CN114782060A - 一种交互式产品检测方法及系统 - Google Patents

Abstract

本发明涉及售后服务技术领域，具体公开了一种交互式产品检测方法及系统，所述方法包括向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；根据所述图像信息对产品进行检测，得到检测报告并存储；基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。本发明通过评论信息确定参考缺陷表，根据参考缺陷表获取用户的反馈数据，进而获取产品的图像信息，最后借助图像识别技术对产品进行实时检测，从而提供了产品远程检测服务，极大地提高了网购过程的体验感。

Description

一种交互式产品检测方法及系统

技术领域

本发明涉及售后服务技术领域，具体是一种交互式产品检测方法及系统。

背景技术

现有的网购过程中，大部分用户在拿到产品时是不会进行检品检测的，他们只能够简单的对比一下原图，就算发现了问题，也会认为是图片美化程度过高，因此，会有很多用户对到手货物的问题是不知道的。

可能有人会认为，上述情况对商家是有利的，但是实际上，这些次品影响的是商家的形象，影响了许多潜在的客户，对于商家来说，他们也想要对货物进行跟踪检测。

但是，现在的网购服务中，没有任何企业提供上述服务，实际上，在现有的发展水平下，智能设备已经普及，提供上述隔空的实时的产品检测服务是很容易完成的。

发明内容

本发明的目的在于提供一种交互式产品检测方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种交互式产品检测方法，所述方法包括：

实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

根据所述图像信息对产品进行检测，得到检测报告并存储；

基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

作为本发明进一步的方案：所述实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括：

获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

作为本发明进一步的方案：所述遍历所述评论信息库，识别并删除无效评论，得到待检信息库的步骤包括：

遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

在评论信息库中删除无效评论，得到待检信息库。

作为本发明进一步的方案：所述根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号的步骤包括：

遍历所述待检信息库，提取评论内容的评论账户；

获取评论账户的评论行为，根据所述评论行为计算评论频率，根据所述评论频率对所述评论账户进行分级；其中，所述评论频率的单位为单位时间内的字数；

根据分级结果对所述评论内容进行色值标记；不同的色值对应不同的号码。

作为本发明进一步的方案：所述基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括：

遍历所述待检文本，根据所述待检文本的色值依次提取待检文本中的数据，获取所述色值对应的号码，得到以号码为索引的子文本；

依次对不同的子文本进行词性分析，得到与子文本为映射关系的待检词库；

遍历所述待检词库，将所述待检词库中的待检词与预设的缺陷词表中的缺陷词进行比对，生成含有次数项的缺陷词表；

根据所述次数项截取所述缺陷词表，生成自检参考表。

作为本发明进一步的方案：所述根据所述图像信息对产品进行检测，得到检测报告并存储的步骤包括：

获取所述图像信息的拍摄计划，基于所述拍摄计划根据所述图像信息填充训练好的骨架模型，得到产品模型；

根据预设的标准位置获取产品模型的二维信息，读取所述标准位置对应的卷积核表；其中，所述卷积核表中的卷积核为缺陷图像的特征信息；

根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储；其中，所述检测报告包括缺陷类型和相对位置，所述相对位置为相对于产品模型的位置。

作为本发明进一步的方案：所述根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储的步骤包括：

在所述卷积核表中读取卷积核，确定步长，根据所述卷积核和所述步长对所述二维信息进行卷积运算，得到特征图；

根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；

根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；

根据所述压缩图像判断所述二维信息中是否存在缺陷，根据判断结果生成检测报告并存储。

本发明技术方案还提供了一种交互式产品检测系统，所述系统包括：

参考表生成模块，用于实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

反馈数据接收模块，用于当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

图像信息获取模块，用于根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

检测报告生成模块，用于根据所述图像信息对产品进行检测，得到检测报告并存储；

反馈报告生成模块，用于基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

作为本发明进一步的方案：所述参考表生成模块包括：

评论信息获取单元，用于获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

无效评论删除单元，用于遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

待检文本编号单元，用于根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

处理执行单元，用于基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

作为本发明进一步的方案：所述无效评论删除单元包括：

遍历子单元，用于遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

次数计算子单元，用于获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

标记子单元，用于当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

删除子单元，用于在评论信息库中删除无效评论，得到待检信息库。

与现有技术相比，本发明的有益效果是：本发明通过评论信息确定参考缺陷表，根据参考缺陷表获取用户的反馈数据，进而获取产品的图像信息，最后借助图像识别技术对产品进行实时检测，从而提供了产品远程检测服务，极大地提高了网购过程的体验感。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1示出了交互式产品检测方法的流程框图。

