CN114707904A - 一种基于大数据的质量检测方法及系统 - Google Patents
一种基于大数据的质量检测方法及系统 Download PDFInfo
- Publication number
- CN114707904A CN114707904A CN202210483260.3A CN202210483260A CN114707904A CN 114707904 A CN114707904 A CN 114707904A CN 202210483260 A CN202210483260 A CN 202210483260A CN 114707904 A CN114707904 A CN 114707904A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- detected
- unqualified
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000002950 deficient Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 3
- 238000004364 calculation method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q30/01—Customer relationship services
- G06Q30/012—Providing warranty services
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及大数据质量检测技术领域,公开了一种基于大数据的质量检测方法,包括:获取待测商品的图像信息和表面标识信息;基于表面标识信息获取数据库中存储的标准图像数据信息;根据图像信息和标准图像数据信息进行判断比较,并根据比较结果判断待测商品是否合格;根据不合格商品与待测商品的比率,控制生产厂商的总生产量。在本申请中,通过将实时采集到的图像信息与标准图像数据信息判断比较,可以在商品生产时进行质量检测,确保用户购买的商品无质量问题,通过本申请的方法,极大地提高了商品检测效率,降低了商品检测的误差,且能够控制比率过高的厂商生产商品的数量,有效地降低了不合格商品的生产数量。
Description
技术领域
本发明涉及大数据质量检测技术领域,特别是涉及一种基于大数据的质量检测方法及系统。
背景技术
目前,随着科技的发展和网络的进步,用户购买商品的途径多种多样,随着购买商品数量的增加,制造商生产商品的速度也越来越快,随着生产速度的加快,商品的质量就会出现问题,从而对客户造成不好的购物体验,特别地,近年来很多厂商为了增大销售利润,还是会销售一些生产不合格的商品,这样,商品的质量会越来越差,影响用户的购物体验。
当前许多厂商的商品都是通过相关的监管部门来进行检测,而在检测的时候通过采用抽样检测的方法,也就是从一批商品里随机抽取几个商品去进行检测,这样会造成不合格商品的商品依旧流入到市场的现象,尤其当检测量较大的时候,随着工作人员的体力精力的下降会造成疲倦期,此时检测效率低、误差大,不能对待检测商品进行精准地掌握。
因此,如何提供一种可以基于大数据对商品的质量进行有效的检测,是目前有待解决的技术问题。
发明内容
本发明实施例提供一种基于大数据的质量检测方法及系统,通过将实时采集到的待测商品的图像信息与标准图像数据信息比较,来判断商品是否合格,用来解决现有技术中无法提高商品质量检测准确性的技术问题。
在本申请的一些实施例中,获取待测商品的初始数据,基于所述初始数据生成所述待测商品的表面标识信息,将所述表面标识信息打印于所述待测商品上。在本申请中,当商品出厂时,通过检测商品的初始数据,并根据初始数据生产该商品的专属表面标识信息,将表面标识信息打印于该商品上,通过表面标识信息极大地方便了对商品的统一管理,便于后续的管理操作。
在本申请的一些实施例中,接收实时采集到的所述待测商品的图像信息;根据所述图像信息的像素信息,确定所述图像信息的噪声强度;基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较,根据比较结果判断所述待测商品是否合格。在本申请中,可以通过将实时获取的商品的图像信息转换为数据信息,便于和标准的图像数据作比较,可以实时地对生产商品的质量进行检测,有效地避免不合格商品流入市场,进而使客户购买到不合格的商品。
在本申请的一些实施例中,根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。当计算获取到比率P时,此时,比率P越大,则说明该生产厂家的不合格商品较多,则降低该生产厂商的生产量,避免该生产厂商生产更多不合格的商品,比率P越小,则说明该生产厂商的不合格商品较少,可以提高该商场厂商生产该商品的数量。在本申请中,通过获取不合格商品的数量,与生产总数量比较,可以得到一个比率,根据比率来控制该生产厂家生产该商品的数量,可以有效地降低不合格的商品数量,进一步保证了商品的数量。
为了实现上述目的,本发明提供了一种基于大数据的质量检测方法,其特征在于,所述方法包括:
获取待测商品的图像信息和表面标识信息;
基于所述表面标识信息获取数据库中存储的标准图像数据信息;
