A
- Authority
- CN
- China
- Prior art keywords
- pig
- pork
- expected
- whole
- commodities
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 235000015277 pork Nutrition 0.000 claims abstract description 174
- 241000282887 Suidae Species 0.000 claims abstract description 33
- 230000004044 response Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000015654 memory Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000014759 maintenance of location Effects 0.000 abstract 1
- 238000007405 data analysis Methods 0.000 description 8
- 230000000717 retained effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种信息处理方法、装置、设备及存储介质，信息处理方法，包括：响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解；根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪；将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。本发明通过各类猪肉商品的数据的分析，减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
Description
技术领域
本发明涉及计算机应用领域，尤其涉及一种信息处理方法、装置、设备及存储介质。
背景技术
在猪肉销售领域，由于一头整猪的各个部位皆可以作为猪肉商品进行销售。猪肉商品例如可以包括由整猪拆分获得的猪五花、蹄髈、猪脚、肋排、猪头肉、猪内脏等。同时，对于整头猪而言，其各部位出货量比例大致固定，因此，各细分品类(猪肉商品)一般均可成比例出现在市场进行销售。
然而，面对喜好、口味、饮食习惯大致趋同的消费市场，常常会出现某几种品类售空另几样货品却鲜有人问津的情况。而这部分无法快速售出的猪肉商品积压后还会带来库存压力、人工压力以及异常损耗等成本问题。
由此，如何通过各类猪肉商品的数据的分析，减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗，是本领域技术人员亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种信息处理方法、装置、设备及存储介质，进而通过各类猪肉商品的数据的分析，减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
根据本发明的一个方面，提供一种信息处理方法，包括：
响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解；
根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪；
将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
在本申请的一些实施例中，所述猪场内的各整猪的各部位的可售参数自所述猪场的数据管理服务器获取。
在本申请的一些实施例中，所述猪场内的各整猪的各部位的可售参数根据如下步骤获取：
自所述猪场的视频采集设备获取所述猪场的视频数据；
根据所述视频数据，识别所述猪场中的整猪；
根据所述视频数据中所识别出的整猪，获取各整猪的整猪图像；
根据所述整猪图像检测所述整猪的可售参数。
在本申请的一些实施例中，所述将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量包括：
将当前可售整猪的整猪图像拆分为当前可售整猪的各部位的部位图像；
将所述整猪图像以及所述部位图像关联所述猪肉商品显示。
在本申请的一些实施例中，所述根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量包括：
根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的设定时间段内的预期销量。
在本申请的一些实施例中，所述根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪包括：
根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益；
响应于所述预期损耗和/或预期收益符合设定条件，根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪。
在本申请的一些实施例中，所述根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益包括：
根据所述预期销量、猪场内各整猪的各部位的最小可售参数，计算第一预期损耗和/或第一预期收益；
根据所述预期销量、猪场内各整猪的各部位的最大可售参数，计算第二预期损耗和/或第二预期收益；
由所述第一预期损耗和所述第二预期损耗形成预期损耗范围；和/或由所述第一预期收益和所述第二预期收益形成预期收益范围，
其中，所述设定条件为，损耗阈值位于所述预期损耗范围内和/或收益阈值位于所述预期收益范围内。
