CN115545459A - 人员抽检方法、装置、电子设备及计算机可读存储介质 - Google Patents
人员抽检方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115545459A CN115545459A CN202211198679.0A CN202211198679A CN115545459A CN 115545459 A CN115545459 A CN 115545459A CN 202211198679 A CN202211198679 A CN 202211198679A CN 115545459 A CN115545459 A CN 115545459A
- Authority
- CN
- China
- Prior art keywords
- personnel
- inspection
- spot
- target
- spot check
- 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
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
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
- G06Q10/083—Shipping
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Abstract
本申请提供人员抽检方法、装置、电子设备及计算机可读存储介质,所述方法包括:S1:获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略;S2:基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;S3:响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;S4:若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,并获取所述目标人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;S5:若满足,确定所述目标人员抽检合格;若不满足,执行S4,直到所述目标人员抽检合格。本申请无需人工校验数据,提高了抽检效率。
Description
技术领域
本申请涉及物流运输、深度学习、人员抽检技术领域,尤其涉及人员抽检方法、装置、电子设备及计算机可读存储介质。
背景技术
近年来,物流运输行业蓬勃发展,在物流运输行业中,企业会定时或者不定时地对分拨、网点乃至全网员工的着装、办公环境的整洁、文件耗材、下发电子设备的维护和使用情况做全面了解,下派员工去巡检拍照、搜集数据,然后人工校验数据是否合格,将校验的结果作为企业管理和奖惩的一个参考指标。
然而,这种抽检方式的持续周期长,需要较多的人员参与到巡检工作中来,抽检效率较低。
因此,亟需提供人员抽检方法、装置、电子设备及计算机可读存储介质,以改进现有技术。
发明内容
本申请的目的在于提供人员抽检方法、装置、电子设备及计算机可读存储介质,无需另外增派人员进行巡检且无需人工校验数据,提高了抽检效率。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种人员抽检方法,所述方法包括:
S1:获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
S2:基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
S3:响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
S4:若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述目标人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
S5:若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,执行S4,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
该技术方案的有益效果在于:根据待抽检机构的机构信息确定对应的抽检任务和抽检数量,从待抽检机构的所有人员中抽取部分人员,作为需要执行抽检任务的目标人员,一旦有人员在自己的用户终端上开启了目标应用,就检测该人员是否为目标人员,如果是目标人员,利用该用户终端显示第一提示信息,提示该人员完成抽检任务,并获取对应的抽检数据,自动地检测抽检数据是否满足抽检合格条件,如果抽检数据满足抽检合格条件,确定目标人员抽检合格,如果抽检数据不满足抽检合格条件,会再次在用户终端上显示第一提示信息,提示该人员继续执行抽检任务,直到该人员对应的抽检数据满足抽检合格条件。
也就是说,无需另外增派人员进行巡检,而是根据待抽检机构的机构信息灵活设置抽检任务和抽检数量,让待抽检机构的内部人员执行抽检任务,一方面,只要被选中的目标人员没有抽检合格,目标人员的用户终端就会一直提醒目标人员执行抽检任务,引导性较强,提高了目标人员参与抽检的积极性;另一方面,可以自动地检测抽检数据是否满足抽检合格条件,无需人工校验数据,提高了抽检效率。
在一些可选的实施例中,所述基于所述待抽检机构的机构信息获取对应的抽检策略,包括:
将所述待抽检机构的机构信息输入至策略获取模型,获取所述机构信息对应的抽检策略;
其中,所述策略获取模型的训练过程如下:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本机构信息以及所述样本机构信息对应的抽检策略的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的样本机构信息输入预设的深度学习模型,得到所述样本机构信息对应的抽检策略的预测数据;
基于所述样本机构信息对应的抽检策略的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的深度学习模型作为所述策略获取模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