根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
在本申请的一些实施例中,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
在本申请的一些实施例中,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
在本申请的一些实施例中,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
在本申请的一些实施例中,不合格商品与所述待测商品的比率是通过以下公式实现的:
其中,N为不合格商品总量,M为待测商品总量,P为比率;
根据所述比率P控制生产厂商的总生产量,所述比率P越大,所述生产厂商的总生产量越小;
所述比率P越小,所述生产厂商的总生产量越大。
本发明提供了一种基于大数据的质量检测系统,所述系统包括:
采集单元,用于获取待测商品的图像信息和表面标识信息;
调用单元,用于基于所述表面标识信息获取数据库中存储的标准图像数据信息;
判断单元,用于根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
控制单元,用于根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
在本申请的一些实施例中,在所述采集单元中,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
在本申请的一些实施例中,在所述判断单元中,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
在本申请的一些实施例中,在所述判断单元中,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
在本申请的一些实施例中,在所述控制单元中,不合格商品与所述待测商品的比率是通过以下公式实现的:
其中,N为不合格商品总量,M为待测商品总量,P为比率;
根据所述比率P控制生产厂商的总生产量,所述比率P越大,所述生产厂商的总生产量越小;
所述比率P越小,所述生产厂商的总生产量越大。
本发明提供了一种基于大数据的质量检测方法,相较现有技术,具有以下有益效果:
本申请公开了一种基于大数据的质量检测方法,包括:获取待测商品的图像信息和表面标识信息;基于表面标识信息获取数据库中存储的标准图像数据信息;根据图像信息和标准图像数据信息进行判断比较,并根据比较结果判断待测商品是否合格;根据不合格商品与待测商品的比率,控制生产厂商的总生产量。在本申请中,通过将实时采集到的图像信息与标准图像数据信息判断比较,可以在商品生产时进行质量检测,确保用户购买的商品无质量问题,通过本申请的方法,极大地提高了商品检测效率,降低了商品检测的误差,且能够控制比率过高的厂商生产商品的数量,有效地降低了不合格商品的生产数量,同时使商品质量检测更加智能化,实现商品生产的动态化管理与调控,提升了客户在购买该商品时的购物体验。
附图说明
图1示出了本发明实施例中一种基于大数据的质量检测方法的流程示意图;
图2示出了本发明实施例中一种基于大数据的质量检测系统的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式做进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体的连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下文是结合附图对本发明的优选的实施例说明。
如图1所示,本发明的实施例公开了一种基于大数据的质量检测方法,所述方法包括:
步骤S101,获取待测商品的图像信息和表面标识信息;
步骤S102,基于所述表面标识信息获取数据库中存储的标准图像数据信息;
步骤S103,根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
步骤S104,根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
在本申请的一些实施例中,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取所述待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
需要说明的是,当商品生产出来时,获取所述待测商品的初始数据,初始数据可以包括,商品的批次号、长度、宽度、体积、生产厂家等,根据待测商品的初始数据可以生成商品的表面标识信息,并将生产的表面标识信息打印在待测商品上,在本申请中,可以根据表面标识信息调用数据库中该商品的标准图像数据信息,在数据库中存储的标准图像信息是根据待测商品来进行决定的,可以根据需求进行改变,并不是一个固定不变的标准,可以根据生产规格来统一制定,在这里不作具体限定,通过在待测商品的表面生成标识,很好的方便统一管理与操作,提高了工作效率,防止在对商品质量进行检测的时候出现误差,极大地提高了商品质量检测的准确度。
在本申请的一些实施例中,在步骤S103中,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
