CN115082842A - 一种电商货品外观验证和入库处理方法及装置 - Google Patents
一种电商货品外观验证和入库处理方法及装置 Download PDFInfo
- Publication number
- CN115082842A CN115082842A CN202211009253.6A CN202211009253A CN115082842A CN 115082842 A CN115082842 A CN 115082842A CN 202211009253 A CN202211009253 A CN 202211009253A CN 115082842 A CN115082842 A CN 115082842A
- Authority
- CN
- China
- Prior art keywords
- goods
- data
- model
- commerce
- warehousing
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 57
- 238000012549 training Methods 0.000 claims description 32
- 230000009471 action Effects 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001915 proofreading effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 230000006854 communication Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明属于智能数据处理技术领域，公开了电商货品外观验证和入库处理方法及装置，包括获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；扫描待质检电商货品并获取待质检电商货品的立体参数影像和产生编号信息；对立体参数影像进行关键帧提取，得到关键帧六视图像特征；对产生编号信息进行识别调取，得到型号规格数据标签；基于型号规格数据标签锁定待质检电商货品的3D模型数据；判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度；若吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；若吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令。本发明提高了电商货品的生产质检效率。
Description
技术领域
本发明属于智能数据处理技术领域，尤其涉及一种电商货品外观验证和入库处理方法及装置。
背景技术
随着网上贸易和电子商务的飞速发展，电商货品的销售量和供应量相比较线下贸易会伴随有偶发性的阶段突升，就生产、销售、仓储和物流一体化的商家而言，针对计划内或计划外的增量订单，及时并保质保量的完成货品生产，高效率的完成仓储中转并物流发货是商家不断追求的发展目标，现有技术中，商家针对电商货品在进行性能校验后，就其的外观质检还停留在线上人工目测检查阶段，外观质检后的封箱入库动作亦没有实现智能优化管理，这极大的影响了电商货品的生产质检和中转出货效率。
发明内容
本发明的目的在于提供一种电商货品外观验证和入库处理方法及装置，以解决上述背景技术中所提到的问题。
为实现以上发明目的，根据第一方面，本发明实施例公开了一种电商货品外观验证和入库处理方法，包括：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
本发明进一步设置为：所述获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库，包括：
根据所述3D模型数据生成电商货品的基准平面六视图并上传至初始数据校对库；
通过vlookup函数在所述初始数据校对库内关联所述型号规格数据与所述3D模型数据。
本发明进一步设置为：在所述获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库之后，还包括：
将所述基准平面六视图和所述型号规格数据上传至区块链网络节点中。
本发明进一步设置为：所述对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征，包括：
获取所述立体参数影像相邻两个视频帧的直方图数据和灰度图数据；
通过所述直方图数据和所述灰度图数据输出所述视频帧的加权马式距离；
通过所述加权马式距离确定所述立体参数影像的镜头边界；
通过所述镜头边界得到所述立体参数影像的实物平面六视图像；
通过预设的特征训练模型提取所述实物平面六视图的特征，得到所述关键帧六视图像特征。
本发明进一步设置为：在所述通过预设的特征训练模型提取所述实物平面六视图的特征，得到所述关键帧六视图像特征之前，还包括：
构建训练筛选网络，所述训练筛选网络包括编码层和解码层；
通过预设训练样本对所述编码层进行训练，得到若干个训练完成的卷积核；
获取所述编码层输出的训练结果，利用所述训练结果对所述解码层进行训练，得到若干个训练完成的反卷积核；
对训练完成的所述卷积核和所述反卷积核进行筛选，去除所述卷积核和所述反卷积核中的冗余项；
基于筛选完成的所述卷积核和所述反卷积核构建所述特征训练模型。
根据第二方面，本发明实施例公开了一种电商货品外观验证和入库处理装置，包括：
获取模块，用于获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描模块，用于扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
提取模块，用于对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
识别模块，用于对所述产生编号信息进行识别调取，得到型号规格数据标签；
关联模块，用于基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断模块，用于判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
第一输出模块，用于若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
