CN115062242B - 一种基于区块链和人工智能的信息智能识别方法及大数据系统 - Google Patents
一种基于区块链和人工智能的信息智能识别方法及大数据系统 Download PDFInfo
- Publication number
- CN115062242B CN115062242B CN202210807051.XA CN202210807051A CN115062242B CN 115062242 B CN115062242 B CN 115062242B CN 202210807051 A CN202210807051 A CN 202210807051A CN 115062242 B CN115062242 B CN 115062242B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- preset
- overflow
- monitoring
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及数据处理的技术领域,尤其是涉及一种基于区块链和人工智能的信息智能识别方法及大数据系统,包括获取待识别信息,并将待识别信息进行特征化分值;将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据,并将溢出数据标记为异常数据;将待识别信息对应的全部异常数据进行汇编,得到异常值监测数据表,并通过人工智能将异常值监测数据表形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设待识别信息相对应,本发明是针对数据本身特征值所设计,利用到了数据本身的历史数据和数据本身特征值之间的关联条件,提高了待识别信息检测的检出率与正确率,无需庞大的样本去进行人工智能训练,大大降低了用户的使用成本。
Description
技术领域
本申请涉及数据处理的技术领域,尤其是涉及一种基于区块链和人工智能的信息智能识别方法及大数据系统。
背景技术
现有的信息智能识别方法大都是针对异常值的通用检测方法,只是将其应用于大数据模型下数据检测中,忽略了数据本身的特性,使得数据检测需要庞大的样本去进行识别,增加了用户使用成本。
发明内容
为了改善对异常数据延时的问题,本申请提供一种基于区块链和人工智能的信息智能识别方法及大数据系统。
第一方面,本申请提供一种基于区块链和人工智能的信息智能识别方法,采用如下的技术方案:
获取待识别信息,并将待识别信息进行特征化分值;
将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
将待识别信息对应的全部异常数据进行汇编,得到异常值监测数据表,并通过人工智能将异常值监测数据表形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设待识别信息相对应。
进一步的,区块链监测模型包括:
第一区块链监测模型、第二区块链监测模型和收集池,其中,第一区块链监测模型套设于第二区块链监测模型的外侧,收集池套设于第一区块链监测模型的外侧;
第一区块链监测模型用于存储溢出第二区块链监测模型的官方溢出数据,收集池用于存储溢出第一区块链监测模型的超标溢出数据和溢出第二区块链监测模型的官方溢出数据;
其中,超标溢出数据和官方溢出数据共同组成溢出数据。
进一步的,第二区块链监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二区块链监测模型。
进一步的,第一区块链监测模型包括:
预设监测数据项、月份历史超标值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史超标值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的月份历史超标值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一区块链监测模型。
进一步的,收集池包括:
数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值。
进一步的,溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史超标值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值。
进一步的,将待识别信息进行特征化分值包括:
获取第一区块链监测模型和第二区块链监测模型内预设监测数据项,并将待识别信息内预设监测数据项进行剔除,标记为预选数据;
将预选数据对应的数值标记为采集值;
将待识别信息对应的月份标记为采集月份。
进一步的,将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据包括:
获取采集月份对应的预设月份值;
读取预设月份值对应的第一区块链监测模型和第二区块链监测模型,并将采集值带入第一区块链监测模型和第二区块链监测模型,当采集值大于预设要求值或月份历史超标值则将采集值标记为溢出数据。。
第二方面,本申请提供一种基于区块链和人工智能的信息智能识别大数据系统,采用如下的技术方案:
特征化分模块,特征化分模块获取待识别信息,并将待识别信息进行特征化分值;
溢出数据模块,溢出数据模块将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据;
异常标记模块,异常标记模块将溢出数据标记为异常数据,将待识别信息对应的全部异常数据进行汇编,得到异常值监测数据表;
图像匹配模块,图像匹配模块根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设待识别信息相对应。
进一步的,还包括:
存储器,存储器上存储有能够被处理器加载并执行大数据系统的计算机程序;
