CN112988823B - 对象处理方法、装置、设备及存储介质 - Google Patents
对象处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112988823B CN112988823B CN202110256075.6A CN202110256075A CN112988823B CN 112988823 B CN112988823 B CN 112988823B CN 202110256075 A CN202110256075 A CN 202110256075A CN 112988823 B CN112988823 B CN 112988823B
- Authority
- CN
- China
- Prior art keywords
- processed
- weight
- determining
- sample
- objects
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 239000000203 mixture Substances 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims abstract description 35
- 239000000463 material Substances 0.000 claims description 341
- 239000000470 constituent Substances 0.000 claims description 160
- 239000002131 composite material Substances 0.000 claims description 40
- 238000009826 distribution Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 13
- 238000004064 recycling Methods 0.000 abstract description 20
- 238000004458 analytical method Methods 0.000 abstract description 16
- 239000002699 waste material Substances 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract 2
- 239000002023 wood Substances 0.000 description 54
- 238000000034 method Methods 0.000 description 21
- 229910000831 Steel Inorganic materials 0.000 description 16
- 239000010959 steel Substances 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 13
- 229920000742 Cotton Polymers 0.000 description 11
- 239000004677 Nylon Substances 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 229920001778 nylon Polymers 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000000835 fiber Substances 0.000 description 7
- 239000011521 glass Substances 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003912 environmental pollution Methods 0.000 description 6
- 241000758789 Juglans Species 0.000 description 4
- 235000009496 Juglans regia Nutrition 0.000 description 4
- 244000086363 Pterocarpus indicus Species 0.000 description 4
- 235000009984 Pterocarpus indicus Nutrition 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 4
- 229920000728 polyester Polymers 0.000 description 4