第二输出模块，用于若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述第二输出模块，具体包括：
匹配单元，用于将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
入库单元，用于根据所述入库动作指令运输电商货品至目标仓库。
根据第三方面，本发明实施例公开了一种计算机设备，包括处理器，所述处理器用于执行存储器中存储的计算机程序实现如下方法：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
根据第四方面，本发明实施例公开了一种计算机可读存储介质，其上存储有计算机程序，存储介质中存储的计算机程序被执行实现如下方法：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
综上所述，与现有技术相比，本发明公开了一种电商货品外观验证和入库处理方法及装置，通过3D模型数据和型号规格数据构建初始数据校对库，扫描获得立体参数影像和产生编号信息后，获取待质检电商货品的关键帧六视图像特征和型号规格数据标签，在锁定待质检电商货品的3D模型数据后，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度，并通过吻合度与预设阈值的比较，生成对应入库指令，最终实现运输电商货品至目标仓库。即通过此方法，提高电商货品的生产质检和中转出货效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是本实施例提供的一种电商货品外观验证和入库处理方法的流程图；
图2是本实施例提供的一种电商货品外观验证和入库处理装置的结构框图；
图3是本实施例提供的一种服务器的结构示意图；
图4是本实施例提供的一种计算机设备的结构示意图。
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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种电商货品外观验证和入库处理方法及装置。具体地，本申请实施例提供适用于计算机设备，该计算机设备可以为手机、平板电脑以及笔记本电脑等设备。本申请实施例可以基于人工智能技术对相关的数据进行获取和处理，可以使用终端设备通过网络与服务器交互，以接收或发送消息等。终端设备上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等，服务器可以是提供各种服务的服务器，例如对终端设备上显示的页面提供支持的后台服务器，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络以及大数据和人工智能平台等基础云计算服务的云服务器。
一种电商货品外观验证和入库处理方法，请参考图1，图1为电商货品外观验证和入库处理方法的流程图，包括：
101，获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库。
在本步骤中，根据3D模型数据生成电商货品的基准平面六视图并上传至初始数据校对库；
通过vlookup函数在初始数据校对库内关联型号规格数据与3D模型数据。
在本实施例中，预设的3D模型数据为电商货品生产前的开模模型，初始数据校对库包括3D模型数据和型号规格数据，通过3D绘图软件将渲染完成的电商货品的3D模型数据输出其基准平面六视图。
进一步的，型号规格数据包括电商货品的生产编号、产品型号、用途信息、性能参数和外形参数等。
在一些实施例中，将基准平面六视图和型号规格数据上传至区块链网络节点中，以提高电商货品数据的安全性。
102，扫描待质检电商货品并获取待质检电商货品的立体参数影像和产生编号信息。
需要说明的是，本申请实施例所提供的电商货品外观验证和入库处理方法一般由服务器执行，相应地，电商货品外观验证和入库处理装置一般设置于服务器中。
在本实施例中，待质检电商货品通过流水线依次扫描，服务器通过摄像设备实时获取待质检电商货品的立体参数影像和产生编号信息。
其中，产生编号信息为贴设有条形码。
在一些实施例中，流水线还配备重量传感器，用于获取待质检电商货品的重量参数。
103，对立体参数影像进行关键帧提取，得到关键帧六视图像特征。
在本步骤中，对立体参数影像进行关键帧提取具体包括：获取立体参数影像相邻两个视频帧的直方图数据和灰度图数据；通过直方图数据和灰度图数据输出视频帧的加权马式距离；通过加权马式距离确定立体参数影像的镜头边界；通过镜头边界得到立体参数影像的实物平面六视图像。
进一步的，通过比对加权马式距离与预设镜头变化阈值来确定立体参数影像的镜头边界，然后根据镜头边界确定实物平面六视图像。
在本步骤中，通过预设的特征训练模型提取实物平面六视图的特征，得到关键帧六视图像特征，具体包括：
构建训练筛选网络，训练筛选网络包括编码层和解码层；
通过预设训练样本对编码层进行训练，得到若干个训练完成的卷积核；
获取编码层输出的训练结果，利用训练结果对解码层进行训练，得到若干个训练完成的反卷积核；
对训练完成的卷积核和反卷积核进行筛选，去除卷积核和反卷积核中的冗余项；
基于筛选完成的卷积核和反卷积核构建特征训练模型。
104，对产生编号信息进行识别调取，得到型号规格数据标签。
在本实施例中，服务器通过摄像设备扫描和识别产生编号信息，以得到型号规格数据标签。
105，基于型号规格数据标签锁定待质检电商货品的3D模型数据。
即通过此设置，关联就地实物电商货品与初始数据校对库内的预设电商货品模型。
106，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度。
在本步骤中，3D模型数据包括基准平面六视图。
107，若关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令。
在本步骤中，预设阈值为关键帧六视图像特征与基准平面六视图的偏差率数值。
在本实施例中，偏差率数值为3%。
在本实施例中，服务器得到第一入库指令后，将NG产品运输至不良品仓库。
108，若关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令。
在本步骤中，具体包括：
将第二入库指令输入至预设模拟仓库模型中进行匹配，得到预设模拟仓库模型的入库动作指令；根据入库动作指令运输电商货品至目标仓库。
