CN112365441A - 一种用于翡翠评估的信息处理方法及装置 - Google Patents

Abstract

本公开实施例公开了一种用于翡翠评估的信息处理方法和装置，首先响应于获取到用户端发送的包含待评估翡翠的图片，对包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；而后基于图片质量评估结果指示评估合格，利用预设的级别评估模型，对图片中待评估翡翠进行评估，以得到待评估翡翠的级别信息。从而实现了能够基于用户端上传的图片，对图片中的待评估翡翠的级别进行评估，克服了现有技术中通过人工评估的方式，效率低，评估标准不统一导致评估偏差大的缺陷。

Description

一种用于翡翠评估的信息处理方法及装置

技术领域

本公开涉及数据处理技术领域，具体涉及到一种用于翡翠评估的信息处理方法及装置。

背景技术

翡翠质量鉴定通常采用的是线下专业机构鉴定的方式，一方面人工鉴定的方式依赖于鉴定人员的专业性，因此翡翠的质量鉴定结果不标准、偏差大；另一方面人工鉴定的方式鉴定周期长，鉴定效率低。

发明内容

本公开的主要目的在于提供一种用于翡翠评估的信息处理方法和装置，以解决人工鉴定的方式鉴定周期长，鉴定效率低的问题。

为了实现上述目的，根据本公开的第一方面，提供了一种用于翡翠评估的信息处理方法，包括：响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

可选地，在所述基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息之后，所述方法还包括：基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；基于所述估值策略，确定所述图片中待评估翡翠的价格。

可选地，所述响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果，包括：利用预设的图像识别算法，对所述图片中待评估翡翠的图像进行识别，得到所述图片中待评估翡翠的第一特征信息的识别结果；利用预设的图像质量判断策略，对所述图片中待评估翡翠的图像进行判断，得到待评估翡翠的图像质量的判断结果；如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息相符，且所述待评估翡翠的图像质量的判断结果满足预设的标准，则将评估结果确定为评估合格；如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息不相符，或所述待评估翡翠的图像质量的判断结果不满足预设的标准，则将评估结果确定为评估不合格。

可选地，所述基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，包括：对所述图片进行预处理，得到仅包含待评估翡翠的图像；利用预设的用于识别图片中待评估翡翠级别的深度学习神经网络模型模型，对所述图片中待评估翡翠的第二特征信息进行识别，以得到待评估翡翠的第二特征信息的识别结果。

可选地，所述基于所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小，确定对所述图片中待评估翡翠的图像所对应的待评估翡翠的估值策略，包括：如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在第一预设范围内，则将相似翡翠图像中相似翡翠对应的价格确定为所述图片中待评估翡翠的价格。

可选地，所述基于所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小，确定对所述图片中待评估翡翠的图像所对应的待评估翡翠的估值策略，包括：如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在预设的第二预设范围内，将所述待评估翡翠的级别信息、相似翡翠图像中相似翡翠对应的价格以及所述待评估翡翠的尺寸信息输入至预建立的拟合预测模型中，以得到所述待评估翡翠的预估价格；基于所述预建立的拟合预测模型在计算过程中得到的置信区间、拟合优度系数和所述得到的待评估翡翠的预估价格，利用预设的计算策略，计算得到所述待评估翡翠的预估价格区间。

根据本公开的第二方面，提供了一种用于翡翠评估的信息处理装置装置，包括：第一评估单元，被配置成响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；第二评估单元，被配置成基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

可选地，装置还包括：匹配单元，被配置成基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；第一确定单元，被配置成基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；第二确定单元，被配置成基于所述估值策略，确定所述图片中待评估翡翠的价格。

根据本公开的第三方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实施例所述的用于翡翠评估的信息处理方法。

根据本公开的第四方面，提供了一种电子设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实施例所述的用于翡翠评估的信息处理方法。