- 235000020234 walnut Nutrition 0.000 description 4
- 244000025254 Cannabis sativa Species 0.000 description 3
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 3
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 3
- 235000009120 camo Nutrition 0.000 description 3
- 235000005607 chanvre indien Nutrition 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011487 hemp Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000208140 Acer Species 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 229910000805 Pig iron Inorganic materials 0.000 description 1
- 229920002531 Rubberwood Polymers 0.000 description 1
- 229910000754 Wrought iron Inorganic materials 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了对象处理方法、装置、设备及存储介质,涉及数据处理,尤其涉及人工智能领域。具体实现方式为:确定待处理对象,并获取待处理对象的种类、重量和图像;根据待处理对象的种类和重量对待处理对象的图像进行识别,确定待处理对象的组成成分;根据组成成分,确定待处理对象的再利用信息。因此,通过对物品的再利用分析,有利于促进物品的二次流动,尤其是促进难以进行二次流动的物品的再利用,提高物品的再利用率,减少资源浪费。
Description
技术领域
本申请涉及数据处理中的人工智能领域,尤其涉及一种对象处理方法、装置、设备及存储介质。
背景技术
随着生活水平的提高,人们购买商品的频次和数量也相应增加,从而产生了大量的旧物品,如何处理这些旧物品是一个急需解决的问题。
针对这些旧物品,目前的处理方案主要是尽可能的将其在二手平台上进行二次交易,售卖给需要的人。但是这种进行二次交易的旧物品通常都是有商品价值的产品,只是其商品价值相对于全新的商品而言价值较低。在旧物品中,还有大量难以进行二次交易的物品,针对这些物品,目前没有较好的处理方式,通常只能当成垃圾处理。
这些难以进行二次交易的物品被当成垃圾处理掉,会造成巨大的资源浪费。
发明内容
本申请提供了一种对象处理方法、装置、设备及存储介质。
根据本申请的第一方面,提供了一种对象处理方法,包括:
确定待处理对象,并获取所述待处理对象的种类、重量和图像;
根据所述待处理对象的种类和重量对所述待处理对象的图像进行识别,确定所述待处理对象的组成成分;
根据所述组成成分,确定所述待处理对象的再利用信息。
根据本申请的第二方面,提供了一种对象处理装置,包括:
获取单元,用于确定待处理对象,并获取所述待处理对象的种类、重量和图像;
识别单元,用于根据所述待处理对象的种类和重量对所述待处理对象的图像进行识别,确定所述待处理对象的组成成分;
第一确定单元,用于根据所述组成成分,确定所述待处理对象的再利用信息。
根据本申请的第三方面,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指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述第一方面所述的对象处理方法。
根据本申请的第四方面,提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如上述第一方面所述的对象处理方法。
根据本申请的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的对象处理方法。
根据本申请的技术,实现了对对象的再利用分析,有利于促进对象的二次流动,提高对象的再利用率,减少资源浪费和环境污染。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的应用场景示意图;
图2是本申请的一实施例提供的对象处理方法的流程示意图;
图3是本申请的另一实施例提供的对象处理方法的流程示意图;
图4是本申请的另一实施例提供的对象处理方法的流程示意图;
图5是本申请的另一实施例提供的对象处理方法的流程示意图;
图6是本申请的另一实施例提供的对象处理方法的流程示意图;
图7是用户利用旧衣物购买产品的示例图;
图8是用户利用用户仓库中的材料置换自身设计商品的示例图;
图9是用户利用用户仓库中的材料进行物品捐赠的示例图;
图10为本申请的一实施例提供的对象处理装置的结构示意图;
图11为本申请的另一实施例提供的对象处理装置的结构示意图;
图12为本申请实施例提供的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
旧物品的处理方式,主要是在二手平台降低价格进行二次交易,售卖给需要的人。但是,在旧物品中,还有大量难以进行二次交易的物品,这些物品通常被当为垃圾处理,再利用率不高,且造成资源浪费、环境污染。
本申请提供了一种对象处理方法、装置、设备及存储介质,应用于数据处理领域,尤其是人工智能领域。在本申请中,实现对对象的再利用信息的分析,对象的再利用信息有利于实现对象的二次流动(例如交易、捐赠),尤其,对象为难以二次流动的对象时,有利于实现这些对象的二次流动,提高了物品再利用率,减少资源浪费和环境污染。
图1是本申请实施例提供的应用场景示意图,在应用场景中,包括多个客户终端101和服务器102,其中,多个客户终端101与服务器102例如通过网络进行通信。客户终端101可将对象的原有信息发送至服务器102,服务器102对对象的原有信息进行处理,确定对象的再利用信息。
以对象流动场景为例,多个客户终端101例如包括对象所属用户的客户终端、其他用户的客户终端,服务器102除了进行数据处理外,还可充当对象流动平台。对象所属用户的客户终端将对象的原有信息发送至服务器102,服务器102确定对象的再利用信息,例如还可在互联网上发布对象的再利用信息,实现对象的二次流动,提高对象的再利用率,减少资源浪费。
示例性地,对象流动场景为交易场景时,对象所属用户的客户终端可称为卖家的客户终端,其他用户的客户终端可称为买家的客户终端,服务器102可称为交易平台,从而实现对象的二次流动。
可以理解的,也可在客户终端101上确定对象的再利用信息,而服务器102主要充当对象流动平台。
其中,客户终端101例如计算机、平板电脑、手机、可穿戴式智能设备、智能家居设备等,图1以客户终端为手机为例。服务器102例如为分布式服务器或者集中式服务器。
根据本申请的实施例,本申请提供了一种对象处理方法。
示例性地,本申请各方法实施例的执行主体为电子设备,电子设备例如上述客户终端101或者服务器102。
图2是本申请的一实施例提供的对象处理方法的流程示例图。如图2所示,对象处理方法包括:
S201、确定待处理对象,并获取待处理对象的种类、重量和图像。
其中,对象对应物品。待处理对象对应当前待进行价值分析的物品,待处理对象可表示为物品标识,物品标识例如物品名称、物品编号等。
其中,待处理对象的种类、重量和图像为待处理对象所对应的实际物品的种类、重量和图像。例如,待处理对象对应某玩具时,待处理对象的种类为玩具,重量为该玩具的重量,图像为该玩具的图像。
本步骤中,在一个或多个对象中,确定一个或多个待处理对象,在确定待处理对象后,获取待处理对象的种类、重量和图像。
一示例中,在数据库中预先存储有多个对象和各对象的物品信息,其中,对象的物品信息包括对象的种类、重量和图像。在进行对象处理时,在数据库中存储的多个对象中,确定待处理对象,并从数据库中对象的物品信息中,获取待处理对象的种类、重量和图像。数据库可为本地的离线数据库,也可为位于其它设备上的在线数据库。
另一示例中,接收用户发送的一个或多个对象和各对象的物品信息,其中,对象的物品信息包括对象的种类、重量和图像。在进行对象处理时,在该一个或多个对象中,确定待处理对象,并从待处理对象的物品信息中,获取待处理对象的种类、重量和图像。
例如,执行主体为客户终端时,可接收到的用户输入的一个或多个对象和各对象的物品信息。执行主体为服务器时,可接收到的客户终端发送的一个或多个对象和各对象的物品信息。
S202、根据待处理对象的种类和重量,对待处理对象的图像进行识别,确定待处理对象的组成成分。
其中,待处理对象的组成成分包括待处理对象的至少一种组成材料,进一步地,待处理对象的组成成分还可以包括每个组成材料的重量、型号、数量等信息中的一项或多项。
例如,待处理对象为某衣物,组成成分包括棉花、尼龙、羽绒这三种组成材料,以及这三种组成材料的重量。
又如,待处理对象为某电子产品,组成成分包括显示屏、处理器、存储器这三种组成材料,以及这三种组成材料的数量和型号。
又如,待处理对象为某家具,组成成分包括木板、钢钉这两种组成材料、以及这两种组成材料的重量和数量。
本步骤中,考虑到物品难以进行二次流动是由于物品整体的价值属性不高,而物品是由不同的材料组成,这些材料可能具有再利用价值,因此,可对待处理对象进行组成成分的分析,以提高待处理对象的再利用率。在进行组成成分分析时,根据待处理对象的种类和重量这两种与待处理对象的组成成分强关联的属性,对待处理对象的图像进行识别,确定待处理对象的组成成分,从而提高待处理对象的组成成分的准确性。
一示例中,在根据待处理对象的种类、重量,对待处理对象进行识别的过程中,可根据待处理对象的种类,获取该种类下不同的商品信息,商品信息包括商品图像和商品参数,商品参数例如包括商品的组成成分表;再根据不同的商品图像和待处理对象的图像,进行待处理对象的识别,确定与待处理对象所匹配的商品;根据该商品的组成成分表和待处理对象的重量,确定待处理对象中的组成成分。例如,在商品的组成成分表中包括多个材料和多个材料的重量占比,则可将商品的组成成分表中的各材料确定为待处理对象的组成材料,根据待处理对象的重量和组成成分表中各材料的重量占比,得到待处理对象中的组成材料的重量。
在根据不同的商品图像和待处理对象的图像,进行待处理对象的识别时,可提取待处理对象的图像的图像特征,将该图像特征与多个商品图像的图像特征进行比较,确定与待处理对象的图像匹配的商品图像,该商品图像所属的商品即与待处理对象匹配的商品。
S203、根据组成成分,确定待处理对象的再利用信息。
其中,待处理对象的再利用信息包括待处理对象的组成成分、和/或组成成分中的各组成材料的可利用性。
本步骤中,可将待处理对象的组成成分确定为待处理对象的再利用信息,以表示待处理对象的组成成分中的各组成材料进行再利用。和/或,可在预设的再利用数据库中,查找待处理对象的组成成分中的各组成材料。若查找到该组成材料,则确定该组成材料能够再利用,即确定组成材料具有可利用性,否则,确定该组成材料不能够再利用,即确定组成材料不具有可利用性;将各组成成分的可利用性确定为待处理对象的再利用信息。
例如,待处理对象为某家具,在待处理对象的组成成分中,待处理对象的组成材料包括玻璃、木板、钢钉、铝条,在再利用数据库中查找到模板、钢钉、铝条,未查找到玻璃,则确定待处理对象中的木板、螺丝钉、铝条具有可利用性,确定待处理对象中的玻璃不具有可利用性。
本申请实施例中,根据待处理对象的种类、重量和图像,确定待处理对象的组成成分,根据组成成分,确定待处理对象的再利用信息,实现对对象的组成成分以及是否可以再利用的分析,有利于促进对象的二次流动,提高对象的再利用率,减少资源浪费和环境污染。
图3是本申请的另一实施例提供的对象处理方法的流程示例图。如图3所示,对象处理方法包括:
S301、确定待处理对象,并获取待处理对象的种类、重量和图像。
其中,S301的实现原理和技术效果可参照前述实施例,不再赘述。
S302、根据待处理对象的种类,确定预设材料集合。
其中,预先设置多个种类与多个预设材料集合的对应关系,不同的种类对应不同的预设材料集合,与种类对应的预设材料集合包括属于该种类的物品可能包括的多个材料。种类是指物品种类。
例如,种类为衣物,与衣物对应的预设材料集合包括棉、尼龙、羽绒等多个材料。还可对衣物做进一步的种类划分:羽绒服、棉服、衬衫,各个种类分别对应不同的预设材料集合。
例如,种类为木制家具,与木制家具对应的预设材料集合包括红木、橡胶木、胡桃木、枫木、钢钉等多个材料。当然,对木制家具也可以做进一步划分为不同种类。例如按照功能划分为:桌子、椅子、床、柜子等;又如按照材质进行划分:红木家具、胡桃木家具等。
例如,种类为手机,则与手机对应的预设材料集合包括塑料、玻璃、金属(可以进一步细化为不同的金属材料)、陶瓷等。
本步骤中,在获得待处理对象的种类后,可在多个种类和多个预设材料集合的对应关系中,查找待处理对象的种类对应的预设材料集合。
S303、根据待处理对象的重量和预设材料集合,对待处理对象进行识别,确定待处理对象的组成成分。
其中,待处理对象的组成成分包括待处理对象的至少一种组成材料,以及每个组成材料的重量。
本步骤中,在确定预设材料集合后,待处理对象的至少一个组成材料构成的材料集合为预设材料集合的子集,因此,可结合待处理对象的重量、待处理对象的种类对应的预设材料集合和待处理对象的图像,确定待处理对象的组成成分,提高待处理对象的组成成分的准确性。
一示例中,可先基于待处理对象的种类对应的预设材料集合,在待处理对象的图像中识别出待处理对象的至少一个组成材料。再针对各组成材料,根据预先配置的不同种类对应不同材料的占比(可以是含量占比或者重量占比),可确定待处理对象的种类对应的该组成材料的占比,根据该组成材料的占比和待处理对象的重量,确定该组成材料的重量。
以待处理对象为衣服a1、衣服a1对应的种类为外套为例,在预先配置的不同种类对应不同材料的占比中,例如外套对应的聚酯纤维的含量占比为60%,则根据该含量占比和衣物a1的重量,可确定衣物a1中聚酯纤维的重量。如此,可确定衣物a1中不同组成材料的重量。
以待处理对象为家具b1、家具b1对应的种类为木桌为例,在预先配置的不同种类对应不同材料的占比中,例如木桌对应的木板的重量占比为95%,则根据该重量占比和家具b1的重量,可确定家具b1中木板的重量。如此,可确定家具b1中不同组成材料的重量。
其中,预先配置的不同种类对应不同材料的占比,可根据预先采集的不同物品的种类、以及不同物品中不同材料的占比进行统计得到。例如,针对各种类,对属于该种类的不同物品中同一材料的占比进行求平均,可得到该种类对应的该材料的占比。
其中,基于待处理对象的种类对应的预设材料集合,在待处理对象中识别出待处理对象的至少一个组成材料的过程中,可获取预设材料集合中各个材料的预设图像特征,根据各个材料的预设图像特征,对待处理对象的图像进行识别,得到待处理对象中的至少一个组成材料。
S304、根据组成成分,确定待处理对象的再利用信息。
其中,S304的实现原理和技术效果可参照前述实施例,不再赘述。
本申请实施例中,根据待处理对象的种类确定预设材料集合,根据预设材料集合和待处理对象的重量,对待处理对象的图像进行识别,确定待处理对象的组成成分,提高待处理对象的组成成分的准确性,进而在根据组成成分确定待处理对象的再利用信息时,提高了待处理对象的再利用信息的准确性,提高对对象进行再利用分析的分析效果。
在一些实施例中,根据待处理对象的重量和预设材料集合,对待处理对象进行识别,确定待处理对象的组成成分,包括如下步骤(图中未示出):
(1)基于预设材料集合,对待处理对象的图像进行图像识别,得到待处理对象包含的组成材料以及组成材料的属性信息。
其中,属性信息包括数量、尺寸、位置分布中的至少一种,也即,组成材料的属性信息包括在待处理对象中组成材料的数量、组成材料的尺寸、组成材料的位置分布中的至少一种。
其中,不同的组成材料的数量可以使用相同或者不同单位表示。例如,针对棉花、羽绒这些不具有特定形状的材料,其数量的单位可以为份,比如500g为1份。针对木板、钢钉、铝条等形状固定的材料,其数量的单位可以为块、个,也可以为份,比如将1块或者1个作为1份。
其中,组成材料的尺寸是通过图像识别得到的组成材料的近似尺寸,尺寸可以理解为面积和/或体积。组成材料的面积,例如可以通过一个面积值进行表示,也可以通过组成材料的长和宽、或者组成材料的半径进行表示。组成材料的体积,例如可以通过一个体积值进行表示,也可以通过组成材料的长、宽和高进行表示。
具体地,在基于预设材料集合,对待处理对象的图像进行图像识别,得到待处理对象包含的组成材料以及组成材料的属性信息的过程中,可获取预设材料集合中各个材料的预设图像特征,根据各个材料的预设图像特征,对待处理对象的图像进行识别,得到待处理对象中的至少一个组成材料、以及组成材料在待处理对象上的位置分布(或者区域分布)。根据组成材料在待处理对象上的位置分布,可进一步得到组成材料的数量、尺寸。
例如,以待处理对象为某家具为例,根据该家具的种类对应的预设材料集合中木板的图像特征、钢钉的图像特征,可识别出该家具上的木板和钢钉、以及木板和钢钉分别在该家具上的位置分布。根据该家具上木板的位置分布,可确定木板的数量以及每块木板的尺寸,根据该家具上钢钉的位置分布,可确定钢钉的数量以及每个钢钉的尺寸。
可选地,待处理对象的图像的数量为多个,从而通过对待处理对象的不同方位的图像进行图像识别,更准确地识别出待处理对象的组成材料和组成材料在待处理对象中的分布情况。例如,待处理对象为某家具时,可以采集家具的六视图和多个细节图。待处理对象为某车辆时,可以采集车辆外部的前、后、左、右等不同方位的图像,还可以采集车辆内部的图像。
(2)根据组成材料的属性信息和待处理对象的重量,确定组成材料的重量。最终,由待处理对象的组成材料、以及组成材料的重量,得到待处理对象的组成成分。
由于组成材料的属性信息包括组成材料的数量、尺寸、位置分布中的至少一种,根据组成材料的属性信息和待处理对象的重量,确定组成材料的重量,可通过多种不同的方式实现:
方式一:组成材料的属性信息包括组成材料的尺寸时,可根据待处理对象的重量,确定组成材料的单位尺寸重量,根据单位尺寸重量和组成材料的尺寸,确定组成材料的重量。其中,组成材料的单位尺寸重量相当于组成材料的密度。
具体地,可在预设的多个材料的单位尺寸重量中,查找与组成材料相匹配的材料的单位尺寸重量,如果查找到的单位尺寸重量小于待处理对象的重量,则将查找到的单位尺寸重量确定为组成材料的单位尺寸重量。
作为示例地,预先设置多种木材的单位尺寸重量,待处理对象为某家具、且识别出待处理对象的组成材料包括木材c1、木材c2、木材c3,并得到木材c1、木材c2、木材c3的尺寸。此时,可在多种木材的单位尺寸重量中,查找木材c1、木材c2、木材c3分别对应的单位尺寸重量,且查找到的单位尺寸重量要求小于该家居的重量。根据木材c1、木材c2、木材c3分别对应的单位尺寸重量,和木材c1、木材c2、木材c3的尺寸,可得到木材c1、木材c2、木材c3的重量。
方式二:组成材料的属性信息包括组成材料的尺寸和数量时,可先根据方式一确定组成材料的单位尺寸重量,再根据组成材料的单位尺寸重量和组成材料的尺寸,得到组成材料的单件重量。最后,根据组成材料的单件重量和组成材料的数量,确定组成材料的重量。
作为示例地,待处理对象为某家具,在待处理对象的组成成分中,木材c1共4块,木材c2为2块,木材c3共7块,木材c1、木材c2、木材c3的尺寸已知。因此,可以根据木材c1的单位尺寸种类和木材c1的尺寸,得到单块木材c1的重量,也即木材c1的单件重量,进而可得到4块木材c1的重量。如此可得到组成材料木材c1、木材c2、木材c3的重量。
方式三:组成材料的属性信息包括组成材料的位置分布时,可先确定待处理对象中各组成材料是否属于同一材料类型,若是,则根据组成材料的位置分布,确定组成材料的重量占比,根据组成材料的重量占比和待处理对象的重量,确定组成材料的重量。
其中,预先设置多个材料类型对应的材料集合。例如,木头这一材料类型对应的材料集合包括红木、胡桃木等,布料这一材料类型对应的材料集合包括棉、麻、化学纤维等,设置铁这一材料类型包括生铁、熟铁、钢等。同一材料类型对应的材料集合中,不同材料的密度相同或相近。
具体地,根据多个材料类型对应的材料集合,确定待处理对象的各组成材料是否位于同一材料类型的材料集合中。若是,则确定待处理对象的各组成材料属于同一材料类型,否则,确定待处理对象的各组成材料不属于同一材料类型。在确定待处理对象的各组成材料属于同一材料类型时,由于各组成材料的密度相同或相近,可以根据组成材料在待处理对象上的位置分布,来确定组成材料在待处理对象上的重量占比。进而可以将组成材料的重量占比与待处理对象的重量的乘积,确定为组成材料的重量。
例如,衣物的组成材料的密度通常较为接近,可以通过棉、麻、化学纤维等不同材料在衣物上的位置分布,得到不同材料的重量占比。在根据衣物的总重量和不同材料的重量占比,得到各材料的重量。
可选地,待处理对象的各组成材料不属于同一材料类型时,不同的组成材料的材料类型可能不同,无法通过位置分布来确定各组成材料的重量占比。此时,可先针对属于同一材料类型的组成材料,确定组成材料的单位尺寸重量为材料类型对应的、且小于待处理对象的重量的单位尺寸重量。再采用方式一的方式,确定待处理对象的各组成材料的重量。
具体地,预先设置不同材料类型对应的单位尺寸重量。确定待处理对象中各组成材料所属的材料类型,其中,不同的材料类型包含的材料可能会重合,例如,金属这一材料类型包含的材料与合金这一材料类型包含的材料可能重合,因此,一个组成材料可能属于一种或多种材料类型。若待处理对象中不同组成材料所属的材料类型不同,则针对各组成材料,获取组成材料所属的材料类型对应的单位尺寸重量,若组成材料所属的材料类型对应的单位尺寸重量小于待处理对象的重量,则确定组成材料的单位尺寸重量为组成材料所属的材料类型对应的单位尺寸重量。如果组成材料所属的多个材料类型对应的单位尺寸重量都小于待处理对象的重量,则可以将组成材料所属的多个材料类型对应的单位尺寸重量的任一个或者平均值,确定为组成材料的单位尺寸重量。
图4是本申请的另一实施例提供的对象处理方法的流程示例图。如图4所示,对象处理方法包括:
S401、确定待处理对象,并获取待处理对象的种类、重量和图像。
S402、根据待处理对象的种类,确定预设材料集合。
其中,S401、S402的实现原理和技术效果可参照前述实施例,不再赘述。
S403、根据预设材料集合,确定对应的第一模型。
其中,第一模型用于确定待处理对象的组成成分,第一模型可采用神经网络模型,神经网络模型例如采用卷积神经网络(Convolutional Neural Networks,CNN)、递归神经网络(recursive neural network)。
本步骤中,获取多个第一模型和多个预设材料集合与多个第一模型的对应关系。其中,在多个预设材料集合与多个第一模型的对应关系中,不同的预设材料集合对应不同的第一模型,与预设材料集合对应的第一模型,用于确定材料属于该预设材料集合的待处理对象的组成成分,从而能够为对应不同的预设材料集合的待处理对象,有针对性地提供不同的第一模型,提高对待处理对象进行组成成分识别的准确性。
本步骤中,在确定待材料对象的种类对应的预设材料集合后,根据多个预设材料集合与多个第一模型的对应关系、以及待处理对象的种类对应的预设材料集合,在多个第一模型中,确定待处理对象的种类对应的预设材料集合所对应的第一模型。
例如,毛绒玩具的预设材料集合为集合M,棉服的预设材料集合为集合N,在多个预设材料集合与第一模型的对应关系中,集合M对应的第一模型为模型E,集合N对应的第一模型F。此时,若待处理对象的种类为毛绒玩具,则可确定待处理对象对应的第一模型为模型E,若待处理对象的种类为棉服,则可确定待处理对象对应的第一模型为模型F。
S404、将待处理对象的图像和待处理对象的重量输入第一模型,得到待处理对象的组成成分。
其中,第一模型是通过多组第一样本训练得到的,每组第一样本中包括样本图像、样本图像中的样本对象的重量、样本对象的样本组成成分,样本对象的样本组成成分包括样本对象的至少一个样本组成材料以及每个样本组成材料的重量,且任意样本组成材料为预设材料集合的子集。
例如,针对棉服对应的第一模型,样本对象为不同的棉服,第一样本中包括不同的棉服图像、棉服图像中的棉服的重量、棉服的组成成分。棉服的组成成分包括棉服的至少一个组成材料以及每个组成材料的重量。此时,预设材料集合例如包括棉花、尼龙、聚酯纤维、麻、涤纶、羊毛等,作为样本对象的棉服的任意样本组成材料为预设材料集合的子集。
又如,针对木桌对应的第一模型,样本对象为不同的木桌,第一样本中包括不同的木桌图像、木桌图像中的木桌的重量、木桌的组成成分。木桌的组成成分包括木桌的至少一个组成材料以及每个组成材料的重量。此时,预设材料集合例如包括红木、胡桃木、钢钉等。作为样本对象的木桌的任意样本组成材料为预设材料集合的子集。
示例性地,在模型训练过程中,将样本图像和样本图像中样本对象的重量输入第一模型,第一模型对样本图像进行特征提取,根据提取的特征,预测样本对象中的组成材料,并根据样本对象的重量和预测得到的样本对象中的组成材料,预测样本对象中样本组成材料的重量。进而,得到第一模型输出的样本对象的预测样本组成成分。将第一模型输出的样本对象的预测样本组成成分与样本对象的样本组成成分进行比较。根据比较结果,对第一模型的模型参数进行调整。如此,进行多次训练,得到第一模型。
其中,模型训练算法可采用神经网络模型的常用训练算法,例如梯度下降算法,在此不做限制。
本步骤中,将待处理对象的图像和待处理对象的重量输入第一模型,由第一模型对待处理对象的图像进行组成材料的识别,第一模型结合待处理对象中组成材料的识别结果和待处理对象的重量,得到待处理对象的组成成分并输出。其中,待处理对象的组成成分包括待处理对象的至少一种组成材料,以及每个组成材料的重量。
S405、根据组成成分,确定待处理对象的再利用信息。
其中,S405的实现原理和技术效果可参照前述实施例,不再赘述。
本申请实施例中,根据待处理对象的种类确定预设材料集合,根据待处理对象对应的预设材料集合,有针对性地确定用于确定待处理对象的组成成分的第一模型,有效地提高待处理对象的组成成分的准确性,进而在根据组成成分确定待处理对象的再利用信息时,提高了待处理对象的再利用信息的准确性,提高对对象进行再利用分析的分析效果。
图5是本申请的另一实施例提供的对象处理方法的流程示例图。如图5所示,对象处理方法包括:
S501、获取多个对象的预设数据,其中,预设数据为多个对象的价格、使用时间、使用频率、图像中的至少一个。
其中,对象的价格可为对象最近一次交易的价格,或者对象作为新品推出后首次交易的价格。对象的价格为对象最近一次交易的价格时,对象的使用时间可为对象最近一次交易到当前时间之间的时间段或者时长;对象的价格为对象作为新品推出后首次交易的价格时,对象的使用时间可为对象首次交易的时间到当前时间之间的时间段或者时长。
其中,对象的使用频率可以为在预设的单位时间内对象的使用时间,例如,单位时间为24小时、1周、1年等;或者,对象的使用频率可以表示为不同的幅度:频率高、频率中等、频率低,或者表示为0至1之间的数字,越接近0则使用频率越低,越靠近1则使用频率越高。
其中,对象的价格、使用时间、使用频率、图像,可以在一定程度上都可以反映对象进行二次流动的难度。针对不同种类的对象,可获取不同的预设数据。例如,针对衣物,可获取衣物的价格、使用时间、图像中的至少一个。针对电子产品,可获取电子产品的价格、使用时间、使用频率、图像中的至少一个,当然还可以获取电子产品的维修记录。
一示例中,在数据库中预先存储有多个对象的预设数据,因此,可从数据库中获取多个对象的预设数据。其中,数据库可为本地的离线数据库,也可为位于其它设备上的在线数据库。
另一示例中,可接收用户发送的多个对象的预设数据。例如,执行主体为客户终端时,可接收到的用户输入的多个对象的预设数据。执行主体为服务器时,可接收到的客户终端发送的多个对象的预设数据。
S502、根据多个对象的预设数据,在多个对象中确定待处理对象。
本步骤中,根据多个对象的预设数据,将多个对象中进行二次流动难度较高的对象,确定为待处理对象。
一示例中,S502的一种可能的实现方式包括:针对多个对象中任意一个对象,根据对象的价格、使用时间、使用频率中的至少一个,对对象进行分类,得到对象是否为待处理对象的第一分类结果;根据多个对象的第一分类结果,在多个对象中确定待处理对象。
具体地,将对象的价格、使用时间、使用频率中的至少一个作为分类依据,对多个对象进行分类,得到用于表征对象是否为待处理对象的第一分类结果。换句话说,将对象的价格、使用时间、使用频率中的至少一个作为分类依据,确定各个对象是否为待处理对象。
其中,第一分类结果例如为可进行二次流动或者不可进行二次流动,若第一分类结果为可进行二次流动,则表示对象不为待处理对象,若第一分类结果为不可进行二次流动,则表示对象为待处理对象。因此,可以根据第一分类结果,在多个对象中确定待处理对象。