在本申请的一些实施例中，响应于所述预期损耗和/或预期收益不符合所述设定条件，当库存量不为零的猪肉商品的订单生成，再次根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益，并判断所述预期损耗和/或预期收益是否符合所述设定条件。
在本申请的一些实施例中，还包括：
增加库存量不为零的猪肉商品的曝光率和推送率；和/或
减少库存量为零的猪肉商品的曝光率和推送率。
在本申请的一些实施例中，降低库存量不为零的猪肉商品的销售价格。
根据本申请的又一方面，还提供一种信息处理装置，包括：
销量预测模块，用于响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解；
整猪匹配模块，用于根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪；
库存量更新模块，用于将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
当猪肉商品的库存量为零时，触发猪肉商品的预期销量的预测，基于所预测的预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，拆分为多个部位的猪肉商品，并基于所述可售参数更新所述猪肉商品的库存量。由此，本发明基于猪肉商品的预期销量的数据分析、猪场的整猪参数的数据分析，自猪场内匹配整猪进行拆分来更新各部位的猪肉商品的库存量，避免部分部位的猪肉商品长时间留存，从而减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的信息处理方法的流程图。
图2示出了根据本发明实施例的整猪及各部位猪肉商品的示意图。
图3示出了根据本发明实施例的获取猪场内的各整猪的各部位的可售参数的流程图。
图4示出了根据本发明实施例的复用猪场的猪肉图像的流程图。
图5示出了根据本发明实施例的根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪的流程图。
图6示出了根据本发明实施例的根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益的流程图。
图7示出了根据本发明实施例的信息处理装置的模块图。
图8示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图9示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的信息处理方法的流程图。信息处理方法包括如下步骤：
步骤S110：响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解。
具体而言，可以参考图2，图2示出了根据本发明实施例的整猪及各部位猪肉商品的示意图。每头整猪都可以按预设的部位进行拆分，从而获得多个部位的猪肉商品。图2仅仅是示意性地示出一种拆解方式，本申请并非以此为限制。其它诸如部位的进一步细分和整合，也在本申请的保护范围之内。
具体而言，整猪按部位拆解出的猪肉商品在电商平台、社区团购平台等线上购物平台进行销售。
具体而言，在一些现有的技术中，某个或多个部位的猪肉商品库存量为零时，通常直接拆解一整猪进行售罄部位的库存量的补充。而本申请中，为了避免其它未售罄部位的猪肉商品的留存，因此，通过步骤S110进行各部位的猪肉商品的预期销量的预测。
在一些实施例中，可以通过各部位的猪肉商品在最近设定时间段内的历史销售数据作为各部位的猪肉商品在未来设定时间段内的预期销量。设定时间段可以为6个小时、12个小时、24个小时等。
在另一些实施例中，可以通过各部位的猪肉商品在T1内的历史销售数据乘以T2/T1，作为各部位的猪肉商品在未来设定时间段T2内的预期销量。
在另一些实施例中，还可以结合当前时间的时间特征，来获取具有对应时间特征的设定时间段内的历史销售数据，并基于所获取的历史销售数据来预测猪肉商品的预期效率。例如，若当前时间具有时间特征-周末，则可以获取各部位猪肉商品的周末的历史销售数据，并基于所获取的历史销售数据来预测猪肉商品的预期效率。又例如，若当前时间具有时间特征-促销期，则可以获取各部位猪肉商品在促销期内的历史销售数据，并基于所获取的历史销售数据来预测猪肉商品的预期销量。
在另一些实施例中，还可以通过经训练的销量预测模型，来将各部位猪肉商品的历史销售数据作为销量预测模型的输入，获取销量预测模型的输出作为预测的预期销量。销量预测模型例如可以是神经网络模型、长短时记忆模型等，本申请并非以此为限制。
步骤S120：根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪。
具体而言，各整猪的各部位的可售参数例如为根据整猪的重量以及各部位预设比例计算获得的可售重量或者可售份数。可售参数可以预存于猪场的数据管理服务器中，以便于猪场进行整猪的管理。从而步骤S120中，猪场内的各整猪的各部位的可售参数自所述猪场的数据管理服务器获取。可售参数也可以基于猪场的视频采集设备采集的视频数据进行识别和计算获得。
具体而言，步骤S120旨在自猪场内匹配一整猪，以减小未售罄的猪肉商品的库存量。例如，可以将各部位的可售份数与各部位的预期销量正相关(或者近似正相关)的整猪，作为所匹配的整猪。由此，该整猪销量更高的部位能够有更高的可售份数。本申请还可以提供其它匹配方式，在此不予赘述。
步骤S130：将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
由此，根据步骤S120匹配获得的整猪，可以将其按部位拆分为多个猪肉商品，并通过可售参数来更新猪肉商品的库存量。进一步地，售罄的猪肉商品可以继续上架售卖，而未被售罄的猪肉商品由于步骤S120的匹配，不会留存过多导致成本增加。
此外，相较于在拆解整猪，对各部位进行称重后再更新库存量的实施例，通过可售参数进行库存量的更新能够提高库存量的更新速度，保证猪肉商品尽快处于在售状态。
