CN115115235B - 一种全流程电子化招标信息管理系统 - Google Patents

一种全流程电子化招标信息管理系统 Download PDF

Info

Publication number
CN115115235B
CN115115235B CN202210766097.1A CN202210766097A CN115115235B CN 115115235 B CN115115235 B CN 115115235B CN 202210766097 A CN202210766097 A CN 202210766097A CN 115115235 B CN115115235 B CN 115115235B
Authority
CN
China
Prior art keywords
bidding
image
bid
unit
score
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
Application number
CN202210766097.1A
Other languages
English (en)
Other versions
CN115115235A (zh
Inventor
杨道欣
梁艳青
秦至红
杨大田
范良宜
叶予
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Hi Tech Engineering Consulting Co ltd
Original Assignee
Guangzhou Hi Tech Engineering Consulting Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Hi Tech Engineering Consulting Co ltd filed Critical Guangzhou Hi Tech Engineering Consulting Co ltd
Priority to CN202210766097.1A priority Critical patent/CN115115235B/zh
Publication of CN115115235A publication Critical patent/CN115115235A/zh
Application granted granted Critical
Publication of CN115115235B publication Critical patent/CN115115235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种全流程电子化招标信息管理系统，包括评标模块和云计算存储模块，评标模块包括输入单元、风险评估单元和得分计算单元；输入单元用于获取专家组对投标人的打分表；风险评估单元用于采用神经网络模型获取属于上市公司的投标人的经营风险评估得分，并将得分结果输入到打分表中对应的位置；得分计算单元用于基于预设的计算公式和打分表计算投标人的最终得分；云计算存储模块用于存储打分表和最终得分。本发明在对招标过程进行全流程管理的过程中，在评标阶段引入了神经网络模型对属于上市公司的投标人的企业经营风险这一打分项进行打分，从而有效地减少了专家组的工作量，从而提高了电子化招标的过程中的工作效率。