处理器,处理器用于处理大数据系统的逻辑程序;
执行器,执行器用于获取处理器的处理结果,并生成执行指令。
综上所述,本申请包括以下至少一种有益技术效果:
现有的信息智能识别方法大都是针对异常值的通用检测方法,只是将其应用于大数据模型下数据检测中,忽略了数据本身的特性,使得数据检测需要庞大的样本去进行识别,增加了用户使用成本,本发明是针对数据本身特征值所设计,利用到了数据本身的历史数据和数据本身特征值之间的关联条件,提高了待识别信息检测的检出率与正确率,无需庞大的样本去进行人工智能训练,大大降低了用户的使用成本。
附图说明
图1是本申请实施例的一种基于区块链和人工智能的信息智能识别方法示意图。
具体实施方式
以下结合附图1对本申请作进一步详细说明。
本申请实施例公开一种基于区块链和人工智能的信息智能识别方法及大数据系统。参照图1,一种基于区块链和人工智能的信息智能识别方法包括:
获取待识别信息,并将待识别信息进行特征化分值;
这里从人工智能信息库内获取到待识别信息,人工智能信息库可以是预先建立好的人工智能筛选机制,用于筛选除需要进行识别的信息,这里信息可以是文本信息,数据信息,视频信息或文本信息。
当通过人工智能信息库识别到需要进行处理的数据后,对待识别信息进行特征化分值,在一些实施例中,获取第一区块链监测模型和第二区块链监测模型内预设监测数据项,并将待识别信息内预设监测数据项进行剔除,标记为预选数据;
示例性的,通过在物理机上基于用户需求创建若干虚拟机,通过交换机连接到人工智能信息库,这里,物理机包括但不限于个人计算机、笔记本电脑、工业计算机、计算机服务器、小型机、单个网络服务器、多个网络服务器集,且当前物理机仅为举例,其他现有的或者今后可能出现的设备如适用于本申请也应包含在本申请的保护范围内,在此,以引用的方式包含于此。
当虚拟机满足预设条件,向到人工智能信息库发送待识别信息获取请求,其中,预设条件包括所述虚拟机已创建,虚拟机本地未存在待识别信息;
虚拟机在待识别信息内拷贝获取需要的目标数据,其中,每个虚拟机内均预设有用于拷贝的预定规则,通过预定规则对待识别信息内预设监测数据项进行剔除。
其中,将预选数据对应的数值标记为采集值;将待识别信息对应的月份标记为采集月份。
这里,区块链监测模型包括:
第一区块链监测模型、第二区块链监测模型和收集池,其中,第一区块链监测模型套设于第二区块链监测模型的外侧,收集池套设于第一区块链监测模型的外侧;
第一区块链监测模型用于存储溢出第二区块链监测模型的官方溢出数据,收集池用于存储溢出第一区块链监测模型的超标溢出数据和溢出第二区块链监测模型的官方溢出数据;
其中,超标溢出数据和官方溢出数据共同组成溢出数据,这里,将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据包括:
获取采集月份对应的预设月份值;
读取预设月份值对应的第一区块链监测模型和第二区块链监测模型,并将采集值带入第一区块链监测模型和第二区块链监测模型,当采集值大于预设要求值或月份历史超标值则将采集值标记为溢出数据。
更具体的,第一区块链监测模型包括:
预设监测数据项、月份历史超标值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史超标值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的月份历史超标值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一区块链监测模型。
第二区块链监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二区块链监测模型。
收集池包括:
数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值。
溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史超标值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值。
除上述实施例外,本申请还包括一种基于区块链和人工智能的信息智能识别大数据系统,包括:
特征化分模块,特征化分模块获取待识别信息,并将待识别信息进行特征化分值;
溢出数据模块,溢出数据模块将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据;
异常标记模块,异常标记模块将溢出数据标记为异常数据,将待识别信息对应的全部异常数据进行汇编,得到异常值监测数据表;
图像匹配模块,图像匹配模块根据异常值监测数据表以形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设待识别信息相对应。
存储器,存储器上存储有能够被处理器加载并执行大数据系统的计算机程序;
处理器,处理器用于处理大数据系统的逻辑程序;
执行器,执行器用于获取处理器的处理结果,并生成执行指令,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请所要保护的范围。
Claims (1)
1.一种基于区块链和人工智能的信息智能识别方法,其特征在于,包括:
获取待识别信息,并将待识别信息进行特征化分值;
将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据,并将溢出数据标记为异常数据;
将待识别信息对应的全部异常数据进行汇编,得到异常值监测数据表,并通过人工智能将异常值监测数据表形成对应的若干个的数据分析图,其中,任意的数据分析图均与预设待识别信息相对应;
区块链监测模型包括:
第一区块链监测模型、第二区块链监测模型和收集池,其中,第一区块链监测模型套设于第二区块链监测模型的外侧,收集池套设于第一区块链监测模型的外侧;
