CN117764540A - 智能审核方法、审核系统、电子设备及存储介质 - Google Patents
智能审核方法、审核系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117764540A CN117764540A CN202410194434.3A CN202410194434A CN117764540A CN 117764540 A CN117764540 A CN 117764540A CN 202410194434 A CN202410194434 A CN 202410194434A CN 117764540 A CN117764540 A CN 117764540A
- Authority
- CN
- China
- Prior art keywords
- image
- auditing
- deep learning
- learning model
- training
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013136 deep learning model Methods 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000012550 audit Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000012015 optical character recognition Methods 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000645 desinfectant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000003206 sterilizing agent Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000009024 positive feedback mechanism Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种智能审核方法、审核系统、电子设备及存储介质，包括以下步骤：训练阶段：根据接收到的训练影像和对应所述训练影像的检测指令，训练深度学习模型，以使所述深度学习模型能够识别所述检测指令对应的影像特征；审核阶段：获取被审核影像；调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征；若是，则审核结果为合格；若否，则审核结果为不合格。本发明通过部署智能审核模型，能够降低审核工作量，提高工作效率。
Description
技术领域
本发明涉及信息技术领域，具体涉及一种智能审核方法、审核系统、电子设备及存储介质。
背景技术
设备的日常维护、保养、检修、巡检等工作多以派发工作单的形式将任务下发到具体外业操作人员，外业操作人员根据工单指示进行外业操作。外业操作存在点多分散、任务类型多、工作步骤多等情况，外业工作现场难以有效监管，现在普遍采用对工作步骤、重要节点拍照，事后进行人工或机器审核销单的流程。但人工审核海量工单，人眼容易疲劳，现场照片细微区别肉眼难以辨别，效率低、耗时长而误判率高。目前缺乏简便有效的技术方案解决此类问题。
发明内容
本发明的目的在于提供一种智能审核方法、审核系统、电子设备及存储介质，通过部署智能审核模型，能够降低审核工作量，提高工作效率。
为实现上述目的，本发明提供一种智能审核方法，包括以下步骤：训练阶段：根据接收到的训练影像和对应所述训练影像的检测指令，训练深度学习模型，以使所述深度学习模型能够识别所述检测指令对应的影像特征；审核阶段：获取被审核影像；调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征；若是，则审核结果为合格；若否，则审核结果为不合格。
可选的，所述深度学习模型有多个，每个所述深度学习模型各自对应一操作步骤。
可选的，根据接收到的操作指令，将多个不同的所述操作步骤排序。
可选的，在审核阶段，相邻的两个所述操作步骤中，若前一个所述操作步骤对应的所述深度学习模型的审核结果为合格，则允许进入后一个所述操作步骤，否则禁止进入后一个所述操作步骤。
可选的，每个所述检测指令对应的所述影像特征有多个，在审核阶段，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：根据接收到的提示词，在所述检测指令对应的多个所述影像特征中选取部分所述影像特征；调用所述深度学习模型，审核所述被审核影像是否具有该部分所述影像特征。
可选的，所述检测指令包括OCR识别指令，所述影像特征包括文字特征，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：调用所述深度学习模型，基于OCR识别审核所述被审核影像是否具有所述文字特征。
可选的，在所述审核结果为不合格之后，根据接收到的申诉指令，重新训练所述深度学习模型。
本发明还提供一种审核系统，应用于上述中任一所述的智能审核方法，包括：接收模块，用于接收所述训练影像和\或对应所述训练影像的检测指令；训练模块，用于训练所述深度学习模型；获取模块，用于获取所述被审核影像；执行模块，用于调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征。