Description

一种全流程电子化招标信息管理系统
技术领域
本发明涉及招标管理领域，尤其涉及一种全流程电子化招标信息管理系统。
背景技术
全流程电子招标，顾名思义，就是在计算机和网络上完成招标的全过程，即在线完成招标、投标、评标、定标等所有活动。它与依赖纸质文件的招投标活动没有本质区别。现有技术中的全流程电子化招标信息管理系统，一般是将对投标人的打分评判完全交给评标专家组来进行人工打分，然后在系统里面记录打分详情，在打分评判的过程中，对投标人进行商务评审的经营风险评估时，也是依靠专家组的经验来进行评估，从而导致专家组的工作繁重，影响了电子化招标的工作效率。
发明内容
本发明的目的在于公开一种全流程电子化招标信息管理系统，解决现有技术中存在的问题。
为了达到上述目的，本发明采用如下技术方案：
一种全流程电子化招标信息管理系统，包括评标模块和云计算存储模块，
评标模块包括输入单元、风险评估单元和得分计算单元；
输入单元用于获取专家组对投标人的打分表；若投标人为非上市公司，则打分表中包含专家组对投标人的经营风险评估的打分，若投标人为上市公司，则打分表中投标人的经营风险评估这一项的得分为空白项；
风险评估单元用于采用神经网络模型获取属于上市公司的投标人的经营风险评估得分，并将得分结果输入到打分表中对应的位置；
得分计算单元用于基于预设的计算公式和打分表计算投标人的最终得分；
云计算存储模块用于存储打分表和最终得分。
优选地，全流程电子化招标信息管理系统还包括招标准备模块，
所述招标准备模块用于对招标准备阶段进行管理，并将招标准备阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标准备阶段的管理信息。
优选地，所述招标准备模块包括招标文件制作单元、招标文件评审单元和招标文件审批单元；
招标文件制作单元用于工作人员制作招标文件；
招标文件评审单元用于专家组对招标文件进行评审，获得评审得分；
招标文件审批单元用于对招标文件进行审批，获得审批结果。
优选地，所述招标准备阶段的管理信息包括所述招标文件、所述评审得分和所述审批结果。
优选地，全流程电子化招标信息管理系统还包括招标模块，
所述招标模块用于对招标阶段进行管理，并将招标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标阶段的管理信息。
优选地，所述招标模块包括公告单元和标书上传单元；
公告单元用于工作人员输入招标公告，以及用于将招标公告和招标文件上传至规定网站进行展示；
标书上传单元用于投标人上传标书。
优选地，所述招标阶段的管理信息包括招标公告和标书。
优选地，全流程电子化招标信息管理系统还包括定标模块，
所述定标模块用于对定标阶段进行管理，并将定标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储定标阶段的管理信息。
优选地，所述定标模块包括通知单元和公示单元；
通知单元用于向最终得分最高的投标人发送中标通知；
公示单元用于工作人员输入中标公示，以及用于将中标公示上传至规定网站进行展示。
优选地，所述定标阶段的管理信息包括中标通知和中标公示。
本发明在对招标过程进行全流程管理的过程中，在评标阶段引入了神经网络模型对属于上市公司的投标人的企业经营风险这一打分项进行打分，从而有效地减少了专家组的工作量，从而提高了电子化招标的过程中的工作效率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种全流程电子化招标信息管理系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种全流程电子化招标信息管理系统，包括评标模块和云计算存储模块，
评标模块包括输入单元、风险评估单元和得分计算单元；
输入单元用于获取专家组对投标人的打分表；若投标人为非上市公司，则打分表中包含专家组对投标人的经营风险评估的打分，若投标人为上市公司，则打分表中投标人的经营风险评估这一项的得分为空白项；
风险评估单元用于采用神经网络模型获取属于上市公司的投标人的经营风险评估得分，并将得分结果输入到打分表中对应的位置；
得分计算单元用于基于预设的计算公式和打分表计算投标人的最终得分；
云计算存储模块用于存储打分表和最终得分。
本发明在对招标过程进行全流程管理的过程中，在评标阶段引入了神经网络模型对属于上市公司的投标人的企业经营风险这一打分项进行打分，从而有效地减少了专家组的工作量，从而提高了电子化招标的过程中的工作效率。
对于已经上市的投标人，由于相关的财务信息、公告信息等是完全可以通过公众渠道获取的，因此，本发明能够通过获取上市企业的财务信息、公告信息等进行神经网络模型的训练，然后利用训练完成的神经网络模型和投标人的财务信息、公告信息等信息对投标人的风险进行评估，由于神经网络模型在训练的过程中使用了大数据进行训练，因此，本发明能够获得准确的评估得分。