第一区块链监测模型用于存储溢出第二区块链监测模型的官方溢出数据,收集池用于存储溢出第一区块链监测模型的超标溢出数据和溢出第二区块链监测模型的官方溢出数据;
其中,超标溢出数据和官方溢出数据共同组成溢出数据;
第二区块链监测模型包括:
预设监测数据项、预设要求值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取预设要求值内数值最大的值,并标记为标准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与标准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的预设要求值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第二区块链监测模型;
第一区块链监测模型包括:
预设监测数据项、月份历史超标值、预设月份值;
其中,预设监测数据项之间依次连接,且预设监测数据项之间首尾相连;
构建数据阻隔线,其中,获取月份历史超标值内数值最大的值,并标记为基准值;
获取最大的值对应的预设监测数据项,并构建数据阻隔线,其中,数据阻隔线的长度与基准值相同;
将数据阻隔线的一端与预设监测数据项重合,数据阻隔线的另一端向同向垂直延申,并将预设监测数据项对应的月份历史超标值平均分配到数据阻隔线上;
其中,每个预设月份值均对应一个第一区块链监测模型;
收集池包括:
数值感应区、数据分类区、数据关联区、数据发送区及数据注入区;
其中,数据分类区将溢出数据拆分为预设监测数据项、溢出值、预设月份值;
数据关联区将溢出数据内预设监测数据项、溢出值、预设月份值之间相互关联;
数值感应区将溢出值转化为相互关联的预设监测数据项的通用数据;
数据发送区将通用数据发送至人工处理平台;
数据注入区接收人工处理平台反馈的注入指令,其中,注入指令包括通用数据对应的溢出值和相互关联的预设监测数据项和预设月份值;
溢出值包括:
超标溢出数据和官方溢出数据,其中,当溢出值为超标溢出数据时,注入指令内通用数据对应的溢出值用于替换相互关联的预设月份值和预设监测数据项对应的月份历史超标值;
当溢出值为官方溢出数据时,注入指令内通用数据对应的溢出值不用于替换相互关联的预设月份值和预设监测数据项对应的预设要求值;
将待识别信息进行特征化分值包括:
获取第一区块链监测模型和第二区块链监测模型内预设监测数据项,并将待识别信息内预设监测数据项进行剔除,标记为预选数据;
将预选数据对应的数值标记为采集值;
将待识别信息对应的月份标记为采集月份;
将特征化分值后的待识别信息带入区块链监测模型,并获取溢出数据包括:
获取采集月份对应的预设月份值;
读取预设月份值对应的第一区块链监测模型和第二区块链监测模型,并将采集值带入第一区块链监测模型和第二区块链监测模型,当采集值大于预设要求值或月份历史超标值则将采集值标记为溢出数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807051.XA CN115062242B (zh) | 2022-07-11 | 2022-07-11 | 一种基于区块链和人工智能的信息智能识别方法及大数据系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807051.XA CN115062242B (zh) | 2022-07-11 | 2022-07-11 | 一种基于区块链和人工智能的信息智能识别方法及大数据系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062242A CN115062242A (zh) | 2022-09-16 |
CN115062242B true CN115062242B (zh) | 2023-06-09 |
Family
ID=83206447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807051.XA Active CN115062242B (zh) | 2022-07-11 | 2022-07-11 | 一种基于区块链和人工智能的信息智能识别方法及大数据系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062242B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668479A (zh) * | 2020-12-29 | 2021-04-16 | 广州耐奇电气科技有限公司 | 用于智能配电房的安全监测方法、系统、电子设备及介质 |
KR20210107547A (ko) * | 2020-02-24 | 2021-09-01 | 고려대학교 산학협력단 | 주식 이상 거래 탐지 장치 및 방법 |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110443044A (zh) * | 2019-08-08 | 2019-11-12 | 腾讯云计算(北京)有限责任公司 | 区块链客户端漏洞挖掘方法、装置、设备及存储介质 |
CN111652940B (zh) * | 2020-04-30 | 2024-06-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
WO2022121063A1 (zh) * | 2020-12-11 | 2022-06-16 | 谈斯聪 | 一种表征,血液,医疗图像数据多数据关联融合的疾病分析识别最优化方法 |
CN112579907B (zh) * | 2020-12-25 | 2023-08-11 | 北京百度网讯科技有限公司 | 一种异常任务检测方法、装置、电子设备和存储介质 |
CN112862121A (zh) * | 2021-02-23 | 2021-05-28 | 宁波骅厦智能科技有限公司 | 基于区块链智能合约的电力配网智能运维系统和方法 |