在本发明提供的信息处理方法中，当猪肉商品的库存量为零时，触发猪肉商品的预期销量的预测，基于所预测的预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，拆分为多个部位的猪肉商品，并基于所述可售参数更新所述猪肉商品的库存量。由此，本发明基于猪肉商品的预期销量的数据分析、猪场的整猪参数的数据分析，自猪场内匹配整猪进行拆分来更新各部位的猪肉商品的库存量，避免部分部位的猪肉商品长时间留存，从而减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
下面参见图3，图3示出了根据本发明实施例的获取猪场内的各整猪的各部位的可售参数的流程图。图3共示出如下步骤：
步骤S101：自所述猪场的视频采集设备获取所述猪场的视频数据。
具体而言，猪场内可以布局有多个视频采集设备，以能够覆盖猪场内各个整猪的活动范围。
步骤S102：根据所述视频数据，识别所述猪场中的整猪。
具体而言，可以根据训练好的整猪识别模型，来基于视频数据，识别出图像中的整猪。整猪识别模型例如可以为各类卷积神经网络模型，本申请并非以此为限制。
步骤S103：根据所述视频数据中所识别出的整猪，获取各整猪的整猪图像。
具体而言，由于猪场内，多个整猪可能聚集在一起，从而导致视频数据中的整猪并不完整。由此，可以基于目标对象跟踪算法，跟踪视频数据中各整猪的移动，并当视频数据中存在该整猪的完整图像时，再执行步骤S103获取整猪图像。
步骤S104：根据所述整猪图像检测所述整猪的可售参数。
在一些实施例中，步骤S104可以根据整猪图像识别出整猪的重量，并基于预设的各部位占整猪的比例，确定该整猪的各部位的猪肉商品的重量，并基于猪肉商品的重量与猪肉商品的每份重量，来计算猪肉商品的可售份数。
在一些变化例中，步骤S104中可以通过整猪图像识别出各部位占据整猪的比例以及整猪的重量，从而确定该整猪的各部位的猪肉商品的重量，并基于猪肉商品的重量与猪肉商品的每份重量，来计算猪肉商品的可售份数。
在又一些变化例中，步骤S104中所要检测的每个整猪的整猪图像可以为多个，多个整猪图像分别示出整猪的不同视角，由此，可以提高步骤S104的检测准确率。
在另一些变化例中，视频采集设备也可以是深度摄像头，由此，以便于对整猪进行三维构建，以通过三维空间的视觉数据的获取，提高步骤S104的整猪及其各部位的比例的检测准确率。
具体而言，图3示出的步骤S101至步骤S104可以响应于步骤S120实时执行，也可以预先执行后将各整猪的可售参数储存于数据管理服务器，以便于进行步骤S120可以直接从数据管理服务获取。进一步地，猪场的数据管理服务还可以储存各整猪的整猪标识(诸如整猪在猪场的位置、整猪携带的标签的标号等)，以便于猪场工作人员可以尽快识别出可售整猪，以便于对可售整猪进行运输，或者直接进行拆解。
下面参见图4，图4示出了根据本发明实施例的复用猪场的猪肉图像的流程图。图4共示出如下步骤：
步骤S131：将当前可售整猪的整猪图像拆分为当前可售整猪的各部位的部位图像。
具体而言，步骤S131可以通过训练好的部位识别模型，来对整猪图像进行拆分。部位识别模型例如可以是各类卷积神经网络模型。
步骤S132：将所述整猪图像以及所述部位图像关联所述猪肉商品显示。
具体而言，可以将步骤S103和步骤S104中获得的整猪图像进行复用，由此，可以复用整猪图像，不仅可以用于整猪识别以及可售参数的检测，还可以在猪肉商品销售时便于用户直观地获知猪肉商品相关信息，诸如猪肉商品来自哪一整猪、猪肉商品处于整猪中哪一部位、整猪的整体状态等。
下面参见图5，图5示出了根据本发明实施例的根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪的流程图。图5共示出如下步骤：
步骤S121：根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益。
具体而言，可以基于各部位的猪肉商品的预期销量和可售参数，来基于每份猪肉商品的成本和售价计算各部位的猪肉商品的预期收益。同时，还可以基于各部位的猪肉商品的预期销量和可售参数，来计算预期未被售出的猪肉商品的数量，并根据其保质期预测可能会超过保质期的猪肉商品的数量，由此计算预期损耗。
步骤S122：响应于所述预期损耗和/或预期收益符合设定条件，根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪。
具体而言，当预期损耗和/或预期收益符合设定条件时，也即当预期收益较高和/或预期损耗较低时，可以匹配一整猪进行拆解，以更新猪肉商品的库存量。
具体而言，响应于所述预期损耗和/或预期收益不符合所述设定条件，也即当预期收益较低和/或预期损耗较高时，暂时不匹配整猪进行拆解。在该实施例中，可以当库存量不为零的猪肉商品的订单生成时，再次根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益，并判断所述预期损耗和/或预期收益是否符合所述设定条件。由此，可以基于库存量不为零的猪肉商品的新订单的生成触发判断条件的再次执行，直到预期损耗和/或预期收益符合设定条件时，也即当预期收益较高和/或预期损耗较低时，可以匹配一整猪进行拆解，以更新猪肉商品的库存量。
下面参见图6，图6示出了根据本发明实施例的根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益的流程图。图6共示出如下步骤：
步骤S1211：根据所述预期销量、猪场内各整猪的各部位的最小可售参数，计算第一预期损耗和/或第一预期收益。
步骤S1212：根据所述预期销量、猪场内各整猪的各部位的最大可售参数，计算第二预期损耗和/或第二预期收益。
步骤S1213：由所述第一预期损耗和所述第二预期损耗形成预期损耗范围；和/或由所述第一预期收益和所述第二预期收益形成预期收益范围。
其中，所述设定条件为，损耗阈值位于所述预期损耗范围内和/或收益阈值位于所述预期收益范围内。