传统的依靠专家组的经验对投标人进行评估时，虽然也能够获得较为准确的评估得分，但是评估的过程依靠人力来完成，耗时比较长，不利于招标流程的快速推进。
优选地，使用神经网络模型对已上市的投标人进行企业经营风险评估的过程如下：
S1，获取数据样本；
S2，将数据样本分成企业经营数据和企业经营风险实际得分；
S3，使用训练集对神经网络模型进行训练，将输出的企业经营风险评估得分和企业经营风险实际得分进行对比，计算评估误差；
S4，不断调节神经网络模型的参数，直至评估误差小于设定的误差阈值，获得训练完成的神经网络模型；
S5，将投标人的经营数据输入到训练完成的神经网络模型中，获得投标人的企业经营风险评估得分。
具体的，数据样本可以从投标人的年报、半年报等报表中获得。实际得分可以由人工打分得到。需要注意的是，这里的人工打分的人员可以是上面提到的评标阶段的专家组的人员，也可以是其他具有相关的评分经验的人员。
由于评分的过程是在招标开启之前完成的，因此，基于数据样本对企业经营风险进行评分并不会影响招标过程的工作效率。
优选地，企业经营风险得分可以采用净资产收益率、资产利润率、资产负债率、流动比率、资产周转率等指标进行计算。
优选地，所述预设的计算公式包括打分表中每一项的权重值，通过对打分表中的每一项进行加权求和，从而得到最终得分。
优选地，所述输入单元包括身份识别子单元、显示子单元和输入子单元；
身份识别子单元用于采用固定的时间周期对专家组的专家进行身份识别；
显示子单元用于显示打分表；
输入子单元用于通过身份识别的专家将打分输入到打分表中相应的位置，若投标人属于上市企业，则通过身份识别的专家不对打分表中的经营风险评估这一项进行打分，若投标人不属于上市企业，则通过身份识别的专家对打分表中的经营风险评估这一项进行打分。
优选地，所述对专家组的专家进行身份识别，包括：
获取专家的脸部图像；
对脸部图像进行降噪处理，获得待识别图像；
获取待识别图像的特征信息；
将待识别图像的特征信息与云计算存储模块中存储的特征信息进行匹配，若匹配成功，则表示通过身份识别，若匹配失败，则表示没有通过身份识别。
云计算存储模块中存储的特征信息为预先输入的所有具有输入子单元使用权限的专家的脸部图像的特征信息。
优选地，所述对脸部图像进行降噪处理，获得待识别图像，包括：
对脸部图像进行切割处理，获得切割图像；
对切割图像进行灰度化处理，获得灰度化图像；
对灰度化图像进行降噪处理，获得待识别图像。
对脸部图像进行切割处理，能够将背景部分去除，留下属于人脸皮肤区域的部分，从而使得后续进行灰度化处理和降噪处理的像素点的数量变少，有效地提高了对专家组的专家进行身份识别的效率。
优选地，所述对脸部图像进行切割处理，获得切割图像，包括：
将脸部图像在RGB颜色空间中对应的红色分量图像；
分别统计红色分量图像中每种像素值的像素点的第一出现频率；
基于第一出现频率获取种子点集合；
使用种子点集合里面的像素点作为种子点，使用区域生长算法对红色分量图像中的像素点进行处理，将红色分量图像中的像素点分为两类，分别存入集合U1和U2；
分别计算集合U1和U2的平均像素值；
获取U1和U2中平均像素值较大者在脸部图像中对应的像素点的集合U3；
使用U3中的像素点组成临时图像；
对临时图像进行形态学处理，获得切割图像。
现有的区域生长算法一般是在灰度图像中进行区域生长处理，而且生长处理的种子点需要手动进行标记，显然，每次对专家进行身份识别，便手动标记一次种子点是无法实现的。因此，本发明通过计算每种像素值的像素点的第一出现频率来获取种子像素点，从而实现了种子像素点的自适应选取，使得区域生长算法能够应用到红色分量图像中，准确地将红色分量图像中的像素点分为两类。由于获得的临时图像中可能存在零散的非脸部区域的像素点以及空洞，U1和U2中平均像素值较大者对应的是脸部皮肤区域的像素点，因此，本发明还对临时图像进行了形态学处理，获得了更为准确的切割图像。
优选地，所述基于第一出现频率获取种子点集合，包括：
使用图像皮肤检测算法对脸部图像进行检测，获取脸部图像中的皮肤像素点的集合Uf；
在所述红色分量图像中获取Uf中的每种像素值的像素点的第二出现频率；
将红色分量图像中第二出现频率最大的像素值记为maR2；
将红色分量图像中第一出现频率最大的像素值记为maR1；
将maR2和maR1的平均值作为种子像素值；
将红色分量图像中像素值等于种子像素值的像素点存入种子点集合。
在上述实施例中，如果直接将第一出现频率最大的像素值作为种子像素值，则很容易使得非脸部皮肤区域的像素点被选为种子点，因此，通过引入皮肤检测算法获得的皮肤像素点的集合中的各种像素值的像素点的出现频率来获得第二出现频率。通过将第一出现频率最大的像素值和第二出现频率最大的像素值的均值作为种子像素值，能够有效地降低将非脸部皮肤区域的像素点选为种子点的概率，从而有效地降低了获得的临时图像中出现零散的非脸部区域的像素点的概率。