在本公开实施例中，用于翡翠评估的信息处理方法，首先响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；而后基于图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息。实现了能够基于用户端上传的图片，对图片中的待评估翡翠的级别进行评估，克服了现有技术中通过人工评估的方式，效率低，评估标准不统一导致评估偏差大的缺陷。

附图说明

为了更清楚地说明本公开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公开的一些实施方式，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是根据本公开实施例的用于翡翠评估的信息处理方法的一个实施例流程图；

图2是根据本公开实施例的用于翡翠评估的信息处理方法的又一个实施例流程图；

图3是根据本公开实施例的用于翡翠评估的信息处理方法的应用场景图；

图4是根据本公开实施例的用于翡翠评估的信息处理装置的结构示意图；

图5是根据本公开实施例的电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，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，都应当属于本公开保护的范围。

需要说明的是，本公开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，以便这里描述的本公开的实施例。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，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

根据本公开实施例，可以应用本申请的用于翡翠评估的信息处理方法或用于翡翠评估的信息处理装置的实施例的示例性***架构，可以包括多个终端设备，网络和服务器。网络用以在多个终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

多个用户可以使用各自的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应用，例如图片拍摄应用、图片输入应用、数据输入应用等。

终端设备可以是硬件，也可以是软件。当终端设备为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供图片输入)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器可以是提供各种服务的服务器，例如对终端设备上安装的图像输入服务支持的后台服务器。后台服务器可以对终端设备输入的图像信息进行分析等处理，并将处理结果(例如待评估翡翠的级别信息)反馈给终端设备。

需要说明的是，本申请实施例所提供的方法一般由服务器执行，相应地，用于翡翠评估的信息处理装置一般设置于服务器中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供翡翠评估服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于翡翠评估的信息处理方法也可以由终端设备执行，此时，示例性***架构也可以不包括网络和服务器，本申请对此不做限定。

应该理解，根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本公开实施例，提供了一种用于翡翠评估的信息处理方法，如图1所示，该方法包括如下的步骤101至步骤102：

步骤101：响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果。

在本实施例中，用户端设备可以以拍摄的方式拍摄待评估翡翠，而后将实时拍摄的待评估翡翠图片或者将本地图片库中预存储的待评估翡翠图片通过第三方软件、或者本地APP发送至执行主体(可以是服务器)，执行主体在获取到用户端发送的包含待评估翡翠的图片之后，对包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果。图片质量评估包括对图片中包含的待评估翡翠进行识别，而后判断识别后的待评估翡翠是否满足预设的标准；以及对图片中待评估翡翠的图像质量进行评估。

作为本实施例一种可选的实现方式，所述响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果，包括：利用预设的图像识别算法，对所述图片中待评估翡翠的图像进行识别，得到所述图片中待评估翡翠的第一特征信息的识别结果；利用预设的图像质量判断策略，对所述图片中待评估翡翠的图像进行判断，得到待评估翡翠的图像质量的判断结果；如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息相符，且所述待评估翡翠的图像质量的判断结果满足预设的标准，则将评估结果确定为评估合格；如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息不相符，或所述待评估翡翠的图像质量的判断结果不满足预设的标准，则将评估结果确定为评估不合格。

在本实施例中，执行主体在进行图片质量评估时，可以利用预设的图像识别算法，对图片中待评估翡翠的图像进行识别，识别出图片中待评估翡翠第一特征信息的结果，第一特征信息可以包括图片中待评估翡翠的属性信息，例如，可以是识别出图片中待评估的翡翠是规定的翡翠，而不是玛瑙、钻石等。第一特征信息还可以包括图片中待评估翡翠的品类信息，品类信息可以包括蛋面翡翠、无事牌翡翠、平安扣翡翠、观音翡翠、四季豆翡翠、叶子翡翠、手镯翡翠、佛翡翠或如意翡翠；例如，第一特征信息的识别结果可以是识别出图片中待评估翡翠属于上述9种品类中的一种或者不属于上述9种品类中的任何一种。