在本实施例中，预设模拟仓库模型对应就地实体仓库并反映实体仓库的实时存储状态，实体仓库为若干个且容量不一，即通过吻合度比较确定为合格产品后，服务器得到第二入库指令，并根据仓库模型的储存状态信息分配合格的电商货品入库。
进一步的，储存状态信息包括发货目的地信息、仓内剩余容量信息，仓库就地距离信息和仓库储物类别信息。
需要说明的是，第二入库指令可预设入库动作，入库动作根据发货目的地信息、仓内剩余容量信息，仓库就地距离信息或仓库储物类别信息中的一个或多个划分电商货品入库优先级，在提高电商货品的生产质检效率的同时，提高电商货品入库效率。
综上，本申请实施例通过3D模型数据和型号规格数据构建初始数据校对库，扫描获得立体参数影像和产生编号信息后，获取待质检电商货品的关键帧六视图像特征和型号规格数据标签，在锁定待质检电商货品的3D模型数据后，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度，并通过吻合度与预设阈值的比较，生成对应入库指令，最终实现运输电商货品至目标仓库。即通过此方法，提高电商货品的生产质检和中转出货效率。
为了更好地实施以上电商货品外观验证和入库处理方法，相应的，本申请实施例还提供一种电商货品外观验证和入库处理装置，其中，该处理装置可以集成在计算机设备中，也可以集成在服务器中。其中名词的含义与上述处理方法中相同，具体实现细节可以参考方法实施例中的说明。
请参考图2，图2是本申请实施例提供的电商货品外观验证和入库处理装置的结构框图，包括：
获取模块201，用于获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描模块202，用于扫描待质检电商货品并获取待质检电商货品的立体参数影像和产生编号信息；
提取模块203，用于对立体参数影像进行关键帧提取，得到关键帧六视图像特征；
识别模块204，用于对产生编号信息进行识别调取，得到型号规格数据标签；
关联模块205，用于基于型号规格数据标签锁定待质检电商货品的3D模型数据；
判断模块206，用于判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度；
第一输出模块207，用于若关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
第二输出模块208，用于若关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
其中，第二输出模块，具体包括：
匹配单元，用于将第二入库指令输入至预设模拟仓库模型中进行匹配，得到预设模拟仓库模型的入库动作指令；
入库单元，用于根据入库动作指令运输电商货品至目标仓库。
本申请实施例提供的电商货品外观验证和入库处理装置，通过3D模型数据和型号规格数据构建初始数据校对库，扫描获得立体参数影像和产生编号信息后，获取待质检电商货品的关键帧六视图像特征和型号规格数据标签，在锁定待质检电商货品的3D模型数据后，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度，并通过吻合度与预设阈值的比较，生成对应入库指令，最终实现运输电商货品至目标仓库。即通过此方法，提高电商货品的生产质检和中转出货效率。
本申请实施例还提供一种服务器，如图3所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：
该服务器可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解，图3中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器301是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器301可包括一个或多个处理核心；优选的，处理器301可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块，处理器301通过运行存储在存储器302的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器302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（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器302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。相应地，存储器302还可以包括存储器控制器，以提供处理器301对存储器302的访问。
服务器还包括给各个部件供电的电源303，优选的，电源303可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元304，该输入单元304可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器301会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能，如下：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
由上可知，本实施例提供的服务器通过3D模型数据和型号规格数据构建初始数据校对库，扫描获得立体参数影像和产生编号信息后，获取待质检电商货品的关键帧六视图像特征和型号规格数据标签，在锁定待质检电商货品的3D模型数据后，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度，并通过吻合度与预设阈值的比较，生成对应入库指令，最终实现运输电商货品至目标仓库。即通过此方法，提高电商货品的生产质检和中转出货效率。