优选地，第一出现频率的计算公式如下：
式中，fqw(d)表示像素值为d的像素点的第一出现频率，nof(d)为红色分量图像中像素值为d的像素点的总数，nt为红色分量图像中的像素点的总数。
优选地，第二出现频率的计算公式如下：
式中，fqt(d)表示像素值为d的像素点的第二出现频率，numf(d)为Uf中像素值为d的像素点的总数，nt为Uf中的像素点的总数。
优选地，所述对切割图像进行灰度化处理，获得灰度化图像，包括：
使用如下公式对切割图像进行灰度化处理：
hdig(x,y)＝w1×R(x,y)+w2×G(x,y)+w3×B(x,y)
式中，hdig表示灰度化图像，hdig(x,y)表示坐标为(x,y)的像素点在灰度化图像中的像素值，w1、w2、w3表示预设的计算系数，R、G、B分别表示切割图像在RGB颜色空间中的红色分量、绿色分量、蓝色分量所对应的图像；R(x,y)、G(x,y)、B(x,y)分别表示坐标为(x,y)的像素点在R、G、B中的像素值。
优选地，所述对灰度化图像进行降噪处理，获得待识别图像，包括：
将灰度化图像分成大小相同的Q个子图像；
分别对每个子图像进行降噪处理，获得处理后的子图像；
由所有处理后的子图像得到待识别图像。
优选地，对子图像进行降噪处理包括：
计算子图像中的像素点的方差；
若方差大于设定的方差阈值，则使用BM3D算法对子图像进行降噪处理，获得处理后的子图像；
若方差小于等于设定的方差阈值，则使用如下函数对子图像进行降噪处理：
式中，lowns表示处理后的子图像，lownss表示像素点s在lowns中的像素值，α、β表示预设的权重系数，nus表示以s为中心的预设大小的窗口内的像素点的集合，ejst(s,t)表示s和nus中的像素点t之间的距离，Γ表示预设的控制系数，sig2表示nus中的像素点与s之间的距离的方差，tig表示自适应标准差，σ表示高斯滤波算法的标准差，vsr表示nus中的像素点在梯度幅值的标准差，stvsr预设的标准值参考值，Ω表示放大系数，avenus表示nus中的像素点的像素值的平均值。
本发明在进行降噪处理时，根据方差阈值将子图像分成两类，方差比较大的子图像，表示子图像中的像素点的像素值之间的区别比较大，因此，采用了降噪能力更强，但是比较耗时的BM3D算法对子图像进行降噪处理，方差比较小的子图像，则采用上述函数进行降噪处理，从而实现在降噪效果和降噪效率两个方面取得均衡。具体的，采用上述函数进项降噪处理时，主要是将nus中的像素点进行加权求和来获得降噪后的像素值。在计算权重值时，本发明从像素点之间的距离和像素点之间的像素值差异两方面进行考虑，同时，本发明还创造性地设置了自适应标准差，自适应标准差随着nus中的像素点的梯度幅值的标准差的变化而反向变化，梯度幅值的标准差越大，自适应标准差越小，梯度幅值的标准差越小，自适应标准差越大，则从而保证了在进行有效地的降噪的同时，为降噪后的子图像保留更多的细节信息。另外，本发明还设置了权重函数来将两种降噪方式的结果进行融合，进一步提高了降噪结果的准确性。
优选地，全流程电子化招标信息管理系统还包括招标准备模块，
所述招标准备模块用于对招标准备阶段进行管理，并将招标准备阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标准备阶段的管理信息。
优选地，所述招标准备模块包括招标文件制作单元、招标文件评审单元和招标文件审批单元；
招标文件制作单元用于工作人员制作招标文件；
招标文件评审单元用于专家组对招标文件进行评审，获得评审得分；
招标文件审批单元用于对招标文件进行审批，获得审批结果。
优选地，所述招标准备阶段的管理信息包括所述招标文件、所述评审得分和所述审批结果。
优选地，全流程电子化招标信息管理系统还包括招标模块，
所述招标模块用于对招标阶段进行管理，并将招标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标阶段的管理信息。
优选地，所述招标模块包括公告单元和标书上传单元；
公告单元用于工作人员输入招标公告，以及用于将招标公告和招标文件上传至规定网站进行展示；
标书上传单元用于投标人上传标书。
优选地，所述招标阶段的管理信息包括招标公告和标书。
优选地，全流程电子化招标信息管理系统还包括定标模块，
所述定标模块用于对定标阶段进行管理，并将定标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储定标阶段的管理信息。
优选地，所述定标模块包括通知单元和公示单元；
通知单元用于向最终得分最高的投标人发送中标通知；
公示单元用于工作人员输入中标公示，以及用于将中标公示上传至规定网站进行展示。
优选地，所述定标阶段的管理信息包括中标通知和中标公示。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