具体地，执行主体可以利用预设的图像质量判断策略，对图片中待评估翡翠的图像进行判断，例如，可以是对图片中待评估翡翠的图像的曝光程度程度进行识别，可以通过计算图片中待评估翡翠的图像在灰度图上的均差和方差，评估图片中待评估翡翠的图像是否存在过曝光和曝光不足。进而得到的待评估翡翠的图像质量的判断结果为图像存在曝光过度或曝光不足，图像质量不合格，反之合格。可以是对图片中待评估翡翠的图像是否被修改进行判断，可以通过CNN算法判断图片中待评估翡翠的图像是否被修改，进而得到的待评估翡翠的图像质量的判断结果为待评估翡翠图像被修改，待评估翡翠的图像质量不合格，反之合格。可以是对图片的饱和失真进行识别，可以通过灰度图像值判断待评估翡翠图像是否饱和，如果饱和度差，则待评估翡翠图像质量不合格，反之合格。可以对图片中待评估翡翠图像是否被强光折射进行判断，可以基于深度学习识别图片中待评估翡翠图像是否被强光直射，如果被强光直射，则待评估翡翠图像的质量识别结果为不合格，反之合格。

具体地，如果第一特征信息的识别结果可以是识别出图片中待评估翡翠属于上述9种品类中的一种，且待评估翡翠的图像质量的判断结果为合格，则图片质量评估结果为评估合格，否则只要任一条件不满足，评估结果均为不合格。

更具体地，在评估结果为不合格后，执行主体还可以向用户端发送重新拍照或重新上传图片的反馈信息。

步骤102：基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

在本实施例中，如果图片质量的评估结果为评估合格，那么执行主体可以直接利用用于识别图片中待评估翡翠级别的深度学习神经网络模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息。还可以先对图片进行预处理，而后基于预处理后的图片利用用于识别图片中待评估翡翠级别的深度学习神经网络模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息。

作为本实施例一种可选的实现方式，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，包括：对所述图片进行预处理，得到仅包含待评估翡翠的图像；利用预设的用于识别图片中待评估翡翠级别的深度学习神经网络模型模型，对所述图片中待评估翡翠的第二特征信息进行识别，以得到待评估翡翠的第二特征信息的识别结果。

在本实施例中，对图片进行预处理包括对图片中的待评估翡翠进行进一步的识别，以识别翡翠的属性信息是否是翡翠，以识别翡翠的品类信息是否确为9种品类中的任一种，如果确认无误后，可以对图片进行图像分割，例如，可以基于deeplabv3算法从图片中提取待评估翡翠图像，并去除背景内容。在提取待评估翡翠的图像后，可以去除待评估翡翠图像的高度反光部分的内容，经过上述处理后即可得到处理后的待评估翡翠的图像。

具体地，待评估翡翠的级别可以包括：水级别(包括不透光、亚透光、半透光、微透光、极透光)、种级别(玻璃种、高冰、冰、冰糯、糯化、糯种、细豆、豆)、均匀度级别(不均匀、均匀、较均匀)、满色(满色、不满色)、明暗度(不灰、灰、轻灰)、飘花(有飘花、无飘花)和饱和度(极浓、浓、浅、适中)，可以利用预设的用于识别图片中待评估翡翠级别的深度学习神经网络模型模型，对图片中待评估翡翠的第二特征信息进行识别，以得到待评估翡翠的第二特征信息的识别结果，待评估翡翠的第二特征信息即为待评估翡翠的水、种、均匀度、满色、明暗度、飘花和饱和度信息。