本发明还提供一种电子设备，所述电子设备包括：存储器，存储有计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行上述任一项所述的智能审核方法；显示器，与所述处理器和所述存储器通信相连，用于显示与所述智能审核方法相关GUI交互界面。
本发明还提供一种存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的智能审核方法。
本发明提供的智能审核方法、审核系统、电子设备及存储介质具有如下有益效果：
本发明提供一种智能审核方法，包括以下步骤：训练阶段：根据接收到的训练影像和对应所述训练影像的检测指令，训练深度学习模型，以使所述深度学习模型能够识别所述检测指令对应的影像特征；审核阶段：获取被审核影像；调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征；若是，则审核结果为合格；若否，则审核结果为不合格。如此设置，本发明能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
本发明还提供一种检索系统，由于所述检索系统与所述智能审核方法属于同一个发明构思，因此所述检索系统能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
本发明还提供一种电子设备，由于所述电子设备与所述智能审核方法属于同一个发明构思，因此所述电子设备能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
本发明还提供一种存储介质，由于所述存储介质与所述智能审核方法属于同一个发明构思，因此所述存储介质能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
附图说明
图1为本发明一实施例提供的智能审核方法的流程示意图。
图2为本发明一实施例提供的电子设备的方框结构示意图。
其中附图标记为：
101-处理器；102-通信接口；103-存储器；104-通信总线；105-显示器。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
应当明白，当元件或层被称为"在…上"、"连接到"其它元件或层时，其可以直接地在其它元件或层上、连接其它元件或层，或者可以包括居间的元件或层。相反，当元件被称为"直接在…上"、"直接连接到"其它元件或层时，则不包括居间的元件或层。尽管可使用术语第一、第二、第三等描述各种元件、部件、区、层和/或部分，这些元件、部件、区、层和/或部分不应当被这些术语限制。这些术语仅仅用来区分一个元件、部件、区、层或部分与另一个元件、部件、区、层或部分。因此，在不脱离本发明教导之下，下面讨论的第一元件、部件、区、层或部分可表示为第二元件、部件、区、层或部分。空间关系术语例如“在……之下”、“在下面”、“下面的”、“在……之上”、“在上面”、“上面的”等，在这里可为了方便描述而被使用从而描述图中所示的一个元件或特征与其它元件或特征的关系。应当明白，除了图中所示的取向以外，空间关系术语意图还包括使用和操作中的器件的不同取向。例如，如果附图中的器件翻转，然后，描述为“在……之下”、“在下面”、“下面的”元件或特征将取向为在其它元件或特征“上”。器件可以另外地取向(旋转90度或其它取向)并且在此使用的空间描述语相应地被解释。在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的"一"、"一个"和"所述/该"也意图包括复数形式，除非上下文清楚地指出另外的方式。还应明白术语“包括”用于确定可以特征、步骤、操作、元件和/或部件的包括，但不排除一个或更多其它的特征、步骤、操作、元件、部件和/或组的包括或添加。在此使用时，术语"和/或"包括相关所列项目的任何及所有组合。
本发明的目的在于提供一种智能审核方法、审核系统、电子设备及存储介质，通过部署智能审核模型，能够降低审核工作量，提高工作效率。
请参考图1，图1为本发明一实施例提供的智能审核方法的流程示意图。如图1所示，为实现上述目的，本发明提供一种智能审核方法，包括以下步骤：
训练阶段：
根据接收到的训练影像和对应所述训练影像的检测指令，训练深度学习模型，以使所述深度学习模型能够识别所述检测指令对应的影像特征；
审核阶段：
获取被审核影像；
调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征；
若是，则审核结果为合格；
若否，则审核结果为不合格。
如此设置，本发明能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
应理解，所述训练影像的类型包括图片和视频，所述深度学习模型可以有多个，每个所述深度学习模型各自对应一操作步骤。进一步的，可根据接收到的操作指令，将多个不同的所述操作步骤排序。具体的，本发明可提供可视化交互界面，用户根据具体业务流程和要审核内容制定审核步骤，并通过箭线和矩形框拖拽的方式构建审核流程。以水箱清洗业务为例，用户在交互界面设定清洗水箱审核步骤为：到达（小区大门）、消毒剂、班前教育、安全交底书、门牌、停水通知、喷洒消毒剂、浊度、余氯、水箱锁10个步骤，用户可以在矩形框中分别输入上述10个步骤名称，并通过箭头连线控制业务流完成审核流程设置。也可以针对同一个深度学习模型训练，使其能够同时审核多个所述操作步骤。
在此基础上，根据用户创建的审核流程，创建分类目录，并在可视化交互界面上传图片和视频至所属的分类目录。以水箱清洗业务为例，分别创建到达、消毒剂、班前教育等第1步提到的10个分类的目录，并将图片或视频上传至对应的目录，为达到最佳效果，每个分类可上传50张以上照片。这样本发明即可实现按照用户创建的审核流程和配置参数，自动构建训练任务，完成训练自动保存最佳结果。并实现自动化部署，用户全程可视化操作，不需要具备专业AI知识。
在审核阶段，以水箱清洗业务为例，在对于“班前教育”这个步骤操作时，通过加标签：安全帽、安全带、靴子、姓名牌4个标签通知审核程序要重点关注的特征，审核程序对于“班前教育”这个步骤会自动检测上述4个特征，如果全部检测到上述5个特征则审核结果为合格，否则判定审核结果为不合格。
为满足审核的约束性，在审核阶段，相邻的两个所述操作步骤中，若前一个所述操作步骤对应的所述深度学习模型的审核结果为合格，则允许进入后一个所述操作步骤，否则禁止进入后一个所述操作步骤。需要说明的是，如果是事后审核的应用场景，则不需要禁止进入后一个所述操作步骤，而是可完成所有步骤的审核，过程中对不合格的步骤进行标记。
可选的，每个所述检测指令对应的所述影像特征有多个，在审核阶段，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：
根据接收到的提示词，在所述检测指令对应的多个所述影像特征中选取部分所述影像特征；
调用所述深度学习模型，审核所述被审核影像是否具有该部分所述影像特征。
客户可以通过自然语言问答形式，实现模型效果微调。以水箱清洗业务为例，在喷洒消毒剂步骤可以输入提示词对整个过程进行描述，戴蓝色安全帽、穿白色靴子、戴手套的人员在拿水枪进行喷水清洗。模型根据上述描述的细节进行微调，系统会特别关注安全帽和靴子的颜色以及人员持水枪喷水的动作，从而提升分类准确率。
进一步的，所述检测指令包括OCR识别指令，所述影像特征包括文字特征，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：调用所述深度学习模型，基于OCR识别审核所述被审核影像是否具有所述文字特征。在一种示范性的实施例中，本发明支持对分类步骤中的文字进行OCR识别，准确率达到99%以上。以水箱清洗业务为例，在“安全交底书”、“门牌”、“停水通知”等3个步骤都要进行OCR识别，本系统针对业务特点，更新了传统OCR模型的字典，并进行针对性训练，从而提高单步骤审核的规范性和准确率。
优选的，在所述审核结果为不合格之后，根据接收到的申诉指令，重新训练所述深度学习模型。本发明提供了申诉通道，用户认为模型识别分类错误的图片，可以在申诉通道发起申诉，系统会增加识别错误的图片的权重，重新加入训练集进行训练，建立正反馈机制，使系统越用越准确。
本发明还提供一种审核系统，应用于上述中任一所述的智能审核方法，包括：
接收模块，用于接收所述训练影像和\或对应所述训练影像的检测指令；
训练模块，用于训练所述深度学习模型；
获取模块，用于获取所述被审核影像；
执行模块，用于调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征。
由于所述检索系统与所述智能审核方法属于同一个发明构思，因此所述检索系统能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
请参考图2，图2为本发明一实施例提供的电子设备的方框结构示意图。如图2所示，本发明还提供一种电子设备，所述电子设备包括：
存储器103，存储有计算机程序；
处理器101，与所述存储器通信相连，调用所述计算机程序时执行上述任一项所述的智能审核方法；
显示器105，与所述处理器和所述存储器通信相连，用于显示与所述智能审核方法相关GUI交互界面。
由于所述电子设备与所述智能审核方法属于同一个发明构思，因此所述电子设备能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
如图2所示，所述电子设备还包括通信接口102和通信总线104，其中所述处理器101、所述通信接口102、所述存储器103通过通信总线104完成相互间的通信。所述通信总线104可以是外设部件互连标准（Peripheral Component Interconnect，PCI）总线或扩展工业标准结构（Extended Industry Standard Architecture，EISA）总线等。该通信总线104可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。所述通信接口102用于上述电子设备与其他设备之间的通信。
本发明中所称处理器101可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器101是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
所述存储器103可用于存储所述计算机程序，所述处理器101通过运行或执行存储在所述存储器103内的计算机程序，以及调用存储在存储器103内的数据，实现所述电子设备的各种功能。
所述存储器103可以包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明还提供一种存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的智能审核方法。
由于所述存储介质与所述智能审核方法属于同一个发明构思，因此所述存储介质能够实现利用用户提供的训练影像和检测指令，针对性地对应部署深度学习模型以实现智能审核，用户可以无码化部署智能审核模型，大大降低了人工智能技术应用门槛和审核工作量，提高了工作效率。
由于本发明提供的存储介质与上文所述的智能审核方法属于同一发明构思，因此本发明提供的存储介质具有上文所述的智能审核方法的所有优点，故在此不再对本发明提供的存储介质所具有的有益效果进行一一赘述。
本发明实施方式的存储介质，可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、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。计算机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、便携式计算机硬盘、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、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中，计算机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组合使用。
计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等，或者上述的任意合适的组合。
还需要说明的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。
还应当理解的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
此外还应该认识到，此处描述的术语仅仅用来描述特定实施例，而不是用来限制本发明的范围。必须注意的是，此处的以及所附权利要求中使用的单数形式“一个”和“一种”包括复数基准，除非上下文明确表示相反意思。例如，对“一个步骤”或“一个装置”的引述意味着对一个或多个步骤或装置的引述，并且可能包括次级步骤以及次级装置。应该以最广义的含义来理解使用的所有连词。以及，词语“或”应该被理解为具有逻辑“或”的定义，而不是逻辑“异或”的定义，除非上下文明确表示相反意思。此外，本发明实施例的实现可包括手动、自动或组合地执行所选任务。
Claims (9)
1.一种智能审核方法，其特征在于，包括以下步骤：
训练阶段：
根据接收到的训练影像和对应所述训练影像的检测指令，训练深度学习模型，以使所述深度学习模型能够识别所述检测指令对应的影像特征；
审核阶段：
获取被审核影像；
调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征；
若是，则审核结果为合格；
若否，则审核结果为不合格；
每个所述检测指令对应的所述影像特征有多个，在审核阶段，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：
根据接收到的提示词，在所述检测指令对应的多个所述影像特征中选取部分所述影像特征；
调用所述深度学习模型，审核所述被审核影像是否具有该部分所述影像特征。
2.如权利要求1所述的智能审核方法，其特征在于，所述深度学习模型有多个，每个所述深度学习模型各自对应一操作步骤。
3.如权利要求2所述的智能审核方法，其特征在于，根据接收到的操作指令，将多个不同的所述操作步骤排序。
4.如权利要求3所述的智能审核方法，其特征在于，在审核阶段，相邻的两个所述操作步骤中，若前一个所述操作步骤对应的所述深度学习模型的审核结果为合格，则允许进入后一个所述操作步骤，否则禁止进入后一个所述操作步骤。
5.如权利要求1所述的智能审核方法，其特征在于，所述检测指令包括OCR识别指令，所述影像特征包括文字特征，所述调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征，具体包括：
调用所述深度学习模型，基于OCR识别审核所述被审核影像是否具有所述文字特征。
6.如权利要求1所述的智能审核方法，其特征在于，在所述审核结果为不合格之后，根据接收到的申诉指令，重新训练所述深度学习模型。
7.一种审核系统，应用于如权利要求1至6中任一所述的智能审核方法，其特征在于，包括：
接收模块，用于接收所述训练影像和\或对应所述训练影像的检测指令；
训练模块，用于训练所述深度学习模型；
获取模块，用于获取所述被审核影像；
执行模块，用于调用所述深度学习模型，审核所述被审核影像是否具有所述影像特征。
8.一种电子设备，其特征在于，包括：
存储器，存储有计算机程序；
处理器，与所述存储器通信相连，调用所述计算机程序时执行如权利要求1-6中任一项所述的智能审核方法；
显示器，与所述处理器和所述存储器通信相连，用于显示与所述智能审核方法相关GUI交互界面。
9.一种存储介质，存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的智能审核方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194434.3A CN117764540A (zh) | 2024-02-22 | 2024-02-22 | 智能审核方法、审核系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194434.3A CN117764540A (zh) | 2024-02-22 | 2024-02-22 | 智能审核方法、审核系统、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117764540A true CN117764540A (zh) | 2024-03-26 |
Family
ID=90310748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410194434.3A Pending CN117764540A (zh) | 2024-02-22 | 2024-02-22 | 智能审核方法、审核系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117764540A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110769195A (zh) * | 2019-10-14 | 2020-02-07 | 国网河北省电力有限公司衡水供电分公司 | 输电线路施工现场违章智能监控识别系统 |