需要说明的是,在采集待测商品的图像信息的时候,采集到图像信息一般是包含商品本身的图像以及背景图像,在判断所述待测商品是否为合格商品时,为了避免出现误差,需要将获取到的商品的图像信息进行去噪处理,去除一些影响商品图像信息的因素,根据图像信息的像素信息,进而来确定该图像信息的噪声强度,需要根据预估的噪声强度来对图像信息进行去噪处理,这样就可以准确的去除检测到的图像信息的背景图像等其他影响判断比较的因素,再将图像信息去噪处理之后,就可以得到待测商品的去噪图像。
在本申请的一些实施例中,为了方便对比,更加准确快捷的判断待测商品的质量,在本申请中将获取到的所述去噪图像压缩转化为数据信息,通过所述待测商品上打印的表面标识信息,来调用数据库中存储的待测商品的标准图像数据信息,在本申请中,获取到待测商品的数据信息后直接将实时检测到的数据信息与数据库中的标准图像数据信息比较,可以直观地检测出所述待测商品是否为合格的商品,避免了人工检测出现误差的问题,且检测过程方便迅速,精准度高于人工检测。
在本申请的一些实施例中,在步骤S103中,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
需要说明的是,将实时检测到的所述待测商品的图像信息压缩转化为图像数据信息时,将所述数据信息与数据库中调用的标准的图像数据信息作比较,当所述数据信息等于所述标准图像信息时,则说明此时该商品时合格商品,当所述数据信息不等于标准图像数据信息时,此时说明该商品是不合格的商品,在实际生产时,无论数据信息大于或者小于标准数据都是不允许的,所述数据信息大于或者小于标准图像信息数据均说明该商品存在一定的质量问题。在检测出不合格的商品后,在不合格商品的表面生成一个不合格标识,便于后续对不合格商品的管理,并根据该商品的具体信息来决定是重新生产或者是修理。在本申请中,通过将数据信息与标准图像数据信息判断比较,来确定商品是否合格,可以有效地提高检测效率,针对不合格的商品进行标识,可以避免不合格商品流入市场,同时防止一些商家为了利益,销售质量不合格的商品的现象。同时通过本申请中的方法,可以避免人工检测而带来的误差,极大地方便了检测与管理,提高了客户的购物体验。
在本申请的一些实施例中,在步骤S104中,根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。其中,不合格商品与所述待测商品的比率是通过以下公式实现的:
其中,N为不合格商品总量,M为待测商品总量,P为比率;
根据所述比率P控制生产厂商的总生产量,所述比率P越大,所述生产厂商的总生产量越小;
所述比率P越小,所述生产厂商的总生产量越大。
需要说明的是,在检测出不合格商品后,在不合格商品的表面生成了不合格标识,通过该不合格标识可以记录不合格商品的数量,将不合格商品的数量记为N,再统计该生产厂家本次生产该商品的总数量M。通过将不合格商品N与商品总量M的比值来确定比率P。例,不合格商品N为3,商品总量为100,则此时比率为3/100,需要说明的是,在这里只做举例示出,并不代表本申请中的不合格商品数量、商品总量和比率,这里不作具体限定。
还需要说明的是,当计算获取到比率P时,此时,比率P越大,则说明该生产厂家的不合格商品较多,则降低该生产厂商的生产量,避免该生产厂商生产更多不合格的商品,比率P越小,则说明该生产厂商的不合格商品较少,可以提高该商场厂商生产该商品的数量。
在此需要说明的是,同一个规格的商品可以由多个生产厂商去生产,每一个生产厂商的生产水平不同,就会导致生产出来的质量水平不一,有的生产厂商设备精准、人员完善,因此,在实际生产商品时,就会生产更多高质量的商品,不合格商品的数量也较少,通过比率P来控制每个生产厂商生产该商品的数量,就可以很好的控制商品的质量,同时在控制生产厂商的生产数量后,也不是固定不变,需要根据实际生产情况,一会比率P和其他因素,来进行动态改变,这样就可以更好地实现智能化控制,将检测商品向自动化方向发展,降低工作人员的工作量,同时极大地提升了商品质量检测精准度,提高生产效率。
在本申请中,提高比率动态的调整生产厂商的生产量,可以很好的控制不合格商品的生产量,极大地方便了对于生产厂商的管理与调控。在本申请中,根据比率来控制该生产厂家生产该商品的数量,可以有效地降低不合格的商品数量,进一步保证了商品的数量。
如图2所示,本发明的实施例公开了一种基于大数据的质量检测系统,所述系统包括:
采集单元,用于获取待测商品的图像信息和表面标识信息;
调用单元,用于基于所述表面标识信息获取数据库中存储的标准图像数据信息;
判断单元,用于根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
控制单元,用于根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
在本申请的一些实施例中,在所述采集单元中,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
需要说明的是,当商品生产出来时,获取待测商品的初始数据,初始数据可以包括,商品的批次号、长度、宽度、体积、生产厂家等,根据待测商品的初始数据可以生成商品的表面标识信息,并将生产的表面标识信息打印在待测商品上,在本申请中,可以根据表面标识信息调用数据库中该商品的标准图像数据信息,在数据库中存储的标准图像信息是根据待测商品来进行决定的,可以根据需求进行改变,并不是一个固定不变的标准,可以根据生产规格来统一制定,在这里不作具体限定,通过在待测商品的表面生成标识,很好的方便统一管理与操作,提高了工作效率,防止在对商品质量进行检测的时候出现误差,极大地提高了商品质量检测的准确度。
在本申请的一些实施例中,在判断单元中,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
需要说明的是,在采集待测商品的图像信息的时候,采集到图像信息一般是包含商品本身的图像以及背景图像,在判断待测商品是否为合格商品时,为了避免出现误差,需要将获取到的商品的图像信息进行去噪处理,去除一些影响商品图像信息的因素,根据图像信息的像素信息,进而来确定该图像信息的噪声强度,需要根据预估的噪声强度来对图像信息进行去噪处理,这样就可以准确的去除检测到的图像信息的背景图像等其他影响判断比较的因素,再将图像信息去噪处理之后,就可以得到待测商品的去噪图像。
在本申请的一些实施例中,为了方便对比,更加准确快捷的判断待测商品的质量,在本申请中将获取到的去噪图像压缩转化为数据信息,通过待测商品上打印的表面标识信息,来调用数据库中存储的待测商品的标准图像数据信息,在本申请中,获取到待测商品的数据信息后直接将实时检测到的数据信息与数据库中的标准图像数据信息比较,可以直观地检测出待测商品是否为合格的商品,避免了人工检测出现误差的问题,且检测过程方便迅速,精准度高于人工检测。
在本申请的一些实施例中,在所述判断单元中,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
需要说明的是,将实时检测到的待测商品的图像信息压缩转化为图像数据信息时,将数据信息与数据库中调用的标准的图像数据信息作比较,当数据信息等于标准图像信息时,则说明此时该商品时合格商品,当数据信息不等于标准图像数据信息时,此时说明该商品是不合格的商品,在实际生产时,无论数据信息大于或者小于标准数据都是不允许的,数据信息大于或者小于标准图像信息数据均说明该商品存在一定的质量问题。在检测出不合格的商品后,在不合格商品的表面生成一个不合格标识,便于后续对不合格商品的管理,并根据该商品的具体信息来决定是重新生产或者是修理。在本申请中,通过将数据信息与标准图像数据信息判断比较,来确定商品是否合格,可以有效地提高检测效率,针对不合格的商品进行标识,可以避免不合格商品流入市场,同时防止一些商家为了利益,销售质量不合格的商品的现象。同时通过本申请中的系统,可以避免人工检测而带来的误差,极大地方便了检测与管理,提高了客户的购物体验。
在本申请的一些实施例中,在所述控制单元中,根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。其中,不合格商品与所述待测商品的比率是通过以下公式实现的:
其中,N为不合格商品总量,M为待测商品总量,P为比率;
根据所述比率P控制生产厂商的总生产量,所述比率P越大,所述生产厂商的总生产量越小;
所述比率P越小,所述生产厂商的总生产量越大。
需要说明的是,在检测出不合格商品后,在不合格商品的表面生成了不合格标识,通过该不合格标识可以记录不合格商品的数量,将不合格商品的数量记为N,再统计该生产厂家本次生产该商品的总数量M。通过将不合格商品N与商品总量M的比值来确定比率P。例,不合格商品N为3,商品总量为100,则此时比率为3/100,需要说明的是,在这里只做举例示出,并不代表本申请中的不合格商品数量、商品总量和比率,这里不作具体限定。
还需要说明的是,当计算获取到比率P时,此时,比率P越大,则说明该生产厂家的不合格商品较多,则降低该生产厂商的生产量,避免该生产厂商生产更多不合格的商品,比率P越小,则说明该生产厂商的不合格商品较少,可以提高该商场厂商生产该商品的数量。
在此需要说明的是,同一个规格的商品可以由多个生产厂商去生产,每一个生产厂商的生产水平不同,就会导致生产出来的质量水平不一,有的生产厂商设备精准、人员完善,因此,在实际生产商品时,就会生产更多高质量的商品,不合格商品的数量也较少,通过比率P来控制每个生产厂商生产该商品的数量,就可以很好的控制商品的质量,同时在控制生产厂商的生产数量后,也不是固定不变,需要根据实际生产情况,一会比率P和其他因素,来进行动态改变,这样就可以更好地实现智能化控制,将检测商品向自动化方向发展,降低工作人员的工作量,同时极大地提升了商品质量检测精准度,提高生产效率。
在本申请中,提高比率动态的调整生产厂商的生产量,可以很好的控制不合格商品的生产量,极大地方便了对于生产厂商的管理与调控。在本申请中,根据比率来控制该生产厂家生产该商品的数量,可以有效地降低不合格的商品数量,进一步保证了商品的数量。
综上,本发明实施例提供一种基于大数据的质量检测方法,包括:获取待测商品的图像信息和表面标识信息;基于表面标识信息获取数据库中存储的标准图像数据信息;根据图像信息和标准图像数据信息进行判断比较,并根据比较结果判断待测商品是否合格;根据不合格商品与待测商品的比率,控制生产厂商的总生产量。在本申请中,通过将实时采集到的图像信息与标准图像数据信息判断比较,可以在商品生产时进行质量检测,确保用户购买的商品无质量问题,通过本申请的方法,极大地提高了商品检测效率,降低了商品检测的误差,且能够控制比率过高的厂商生产商品的数量,有效地降低了不合格商品的生产数量。
根据本申请的第一构思,通过获取待测商品的初始数据,基于所述初始数据生成所述待测商品的表面标识信息,将所述表面标识信息打印于所述待测商品上。在本申请中,当商品出厂时,通过检测商品的初始数据,并根据初始数据生产该商品的专属表面标识信息,将表面标识信息打印于该商品上,通过表面标识信息极大地方便了对商品的统一管理,便于后续的管理操作。
根据本申请的第二构思,通过接收实时采集到的所述待测商品的图像信息;根据所述图像信息的像素信息,确定所述图像信息的噪声强度;基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较,根据比较结果判断所述待测商品是否合格。在本申请中,可以通过将实时获取的商品的图像信息转换为数据信息,便于和标准的图像数据作比较,可以实时地对生产商品的质量进行检测,有效地避免不合格商品流入市场,进而使客户购买到不合格的商品。
根据本申请的第三构思,根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。当计算获取到比率P时,此时,比率P越大,则说明该生产厂家的不合格商品较多,则降低该生产厂商的生产量,避免该生产厂商生产更多不合格的商品,比率P越小,则说明该生产厂商的不合格商品较少,可以提高该商场厂商生产该商品的数量。在本申请中,通过获取不合格商品的数量,与生产总数量比较,可以得到一个比率,根据比率来控制该生产厂家生产该商品的数量,可以有效地降低不合格的商品数量,进一步保证了商品的数量。
在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
虽然在上文中已经参考实施例对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施例中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行全部的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施例,而是包括落,入权利要求的范围内的所有技术方案。
本领域普通技术人员可以理解:以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例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。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的质量检测方法,其特征在于,所述方法包括:
获取待测商品的图像信息和表面标识信息;
基于所述表面标识信息获取数据库中存储的标准图像数据信息;
根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
2.根据权利要求1所述的基于大数据的质量检测方法,其特征在于,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
3.根据权利要求1所述的基于大数据的质量检测方法,其特征在于,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
4.根据权利要求3所述的基于大数据的质量检测方法,其特征在于,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
6.一种基于大数据的质量检测系统,其特征在于,所述系统包括:
采集单元,用于获取待测商品的图像信息和表面标识信息;
调用单元,用于基于所述表面标识信息获取数据库中存储的标准图像数据信息;
判断单元,用于根据所述图像信息和所述标准图像数据信息进行判断比较,并根据比较结果判断所述待测商品是否合格;
控制单元,用于根据不合格商品与所述待测商品的比率,控制生产厂商的总生产量。
7.根据权利要求6所述的基于大数据的质量检测系统,其特征在于,在所述采集单元中,在获取待测商品的图像信息和表面标识信息之前,还包括:
获取待测商品的初始数据;
基于所述初始数据生成所述待测商品的表面标识信息;
将所述表面标识信息打印于所述待测商品上。
8.根据权利要求6所述的基于大数据的质量检测系统,其特征在于,在所述判断单元中,根据所述图像信息和所述标准图像数据信息进行判断比较时,具体为:
接收实时采集到的所述待测商品的图像信息;
根据所述图像信息的像素信息,确定所述图像信息的噪声强度;
基于所述噪声强度对所述图像信息进行去噪处理,得到待测商品的去噪图像;
将所述去噪图像压缩为数据信息,并将所述数据信息与所述标准图像数据信息进行判断比较。
9.根据权利要求8所述的基于大数据的质量检测系统,其特征在于,在所述判断单元中,根据比较结果判断所述待测商品是否合格时,具体为:
若所述数据信息等于所述标准图像数据信息,则判断所述待测商品为合格商品;
若所述数据信息不等于所述标准图像数据信息,则判断所述待测商品为不合格商品;
获取所述不合格商品,并在所述不合格商品表面生成不合格标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483260.3A CN114707904A (zh) | 2022-05-05 | 2022-05-05 | 一种基于大数据的质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210483260.3A CN114707904A (zh) | 2022-05-05 | 2022-05-05 | 一种基于大数据的质量检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707904A true CN114707904A (zh) | 2022-07-05 |
Family
ID=82176087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210483260.3A Pending CN114707904A (zh) | 2022-05-05 | 2022-05-05 | 一种基于大数据的质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707904A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131326A (zh) * | 2022-07-12 | 2022-09-30 | 河南省鼎鼎实业有限公司 | 一种高铁预制板块的钢筋网片检测系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424514A (zh) * | 2008-12-04 | 2009-05-06 | 上海大学 | 基于图像处理的卷尺刻度在线自动检测系统及方法 |
CN101762589A (zh) * | 2009-12-17 | 2010-06-30 | 绍兴文理学院 | 一种机器视觉在文具组合套装瑕疵的在线监测方法及其设备 |
CN101907453A (zh) * | 2010-07-23 | 2010-12-08 | 北京农业信息技术研究中心 | 基于机器视觉的块状农产品尺寸在线测量方法与装置 |
CN103325116A (zh) * | 2013-06-17 | 2013-09-25 | 中国人民银行印制科学技术研究所 | 一种印品图像检测系统及方法 |
CN104062304A (zh) * | 2014-07-16 | 2014-09-24 | 必诺机械(东莞)有限公司 | 一种小开口大内腔产品内部检测装置和检测方法 |
CN106767419A (zh) * | 2017-01-19 | 2017-05-31 | 佛山职业技术学院 | 一种基于光学检测的大幅面瓷砖快速检测方法 |
CN107169956A (zh) * | 2017-04-28 | 2017-09-15 | 西安工程大学 | 基于卷积神经网络的色织物疵点检测方法 |
CN108993929A (zh) * | 2018-08-01 | 2018-12-14 | 穆科明 | 一种双机联动工业机器视觉自动检测系统 |
CN109916913A (zh) * | 2019-04-04 | 2019-06-21 | 哈尔滨理工大学 | 一种基于机器视觉的智能制造产品识别与检测方法 |
CN111007810A (zh) * | 2019-11-06 | 2020-04-14 | 珠海格力电器股份有限公司 | 物料分析预警方法、装置、电子设备及存储介质 |
CN112465804A (zh) * | 2020-12-11 | 2021-03-09 | 芜湖恩之伟汽车零部件有限公司 | 一种用于汽车轮毂的加工检测设备 |
CN112683902A (zh) * | 2020-12-11 | 2021-04-20 | 杭州优视泰信息技术有限公司 | 一种基于模板的模切产品表面缺陷在线检测方法 |
CN113096111A (zh) * | 2021-04-25 | 2021-07-09 | 深圳市永丰盈电子有限公司 | 物料检测方法、系统、计算机程序产品及可读存储介质 |
CN113807713A (zh) * | 2021-09-22 | 2021-12-17 | 中国联合网络通信集团有限公司 | 一种产品质量评估方法及工业互联网标识解析系统 |
CN114332622A (zh) * | 2021-12-30 | 2022-04-12 | 四川启睿克科技有限公司 | 一种基于机器视觉的标签检测方法 |
-
2022
- 2022-05-05 CN CN202210483260.3A patent/CN114707904A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424514A (zh) * | 2008-12-04 | 2009-05-06 | 上海大学 | 基于图像处理的卷尺刻度在线自动检测系统及方法 |
CN101762589A (zh) * | 2009-12-17 | 2010-06-30 | 绍兴文理学院 | 一种机器视觉在文具组合套装瑕疵的在线监测方法及其设备 |
CN101907453A (zh) * | 2010-07-23 | 2010-12-08 | 北京农业信息技术研究中心 | 基于机器视觉的块状农产品尺寸在线测量方法与装置 |
CN103325116A (zh) * | 2013-06-17 | 2013-09-25 | 中国人民银行印制科学技术研究所 | 一种印品图像检测系统及方法 |
CN104062304A (zh) * | 2014-07-16 | 2014-09-24 | 必诺机械(东莞)有限公司 | 一种小开口大内腔产品内部检测装置和检测方法 |
CN106767419A (zh) * | 2017-01-19 | 2017-05-31 | 佛山职业技术学院 | 一种基于光学检测的大幅面瓷砖快速检测方法 |
CN107169956A (zh) * | 2017-04-28 | 2017-09-15 | 西安工程大学 | 基于卷积神经网络的色织物疵点检测方法 |
CN108993929A (zh) * | 2018-08-01 | 2018-12-14 | 穆科明 | 一种双机联动工业机器视觉自动检测系统 |
CN109916913A (zh) * | 2019-04-04 | 2019-06-21 | 哈尔滨理工大学 | 一种基于机器视觉的智能制造产品识别与检测方法 |
CN111007810A (zh) * | 2019-11-06 | 2020-04-14 | 珠海格力电器股份有限公司 | 物料分析预警方法、装置、电子设备及存储介质 |
CN112465804A (zh) * | 2020-12-11 | 2021-03-09 | 芜湖恩之伟汽车零部件有限公司 | 一种用于汽车轮毂的加工检测设备 |
CN112683902A (zh) * | 2020-12-11 | 2021-04-20 | 杭州优视泰信息技术有限公司 | 一种基于模板的模切产品表面缺陷在线检测方法 |
CN113096111A (zh) * | 2021-04-25 | 2021-07-09 | 深圳市永丰盈电子有限公司 | 物料检测方法、系统、计算机程序产品及可读存储介质 |
CN113807713A (zh) * | 2021-09-22 | 2021-12-17 | 中国联合网络通信集团有限公司 | 一种产品质量评估方法及工业互联网标识解析系统 |
CN114332622A (zh) * | 2021-12-30 | 2022-04-12 | 四川启睿克科技有限公司 | 一种基于机器视觉的标签检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131326A (zh) * | 2022-07-12 | 2022-09-30 | 河南省鼎鼎实业有限公司 | 一种高铁预制板块的钢筋网片检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109692877A (zh) | 一种冷轧带钢表面质量管理系统及方法 | |
CN111402236A (zh) | 一种基于图像灰度值的热轧带钢表面缺陷分级方法 | |
CN108830492B (zh) | 一种基于大数据的确定抽检商家的方法 | |
CN114707904A (zh) | 一种基于大数据的质量检测方法及系统 | |
CN115860510A (zh) | 一种基于大数据的生产效率分析评估方法 | |
CN109708739A (zh) | 一种自动售货柜传感器蠕变测量方法 | |
CN110320337A (zh) | 一种带钢表面质量自动判级系统和方法 | |
CN111212434B (zh) | 一种wifi模组质量预测方法、装置、设备及存储介质 | |
CN116051185B (zh) | 广告位数据的异常检测与筛选方法 | |
CN108920428B (zh) | 一种基于联合模糊扩张原理的模糊距离判别方法 | |
CN115546108A (zh) | 基于边云协同和ar的汽车轮胎外观质量智能检测方法 | |
RU2470352C1 (ru) | Способ статистического регулирования технологического процесса (варианты) | |
CN113780799A (zh) | 一种商品经销商服务弱项的识别评估方法及装置 | |
CN111474293B (zh) | 一种青枯病菌溶液测定方法及测定系统 | |
CN110182520B (zh) | 一种基于融合时序预测模型的钢卷仓储吞吐量的预测方法 | |
CN114413765A (zh) | 一种基于机器视觉识别的注塑制品快速检验方法、设备及计算机存储介质 | |
CN113269434A (zh) | 一种电子商务平台用户退货商品质量智能检测分析评价方法及云检测平台 | |
CN107122496B (zh) | 基于类别分析法的近红外光谱物质含量索引方法、设备及介质 | |
CN110807605A (zh) | 关键检验特性缺陷率统计方法 | |
TWI747334B (zh) | 檢測數據詐欺裝置、方法、程式產品及電腦可讀取媒體 | |
CN116433145B (zh) | 电商数据监测与订单管理方法及系统 | |
CN111258883B (zh) | 基于sku图像识别的算法模型测试方法及测试系统 | |
CN117589109B (zh) | 石英中心托盘制作工艺的质量检测与控制方法 | |
CN116523906B (zh) | 一种玻璃基板光学性能检测方法和系统 | |
CN111091153B (zh) | 一种纸页松厚度软测量方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220705 |