具体地，执行主体可以调用水级别的分类模型对待评估翡翠的水特征信息进行识别，以得到待评估翡翠的水级别，例如，待评估翡翠的水级别为亚透光。可以调用种级别的分类模型对待评估翡翠的种特征信息进行识别，以得到待评估翡翠的种级别，例如，待评估翡翠的种级别为玻璃种。可以调用均匀度分类模型，判断待评估翡翠所属均匀度，例如，待评估翡翠的均匀度为不均匀。执行主体可以调用满色识别模型，判断待评估翡翠的满色信息，以得到待评估翡翠是否为满色，例如，待评估翡翠为满色。执行主体可以调用明暗度识别模型，以判断待评估翡翠所属的明暗级别,例如，待评估翡翠所属的明暗级别为轻灰。执行主体可以调用飘花识别模型，以判断待评估翡翠是否有飘花，例如，待评估翡翠有飘花。执行主体可以利用饱和度识别模型，以判断待评估翡翠所属的饱和度级别，例如，待评估翡翠为浅度级别。可以知道，上述各个特征信息的识别均可以利用深度学习的网络模型实现，对深度学习网络模型的训练其输入可以是各个特征信息，输出各个特征信息的识别结果，从而可以得到识别图片中待评估翡翠级别的深度学习神经网络模型。

具体地，在得到待评估翡翠的级别信息之后，执行主体可以向用户端发送该级别信息，并由用户端的交互界面呈现该级别信息。

本实施例通过用于翡翠评估的信息处理方法，首先响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；而后基于图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息。实现了能够基于用户端上传的图片，对图片中的待评估翡翠的级别进行评估，克服了现有技术中通过人工评估的方式，效率低，评估标准不统一导致评估偏差大的缺陷。

进一步参考图2，其示出了用于翡翠评估的信息处理方法的另一个实施例的流程图2。该用于翡翠评估的信息处理方法的流程包括以下步骤：

步骤201：响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果。

步骤202：基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

步骤203：基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像。

在本实施例中，执行主体可以基于特征向量匹配的方式，为待评估翡翠的图像匹配相似图像，特征向量可以是特征点或者纹理结构的特征向量具体地，可以预先通过卷积神经网络提取待评估翡翠图像的特征向量，而后基于EMD计算特征向量的距离，基于该距离，确定与待评估翡翠图像相匹配的相似匹配图像。存储图像的数据库可以包括数据同步模块、HDFS文件存储、HBSE面向列存储，业务内容存储包括评估序列号、图片ID、用户ID、图片提交时间、图片物品类型、品类、是否过曝光、暗度值、是否被修改、是否饱和失真、是否被强光直射、种识别结果、水识别结果、满色识别结果、均匀度识别结果、明暗度识别结果、飘花识别结果、饱和度结果、小于相似度阈值的图片ID、预测值、预测值下限、预测值上限。服务器运行日志数据存储到大数据集群：将日志数据转换为json数据格式，使用时间格式Key-Value(服务器指标项-指标值)的格式存放到大数据集群。该数据库中可以是存储500万及的翡翠数据数据库，包括存储翡翠的品类、种、水、色、均匀度、饱和度、明暗度、尺寸、价格、交易价格日期、物品图片等。

具体地，可以将特征向量的距离小于预设值(例如，小于5)时的特征向量所对应的翡翠图像确定为相似翡翠图像。

步骤204：基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；

在本实施例中，基于图片中待评估翡翠的图像的特征向量与相似翡翠图像特征向量的匹配距离，确定对图片中待评估翡翠的估值策略。

作为本实施例一种可选的实现方式，如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在第一预设范围内，则将相似翡翠图像中相似翡翠对应的价格确定为所述图片中待评估翡翠的价格。

在本实施例中，如果匹配距离小于设定值(例如，小于1)，那么确定的估值策略可以是将匹配到相似翡翠图像所对应的相似翡翠确定为高度相似翡翠，将高度相似翡翠所关联的价格确定为待评估翡翠的价格。

作为本实施例一种可选的实现方式，如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在预设的第二预设范围内，将所述相似翡翠图像中相似翡翠对应的价格以及所述待评估翡翠的尺寸信息输入至预建立的拟合预测模型中，以得到所述待评估翡翠的预估价格；基于所述预建立的拟合预测模型在计算过程中得到的置信区间、拟合优度系数和所述得到的待评估翡翠的预估价格，利用预设的计算策略，计算得到所述待评估翡翠的预估价格区间。

在本实施例中，如果匹配距离在设定的范围内(例如，在1-5区间内)，则可以基于预建立的拟合预测模型，对待评估翡翠的价格进行预测，具体地，可以先从用户端获取待评估翡翠的尺寸信息，而后将步骤202确定的待评估翡翠的级别信息(例如，种、水和色)、相似翡翠图像中相似翡翠对应的价格和获取的待评估翡翠的尺寸信息输入至预建立的拟合预测模型中，对模型进行拟合，输出待评估翡翠的预估价格，该预估价格是预估的特定值。其中，尺寸信息基于待评估翡翠的品类确定，如果待评估翡翠的品类是蛋面、无事牌、平安扣、观音、四季豆、叶子、佛、如意则尺寸参数为长、宽和厚，翡翠手镯的尺寸参数为内径、厚度和高度。在本过程中，如果匹配距离在设定的范围内(例如，在1-5区间内)则确定的相似翡翠图片为多个，相似翡翠图片对应的翡翠，其所关联的价格也为多个。在本过程中，执行主体从用户端获取待评估翡翠的尺寸信息时，可以是执行主体在用户端上传合格的图片后，向客户端发送呈现可填写尺寸信息的输入界面，而后从该输入界面获取用户输入的尺寸信息。

具体地，在得到预估价格之后，可以根据模型拟合过程中的拟合优度系数判定该预估价格是否可以作为预估待评估翡翠的预估价格区间的参数，如果拟合优度数值小于设定数值(例如，小于0.6)，则利用待评估翡翠的预估价格＝Σ采用相似距离调和平均*相似度物品的价格，来再次确定。在得到该预估价格之后，根据拟合预测模型过程中确定的置信区间确定待评估翡翠的预估价格区间。例如，可以根据置信区间50％输出预估价格的上限和下限，若R<0.6，或者下限值为0的时候，预估价格区间下限＝预估价格*0.7，预估价格区间上限＝预估价格*1.3。

具体地，在确定待评估翡翠的级别信息和价格信息之后，可以向用户端发送待评估翡翠的级别信息和预估价格，由用户端呈现该待评估翡翠的级别信息和预估价格。

本实施例用于翡翠评估的信息处理方法，首先确定待评估翡翠的级别信息，而后基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；基于图片中待评估翡翠的图像与相似翡翠图像的匹配度的大小，确定对图片中待评估翡翠的估值策略；基于估值策略，最后确定图片中待评估翡翠的价格。实现了基于用户端上传的翡翠图片，对图片中的翡翠进行级别鉴定和估值，提高了翡翠的评估效率，克服了人工对翡翠进行等级评估和估值存在偏差的缺陷、以及存在的效率低的缺陷。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

进一步参考图3，其示出了用于翡翠评估的信息处理方法的应用场景图，该应用场景图的实现过程与图2对应的实施例的实现方式相同，在此不再赘述。

根据本公开实施例，还提供了一种用于实施上述用于翡翠评估的信息处理方法的装置，如图4所示，该装置包括：第一评估单元401，被配置成响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；第二评估单元402，被配置成基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

作为本实施例一种可选的实现方式，装置还包括：匹配单元，被配置成基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；第一确定单元，被配置成基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；第二确定单元，被配置成基于所述估值策略，确定所述图片中待评估翡翠的价格。

本公开实施例提供了一种电子设备，如图5所示，该电子设备包括一个或多个处理器51以及存储器52，图5中以一个处理器53为例。

该控制器还可以包括：输入装置53和输出装置54。

处理器51、存储器52、输入装置53和输出装置54可以通过总线或者其他方式连接，图5中以通过总线连接为例。

处理器51可以为中央处理器(CentralProcessingUnit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。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。

存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本公开实施例中的控制方法对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的用于翡翠评估的信息处理方法。

存储器52可以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***、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置53可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。