图2示出了交互式产品检测方法的第一子流程框图。

图3示出了交互式产品检测方法的第二子流程框图。

图4示出了交互式产品检测方法的第三子流程框图。

图5示出了交互式产品检测方法的第四子流程框图。

图6示出了交互式产品检测方法的第五子流程框图。

图7示出了交互式产品检测系统的组成结构框图。

图8示出了交互式产品检测系统中参考表生成模块的组成结构框图。

图9示出了参考表生成模块中无效评论删除单元的组成结构框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

图1示出了交互式产品检测方法的流程框图，本发明实施例中，一种交互式产品检测方法，所述方法包括步骤S100至步骤S500：

步骤S100：实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

现有的网络销售平台中都具备评论功能，这些评论功能就代表着用户最真实的感受，一般情况下，有可能出现的问题都会被评论区覆盖，如果评论数量不多，可以借鉴相近产品的评论信息，并且评论信息一般都是公开的，获取过程并不困难。

步骤S200：当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

将有可能出现的问题转换为一张表格，当用户成功取件时，向用户发送该表格，也就是上述自检参考表，然后根据这个表格获取用户的反馈数据。

值得一提的是，所述自检参考表中的项目是可选项，用户在反馈的时候，只需要进行选择即可。

步骤S300：根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

步骤S300是交互步骤，向用户发送拍摄计划，用户根据拍摄计划获取细节图像，并向系统发送；拍摄计划由所述反馈数据确定。

步骤S400：根据所述图像信息对产品进行检测，得到检测报告并存储；

步骤S500：基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

步骤S400和步骤S500是图像处理过程，它生成的报告有两种，一是检测报告，检测报告比较全面，根据检测报告还生成一个反馈报告，用于向用户发送；这么做的好处是，可以避免用户的反感，比如，用户反馈了一个缺陷，但是检测发现还有其它缺陷，卖家可以根据其它缺陷进行更换等操作，但是没有必要把这些缺陷全告诉买家。

图2示出了交互式产品检测方法的第一子流程框图，所述实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括步骤S101至步骤S104：

步骤S101：获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

步骤S102：遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

步骤S103：根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

步骤S104：基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

步骤S101至步骤S104的目的是根据评论信息确定缺陷信息，在评论信息中，有大部分“不错”、“还行”或“可以”这类参考意义不大的评论，这些是需要删除的；此外，评论的参考意义与评论的主体也有关，对于一些“资深”评论者，可以更加的重视一些。

图3示出了交互式产品检测方法的第二子流程框图，所述遍历所述评论信息库，识别并删除无效评论，得到待检信息库的步骤包括步骤S1021至步骤S1024：

步骤S1021：遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

步骤S1022：获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

步骤S1023：当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

步骤S1024：在评论信息库中删除无效评论，得到待检信息库。

上述内容提供了一种具体的无效评论识别方法，首先，大部分无效评论的字数都是很少的，通过长度阈值即可进行筛选；然后，将筛选出的短小词汇作为参照，遍历整个评论信息库，计算该短小词汇的重复次数，如果重复次数较高，就可以认为它是无效评论。

当然，还有一些默认的评论信息，也需要进行剔除，比如：“该用户没有做出评价”。这些特殊情况以具体情况为准。

图4示出了交互式产品检测方法的第三子流程框图，所述根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号的步骤包括步骤S1031至步骤S1033：

步骤S1031：遍历所述待检信息库，提取评论内容的评论账户；

步骤S1032：获取评论账户的评论行为，根据所述评论行为计算评论频率，根据所述评论频率对所述评论账户进行分级；其中，所述评论频率的单位为单位时间内的字数；

步骤S1033：根据分级结果对所述评论内容进行色值标记；不同的色值对应不同的号码。

对待检文本的识别过程是有顺序的，举例来说：如果识别过程存在限制，比如仅能识别一秒，在这一秒内我们就要尽量的识别有价值的评论信息，价值与否根据评论信息的评论主体确定；不同的评论账户的区分方式是：对不同的评论信息进行“着色”；这一步骤可以理解为，在一个文本中，有红色字体和蓝色字体等等，红色字体对应的评论账户级别更高，评论信息更重要。

当然，如果是全面查询，上述顺序则无需具体限定。

图5示出了交互式产品检测方法的第四子流程框图，所述基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括步骤S1041至步骤S1044：