Claims (10)

1.一种全流程电子化招标信息管理系统，其特征在于，包括评标模块和云计算存储模块，
评标模块包括输入单元、风险评估单元和得分计算单元；
输入单元用于获取专家组对投标人的打分表；若投标人为非上市公司，则打分表中包含专家组对投标人的经营风险评估的打分，若投标人为上市公司，则打分表中投标人的经营风险评估这一项的得分为空白项；
风险评估单元用于采用神经网络模型获取属于上市公司的投标人的经营风险评估得分，并将得分结果输入到打分表中对应的位置；
得分计算单元用于基于预设的计算公式和打分表计算投标人的最终得分；
云计算存储模块用于存储打分表和最终得分；
所述输入单元包括身份识别子单元、显示子单元和输入子单元；
身份识别子单元用于采用固定的时间周期对专家组的专家进行身份识别；
显示子单元用于显示打分表；
输入子单元用于通过身份识别的专家将打分输入到打分表中相应的位置，若投标人属于上市企业，则通过身份识别的专家不对打分表中的经营风险评估这一项进行打分，若投标人不属于上市企业，则通过身份识别的专家对打分表中的经营风险评估这一项进行打分；
所述对专家组的专家进行身份识别，包括：
获取专家的脸部图像；
对脸部图像进行降噪处理，获得待识别图像；
获取待识别图像的特征信息；
将待识别图像的特征信息与云计算存储模块中存储的特征信息进行匹配，若匹配成功，则表示通过身份识别，若匹配失败，则表示没有通过身份识别；
云计算存储模块中存储的特征信息为预先输入的所有具有输入子单元使用权限的专家的脸部图像的特征信息；
所述对脸部图像进行降噪处理，获得待识别图像，包括：
对脸部图像进行切割处理，获得切割图像；
对切割图像进行灰度化处理，获得灰度化图像；
对灰度化图像进行降噪处理，获得待识别图像；
所述对脸部图像进行切割处理，获得切割图像，包括：
将脸部图像在RGB颜色空间中对应的红色分量图像；
分别统计红色分量图像中每种像素值的像素点的第一出现频率；
基于第一出现频率获取种子点集合；
使用种子点集合里面的像素点作为种子点，使用区域生长算法对红色分量图像中的像素点进行处理，将红色分量图像中的像素点分为两类，分别存入集合U1和U2；
分别计算集合U1和U2的平均像素值；
获取U1和U2中平均像素值较大者在脸部图像中对应的像素点的集合U3；
使用U3中的像素点组成临时图像；
对临时图像进行形态学处理，获得切割图像；
所述基于第一出现频率获取种子点集合，包括：
使用图像皮肤检测算法对脸部图像进行检测，获取脸部图像中的皮肤像素点的集合Uf；
在所述红色分量图像中获取Uf中的每种像素值的像素点的第二出现频率；
将红色分量图像中第二出现频率最大的像素值记为maR2；
将红色分量图像中第一出现频率最大的像素值记为maR1；
将maR2和maR1的平均值作为种子像素值；
将红色分量图像中像素值等于种子像素值的像素点存入种子点集合；
第一出现频率的计算公式如下：
式中，fqw(d)表示像素值为d的像素点的第一出现频率，nof(d)为红色分量图像中像素值为d的像素点的总数，nt为红色分量图像中的像素点的总数；
第二出现频率的计算公式如下：
式中，fqt(d)表示像素值为d的像素点的第二出现频率，numf(d)为Uf中像素值为d的像素点的总数，nt为Uf中的像素点的总数。
2.根据权利要求1所述的一种全流程电子化招标信息管理系统，其特征在于，还包括招标准备模块，
所述招标准备模块用于对招标准备阶段进行管理，并将招标准备阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标准备阶段的管理信息。
3.根据权利要求2所述的一种全流程电子化招标信息管理系统，其特征在于，所述招标准备模块包括招标文件制作单元、招标文件评审单元和招标文件审批单元；
招标文件制作单元用于工作人员制作招标文件；
招标文件评审单元用于专家组对招标文件进行评审，获得评审得分；
招标文件审批单元用于对招标文件进行审批，获得审批结果。
4.根据权利要求3所述的一种全流程电子化招标信息管理系统，其特征在于，所述招标准备阶段的管理信息包括所述招标文件、所述评审得分和所述审批结果。
5.根据权利要求1所述的一种全流程电子化招标信息管理系统，其特征在于，还包括招标模块，
所述招标模块用于对招标阶段进行管理，并将招标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储招标阶段的管理信息。
6.根据权利要求5所述的一种全流程电子化招标信息管理系统，其特征在于，所述招标模块包括公告单元和标书上传单元；
公告单元用于工作人员输入招标公告，以及用于将招标公告和招标文件上传至规定网站进行展示；
标书上传单元用于投标人上传标书。
7.根据权利要求5所述的一种全流程电子化招标信息管理系统，其特征在于，所述招标阶段的管理信息包括招标公告和标书。
8.根据权利要求1所述的一种全流程电子化招标信息管理系统，其特征在于，还包括定标模块，
所述定标模块用于对定标阶段进行管理，并将定标阶段的管理信息发送至云计算存储模块；
所述云计算存储模块用于存储定标阶段的管理信息。
9.根据权利要求8所述的一种全流程电子化招标信息管理系统，其特征在于，所述定标模块包括通知单元和公示单元；
通知单元用于向最终得分最高的投标人发送中标通知；
公示单元用于工作人员输入中标公示，以及用于将中标公示上传至规定网站进行展示。
10.根据权利要求8所述的一种全流程电子化招标信息管理系统，其特征在于，所述定标阶段的管理信息包括中标通知和中标公示。
CN202210766097.1A 2022-06-30 2022-06-30 一种全流程电子化招标信息管理系统 Active CN115115235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210766097.1A CN115115235B (zh) 2022-06-30 2022-06-30 一种全流程电子化招标信息管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210766097.1A CN115115235B (zh) 2022-06-30 2022-06-30 一种全流程电子化招标信息管理系统