| CN110909562A (zh) * | 2018-09-14 | 2020-03-24 | 传线网络科技（上海）有限公司 | 视频审核方法及装置 |
| CN116958085A (zh) * | 2023-07-21 | 2023-10-27 | 上海汉洁数字科技有限公司 | 泄漏检测行为合规审核方法、装置、电子设备及存储介质 |
| US20230402167A1 (en) * | 2022-06-14 | 2023-12-14 | Stryker Corporation | Systems and methods for non-compliance detection in a surgical environment |
-
2024
- 2024-02-22 CN CN202410194434.3A patent/CN117764540A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110909562A (zh) * | 2018-09-14 | 2020-03-24 | 传线网络科技（上海）有限公司 | 视频审核方法及装置 |
| CN110769195A (zh) * | 2019-10-14 | 2020-02-07 | 国网河北省电力有限公司衡水供电分公司 | 输电线路施工现场违章智能监控识别系统 |
| US20230402167A1 (en) * | 2022-06-14 | 2023-12-14 | Stryker Corporation | Systems and methods for non-compliance detection in a surgical environment |
| CN116958085A (zh) * | 2023-07-21 | 2023-10-27 | 上海汉洁数字科技有限公司 | 泄漏检测行为合规审核方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107608874A (zh) | 测试方法和装置 | |
| Choo et al. | Pragmatic adaptation of the ISO 31000: 2009 enterprise risk management framework in a high-tech organization using Six Sigma | |
| US10896083B2 (en) | Dynamic cloud deployment and calibration tool | |
| CN108132887A (zh) | 用户界面校验方法、装置、软件测试系统、终端及介质 | |
| CN106408411A (zh) | 信用评估方法及装置 | |
| US10732965B2 (en) | Systems and methods for dynamic generation of questionnaires on programming concepts | |
| US10884708B2 (en) | Intelligent checking engine | |
| CN109658003A (zh) | 一种物业设施设备管理系统及方法 | |
| CN109446345A (zh) | 核电文件校验处理方法以及系统 | |
| CN107710245A (zh) | 课程技能匹配系统及其方法 | |
| CN109828906A (zh) | Ui自动化测试方法、装置、电子设备及存储介质 | |
| CN108764022A (zh) | 一种图像识别方法及系统 | |
| CN115984047A (zh) | 结合rpa和ai实现ia的文书处理方法、装置、设备及介质 | |
| CN109492095A (zh) | 理赔数据处理方法、装置、计算机设备及存储介质 | |
| US20210286706A1 (en) | Graph-based method for inductive bug localization | |
| CN117914737A (zh) | 一种网络靶场的镜像资源测试方法及装置 | |
| CN113516251A (zh) | 一种机器学习系统及模型训练方法 | |
| CN109871205A (zh) | 界面代码调整方法、装置、计算机装置及存储介质 | |
| CN110275820A (zh) | 页面兼容性测试方法、系统及设备 | |
| CN117764540A (zh) | 智能审核方法、审核系统、电子设备及存储介质 | |
| CN115690263A (zh) | 一种图像标注方法、装置、设备及介质 | |
| CN110427891B (zh) | 用于识别合同的方法、装置、系统及介质 | |
| CN114115628A (zh) | 应用于u盾测试的u盾显示信息获取方法、装置、设备、介质及程序产品 | |
| CN114298829A (zh) | 用于授信评估的数据处理方法和装置 | |
| CN110533809A (zh) | 确定无感通行系统性能的方法、装置及计算设备 |
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 |