该技术方案的有益效果在于:深度学习的实质,是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而提升分类或预测的准确性,通过设计建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,通过网络的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能的逼近现实的关联关系,由此训练得到的策略获取模型,可以基于待抽检机构的机构信息获取对应的抽检策略,且计算结果准确性高、可靠性高。
在一些可选的实施例中,所述目标人员的抽检任务包括对所述目标人员对应的预设对象进行拍摄,所述抽检数据包括所述预设对象的图像;
所述预设对象包括以下至少一种:人员着装、办公环境、文件耗材清单和电子设备维护清单;
所述抽检合格条件包括以下至少一种:
所述预设对象的图像的分辨率不小于预设分辨率;
所述预设对象的图像与标准图像的相似度不小于预设相似度阈值。
该技术方案的有益效果在于:一方面,抽检任务可以包括对预设对象进行拍摄,抽检数据可以包括预设对象的图像,预设对象可以包括人员着装、办公环境、文件耗材清单和电子设备维护清单等,通过目标人员拍摄得到的预设对象的图像,可以反映出该待抽检机构的员工穿戴工服的情况、办公环境是否整洁、文件耗材的使用情况以及电子设备的维护和使用情况;一方面,抽检合格条件可以是预设对象的图像的分辨率不小于预设分辨率,当预设对象的图像的分辨率小于预设分辨率时,预设对象的图像较为模糊,无法辨认出预设对象,并未达到抽查效果,可以认为该图像抽检不合格;另一方面,抽检合格条件还可以是预设对象的图像与标准图像的相似度不小于预设相似度阈值,当预设对象的图像与标准图像的相似度小于预设相似度阈值,预设对象的图像的拍摄角度可能存在一定问题,或者,拍摄内容可能压根就不是该预设对象,同样未达到抽查效果,可以认为该图像抽检不合格。
在一些可选的实施例中,所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,包括:
若所述人员是所述目标人员,获取所述目标人员的职务信息;
基于所述职务信息,确定所述目标人员的对应的预设对象;
利用所述用户终端显示所述第一提示信息,以提示所述目标人员完成对所述目标人员对应的预设对象进行拍摄的任务。
该技术方案的有益效果在于:不同职务的员工,所能接触的环境和资料是不同的,可以根据目标人员的职务信息自适应地确定目标人员所要拍摄的预设对象,降低了抽检任务的执行难度,例如,目标人员是一线员工时,目标人员所要拍摄的预设对象可以是自身的着装,目标人员是设备管理人员时,目标人员所要拍摄的预设对象可以是电子设备维护清单。
在一些可选的实施例中,所述待抽检机构的机构信息包括组织类型、人员数量和排班信息,所述抽检策略还包括所述目标人员对应的抽检时间段;
所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,包括:
若所述人员是所述目标人员,检测当前时刻是否处于所述目标人员对应的抽检时间段;
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息;
所述方法还包括:
若所述当前时刻不处于所述目标人员对应的抽检时间段,利用所述用户终端显示第二提示信息,以提示所述目标人员在经过等待时长后完成所述抽检任务,所述等待时长是所述当前时刻与所述目标人员对应的抽检时间段的开始时刻之间的时长。
该技术方案的有益效果在于:待抽检机构的机构信息可以包括排班信息,根据排班信息自适应地设置抽检时间段,不同排班信息的目标人员,对应的抽检时间段不同,避免在非排班时间为目标人员安排抽检任务(不仅抽检任务难以执行,还会引起人员心理抵触)。
例如,目标人员甲8号上早班(早8点到下午4点),对应的抽检时间段可以是8号早上9点到下午3点,目标人员乙10号上夜班(晚11点到凌晨4点),对应的抽检时间段可以是10号晚上11点到11号凌晨3点。
如果当前时刻处于目标人员对应的抽检时间段,用户终端可以显示第一提示信息,提醒该目标人员现在去完成抽检任务;如果当前时刻不处于目标人员对应的抽检时间段,用户终端可以显示第二提示信息,提示目标人员还有多长的等待时长就要开始去执行抽检任务,以便目标人员提前做好充足的准备来应对抽检任务,而不是到了时间再提示(打乱目标人员的工作节奏),这样可以进一步提高抽检效率。
在一些可选的实施例中,所述第一提示信息的形式为模态弹窗;
所述若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,包括:
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,禁止所述用户终端访问所述抽检任务对应的任务页面以外的页面。
该技术方案的有益效果在于:模态弹窗通常用于向用户传递信息或获取用户反馈,模态弹窗会打断用户的操作行为,强制用户必须进行相应的操作,否则不可以进行其他操作。
将第一提示信息的形式设置为模态弹窗,可以引起目标人员对于抽检任务的重视,并且,禁止用户终端访问抽检任务对应的任务页面以外的页面,迫使用户尽快地去完成抽检任务,否则就不能使用自己的用户终端去完成别的事务,这样可以进一步提升目标人员参与抽检的积极性。
在一些可选的实施例中,所述方法还包括:
获取每个目标人员抽检合格时对应的任务执行次数;
基于所有目标人员对应的抽检数据和任务执行次数,生成抽检报告并利用显示设备显示所述抽检报告。
该技术方案的有益效果在于:抽检数据可以反映待抽检机构的工作情况,相应地,任务执行次数可以反映待抽检机构对待抽检任务的态度,如果目标人员需要多次地重复执行抽检任务才能抽检合格,表明该目标人员对待抽检任务并不认真,参与抽检的积极性较差。
可以记录每个目标人员抽检合格时对应的任务执行次数,自动统计所有目标人员对应的抽检数据和任务执行次数,生成相应的抽检报告并进行显示,从抽检报告上可以直观地反映出待抽检机构的工作情况以及对待抽检任务的态度。
第二方面,本申请提供了一种人员抽检装置,其特征在于,所述人员抽检装置包括:
策略获取模块,用于获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
人员抽取模块,用于基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
人员检测模块,用于响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
任务提示模块,用于若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
数据校验模块,用于若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,调用所述任务提示模块,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
在一些可选的实施例中,所述策略获取模块用于:
将所述待抽检机构的机构信息输入至策略获取模型,获取所述机构信息对应的抽检策略;
其中,所述策略获取模型的训练过程如下:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本机构信息以及所述样本机构信息对应的抽检策略的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的样本机构信息输入预设的深度学习模型,得到所述样本机构信息对应的抽检策略的预测数据;
基于所述样本机构信息对应的抽检策略的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的深度学习模型作为所述策略获取模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施例中,所述目标人员的抽检任务包括对所述目标人员对应的预设对象进行拍摄,所述抽检数据包括所述预设对象的图像;
所述预设对象包括以下至少一种:人员着装、办公环境、文件耗材清单和电子设备维护清单;
所述抽检合格条件包括以下至少一种:
所述预设对象的图像的分辨率不小于预设分辨率;
所述预设对象的图像与标准图像的相似度不小于预设相似度阈值。
在一些可选的实施例中,所述任务提示模块包括:
职务获取单元,用于若所述人员是所述目标人员,获取所述目标人员的职务信息;
对象确定单元,用于基于所述职务信息,确定所述目标人员的对应的预设对象;
拍摄提示单元,用于利用所述用户终端显示所述第一提示信息,以提示所述目标人员完成对所述目标人员对应的预设对象进行拍摄的任务。
在一些可选的实施例中,所述待抽检机构的机构信息包括组织类型、人员数量和排班信息,所述抽检策略还包括所述目标人员对应的抽检时间段;
所述任务提示模块包括:
时刻检测单元,用于若所述人员是所述目标人员,检测当前时刻是否处于所述目标人员对应的抽检时间段;
第一提示单元,用于若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息;
所述人员抽检装置还包括:
第二提示模块,用于若所述当前时刻不处于所述目标人员对应的抽检时间段,利用所述用户终端显示第二提示信息,以提示所述目标人员在经过等待时长后完成所述抽检任务,所述等待时长是所述当前时刻与所述目标人员对应的抽检时间段的开始时刻之间的时长。
在一些可选的实施例中,所述第一提示信息的形式为模态弹窗;
所述第一提示单元用于:
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,禁止所述用户终端访问所述抽检任务对应的任务页面以外的页面。
在一些可选的实施例中,所述人员抽检装置还包括:
次数获取模块,用于获取每个目标人员抽检合格时对应的任务执行次数;
报告生成模块,用于基于所有目标人员对应的抽检数据和任务执行次数,生成抽检报告并利用显示设备显示所述抽检报告。
第三方面,本申请提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种人员抽检方法的流程示意图。
图2是本申请实施例提供的另一种人员抽检方法的流程示意图。
图3是本申请实施例提供的一种人员抽检装置的结构框图。
图4是本申请实施例提供的一种电子设备的结构框图。
图5是本申请实施例提供的一种程序产品的结构框图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b,a和c,b和c,a和b和c,其中a、b和c可以是单个,也可以是多个。值得注意的是,“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
还需说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
参见图1,图1是本申请实施例提供的一种人员抽检方法的流程示意图。
所述方法包括:
S1:获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
S2:基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
S3:响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
S4:若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述目标人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
S5:若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,执行S4,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
由此,根据待抽检机构的机构信息确定对应的抽检任务和抽检数量,从待抽检机构的所有人员中抽取部分人员,作为需要执行抽检任务的目标人员,一旦有人员在自己的用户终端上开启了目标应用,就检测该人员是否为目标人员,如果是目标人员,利用该用户终端显示第一提示信息,提示该人员完成抽检任务,并获取对应的抽检数据,自动地检测抽检数据是否满足抽检合格条件,如果抽检数据满足抽检合格条件,确定目标人员抽检合格,如果抽检数据不满足抽检合格条件,会再次在用户终端上显示第一提示信息,提示该人员继续执行抽检任务,直到该人员对应的抽检数据满足抽检合格条件。
也就是说,无需另外增派人员进行巡检,而是根据待抽检机构的机构信息灵活设置抽检任务和抽检数量,让待抽检机构的内部人员执行抽检任务,一方面,只要被选中的目标人员没有抽检合格,目标人员的用户终端就会一直提醒目标人员执行抽检任务,引导性较强,提高了目标人员参与抽检的积极性;另一方面,可以自动地检测抽检数据是否满足(预设的)抽检合格条件,无需人工校验数据,提高了抽检效率。
本申请实施例对待抽检机构不作限定,待抽检机构可以是物流运输公司的总部、省区、分拨(含集配)、网点等。
待抽检机构的机构信息可以包括组织类型、人员数量和排班信息,抽检数量可以与待抽检机构的总人数成预设比例,预设比例可以是1/1000、1/100或者1/10。抽检任务可以是拍摄任务或者文件上传任务。抽检任务可以利用目标人员的用户终端完成,也可以利用别的设备完成。
当待抽检机构是网点时,目标人员可以是快递员,目标人员的用户终端可以是快递员终端,目标应用可以是物流运输公司研发的用于快递员揽件、派件的APP或者是钉钉、企业微信等非快递员专用的办公APP。
也就是说,目标应用可以是目标人员每天都需要进行登录和使用的APP,这样的话,目标人员每天都得使用目标应用,无可避免地,会接收到第一提示信息,进一步加强了对目标人员的提示效果。
本申请实施例对用户终端不作限定,其例如可以是手机、平板电脑、笔记本电脑、台式计算机、智能穿戴设备等智能终端设备,或者,用户终端可以是工作站或者控制台。
在一些实施方式中,所述方法还包括:
若所述人员不是所述目标人员,所述用户终端不会显示第一提示信息,所述人员无需完成抽检任务。该人员可以正常使用自己的用户终端。
在一些实施方式中,所述基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员,可以包括:
基于所述抽检数量和所述待抽检机构的所有人员的人员编号,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员。其中,人员编号可以用数字、字母、中文、英文和特殊字符中的一种或多种表示。
在一具体应用中,人员编号可以用纯数字表示,例如0000001、0000002、0000003,数值越小,排序越靠前。
例如,抽检数量为100,抽取人员编号排在前100位的人员作为目标人员;
或者,抽取人员编号的尾号为单数且排在前100位的人员作为目标人员。
在另一些实施方式中,所述基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员,可以包括:
基于所述抽检数量以及所述待抽检机构的所有人员的年龄和入职年限,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员。
例如,抽检数量为200,抽取入职年限为1年,且年龄最小的100名人员作为目标人员。
在一些实施方式中,第一提示信息和下文提到的第二提示信息的形式可以是弹窗、短信、邮件、应用推送消息、电话等。
在一些可选的实施例中,所述基于所述待抽检机构的机构信息获取对应的抽检策略,包括:
将所述待抽检机构的机构信息输入至策略获取模型,获取所述机构信息对应的抽检策略;
其中,所述策略获取模型的训练过程如下:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本机构信息以及所述样本机构信息对应的抽检策略的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的样本机构信息输入预设的深度学习模型,得到所述样本机构信息对应的抽检策略的预测数据;
基于所述样本机构信息对应的抽检策略的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的深度学习模型作为所述策略获取模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
由此,深度学习的实质,是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而提升分类或预测的准确性,通过设计建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,通过网络的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能的逼近现实的关联关系,由此训练得到的策略获取模型,可以基于待抽检机构的机构信息获取对应的抽检策略,且计算结果准确性高、可靠性高。
样本机构信息可以采用实际样本组织的机构信息,也可以直接利用GAN模型的生成网络生成。其中,GAN模型即生成对抗网络(Generative Adversarial Network),由一个生成网络与一个判别网络组成。生成网络从潜在空间(latent space)中随机采样作为输入,其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。使用GAN模型可以生成多个样本机构信息,用于策略获取模型的训练过程,能有效降低原始数据采集的数据量,大大降低数据采集和标注的成本。
预设的训练结束条件可以根据实际需求设定,本申请在此不对其做任何限定。在一个实施例中,预设的训练结束条件可以是达到预设的训练次数。
本申请实施例对策略获取模型的训练过程不作限定,其例如可以采用上述监督学习的训练方式,或者可以采用半监督学习的训练方式,或者可以采用无监督学习的训练方式。
本申请实施例对预设的训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一些可选的实施例中,所述目标人员的抽检任务包括对所述目标人员对应的预设对象进行拍摄,所述抽检数据包括所述预设对象的图像;
所述预设对象包括以下至少一种:人员着装、办公环境、文件耗材清单和电子设备维护清单;
所述抽检合格条件包括以下至少一种:
所述预设对象的图像的分辨率不小于预设分辨率;
所述预设对象的图像与标准图像的相似度不小于预设相似度阈值。
由此,一方面,抽检任务可以包括对预设对象进行拍摄,抽检数据可以包括预设对象的图像,预设对象可以包括人员着装、办公环境、文件耗材清单和电子设备维护清单等,通过目标人员拍摄得到的预设对象的图像,可以反映出该待抽检机构的员工穿戴工服的情况、办公环境是否整洁、文件耗材的使用情况以及电子设备的维护和使用情况;一方面,抽检合格条件可以是预设对象的图像的分辨率不小于预设分辨率,当预设对象的图像的分辨率小于预设分辨率时,预设对象的图像较为模糊,无法辨认出预设对象,并未达到抽查效果,可以认为该图像抽检不合格;另一方面,抽检合格条件还可以是预设对象的图像与标准图像的相似度不小于预设相似度阈值,当预设对象的图像与标准图像的相似度小于预设相似度阈值,预设对象的图像的拍摄角度可能存在一定问题,或者,拍摄内容可能压根就不是该预设对象,同样未达到抽查效果,可以认为该图像抽检不合格。
本申请实施例对预设分辨率和预设相似度阈值不作限定,预设分辨率例如是72dpi、300dpi或者800dpi,预设相似度阈值例如是60%、80%或者90%。
在一些实施方式中,可以利用用户终端(的抽检拍照控件)拍摄预设对象,得到预设对象的图像;
预设对象的图像与标准图像的相似度的获取过程包括:
调用用户终端的图像识别工具对预设对象的图像进行图像识别,得到图像识别结果,将图像识别结果与标准图像的标识进行匹配,得到预设对象的图像与标准图像的相似度。
图像识别工具可以是图像识别SDK。
SDK的全称是Software Development Kit,即软件开发工具包,一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合,可以将其理解为,由第三方服务商提供的实现软件产品某项功能的工具包,里面一般以集合kpi和文档、范例、工具的形式出现,也就是由很多类型文件的集合。
通常SDK是由专业性质的公司提供专业服务的集合,比如提供安卓开发工具、或者基于硬件开发的服务等。也有针对某项软件功能的SDK,如推送技术、图像识别技术、移动支付技术等,同时资源优势类的公司也提供资源共享的SDK,如一些广告SDK提供盈利渠道,分发SDK提供产品下载渠道。
在一具体应用中,预设对象的图像对应的图像识别结果可以是工服上衣,标准图像的标识可以是工服上衣+工服长裤,预设对象的图像与标准图像的相似度可以是50%。
在另一具体应用中,预设对象的图像对应的图像识别结果可以是办公室地面,标准图像的标识可以是工服上衣+工服长裤,预设对象的图像与标准图像的相似度可以是2%。
在一些可选的实施例中,所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,包括:
若所述人员是所述目标人员,获取所述目标人员的职务信息;
基于所述职务信息,确定所述目标人员的对应的预设对象;
利用所述用户终端显示所述第一提示信息,以提示所述目标人员完成对所述目标人员对应的预设对象进行拍摄的任务。
由此,不同职务的员工,所能接触的环境和资料是不同的,可以根据目标人员的职务信息自适应地确定目标人员所要拍摄的预设对象,降低了抽检任务的执行难度,例如,目标人员是一线员工时,目标人员所要拍摄的预设对象可以是自身的着装,目标人员是设备管理人员时,目标人员所要拍摄的预设对象可以是电子设备维护清单。
本申请实施例对职务信息不作限定,职务信息可以包括一线员工、设备管理人员、班组管理人员、流程人员、销售人员等。
在一些可选的实施例中,所述待抽检机构的机构信息包括组织类型、人员数量和排班信息,所述抽检策略还包括所述目标人员对应的抽检时间段;
所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,包括:
若所述人员是所述目标人员,检测当前时刻是否处于所述目标人员对应的抽检时间段;
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息;
所述方法还包括:
若所述当前时刻不处于所述目标人员对应的抽检时间段,利用所述用户终端显示第二提示信息,以提示所述目标人员在经过等待时长后完成所述抽检任务,所述等待时长是所述当前时刻与所述目标人员对应的抽检时间段的开始时刻之间的时长。
由此,待抽检机构的机构信息可以包括排班信息,根据排班信息自适应地设置抽检时间段,不同排班信息的目标人员,对应的抽检时间段不同,避免在非排班时间为目标人员安排抽检任务(不仅抽检任务难以执行,还会引起人员心理抵触)。
例如,目标人员甲8号上早班(早8点到下午4点),对应的抽检时间段可以是8号早上9点到下午3点,目标人员乙10号上夜班(晚11点到凌晨4点),对应的抽检时间段可以是10号晚上11点到11号凌晨3点。
如果当前时刻处于目标人员对应的抽检时间段,用户终端可以显示第一提示信息,提醒该目标人员现在去完成抽检任务;如果当前时刻不处于目标人员对应的抽检时间段,用户终端可以显示第二提示信息,提示目标人员还有多长的等待时长就要开始去执行抽检任务,以便目标人员提前做好充足的准备来应对抽检任务,而不是到了时间再提示(打乱目标人员的工作节奏),这样可以进一步提高抽检效率。
待抽检机构的组织类型可以是物流运输公司的总部、省总、区总、分拨(含集配)、网点;待抽检机构的人员数量可以是5000、1000或者100;待抽检机构的排班信息可以包括早班对应的人员、中班对应的人员和晚班对应的人员。
其中,早班为8:00~16:00,中班为16:00~23:00,夜班为23:00~4:00。
抽检时间段可以与排班时间段完全对应,也可以短于排班时间段。
如果目标人员当天的排班不止一个班次(包括早班和中班),对应的抽检时间段也可以是不止一个,等待时长可以是当前时刻与最早的抽检时间段的开始时刻之间的时长。
在一些可选的实施例中,所述第一提示信息的形式为模态弹窗;
所述若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,包括:
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,禁止所述用户终端访问所述抽检任务对应的任务页面以外的页面。
由此,模态弹窗通常用于向用户传递信息或获取用户反馈,模态弹窗会打断用户的操作行为,强制用户必须进行相应的操作,否则不可以进行其他操作。
将第一提示信息的形式设置为模态弹窗,可以引起目标人员对于抽检任务的重视,并且,禁止用户终端访问抽检任务对应的任务页面以外的页面,迫使用户尽快地去完成抽检任务,否则就不能使用自己的用户终端去完成别的事务,这样可以进一步提升目标人员参与抽检的积极性。
在一些实施方式中,所述方法还包括:
若所述当前时刻不处于所述目标人员对应的抽检时间段,允许所述用户终端访问所述抽检任务对应的任务页面以外的页面。也就是说,目标人员可以正常使用用户终端,不受约束。
在一些可选的实施例中,所述方法还包括:
获取每个目标人员抽检合格时对应的任务执行次数;
基于所有目标人员对应的抽检数据和任务执行次数,生成抽检报告并利用显示设备显示所述抽检报告。
由此,抽检数据可以反映待抽检机构的工作情况,相应地,任务执行次数可以反映待抽检机构对待抽检任务的态度,如果目标人员需要多次地重复执行抽检任务才能抽检合格,表明该目标人员对待抽检任务并不认真,参与抽检的积极性较差。
可以记录每个目标人员抽检合格时对应的任务执行次数,自动统计所有目标人员对应的抽检数据和任务执行次数,生成相应的抽检报告并进行显示,从抽检报告上可以直观地反映出待抽检机构的工作情况以及对待抽检任务的态度。
抽检报告可以包括数据报表、饼状图、柱状图、折线图等。
在一些实施方式中,当抽检数据不满足抽检合格条件时,可以针对该抽检数据进行人工校验,如果人工校验不合格,则判定目标人员此次抽检不合格,使用或者登录用户终端的应用时重新弹窗提示,引导目标人员按要求再次执行抽检任务,直至合格完成抽检任务。
参见图2,图2是本申请实施例提供的另一种人员抽检方法的流程示意图。
第一、创建抽检任务
定量创建抽检任务推送到应用(软件)后台,圈定抽检群组或者人员,仅抽检人员登陆/启动应用(软件)时需完成抽检拍照。
创建抽检任务的具体操作流程为:
a、在抽检结果查询页面点击创建抽检任务;
b、在弹出的抽检任务弹窗中添加抽检站点导入链接,导入模版包含‘网点名称/网点编码/群组’均为必填,类别/职务/级别等为选填;
c、模版导入,导入失败时弹窗提示:导入失败,请更新后重新全量导入;
d、抽检站点选择随机或者按照特定算法抽取,默认带出抽查站点数量,上传和下载模版按钮隐藏;
e、抽检站点选择文件上传,默认带出上传和下载模版按钮,抽查站点数量隐藏;
f、根据输入的抽查站点数量,随机抽取对应数量的一级/二级站点,抽检开始时间必须大于当前日期,结束时间大于等于开始时间,仅支持选择年月日,提交成功,抽检任务推送至应用(软件)后台。
第二、用户执行抽检任务
用户登录或者启动应用时,判断是否在抽检时间段内;
若在抽检时间段内,则判断是否为当日抽检人员;
若是当日抽检人员,则判断当日是否已完成抽检任务,
若当日未完成抽检任务,则弹窗提示并引导该用户调用图片识别SDK完成抽检任务;
若未被抽检到或者在规定时间段内已经完成抽检任务,则不进行弹窗提示和引导。
其中,引导抽检人员正确操作并完成抽检任务的过程如下:
调用图片识别SDK,SDK返回最终识别的照片及结果,用户点击上传后即可正常使用应用;
将员工信息及照片相关参数传给应用后台。
应用后台管理系统可以对抽检功能进行开关控制,默认开启,后台若关闭此功能时,校验时后台默认传“是”,不进行弹窗提醒。
第三、后台校验数据
应用后台对获取到的抽检数据进行清洗、筛选和过滤,并生产数据报表和相应的图表。
采用人工智能算法对抽检数据进行校验,对校验不合格的数据进行人工校验;
如果人工校验不合格,则判定抽检人员此次抽检任务未完成,抽检人员使用或者登录应用时重新弹窗提示,引导抽检人员按要求继续完成抽检任务;直至合格完成抽检任务。
考虑到用户每天都在登录和使用相应的应用(软件),可通过使用软件时,提示用户进行抽检拍照。灵活设置抽查样本数量、群体和类别,能根据总部、省总、区总、分拨(含集配)、网点类别做抽检,可判断用户是否为抽检用户,是否在抽检时间内上传数据,若是则调用抽检拍照空间控件,否则不调用,用户可正常使用应用。
抽查的时间灵活可控,可以根据抽查对象不同,设定不同的抽查时间,比如区分早中晚班。控件自动识别抽检结果,如果未识别成功,则可继续弹窗引导用户正确操作并完成抽检任务,减少人工核对工作量,降低人员投入成本。还可以对抽查人员做出的工作安排和任务进度提醒,完善激励系统,帮助员工提供提高工作效率,获取工作高额产出。
参见图3,图3是本申请实施例提供的一种人员抽检装置的结构框图。
所述人员抽检装置的具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述人员抽检装置包括:
策略获取模块101,用于获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
人员抽取模块102,用于基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
人员检测模块103,用于响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
任务提示模块104,用于若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
数据校验模块105,用于若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,调用所述任务提示模块104,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
在一些可选的实施例中,所述策略获取模块101用于:
将所述待抽检机构的机构信息输入至策略获取模型,获取所述机构信息对应的抽检策略;
其中,所述策略获取模型的训练过程如下:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本机构信息以及所述样本机构信息对应的抽检策略的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的样本机构信息输入预设的深度学习模型,得到所述样本机构信息对应的抽检策略的预测数据;
基于所述样本机构信息对应的抽检策略的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的深度学习模型作为所述策略获取模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
在一些可选的实施例中,所述目标人员的抽检任务包括对所述目标人员对应的预设对象进行拍摄,所述抽检数据包括所述预设对象的图像;
所述预设对象包括以下至少一种:人员着装、办公环境、文件耗材清单和电子设备维护清单;
所述抽检合格条件包括以下至少一种:
所述预设对象的图像的分辨率不小于预设分辨率;
所述预设对象的图像与标准图像的相似度不小于预设相似度阈值。
在一些可选的实施例中,所述任务提示模块104包括:
职务获取单元,用于若所述人员是所述目标人员,获取所述目标人员的职务信息;
对象确定单元,用于基于所述职务信息,确定所述目标人员的对应的预设对象;
拍摄提示单元,用于利用所述用户终端显示所述第一提示信息,以提示所述目标人员完成对所述目标人员对应的预设对象进行拍摄的任务。
在一些可选的实施例中,所述待抽检机构的机构信息包括组织类型、人员数量和排班信息,所述抽检策略还包括所述目标人员对应的抽检时间段;
所述任务提示模块104包括:
时刻检测单元,用于若所述人员是所述目标人员,检测当前时刻是否处于所述目标人员对应的抽检时间段;
第一提示单元,用于若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息;
所述人员抽检装置还包括:
第二提示模块,用于若所述当前时刻不处于所述目标人员对应的抽检时间段,利用所述用户终端显示第二提示信息,以提示所述目标人员在经过等待时长后完成所述抽检任务,所述等待时长是所述当前时刻与所述目标人员对应的抽检时间段的开始时刻之间的时长。
在一些可选的实施例中,所述第一提示信息的形式为模态弹窗;
所述第一提示单元用于:
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,禁止所述用户终端访问所述抽检任务对应的任务页面以外的页面。
在一些可选的实施例中,所述人员抽检装置还包括:
次数获取模块,用于获取每个目标人员抽检合格时对应的任务执行次数;
报告生成模块,用于基于所有目标人员对应的抽检数据和任务执行次数,生成抽检报告并利用显示设备显示所述抽检报告。
参见图4,图4是本申请实施例提供的一种电子设备200的结构框图。
电子设备200包括至少一个存储器210和至少一个处理器220,电子设备200还可以包括连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220实现上述任一项装置的功能或者实现上述任一项方法的步骤,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
处理器220可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
总线230可以为表示几类总线结构的一种或多种,包括存储器总线或者存储器自动驾驶车辆、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现上述任一项方法的步骤,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
参见图5,图5示出了本申请实施例提供的一种程序产品的结构示意图。
所述程序产品用于实现上述任一项方法。程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本申请中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种人员抽检方法,其特征在于,所述方法包括:
S1:获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
S2:基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
S3:响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
S4:若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述目标人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
S5:若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,执行S4,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
2.根据权利要求1所述的人员抽检方法,其特征在于,所述基于所述待抽检机构的机构信息获取对应的抽检策略,包括:
将所述待抽检机构的机构信息输入至策略获取模型,获取所述机构信息对应的抽检策略;
其中,所述策略获取模型的训练过程如下:
获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括一个样本机构信息以及所述样本机构信息对应的抽检策略的标注数据;
针对所述训练集中的每个训练数据,执行以下处理:
将所述训练数据中的样本机构信息输入预设的深度学习模型,得到所述样本机构信息对应的抽检策略的预测数据;
基于所述样本机构信息对应的抽检策略的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的深度学习模型作为所述策略获取模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。
3.根据权利要求2所述的人员抽检方法,其特征在于,所述目标人员的抽检任务包括对所述目标人员对应的预设对象进行拍摄,所述抽检数据包括所述预设对象的图像;
所述预设对象包括以下至少一种:人员着装、办公环境、文件耗材清单和电子设备维护清单;
所述抽检合格条件包括以下至少一种:
所述预设对象的图像的分辨率不小于预设分辨率;
所述预设对象的图像与标准图像的相似度不小于预设相似度阈值。
4.根据权利要求3所述的人员抽检方法,其特征在于,所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,包括:
若所述人员是所述目标人员,获取所述目标人员的职务信息;
基于所述职务信息,确定所述目标人员的对应的预设对象;
利用所述用户终端显示所述第一提示信息,以提示所述目标人员完成对所述目标人员对应的预设对象进行拍摄的任务。
5.根据权利要求1所述的人员抽检方法,其特征在于,所述待抽检机构的机构信息包括组织类型、人员数量和排班信息,所述抽检策略还包括所述目标人员对应的抽检时间段;
所述若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,包括:
若所述人员是所述目标人员,检测当前时刻是否处于所述目标人员对应的抽检时间段;
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息;
所述方法还包括:
若所述当前时刻不处于所述目标人员对应的抽检时间段,利用所述用户终端显示第二提示信息,以提示所述目标人员在经过等待时长后完成所述抽检任务,所述等待时长是所述当前时刻与所述目标人员对应的抽检时间段的开始时刻之间的时长。
6.根据权利要求5所述的人员抽检方法,其特征在于,所述第一提示信息的形式为模态弹窗;
所述若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,包括:
若所述当前时刻处于所述目标人员对应的抽检时间段,利用所述用户终端显示所述第一提示信息,禁止所述用户终端访问所述抽检任务对应的任务页面以外的页面。
7.根据权利要求1所述的人员抽检方法,其特征在于,所述方法还包括:
获取每个目标人员抽检合格时对应的任务执行次数;
基于所有目标人员对应的抽检数据和任务执行次数,生成抽检报告并利用显示设备显示所述抽检报告。
8.一种人员抽检装置,其特征在于,所述人员抽检装置包括:
策略获取模块,用于获取待抽检机构的机构信息,并基于所述待抽检机构的机构信息获取对应的抽检策略,所述抽检策略包括抽检任务和抽检数量;
人员抽取模块,用于基于所述抽检数量,从所述待抽检机构的所有人员中抽取部分人员,作为目标人员;
人员检测模块,用于响应于开启用户终端的目标应用的操作,检测所述用户终端对应的人员是否为所述目标人员;