具体而言，根据步骤S1211可以计算出猪场内各整猪的最小的预期损耗和/或最小的预期收益；根据步骤S1212可以计算出猪场内各整猪的最大的预期损耗和/或最大的预期收益。由此，当损耗阈值位于由最小预期损耗和最大预期损耗形成的预期损耗范围内时，表示猪场内存在整猪可以符合设定条件指定的损耗阈值，可以进行整猪匹配。当收益阈值位于由最小预期收益和最大预期收益形成的预期收益范围内时，表示猪场内存在整猪可以符合设定条件指定的收益阈值，由此，可以进行整猪匹配
在本申请的一些实施例中，还可以增加库存量不为零的猪肉商品的曝光率和推送率，以提高库存量不为零的猪肉商品的销量。优选地，该步骤可以响应于所述预期损耗和/或预期收益不符合所述设定条件时执行。
在本申请的一些实施例中，也可以减少库存量为零的猪肉商品的曝光率和推送率，由此，减少售罄的猪肉商品的预期销量，以保证售罄的猪肉商品和未售罄的猪肉的销售进度相一致，以便于同一整猪的各部位的猪肉商品可以在较短的时间差内售罄。优选地，该步骤可以响应于预期损耗和/或预期收益符合所述设定条件时执行，以对于当前售罄的猪肉商品在其库存量更新时，仍然减少其曝光率和推送率。
在本申请的一些实施例中，还可以降低库存量不为零的猪肉商品的销售价格，以提高库存量不为零的猪肉商品的销量。优选地，该步骤可以响应于所述预期损耗和/或预期收益不符合所述设定条件时执行。
在本申请的一些实施例中，整猪的各部位的猪肉商品可以以社区团购、电商平台团购的方式执行。例如，可以基于猪场内整猪的各部位的猪肉商品可售参数，形成同一团购订单的多个猪肉商品。当同一团购订单的多个猪肉商品皆被订购至库存量为零，在该团购订单成团，自猪场获取整猪，拆解为多个猪肉商品以便于进行发货。当同一团购订单在设定时间段内存在未被订购至库存量为零的猪肉商品，则该团购订单未成团，可以向参与该团购订单的用户进行退款。
以上仅仅是本发明的信息处理方法的多个具体实现方式，各实现方式可以独立或组合来实现，本发明并非以此为限制。进一步地，本发明的流程图仅仅是示意性地，各步骤之间的执行顺序并非以此为限制，步骤的拆分、合并、顺序交换、其它同步或异步执行的方式皆在本发明的保护范围之内。
下面参见图7，图7示出了根据本发明实施例的信息处理装置的模块图。信息处理装置200，其包括销量预测模块210、整猪匹配模块220以及库存量更新模块230。
销量预测模块210用于响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解。
整猪匹配模块220用于根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪。
库存量更新模块230用于将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
在本发明的示例性实施方式的信息处理装置中，当猪肉商品的库存量为零时，触发猪肉商品的预期销量的预测，基于所预测的预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，拆分为多个部位的猪肉商品，并基于所述可售参数更新所述猪肉商品的库存量。由此，本发明基于猪肉商品的预期销量的数据分析、猪场的整猪参数的数据分析，自猪场内匹配整猪进行拆分来更新各部位的猪肉商品的库存量，避免部分部位的猪肉商品长时间留存，从而减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
图7仅仅是示意性的示出本发明提供的信息处理装置200，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的信息处理装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述信息处理方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述所述信息处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述信息处理方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备500。图9显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述所述信息处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯，还可与一个或者多个使得租户能与该电子设备500交互的设备通讯，和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述所述信息处理方法。
相比现有技术，本发明的优势在于：
当猪肉商品的库存量为零时，触发猪肉商品的预期销量的预测，基于所预测的预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，拆分为多个部位的猪肉商品，并基于所述可售参数更新所述猪肉商品的库存量。由此，本发明基于猪肉商品的预期销量的数据分析、猪场的整猪参数的数据分析，自猪场内匹配整猪进行拆分来更新各部位的猪肉商品的库存量，避免部分部位的猪肉商品长时间留存，从而减少整猪中留存猪肉商品带来库存压力、人工压力以及异常损耗。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。
Claims (13)
1.一种信息处理方法，其特征在于，包括：
响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解；
根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪；
将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
2.如权利要求1所述的信息处理方法，其特征在于，所述猪场内的各整猪的各部位的可售参数自所述猪场的数据管理服务器获取。
3.如权利要求1所述的信息处理方法，其特征在于，所述猪场内的各整猪的各部位的可售参数根据如下步骤获取：
自所述猪场的视频采集设备获取所述猪场的视频数据；
根据所述视频数据，识别所述猪场中的整猪；