相应的，本申请实施例还提供一种计算机设备，如图4所示，该计算机设备可以包括射频（RF，RadioFrequency）电路401、包括有一个或一个以上计算机可读存储介质的存储器402、输入单元403、显示单元404、传感器405、音频电路406、无线保真（WiFi，WirelessFidelity)模块407、包括有一个或者一个以上处理核心的处理器408、以及电源409等部件。本领域技术人员可以理解，图4中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路401可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器408处理；另外，将涉及上行的数据发送给基站。通常，RF电路401包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块（SIM，SubscriberIdentityModule）卡、收发信机、耦合器、低噪声放大器（LNA，LowNoiseAmplifier）、双工器等。此外，RF电路401还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统（GSM，GlobalSystemofMobilecommunication）、通用分组无线服务（GPRS，GeneralPacketRadioService）、码分多址（CDMA，CodeDivisionMultipleAccess）、宽带码分多址（WCDMA，WidebandCodeDivisionMultipleAccess）、长期演进（LTE，LongTermEvolution)、电子邮件、短消息服务（SMS，ShortMessagingService)等。
存储器402可用于存储软件程序以及模块，处理器408通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402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（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据计算机设备的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器402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。相应地，存储器402还可以包括存储器控制器，以提供处理器408和输入单元403对存储器402的访问。
输入单元403可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元403可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作（比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作），并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器408，并能接收处理器408发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元403还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键（比如音量控制按键、开关按键等）、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元404可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元404可包括显示面板，可选的，可以采用液晶显示器（LCD，LiquidCrystalDisplay）、有机发光二极管（OLED，OrganicLight-EmittingDiode）等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器408以确定触摸事件的类型，随后处理器408根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图4中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
计算机设备还可以包括至少一种传感器405，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在计算机设备移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等;至于计算机设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路406、扬声器，传声器可提供用户与计算机设备之间的音频接口。音频电路406可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路406接收后转换为音频数据，再将音频数据输出处理器408处理后，经RF电路401以发送给比如另一计算机设备，或者将音频数据输出至存储器402以便进一步处理。音频电路406还可能包括耳塞插孔，以提供外设耳机与计算机设备的通信。
WiFi属于短距离无线传输技术，计算机设备通过WiFi模块407可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块407，但是可以理解的是，其并不属于计算机设备的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器408是计算机设备的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器408可包括一个或多个处理核心；优选的，处理器408可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器408中。
计算机设备还可以包括给各个部件供电的电源409（比如电池），优选的，电源可以通过电源管理系统与处理器408逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源409还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，计算机设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，计算机设备中的处理器408会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器408来运行存储在存储器402中的应用程序，从而实现各种功能：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