一个或者多个模块存储在存储器52中，当被一个或者多个处理器51执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种用于翡翠评估的信息处理方法，其特征在于，包括：

响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；

基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

2.根据权利要求1所述的用于翡翠评估的信息处理方法，其特征在于，在所述基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息之后，所述方法还包括：

基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；

基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；

基于所述估值策略，确定所述图片中待评估翡翠的价格。

3.根据权利要求1所述的用于翡翠评估的信息处理方法，其特征在于，所述响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果，包括：

利用预设的图像识别算法，对所述图片中待评估翡翠的图像进行识别，得到所述图片中待评估翡翠的第一特征信息的识别结果；

利用预设的图像质量判断策略，对所述图片中待评估翡翠的图像进行判断，得到待评估翡翠的图像质量的判断结果；

如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息相符，且所述待评估翡翠的图像质量的判断结果满足预设的标准，则将评估结果确定为评估合格；

如果识别得到的所述图片中待评估翡翠的第一特征信息与预设的翡翠特征信息不相符，或所述待评估翡翠的图像质量的判断结果不满足预设的标准，则将评估结果确定为评估不合格。

4.根据权利要求1所述的用于翡翠评估的信息处理方法，其特征在于，所述基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，包括：

对所述图片进行预处理，得到仅包含待评估翡翠的图像；

利用预设的用于识别图片中待评估翡翠级别的深度学习神经网络模型模型，对所述图片中待评估翡翠的第二特征信息进行识别，以得到待评估翡翠的第二特征信息的识别结果。

5.根据权利要求2所述的用于翡翠评估的信息处理方法，其特征在于，所述基于所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小，确定对所述图片中待评估翡翠的图像所对应的待评估翡翠的估值策略，包括：

如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在第一预设范围内，则将相似翡翠图像中相似翡翠对应的价格确定为所述图片中待评估翡翠的价格。

6.根据权利要求2所述的用于翡翠评估的信息处理方法，其特征在于，所述基于所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小，确定对所述图片中待评估翡翠的图像所对应的待评估翡翠的估值策略，包括：

如果所述图片中待评估翡翠的图像与所述相似图像的匹配度的大小在预设的第二预设范围内，将所述待评估翡翠的级别信息、相似翡翠图像中相似翡翠对应的价格以及所述待评估翡翠的尺寸信息输入至预建立的拟合预测模型中，以得到所述待评估翡翠的预估价格；

基于所述预建立的拟合预测模型在计算过程中得到的置信区间、拟合优度系数和所述得到的待评估翡翠的预估价格，利用预设的计算策略，计算得到所述待评估翡翠的预估价格区间。

7.一种用于翡翠评估的信息处理装置，其特征在于，包括：

第一评估单元，被配置成响应于获取到用户端发送的包含待评估翡翠的图片，对所述包含待评估翡翠的图片进行图片质量评估，得到图片质量评估结果；

第二评估单元，被配置成基于所述图片质量评估结果指示评估合格，利用预设的级别评估模型，对所述图片中待评估翡翠进行评估，以得到所述待评估翡翠的级别信息，其中，所述级别评估模型为用于识别图片中待评估翡翠级别的深度学习神经网络模型。

8.根据权利要求1所述的用于翡翠评估的信息处理装置，其特征在于，所述装置还包括：

匹配单元，被配置成基于预设的匹配方式，在存储图像的数据库中确定与所述图片中待评估翡翠的图像相匹配的翡翠图像，并将与所述图片中待评估翡翠的图像相匹配的翡翠图像确定为相似翡翠图像；

第一确定单元，被配置成基于所述图片中待评估翡翠的图像与所述相似翡翠图像的匹配度的大小，确定对所述图片中待评估翡翠的估值策略；

第二确定单元，被配置成基于所述估值策略，确定所述图片中待评估翡翠的价格。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任意一项所述的用于翡翠评估的信息处理方法。

10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-6任意一项所述的用于翡翠评估的信息处理方法。

Images