根据所述视频数据中所识别出的整猪，获取各整猪的整猪图像；
根据所述整猪图像检测所述整猪的可售参数。
4.如权利要求3所述的信息处理方法，其特征在于，所述将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量包括：
将当前可售整猪的整猪图像拆分为当前可售整猪的各部位的部位图像；
将所述整猪图像以及所述部位图像关联所述猪肉商品显示。
5.如权利要求1所述的信息处理方法，其特征在于，所述根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量包括：
根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的设定时间段内的预期销量。
6.如权利要求5所述的信息处理方法，其特征在于，所述根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪包括：
根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益；
响应于所述预期损耗和/或预期收益符合设定条件，根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪。
7.如权利要求6所述的信息处理方法，其特征在于，所述根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益包括：
根据所述预期销量、猪场内各整猪的各部位的最小可售参数，计算第一预期损耗和/或第一预期收益；
根据所述预期销量、猪场内各整猪的各部位的最大可售参数，计算第二预期损耗和/或第二预期收益；
由所述第一预期损耗和所述第二预期损耗形成预期损耗范围；和/或由所述第一预期收益和所述第二预期收益形成预期收益范围，
其中，所述设定条件为，损耗阈值位于所述预期损耗范围内和/或收益阈值位于所述预期收益范围内。
8.如权利要求6所述的信息处理方法，其特征在于，响应于所述预期损耗和/或预期收益不符合所述设定条件，当库存量不为零的猪肉商品的订单生成，再次根据所述预期销量以及猪场内的各整猪的各部位的可售参数计算预期损耗和/或预期收益，并判断所述预期损耗和/或预期收益是否符合所述设定条件。
9.如权利要求1至8任一项所述的信息处理方法，其特征在于，还包括：
增加库存量不为零的猪肉商品的曝光率和推送率；和/或
减少库存量为零的猪肉商品的曝光率和推送率。
10.如权利要求1至8任一项所述的信息处理方法，其特征在于，降低库存量不为零的猪肉商品的销售价格。
11.一种信息处理装置，其特征在于，包括：
销量预测模块，用于响应于一个或多个部位的猪肉商品的库存量为零，根据所述猪肉商品的历史销售数据预测各部位的猪肉商品的预期销量，所述猪肉商品基于整猪拆解；
整猪匹配模块，用于根据所述预期销量、猪场内的各整猪的各部位的可售参数，自所述猪场内匹配一整猪，作为当前可售整猪；
库存量更新模块，用于将当前可售整猪拆分为多个部位的猪肉商品，基于所述可售参数更新所述猪肉商品的库存量。
12.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行：
如权利要求1至10任一项所述的信息处理方法。
13.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行：
如权利要求1至10任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266062.1A CN114693345A (zh) | 2022-03-17 | 2022-03-17 | 信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266062.1A CN114693345A (zh) | 2022-03-17 | 2022-03-17 | 信息处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114693345A true CN114693345A (zh) | 2022-07-01 |
Family
ID=82138318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210266062.1A Pending CN114693345A (zh) | 2022-03-17 | 2022-03-17 | 信息处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114693345A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029797A (zh) * | 2023-02-28 | 2023-04-28 | 畅捷通信息技术股份有限公司 | 一种电商零售商品的销售管理方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833739A (zh) * | 2009-03-12 | 2010-09-15 | 福建森宝食品集团股份有限公司 | 肉鸡屠宰分割产品的优化组合方法及系统 |
| US20170124727A1 (en) * | 2014-06-17 | 2017-05-04 | 3M Innovative Properties Company | Method and device for automated parameters calculation of an object |
| KR20210060937A (ko) * | 2019-11-19 | 2021-05-27 | 주식회사 포에스에스 | 소비 예측을 반영한 축산물 온라인 거래 시스템 |
| CN113781104A (zh) * | 2021-08-16 | 2021-12-10 | 吉华盛(台州)供应链管理有限公司 | 一种猪肉日销售量ab算法 |
-
2022
- 2022-03-17 CN CN202210266062.1A patent/CN114693345A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833739A (zh) * | 2009-03-12 | 2010-09-15 | 福建森宝食品集团股份有限公司 | 肉鸡屠宰分割产品的优化组合方法及系统 |
| US20170124727A1 (en) * | 2014-06-17 | 2017-05-04 | 3M Innovative Properties Company | Method and device for automated parameters calculation of an object |
| KR20210060937A (ko) * | 2019-11-19 | 2021-05-27 | 주식회사 포에스에스 | 소비 예측을 반영한 축산물 온라인 거래 시스템 |
| CN113781104A (zh) * | 2021-08-16 | 2021-12-10 | 吉华盛(台州)供应链管理有限公司 | 一种猪肉日销售量ab算法 |
Non-Patent Citations (1)
| Title |
|---|
| 李卓 等: "基于深度图像的猪体尺检测系统", 猪业观察, no. 4, 31 December 2018 (2018-12-31), pages 26 - 33 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029797A (zh) * | 2023-02-28 | 2023-04-28 | 畅捷通信息技术股份有限公司 | 一种电商零售商品的销售管理方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11983727B2 (en) | System and method for data-driven insight into stocking out-of-stock shelves | |
| US8560357B2 (en) | Retail model optimization through video data capture and analytics | |
| US20080147485A1 (en) | Customer Segment Estimation Apparatus | |
| US20160321709A1 (en) | Distributed system for processing of transaction data from a plurality of gas stations | |
| US20100138281A1 (en) | System and method for retail store shelf stock monitoring, predicting, and reporting | |
| US20140310059A1 (en) | System , method and computer program forecasting energy price | |
| CN112215546B (zh) | 一种对象页面生成方法、装置、设备及存储介质 | |
| US20150235239A1 (en) | Predicting demand of a newly introduced short lifecycle product within an assortment | |
| KR20200118966A (ko) | 상품 판매량 예측 방법, 장치 및 시스템 | |
| JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
| US20180253711A1 (en) | Inventory management system and method | |
| CN114693345A (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN111340455A (zh) | 自动化生成数据分析结果的方法、装置、设备及存储介质 | |
| JP6193817B2 (ja) | 需要予測装置およびプログラム | |
| US11631102B2 (en) | Optimization of markdown schedules for clearance items at physical retail stores | |
| JP2020057164A (ja) | 解析装置 | |
| WO2023120126A1 (ja) | 販売数量予測システム、販売数量予測方法 | |
| JP6276655B2 (ja) | 需要予測装置およびプログラム | |
| JP2015032267A (ja) | 需要予測装置及びプログラム | |
| CN115018586A (zh) | 跨平台商品推送方法、装置、设备及存储介质 | |
| CN114880600A (zh) | 展示酒店信息的方法、装置、电子设备、存储介质 | |
| KR102419430B1 (ko) | 중고화물차 매매가격 제공 장치 및 방법 | |
| CN113592598A (zh) | 信息显示方法、装置、设备及存储介质 | |
| US8126765B2 (en) | Market demand estimation method, system, and apparatus | |
| US20230419201A1 (en) | Systems and methods for service location optimization |
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 |