以上操作具体可参见前面的实施例，在此不作赘述。
由上可知，本实施例提供的计算机设备通过3D模型数据和型号规格数据构建初始数据校对库，扫描获得立体参数影像和产生编号信息后，获取待质检电商货品的关键帧六视图像特征和型号规格数据标签，在锁定待质检电商货品的3D模型数据后，判断关键帧六视图像特征与待质检电商货品的3D模型数据的吻合度，并通过吻合度与预设阈值的比较，生成对应入库指令，最终实现运输电商货品至目标仓库。即通过此方法，提高电商货品的生产质检和中转出货效率。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种电商货品外观验证和入库处理方法中的步骤。例如，该指令可以执行如下步骤：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器（ROM，ReadOnlyMemory）、随机存取记忆体（RAM，RandomAccessMemory）、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任意电商货品外观验证和入库处理方法中的步骤，因此，可以实现本申请实施例所提供的任一电商货品外观验证和入库处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种电商货品外观验证和入库处理方法及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。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种电商货品外观验证和入库处理方法，其特征在于，包括：
获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
对所述产生编号信息进行识别调取，得到型号规格数据标签；
基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令，具体包括：
将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
根据所述入库动作指令运输电商货品至目标仓库。
2.如权利要求1所述的一种电商货品外观验证和入库处理方法，其特征在于，所述获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库，包括：
根据所述3D模型数据生成电商货品的基准平面六视图并上传至初始数据校对库；
通过vlookup函数在所述初始数据校对库内关联所述型号规格数据与所述3D模型数据。
3.如权利要求2所述的一种电商货品外观验证和入库处理方法，其特征在于，在所述获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库之后，还包括：
将所述基准平面六视图和所述型号规格数据上传至区块链网络节点中。
4.如权利要求2所述的一种电商货品外观验证和入库处理方法，其特征在于，所述对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征，包括：
获取所述立体参数影像相邻两个视频帧的直方图数据和灰度图数据；
通过所述直方图数据和所述灰度图数据输出所述视频帧的加权马式距离；
通过所述加权马式距离确定所述立体参数影像的镜头边界；
通过所述镜头边界得到所述立体参数影像的实物平面六视图像；
通过预设的特征训练模型提取所述实物平面六视图的特征，得到所述关键帧六视图像特征。
5.如权利要求4所述的一种电商货品外观验证和入库处理方法，其特征在于，在所述通过预设的特征训练模型提取所述实物平面六视图的特征，得到所述关键帧六视图像特征之前，还包括：
构建训练筛选网络，所述训练筛选网络包括编码层和解码层；
通过预设训练样本对所述编码层进行训练，得到若干个训练完成的卷积核；
获取所述编码层输出的训练结果，利用所述训练结果对所述解码层进行训练，得到若干个训练完成的反卷积核；
对训练完成的所述卷积核和所述反卷积核进行筛选，去除所述卷积核和所述反卷积核中的冗余项；
基于筛选完成的所述卷积核和所述反卷积核构建所述特征训练模型。
6.一种电商货品外观验证和入库处理装置，所述电商货品外观验证和入库处理装置应用如权利要求1-5任意一项所述的电商货品外观验证和入库处理方法，其特征在于，包括：
获取模块，用于获取电商货品预设的3D模型数据和型号规格数据并构建初始数据校对库；
扫描模块，用于扫描待质检电商货品并获取所述待质检电商货品的立体参数影像和产生编号信息；
提取模块，用于对所述立体参数影像进行关键帧提取，得到关键帧六视图像特征；
识别模块，用于对所述产生编号信息进行识别调取，得到型号规格数据标签；
关联模块，用于基于所述型号规格数据标签锁定所述待质检电商货品的3D模型数据；
判断模块，用于判断所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度；
第一输出模块，用于若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度小于预设阈值，则判定为NG产品并得到第一入库指令；
第二输出模块，用于若所述关键帧六视图像特征与所述待质检电商货品的3D模型数据的吻合度等于或大于预设阈值，则判定为入库产品并得到第二入库指令；
所述第二输出模块，具体包括：
匹配单元，用于将所述第二入库指令输入至预设模拟仓库模型中进行匹配，得到所述预设模拟仓库模型的入库动作指令；
入库单元，用于根据所述入库动作指令运输电商货品至目标仓库。
7.一种计算机设备，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序实现如权利要求1-5任意一项所述的电商货品外观验证和入库处理方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，存储介质中存储的计算机程序被执行实现如权利要求1-5任意一项所述的电商货品外观验证和入库处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211009253.6A CN115082842A (zh) | 2022-08-23 | 2022-08-23 | 一种电商货品外观验证和入库处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211009253.6A CN115082842A (zh) | 2022-08-23 | 2022-08-23 | 一种电商货品外观验证和入库处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115082842A true CN115082842A (zh) | 2022-09-20 |