Publications (2)

Publication Number Publication Date
CN115115235A CN115115235A (zh) 2022-09-27
CN115115235B true CN115115235B (zh) 2024-02-06

Family

ID=83330540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210766097.1A Active CN115115235B (zh) 2022-06-30 2022-06-30 一种全流程电子化招标信息管理系统

Country Status (1)

Country Link
CN (1) CN115115235B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102891898A (zh) * 2012-11-05 2013-01-23 北京理工大学 一种基于云存储的网络招投标系统
CN107392570A (zh) * 2017-07-22 2017-11-24 江苏省鸿源招标代理股份有限公司 一种全流程电子招标投标评标系统及其招标投标评标方法
CN109272202A (zh) * 2018-08-24 2019-01-25 中国科学院大学 一种基于卷积神经网络的企业信用评级方法及系统
CN113837558A (zh) * 2021-08-31 2021-12-24 远光软件股份有限公司 一种评标的方法及相关装置
CN114298801A (zh) * 2021-12-31 2022-04-08 深圳采骏绿碳供应链有限公司 一种招标系统评价方法、计算机设备和存储介质
CN114663201A (zh) * 2022-03-10 2022-06-24 西安翻译学院 一种电子招投标管理系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102891898A (zh) * 2012-11-05 2013-01-23 北京理工大学 一种基于云存储的网络招投标系统
CN107392570A (zh) * 2017-07-22 2017-11-24 江苏省鸿源招标代理股份有限公司 一种全流程电子招标投标评标系统及其招标投标评标方法
CN109272202A (zh) * 2018-08-24 2019-01-25 中国科学院大学 一种基于卷积神经网络的企业信用评级方法及系统
CN113837558A (zh) * 2021-08-31 2021-12-24 远光软件股份有限公司 一种评标的方法及相关装置
CN114298801A (zh) * 2021-12-31 2022-04-08 深圳采骏绿碳供应链有限公司 一种招标系统评价方法、计算机设备和存储介质
CN114663201A (zh) * 2022-03-10 2022-06-24 西安翻译学院 一种电子招投标管理系统及方法

Also Published As

Publication number Publication date
CN115115235A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN106446952B (zh) 一种乐谱图像识别方法及装置
CN109711268B (zh) 一种人脸图像筛选方法及设备
CN109559362B (zh) 一种图像主体脸部替换方法及装置
CN110837947B (zh) 一种基于音视频分析技术的教师授课专注度的评估方法
CN112102073A (zh) 信贷风险控制方法及系统、电子设备及可读存储介质
CN107066952A (zh) 一种车道线检测方法
CN110796089A (zh) 用于训练换脸模型的方法和设备
CN114582003B (zh) 一种基于云计算服务的睡眠健康管理系统
CN115330645A (zh) 一种焊接图像增强方法
CN111860369A (zh) 一种欺诈识别方法、装置以及存储介质
CN110879985B (zh) 一种抗噪声数据的人脸识别模型训练方法
CN114627116B (zh) 一种基于人工智能的织物疵点识别方法及系统
CN113870202A (zh) 一种基于深度学习技术的远端芯片缺陷检测系统
CN114549023B (zh) 一种汽车销售客户跟进管理系统
CN115730858A (zh) 一种基于大数据的文化产品设计智能管理平台
CN112419258A (zh) 基于时频分割及卷积神经网络的鲁棒环境声音识别方法
CN115115235B (zh) 一种全流程电子化招标信息管理系统
CN114299059A (zh) 一种热轧带钢表面未分类铸坯划伤缺陷的判定方法
CN110991434B (zh) 自助终端证件识别方法及装置
CN113516193B (zh) 基于图像处理的红枣缺陷识别分类方法及装置
CN112149031B (zh) 一种基于云服务的文化产业创意综合公共服务平台及方法
CN115063603A (zh) 基于边缘信息的木材年轮线精确提取及复原方法
CN114022251A (zh) 一种基于云计算的订单管理系统
CN114519513B (zh) 一种企业数字化经营决策管理系统
CN102721509B (zh) 粘连块状农产品在线分级方法

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
GR01 Patent grant
GR01 Patent grant