步骤S1041：遍历所述待检文本，根据所述待检文本的色值依次提取待检文本中的数据，获取所述色值对应的号码，得到以号码为索引的子文本；

步骤S1042：依次对不同的子文本进行词性分析，得到与子文本为映射关系的待检词库；

步骤S1043：遍历所述待检词库，将所述待检词库中的待检词与预设的缺陷词表中的缺陷词进行比对，生成含有次数项的缺陷词表；

步骤S1044：根据所述次数项截取所述缺陷词表，生成自检参考表。

步骤S1041至步骤S1044的目的是提取待检文本中的缺陷信息，这一过程是简单的比对过程，在比对之前，先将待检文本转换为词库，依次对词库中的词进行比对判断；所述缺陷词表是预设的，缺陷类型包括“开裂”、“起球”或“变形”等等。

完成比对过程后，能够得到一个含有次数项的缺陷词表，提取重复次数较多的缺陷类型，就得到了自检参考表。

图6示出了交互式产品检测方法的第五子流程框图，所述根据所述图像信息对产品进行检测，得到检测报告并存储的步骤包括步骤S401至步骤S403：

步骤S401：获取所述图像信息的拍摄计划，基于所述拍摄计划根据所述图像信息填充训练好的骨架模型，得到产品模型；

步骤S402：根据预设的标准位置获取产品模型的二维信息，读取所述标准位置对应的卷积核表；其中，所述卷积核表中的卷积核为缺陷图像的特征信息；

步骤S403：根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储；其中，所述检测报告包括缺陷类型和相对位置，所述相对位置为相对于产品模型的位置。

步骤S401至步骤S403提供了一种具体的产品检测方法，可以想到，用户拍摄的图像信息，很容易因为角度原因，出现一些偏差，因此，需要对用户拍摄的图像信息进行微调，微调方式是，先根据用户拍摄的图像信息先生成一个产品模型，然后重新获取产品模型的二维信息，也就是对产品模型“再次拍照”。

在拍摄计划确定的前提下，根据用户拍摄的图像信息先生成一个产品模型的过程并不困难，现有的Photoshop软件中就存在很多类似的图像调整功能。

二维信息是在标准角度下获取的，其参考图像可以根据实际样品确定，参考图像中的特征信息就是上述卷积核。同一二维信息可能存在不同的缺陷类型，也就有着不同的参考图像，这些不同的参考图像也就对应着卷积核表。

进一步的，所述根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储的步骤包括：

在所述卷积核表中读取卷积核，确定步长，根据所述卷积核和所述步长对所述二维信息进行卷积运算，得到特征图；

根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；

根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；

根据所述压缩图像判断所述二维信息中是否存在缺陷，根据判断结果生成检测报告并存储。

卷积核代表着某些小的特征区域，一般是3X3或者5X5的大小，步长就是在进行卷积运算时，所述特征区域的移动步长，一般情况下都是1，代表着每次检测就往右平移一个像素；经过卷积运算后，得到卷积层，也就是上述特征图；

卷积层对原图运算多个卷积产生一组线性激活响应，而非线性激活层是对之前的结果进行一个非线性的激活响应。最多的非线性激活函数是Relu函数，它的公式定义为：f(x)=max(0,x)，即，保留大于等于0的值，其余所有小于0的数值直接改写为0；这一过程并不困难。

经过非线性激活之后，尽管数据量比原图少了很多，但还是过于庞大（比较深度学习动不动就几十万张训练图片），因此接下来的池化操作就可以发挥作用了，它最大的目标就是减少数据量。池化分为两种，Max Pooling最大池化、Average Pooling平均池化。顾名思义，最大池化就是取最大值，平均池化就是取平均值。一般情况下，采用的是最大池化，因为最大池化保留了每一个小块内的最大值，所以它相当于保留了这一块最佳匹配结果（因为值越接近1表示匹配越好）。这也就意味着它不会具体关注窗口内到底是哪一个地方匹配了，而只关注是不是有某个地方匹配上了。

实施例2

图7示出了交互式产品检测系统的组成结构框图，本发明实施例中，一种交互式产品检测系统，所述系统10包括：

参考表生成模块11，用于实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

反馈数据接收模块12，用于当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

图像信息获取模块13，用于根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

检测报告生成模块14，用于根据所述图像信息对产品进行检测，得到检测报告并存储；

反馈报告生成模块15，用于基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

图8示出了交互式产品检测系统中参考表生成模块的组成结构框图，所述参考表生成模块11包括：

评论信息获取单元111，用于获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

无效评论删除单元112，用于遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

待检文本编号单元113，用于根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

处理执行单元114，用于基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

图9示出了参考表生成模块中无效评论删除单元的组成结构框图，所述无效评论删除单元112包括：

遍历子单元1121，用于遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

次数计算子单元1122，用于获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

标记子单元1123，用于当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

删除子单元1124，用于在评论信息库中删除无效评论，得到待检信息库。

所述交互式产品检测方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述交互式产品检测方法的功能。

处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。

本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。

上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

终端设备集成的模块/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，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种交互式产品检测方法，其特征在于，所述方法包括：

实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

根据所述图像信息对产品进行检测，得到检测报告并存储；

基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

2.根据权利要求1所述的交互式产品检测方法，其特征在于，所述实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括：

获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

3.根据权利要求2所述的交互式产品检测方法，其特征在于，所述遍历所述评论信息库，识别并删除无效评论，得到待检信息库的步骤包括：

遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

在评论信息库中删除无效评论，得到待检信息库。

4.根据权利要求2所述的交互式产品检测方法，其特征在于，所述根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号的步骤包括：

遍历所述待检信息库，提取评论内容的评论账户；

获取评论账户的评论行为，根据所述评论行为计算评论频率，根据所述评论频率对所述评论账户进行分级；其中，所述评论频率的单位为单位时间内的字数；

根据分级结果对所述评论内容进行色值标记；不同的色值对应不同的号码。

5.根据权利要求4所述的交互式产品检测方法，其特征在于，所述基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表的步骤包括：

遍历所述待检文本，根据所述待检文本的色值依次提取待检文本中的数据，获取所述色值对应的号码，得到以号码为索引的子文本；

依次对不同的子文本进行词性分析，得到与子文本为映射关系的待检词库；

遍历所述待检词库，将所述待检词库中的待检词与预设的缺陷词表中的缺陷词进行比对，生成含有次数项的缺陷词表；

根据所述次数项截取所述缺陷词表，生成自检参考表。

6.根据权利要求1所述的交互式产品检测方法，其特征在于，所述根据所述图像信息对产品进行检测，得到检测报告并存储的步骤包括：

获取所述图像信息的拍摄计划，基于所述拍摄计划根据所述图像信息填充训练好的骨架模型，得到产品模型；

根据预设的标准位置获取产品模型的二维信息，读取所述标准位置对应的卷积核表；其中，所述卷积核表中的卷积核为缺陷图像的特征信息；

根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储；其中，所述检测报告包括缺陷类型和相对位置，所述相对位置为相对于产品模型的位置。

7.根据权利要求6所述的交互式产品检测方法，其特征在于，所述根据所述卷积核表对所述二维信息进行卷积运算，生成检测报告并存储的步骤包括：

在所述卷积核表中读取卷积核，确定步长，根据所述卷积核和所述步长对所述二维信息进行卷积运算，得到特征图；

根据预设的非线性激活函数对所述特征图进行特征分类，得到激活图；

根据预设的池化尺寸对所述激活图像进行池化操作，得到与所述激活图像对应的压缩图；

根据所述压缩图像判断所述二维信息中是否存在缺陷，根据判断结果生成检测报告并存储。

8.一种交互式产品检测系统，其特征在于，所述系统包括：

参考表生成模块，用于实时获取产品的评论信息，提取所述评论信息中的缺陷信息，根据所述缺陷信息生成自检参考表；

反馈数据接收模块，用于当获取到用户的取件信息时，向用户发送所述自检参考表，基于所述自检参考表获取用户上传的反馈数据；

图像信息获取模块，用于根据所述反馈数据向用户发送含有拍摄计划的图像获取请求，接收用户上传的图像信息；所述拍摄计划包括拍摄位置和拍摄角度；

检测报告生成模块，用于根据所述图像信息对产品进行检测，得到检测报告并存储；

反馈报告生成模块，用于基于用户上传的反馈数据提取检测报告中的数据，得到反馈报告，将所述反馈报告向用户发送。

9.根据权利要求8所述的交互式产品检测系统，其特征在于，所述参考表生成模块包括：

评论信息获取单元，用于获取产品评论信息，生成评论信息库；所述评论信息为含有评论账户的评论内容；

无效评论删除单元，用于遍历所述评论信息库，识别并删除无效评论，得到待检信息库；

待检文本编号单元，用于根据所述待检信息库中的评论内容生成待检文本，根据评论内容中的评论账户对所述待检文本进行编号；

处理执行单元，用于基于编号提取待检文本中的缺陷信息，根据所述缺陷信息生成自检参考表。

10.根据权利要求9所述的交互式产品检测系统，其特征在于，所述无效评论删除单元包括：

遍历子单元，用于遍历评论信息库，根据评论内容的长度对所述评论信息进行升序排列；

次数计算子单元，用于获取长度小于预设的长度阈值的评论内容，根据所述长度小于预设的长度阈值的评论内容遍历所述评论信息库，计算相应的重复次数；

标记子单元，用于当重复次数大于预设的次数阈值时，将相应的评论内容标记为无效评论；

删除子单元，用于在评论信息库中删除无效评论，得到待检信息库。

Images