Family
ID=83244455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211009253.6A Pending CN115082842A (zh) | 2022-08-23 | 2022-08-23 | 一种电商货品外观验证和入库处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082842A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116997100A (zh) * | 2023-05-29 | 2023-11-03 | 上海展华电子(南通)有限公司 | 一种基于机器视觉的焊盘制作方法、系统及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245962A (zh) * | 2019-06-14 | 2019-09-17 | 广州市中煌科技有限公司 | 一种产品的防伪方法 |
| CN112257644A (zh) * | 2020-11-02 | 2021-01-22 | 苏宇航 | 一种基于云计算的电子商务平台店铺商品库存智能管理系统 |
| CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
-
2022
- 2022-08-23 CN CN202211009253.6A patent/CN115082842A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245962A (zh) * | 2019-06-14 | 2019-09-17 | 广州市中煌科技有限公司 | 一种产品的防伪方法 |
| CN112257644A (zh) * | 2020-11-02 | 2021-01-22 | 苏宇航 | 一种基于云计算的电子商务平台店铺商品库存智能管理系统 |
| CN113102269A (zh) * | 2021-04-07 | 2021-07-13 | 沈阳建筑大学 | 基于三维立体视觉的预制构件成品质量检测系统及其应用 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116997100A (zh) * | 2023-05-29 | 2023-11-03 | 上海展华电子(南通)有限公司 | 一种基于机器视觉的焊盘制作方法、系统及介质 |
| CN116997100B (zh) * | 2023-05-29 | 2024-02-20 | 上海展华电子(南通)有限公司 | 一种基于机器视觉的焊盘制作方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11169827B2 (en) | Resource loading at application startup using attributes of historical data groups | |
| KR101770529B1 (ko) | 2차원 코드 인식 방법 및 장치 | |
| CN111046227B (zh) | 一种视频查重方法及装置 | |
| CN104717125B (zh) | 图形码保存方法和装置 | |
| CN112036791A (zh) | 跨平台物流订单填充方法、装置、终端设备和存储介质 | |
| WO2015043230A1 (en) | Method, mobile terminal, and server for displaying data analysis result | |
| CN114706895A (zh) | 应急事件预案推荐方法、装置、存储介质及电子设备 | |
| CN112231144A (zh) | 一种数据处理方法、装置及电子设备 | |
| CN115082842A (zh) | 一种电商货品外观验证和入库处理方法及装置 | |
| CN114281936A (zh) | 分类方法、装置、计算机设备及存储介质 | |
| CN111709843B (zh) | 一种客户画像的生成方法、装置及电子设备 | |
| CN115981798A (zh) | 文件解析方法、装置、计算机设备及可读存储介质 | |
| CN109754319B (zh) | 信用分值确定系统、方法、终端及服务器 | |
| EP3951622A1 (en) | Image-based search method, server, terminal, and medium | |
| CN114510417A (zh) | 一种图像渲染效果测试方法、装置、电子设备和存储介质 | |
| CN110490272B (zh) | 图片内容相似度分析方法、装置及存储介质 | |
| CN115841575A (zh) | 关键点检测方法、装置、电子设备、存储介质和程序产品 | |
| CN111932176A (zh) | 自动交互订单物流筛选方法、装置、终端设备和存储介质 | |
| CN112633770A (zh) | 资产状态的判断方法、装置、存储介质及电子设备 | |
| CN107809449B (zh) | 交易控制方法及装置 | |
| CN111899042A (zh) | 恶意曝光广告行为的检测方法、装置、存储介质及终端 | |
| CN116757583B (zh) | 物流信息的处理方法、系统、电子设备及存储介质 | |
| CN111981975B (zh) | 物体体积测量方法、装置、测量设备及存储介质 | |
| CN107707752A (zh) | 一种图片处理方法及移动终端 | |
| CN117115590A (zh) | 基于自监督学习的内容审核模型训练方法、装置及介质 |
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: 20220920 |