CN113421590B (zh) * | 2021-06-30 | 2024-02-06 | 平安科技(深圳)有限公司 | 异常行为检测方法、装置、设备及存储介质 |
CN113792642B (zh) * | 2021-09-08 | 2022-08-12 | 江苏省工程勘测研究院有限责任公司 | 一种基于智能化技术的河湖生态治理数据处理方法及系统 |
CN114218504A (zh) * | 2021-11-09 | 2022-03-22 | 北京百度网讯科技有限公司 | 阻断路段识别方法、装置、电子设备及存储介质 |
CN114187489B (zh) * | 2021-12-14 | 2024-04-30 | 中国平安财产保险股份有限公司 | 车辆异常驾驶风险检测方法、装置、电子设备及存储介质 |
CN114528208A (zh) * | 2022-02-18 | 2022-05-24 | 未鲲(上海)科技服务有限公司 | 程序错误信息识别方法、装置、设备及介质 |
-
2022
- 2022-07-11 CN CN202210807051.XA patent/CN115062242B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210107547A (ko) * | 2020-02-24 | 2021-09-01 | 고려대학교 산학협력단 | 주식 이상 거래 탐지 장치 및 방법 |
CN112668479A (zh) * | 2020-12-29 | 2021-04-16 | 广州耐奇电气科技有限公司 | 用于智能配电房的安全监测方法、系统、电子设备及介质 |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115062242A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897962B (zh) | 一种物联网资产标记方法及装置 | |
CN108182175B (zh) | 一种文本质量指标获取方法及装置 | |
CN110866443B (zh) | 人像存储方法、人脸识别方法、设备及存储介质 | |
CN112836484A (zh) | 一种文本对齐方法、装置、电子设备、计算机可读存储介质 | |
CN109902223A (zh) | 一种基于多模态信息特征的不良内容过滤方法 | |
CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
CN113780342A (zh) | 一种基于自监督预训练的智能检测方法、装置及机器人 | |
CN105930486A (zh) | 大数据的快速搜索方法及装置 | |
CN108596014A (zh) | 牲畜行为分析方法及装置 | |
US20220207739A1 (en) | Methods and systems for entering and verifying product specifications | |
CN115062242B (zh) | 一种基于区块链和人工智能的信息智能识别方法及大数据系统 | |
CN112100470A (zh) | 基于论文数据分析的专家推荐方法、装置、设备及存储介质 | |
CN108920955B (zh) | 一种网页后门检测方法、装置、设备及存储介质 | |
Lim et al. | {MLOp} Lifecycle Scheme for Vision-based Inspection Process in Manufacturing | |
CN117114420A (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN110888877A (zh) | 事件信息显示方法、装置、计算设备及存储介质 | |
CN116682034A (zh) | 一种复杂生产作业场景下危险行为检测方法 | |
CN105934721B (zh) | 数据管理装置 | |
CN110210221B (zh) | 一种文件风险检测方法和装置 | |
CN111680708A (zh) | 一种给图片加标签的方法和系统 | |
CN109325099A (zh) | 一种自动检索的方法和装置 | |
CN115138596A (zh) | 一种视觉检测的方法及装置 | |
CN109189893A (zh) | 一种自动检索的方法和装置 | |
CN114863459A (zh) | 一种乱序文档排序的方法、装置及电子设备 | |
CN113835401A (zh) | 一种管理生产设备的方法、装置及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230512 Address after: Room 1, floor 13-14, unit 1, building 3, Zheshang international, chagu Avenue, Liuwu New District, Lhasa, Tibet Autonomous Region, 850000 Applicant after: Jinrun Ark Technology Co.,Ltd. Address before: 510410 room b623, 8th floor, Zhengyang building, 1438-2 Airport Road, Baiyun District, Guangzhou, Guangdong Province Applicant before: Guangdong Jiayi Information Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |