CN115984885A - 一种用于营销现场作业的工单管理方法及系统 - Google Patents
一种用于营销现场作业的工单管理方法及系统 Download PDFInfo
- Publication number
- CN115984885A CN115984885A CN202211664230.9A CN202211664230A CN115984885A CN 115984885 A CN115984885 A CN 115984885A CN 202211664230 A CN202211664230 A CN 202211664230A CN 115984885 A CN115984885 A CN 115984885A
- Authority
- CN
- China
- Prior art keywords
- work order
- work
- information
- management method
- model
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种用于营销现场作业的工单管理方法及系统，方法包括：对现场客户发放工单以供填写，将填写完的表单进行扫描以获取工单图像；提取工单图像中的水平线和竖直线信息，并分别标记序号，计算其中第i根水平线和第j根竖直线的交点坐标，并与预存的工单模板中对应的交点坐标进行比较，若两者横坐标差值和纵坐标差值均处于误差范围内，则待录入的工单的类型与该工单模板的类型相同；通过OCR识别对应单元格内的填写内容；根据该工单模板中单元格的信息分类，将识别出的填写内容进行分类，以完成该工单的信息录入。本发明提供的工单管理方法及系统使得纸质工单扫描后能够自动分类和信息录入，实现了工单的准确高效处理。
Description
技术领域
本发明涉及工单管理技术领域，尤其涉及一种用于营销现场作业的工单管理方法及系统。
背景技术
近年来，随着电网相关营销业务的发展，各类营销作业任务繁重，从而在改善客户服务质量、强化安全防控、提质增效等方面提出了更高要求。营销现场作业是指由营销服务人员进行的业扩报装、电能计量、用电信息采集、用电检查、分布式电源作业、智能用电以及综合能源等现场工作。
传统的电力营销工作方式为：通过现场拍照和现场填写表单，然后现场人员通过扫描功能将照片和工单上传至工单管理系统等环节，再由管理人员根据工单的类型和区域分配至对应的作业人员，作业人员再赶赴现场进行处理。在工单数量过多需要排队时，管理人员只能根据工单时间顺序依次分配，这样会导致工单分配不及时，且无法优先安排危急度高的工单，造成现场处理效率低下，不及时的问题。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
为了克服现有技术存在的不足，本发明提供一种用于营销现场作业的工单管理方法及系统，具体技术方案如下：
一方面，提供了一种用于营销现场作业的工单管理方法，包括以下步骤：
对现场客户发放工单以供填写，所述工单通过交错的水平线和竖直线将其填写区域分为多个单元格，将填写完的表单进行扫描以获取工单图像；
提取所述工单图像中的水平线和竖直线信息，并分别标记序号，计算其中第i根水平线和第j根竖直线的交点坐标，并与预存的工单模板中的第i根水平线和第j根竖直线的交点坐标进行比较，若两者横坐标差值和纵坐标差值均处于误差范围内，则待录入的工单的类型与该工单模板的类型相同；根据该工单模板中单元格的角坐标信息，定位到待录入工单中对应单元格，通过训练好的神经网络模型识别对应单元格内的填写内容；根据该工单模板中单元格的信息分类，将识别出的填写内容进行分类，以完成该工单的信息录入。
进一步地，根据现场客户需求发放不同或相同类型的工单，根据预存的多个工单模板，将待录入工单的交点坐标信息与所述工单模板对应的交点坐标逐一进行比对，以初步找到满足误差条件下对应的工单模板。
进一步地，额外计算待录入的工单中另一个的交点坐标，与初步确定的工单模板对应的交点坐标进行比较，若仍然满足误差条件，则确认待录入的工单类型为该工单模板的类型。
进一步地，先对所述工单图像进行预处理，再提取其中的水平线和竖直线信息，所述预处理包括尺寸归一化、灰度化处理、二值化处理、去噪处理和倾斜校正处理。
进一步地，利用Hough变换对预处理后的工单图像进行表格线提取，根据表格线的倾斜角度划分为水平和竖直两组，根据水平线的纵坐标和竖直线的横坐标的大小分别对两组直线进行排序。
进一步地，在有网络的环境下，将录入的工单信息直接上传服务器；在无网络的环境下，将录入的工单信息预存在电子设备中，等到转至有网络关键下，再进行上传服务器；工单分派系统根据上传的工单信息实时进行更新。
进一步地，所述工单在其表格指定区域设置分区代号和/或危急度标志；预先将分区代号或危急度标志关联一个或多个工单模板，优先识别工单上指定区域设置的分区代号和/或危急度标志，以优先调出关联的工单模板进行比对。
进一步地，根据所述工单对应的类型、分区代号和危急度标记进行分类和排序；将所述工单先按照分区进行划分，再将每个分区内的工单按照危急度进行排序，最后根据类型分配给对应分区内的作业人员。
进一步地，利用神经网络模型对所述工单中各单元格对应的图像进行识别，所述神经网络模型为OCR识别模型；
其中，所述OCR识别模型的训练步骤如下：
获取现场人员的手写文字，该手写文字具有对应的标准文字，手写文字和标准文字构成文字对，将该文字对划分为训练集、验证集和测试集，并进行特征处理；
将训练集的特征输入初始模型进行训练；
设置初始模型的轮次，每间隔N轮次输出一次模型，并保存为候选模型；
将验证集的特征输入候选模型中，采用f1指标对所有候选模型进行评价，选择其中效果最优的模型作为OCR识别模型；所述f1指标的计算公式如下：
其中，P为准确率，R为召回率；
利用测试集的特征对OCR识别模型进行测试，获得OCR识别模型的效果。
另一方面，提供了一种用于营销现场作业的工单管理系统，包括扫描单元、处理器、无线通信单元和存储单元，所述扫描单元、无线通信单元和存储单元均与所述处理器电连接，所述扫描单元被配置为对工单进行图像采集，所述无线通信单元被配置为将所述工单的录入信息上传至服务器，所述存储单元被配置为将所述工单的录入信息进行本地存储；所述处理器采用所述的用于营销现场作业的工单管理方法对工单图像进行处理。
与现有技术相比，本发明具有下列优点：纸质工单扫描后能够自动分类和信息录入，实现了工单的准确高效处理。
附图说明
图1是本发明实施例提供的用于营销现场作业的工单管理方法中工单表格示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
在本发明的一个实施例中，提供了一种用于营销现场作业的工单管理方法，包括以下步骤：
对现场客户发放工单以供填写，所述工单主要为表格样式，参见图1，所述工单通过交错的水平线和竖直线将其填写区域分为多个单元格，将填写完的表单进行扫描以获取工单图像；
提取所述工单图像中的水平线和竖直线信息，并分别标记序号，计算其中第i根水平线和第j根竖直线的交点坐标，i和j为预设值，数量可以是1组或多组，并与预存的工单模板中的第i根水平线和第j根竖直线的交点坐标进行比较，若两者横坐标差值和纵坐标差值均处于误差范围内，则待录入的工单的类型与该工单模板的类型相同；
例如，待录入工单对应的设交点坐标为(x,y)，工单模板对应位置的交点坐标为(x0,y0)，上述两者比较，即判断x是否在(x0-ε，x0+ε)范围内，y是否在(y0-ε，y0+ε)，ε为误差值，若交点坐标为(x,y)处于上述范围内，则认为该工单表格为与匹配上的工单模板表格相同，属于相同类型的工单。
根据该工单模板中单元格的角坐标信息，对待录入工单中对应单元格进行定位，再提取单元格中的内容，该内容即单元格图像，以实现工单内容的快速提取；通过训练好的神经网络模型识别对应单元格图像；根据该工单模板中单元格的信息分类，将识别出的填写内容进行分类，以完成该工单的信息录入。
根据现场客户需求发放不同或相同类型的工单，根据预存的多个工单模板，每个工单类型的表格模板都是不同的；将待录入工单的交点坐标信息与所述工单模板对应的交点坐标逐一进行比对，以初步找到满足误差条件下对应的工单模板。为了提高匹配准确率，额外计算待录入的工单中另一个的交点坐标，与初步确定的工单模板对应的交点坐标进行比较，若仍然满足误差条件，则确认待录入的工单类型为该工单模板的类型。
为了提高图像识别的准确率，先对所述工单图像进行预处理，再提取其中的水平线和竖直线信息，所述预处理包括尺寸归一化、灰度化处理、二值化处理、去噪处理和倾斜校正处理。利用Hough变换对预处理后的工单图像进行表格线提取，根据表格线的倾斜角度划分为水平和竖直两组，根据水平线的纵坐标和竖直线的横坐标的大小分别对两组直线进行排序，以便后面交点坐标的求取。
在有网络的环境下，将录入的工单信息直接上传服务器；在无网络的环境下，将录入的工单信息预存在电子设备中，等到转至有网络关键下，再进行上传服务器；工单分派系统根据上传的工单信息实时进行更新。
为了进一步提高工单识别和任务分配效率，所述工单在其表格指定区域设置分区代号和危急度标志，例如分区代号规定设置在左上角，以数据+字母来映射表示不同的地区，如采用0A、0B等表示，危急度标志设置在右上角，以星号表示，如采用五角星数量表示，数量越多，危急程度越高。预先将分区代号或危急度标志关联一个或多个工单模板，例如，新安装设备的工单模板关联三颗星的危急度标志，免费更新设备的工单模板关联至分区代号为0A对应的地区。优先识别工单上指定区域设置的分区代号和危急度标志，以优先调出关联的工单模板进行比对，减少比对的模板数量，以提高匹配正确的速度和准确率。
根据所述工单对应的类型、分区代号和危急度标记进行分类和排序；将所述工单先按照分区进行划分，再将每个分区内的工单按照危急度进行排序，最后根据类型分配给对应分区内的作业人员。
在本发明的一个实施例中，利用神经网络模型对所述工单中各单元格对应的图像进行识别，所述神经网络模型为OCR识别模型；其中，所述OCR识别模型的训练步骤如下：
获取现场人员(即填写纸质工单人员)的手写文字，该手写文字具有对应的标准文字，手写文字和标准文字构成文字对，将该文字对划分为训练集、验证集和测试集，并进行特征处理；
将训练集的特征输入初始模型进行训练；
设置初始模型的轮次，每间隔N轮次输出一次模型，并保存为候选模型；
将验证集的特征输入候选模型中，采用f1指标对所有候选模型进行评价，选择其中效果最优的模型作为OCR识别模型；所述f1指标的计算公式如下：
其中，P为准确率，R为召回率，正确识别文字对数量是指模型识别结果为正确的数量，应该识别文字对数量是指期望模型识别结果为正确的目标数量；
利用测试集的特征对OCR识别模型进行测试，获得OCR识别模型的效果。
本发明实施例还提供了一种用于营销现场作业的工单管理系统，包括扫描单元、处理器、无线通信单元和存储单元，所述扫描单元、无线通信单元和存储单元均与所述处理器电连接，所述扫描单元被配置为对工单进行图像采集，所述无线通信单元被配置为将所述工单的录入信息上传至服务器，所述存储单元被配置为将所述工单的录入信息进行本地存储；所述处理器采用所述的用于营销现场作业的工单管理方法对工单图像进行处理。本系统实施例的思想与上述实施例中工单管理方法的工作过程属于同一思想，通过全文引用的方式将上述工单管理方法实施例的全部内容并入本设备实施例，不再赘述。工单管理系统在收到电子工单后，根据电子工单附带的类型、分区代码和危急度标记进行分类和排序，将电子工单先按照分区进行划分，再将每个分区内的电子工单按照危急度进行排序，危急度高的排在前面，最后根据类型分配给对应分区的作业人员。
本发明提供的用于营销现场作业的工单管理方法及系统解决了纸质工单扫描上传后不能做到自动分类和排序和无法及时处理紧急工单的问题。本发明对工单扫描件进行图像识别，将识别结果对应到工单模板中，形成电子工单，再对电子工单进行排序和分类，能够实现工单的准确高效处理。
以上所述仅为本发明的优选实施例，并非因此限制其专利范围，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，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)
1.一种用于营销现场作业的工单管理方法，其特征在于，包括以下步骤：
对现场客户发放工单以供填写，所述工单通过交错的水平线和竖直线将其填写区域分为多个单元格，将填写完的表单进行扫描以获取工单图像；
提取所述工单图像中的水平线和竖直线信息，并分别标记序号，计算其中第i根水平线和第j根竖直线的交点坐标，并与预存的工单模板中的第i根水平线和第j根竖直线的交点坐标进行比较，若两者横坐标差值和纵坐标差值均处于误差范围内，则待录入的工单的类型与该工单模板的类型相同；根据该工单模板中单元格的角坐标信息，定位到待录入工单中对应单元格，通过训练好的神经网络模型识别对应单元格内的填写内容；根据该工单模板中单元格的信息分类，将识别出的填写内容进行分类，以完成该工单的信息录入。
2.根据权利要求1所述的用于营销现场作业的工单管理方法，其特征在于，根据现场客户需求发放不同或相同类型的工单，根据预存的多个工单模板，将待录入工单的交点坐标信息与所述工单模板对应的交点坐标逐一进行比对，以初步找到满足误差条件下对应的工单模板。
3.根据权利要求2所述的用于营销现场作业的工单管理方法，其特征在于，额外计算待录入的工单中另一个的交点坐标，与初步确定的工单模板对应的交点坐标进行比较，若仍然满足误差条件，则确认待录入的工单类型为该工单模板的类型。
4.根据权利要求1所述的用于营销现场作业的工单管理方法，其特征在于，先对所述工单图像进行预处理，再提取其中的水平线和竖直线信息，所述预处理包括尺寸归一化、灰度化处理、二值化处理、去噪处理和倾斜校正处理。
5.根据权利要求4所述的用于营销现场作业的工单管理方法，其特征在于，利用Hough变换对预处理后的工单图像进行表格线提取，根据表格线的倾斜角度划分为水平和竖直两组，根据水平线的纵坐标和竖直线的横坐标的大小分别对两组直线进行排序。
6.根据权利要求1所述的用于营销现场作业的工单管理方法，其特征在于，在有网络的环境下，将录入的工单信息直接上传服务器；在无网络的环境下，将录入的工单信息预存在电子设备中，等到转至有网络关键下，再进行上传服务器；工单分派系统根据上传的工单信息实时进行更新。
7.根据权利要求1所述的用于营销现场作业的工单管理方法，其特征在于，所述工单在其表格指定区域设置分区代号和/或危急度标志；预先将分区代号或危急度标志关联一个或多个工单模板，优先识别工单上指定区域设置的分区代号和/或危急度标志，以优先调出关联的工单模板进行比对。
8.根据权利要求7所述的用于营销现场作业的工单管理方法，其特征在于，根据所述工单对应的类型、分区代号和危急度标记进行分类和排序；将所述工单先按照分区进行划分，再将每个分区内的工单按照危急度进行排序，最后根据类型分配给对应分区内的作业人员。
9.根据权利要求1所述的用于营销现场作业的工单管理方法，其特征在于，利用神经网络模型对所述工单中各单元格对应的图像进行识别，所述神经网络模型为OCR识别模型；
其中，所述OCR识别模型的训练步骤如下：
获取现场人员的手写文字，该手写文字具有对应的标准文字，手写文字和标准文字构成文字对，将该文字对划分为训练集、验证集和测试集，并进行特征处理；
将训练集的特征输入初始模型进行训练；
设置初始模型的轮次，每间隔N轮次输出一次模型，并保存为候选模型；
将验证集的特征输入候选模型中，采用f1指标对所有候选模型进行评价，选择其中效果最优的模型作为OCR识别模型；所述f1指标的计算公式如下：
其中，P为准确率，R为召回率；
利用测试集的特征对OCR识别模型进行测试，获得OCR识别模型的效果。
10.一种用于营销现场作业的工单管理系统，其特征在于，包括扫描单元、处理器、无线通信单元和存储单元，所述扫描单元、无线通信单元和存储单元均与所述处理器电连接，所述扫描单元被配置为对工单进行图像采集，所述无线通信单元被配置为将所述工单的录入信息上传至服务器，所述存储单元被配置为将所述工单的录入信息进行本地存储；所述处理器采用权利要求1至9任一项所述的用于营销现场作业的工单管理方法对工单图像进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211664230.9A CN115984885A (zh) | 2022-12-23 | 2022-12-23 | 一种用于营销现场作业的工单管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211664230.9A CN115984885A (zh) | 2022-12-23 | 2022-12-23 | 一种用于营销现场作业的工单管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115984885A true CN115984885A (zh) | 2023-04-18 |
Family
ID=85966094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211664230.9A Pending CN115984885A (zh) | 2022-12-23 | 2022-12-23 | 一种用于营销现场作业的工单管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115984885A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116978051A (zh) * | 2023-08-03 | 2023-10-31 | 杭州海量信息技术有限公司 | 一种表格图像关键信息提取方法和装置 |
-
2022
- 2022-12-23 CN CN202211664230.9A patent/CN115984885A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116978051A (zh) * | 2023-08-03 | 2023-10-31 | 杭州海量信息技术有限公司 | 一种表格图像关键信息提取方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105261109B (zh) | 一种钞票冠字号识别方法 | |
| CN109784326A (zh) | 一种基于深度学习的车辆底盘检测方法 | |
| CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
| CN108777021B (zh) | 一种基于扫描仪混扫的票据识别方法及系统 | |
| CN111444793A (zh) | 基于ocr的票据识别方法、设备、存储介质及装置 | |
| CN111444792B (zh) | 票据识别方法、电子设备、存储介质及装置 | |
| CN110705361B (zh) | 车辆智能定损方法、装置、计算机系统及可读存储介质 | |
| CN108364037A (zh) | 识别手写汉字的方法、系统及设备 | |
| CN113569863B (zh) | 一种单据稽查的方法、系统、电子设备及存储介质 | |
| CN115984885A (zh) | 一种用于营销现场作业的工单管理方法及系统 | |
| CN106709474A (zh) | 一种手写电话号码识别、校验及信息发送系统 | |
| CN110991434B (zh) | 自助终端证件识别方法及装置 | |
| CN114219507A (zh) | 中药供应商的资质审核方法、装置、电子设备及存储介质 | |
| CN115660627A (zh) | 一种人员考勤的注册培训方法 | |
| CN113066223A (zh) | 发票自动验证方法及装置 | |
| CN110991442A (zh) | 一种高速公路车牌云端高精准识别方法 | |
| CN116664066B (zh) | 一种管理企业计划收入与实际收入的方法及系统 | |
| CN113822645A (zh) | 一种面试管理系统、设备及计算机介质 | |
| CN113704474A (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
| CN111091354A (zh) | 基于大数据的不动产信息处理系统 | |
| CN115841336A (zh) | 一种基于云计算的农产品交易流通信息追溯方法 | |
| CN109460720A (zh) | 基于卷积神经网络的选票识别方法 | |
| CN114596439A (zh) | 一种基于图像的车险智能定损及核损方法、装置和电子设备 | |
| CN113903118A (zh) | 一种基于发票采集系统的发票校验方法 | |
| CN113837170A (zh) | 车辆保险理赔申请的自动审核处理方法、装置及设备 |
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 |