任务提示模块,用于若所述人员是所述目标人员,利用所述用户终端显示第一提示信息,以提示所述目标人员完成所述抽检任务,并获取所述人员对应的抽检数据,检测所述抽检数据是否满足抽检合格条件;
数据校验模块,用于若所述抽检数据满足所述抽检合格条件,确定所述目标人员抽检合格;若所述抽检数据不满足所述抽检合格条件,调用所述任务提示模块,直到所述目标人员对应的抽检数据满足所述抽检合格条件。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211198679.0A CN115545459A (zh) | 2022-09-29 | 2022-09-29 | 人员抽检方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211198679.0A CN115545459A (zh) | 2022-09-29 | 2022-09-29 | 人员抽检方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115545459A true CN115545459A (zh) | 2022-12-30 |
Family
ID=84731850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211198679.0A Pending CN115545459A (zh) | 2022-09-29 | 2022-09-29 | 人员抽检方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115545459A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137073A (zh) * | 2023-04-19 | 2023-05-19 | 北京国电通网络技术有限公司 | 电力物资、设备材料远程智能抽检方法、电子设备和介质 |
-
2022
- 2022-09-29 CN CN202211198679.0A patent/CN115545459A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116137073A (zh) * | 2023-04-19 | 2023-05-19 | 北京国电通网络技术有限公司 | 电力物资、设备材料远程智能抽检方法、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846640B2 (en) | Architecture, engineering and construction (AEC) risk analysis system and method | |
US11341439B2 (en) | Artificial intelligence and machine learning based product development | |
CN110020426B (zh) | 将用户咨询分配到客服业务组的方法及装置 | |
CN110610240A (zh) | 基于人工智能的虚拟自动化辅助 | |
CN108475365A (zh) | 将管理任务分类和划分优先级 | |
US20210256326A1 (en) | Systems, techniques, and interfaces for obtaining and annotating training instances | |
CN101540022A (zh) | 项目环境中的知识转移 | |
CN110163204A (zh) | 基于图像识别的商家监管方法、装置及存储介质 | |
CN111651571A (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
CN111738701A (zh) | 绩效分析方法、装置、计算机设备和存储介质 | |
CN115545459A (zh) | 人员抽检方法、装置、电子设备及计算机可读存储介质 | |
Corrêa et al. | Worldwide AI ethics: A review of 200 guidelines and recommendations for AI governance | |
Bharadwaj et al. | Resume Screening using NLP and LSTM | |
US11769521B1 (en) | Providing a condition-specific data collection sequence | |
CN109492859A (zh) | 基于神经网络模型的员工分类方法及装置、设备、介质 | |
CN113326678A (zh) | 会议纪要的生成方法、装置、终端设备及计算机存储介质 | |
Greasley | Enabling a simulation capability in the organisation | |
CN111159378A (zh) | 对问题描述信息进行分类的方法及装置 | |
Shin | Socio-technical design of algorithms: Fairness, accountability, and transparency | |
CN112734142B (zh) | 基于深度学习的资源学习路径规划方法及装置 | |
Bergmann | Ambient intelligence for decision making in fire service organizations | |
CN114611841A (zh) | 一种景区游客流量预测方法及装置 | |
Petitdemange et al. | Enhancing Emergency Call Centers' Performance Through a Data-driven Simulation Approach. | |
JP7079882B1 (ja) | 情報処理方法、コンピュータプログラム及び情報処理装置 | |
West et al. | GOMS, distributed cognition, and the knowledge structures of organizations |
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 |