在根据对象的价格、使用时间、使用频率中的至少一个,对对象进行分类的过程中,一种可能的实现方式包括:将多个对象的使用时间与预设的时长阈值进行比较,若对象的使用时间大于时长阈值,则确定对象为待处理对象或者为不可进行二次流动的对象,否则确定对象不为待处理对象或者为可进行二次流动的对象。
在根据对象的价格、使用时间、使用频率中的至少一个,对对象进行分类的过程中,另一种可能的实现方式包括:将多个对象的价格与预设的价格阈值进行比较,若对象的价格小于预设的价格阈值,则将对象确定为待处理对象或者为不可进行二次流动的对象,否则确定对象不为待处理对象或者为可进行二次流动的对象。
在根据对象的价格、使用时间、使用频率中的至少一个,对对象进行分类的过程中,又一种可能的实现方式包括:将多个对象的使用频率与预设的频率阈值进行比较,若对象的使用频率大于预设的频率阈值,则将对象确定为待处理对象或者为不可进行二次流动的对象,否则确定对象不为待处理对象或者为可进行二次流动的对象。
其中,上述方式可相互结合,例如,若对象的使用时长大于时长阈值、且价格小于价格阈值,则将对象确定为待处理对象,否则确定对象不为待处理对象,在此不一一列举。
另一示例中,S502的另一种可能的实现方式包括:针对多个对象中任意一个对象的图像,将对象的图像输入第二模型,得到用于表征对象是否为待处理对象的第二分类结果;根据多个对象的第二分类结果,在多个对象中确定待处理对象。
其中,第二模型用于对对象进行分类,第二模型是通过多组第二样本训练得到的,每组第二样本中包括样本对象的图像,以及样本对象的样本分类结果,样本分类结果用于表征样本对象是否为待处理样本对象。
其中,第二模型可为决策模型,决策模型例如可采用随机森林。
具体地,在模型训练过程中,将样本对象的图像输入第二待训练模型,得到第二待训练模型输出的样本对象是否为待处理对象的分类结果,将该分类结果和样本对象的样本分类结果进行比较,根据比较结果,对第二待训练模型进行调整。如此进行多次训练,将训练好的第二待训练模型确定为第二模型。其中,训练算法例如可采用梯度下降算法,在此不做限制。
具体地,针对多个对象中任意一个对象的图像,将对象的图像输入第二模型,得到第二模型输出的用于表征对象是否为待处理对象的第二分类结果。例如,第二分类结果为可进行二次流动或者不可进行二次流动,若第二分类结果为可进行二次流动,则表示对象不为待处理对象,若第二分类结果为不可进行二次流动,则表示对象为待处理对象。因此,在得到各个对象的第二分类结果后,可在多个对象中确定待处理对象。
S503、获取待处理对象的种类、重量和图像。
S504、根据待处理对象的种类和重量,对待处理对象的图像进行识别,确定待处理对象的组成成分。
S505、根据组成成分,确定待处理对象的再利用信息。
其中,S503~S505的实现原理和技术效果可参照前述实施例,不再赘述。
本申请实施例中,根据多个对象的预设数据,确定待处理对象,实现对二次流动难度较大的对象的筛选,对确定的待处理对象进行组成成分确定,根据待处理对象的组成成分,确定待处理对象的再利用信息,实现对二次流动难度较大的对象的再利用分析,有利于促进二次流动难度较大的对象的流动,减少资源浪费和环境污染。
图6是本申请的另一实施例提供的对象处理方法的流程示例图。如图6所示,对象处理方法包括:
S601、确定待处理对象,并获取待处理对象的种类、重量和图像。
S602、根据待处理对象的种类和重量,对待处理对象的图像进行识别,确定待处理对象的组成成分。
S603、根据组成成分,确定待处理对象的再利用信息。
其中,S601~S603的实现原理和技术效果可参照前述实施例,不再赘述。
S604、根据再利用信息,确定待处理对象的价值信息。
本步骤中,在根据组成成分,确定待处理对象的再利用信息后,可根据待处理对象的再利用信息,确定待处理对象的价值信息,实现对待处理对象的价值分析,有利于进一步地促进待处理对象的再次流动。
其中,价值信息包括如下一项或多项:待处理对象的组成成分、待处理对象的组成成分对应的价格信息、待处理对象对应的等价物品。
其中,组成成分对应的价格信息例如包括如下一项或多项:每个组成材料中单份材料的价格、每个组成材料中所有材料的总价、所有组成材料的总价。待处理对象对应的等价物品为能够与待处理对象进行交换的物品。
例如,待处理对象为某衣物,该衣物的组成成分包括棉500克、尼龙100克,则在该衣物的价值信息中,组成成分对应的价格信息包括如下一项或多项:每克棉的单价、500克棉的总价、每克尼龙的单价、100克尼龙的总价、500克棉加上100克尼龙的总价。
又如,待处理对象为某车辆,该车辆的组成成分包括钢板10千克、玻璃2千克、树脂2千克,则在车辆的价值信息中,组成成分对应的价格信息包括如下一项或多项:每千克钢板的单价、10千克钢板的总价、每千克玻璃的单价、2千克玻璃的总价、每千克树脂的单价、2千克树脂的总价、所有组成材料的总价。
本步骤中,可将组成成分确定为待处理对象的价值信息;和/或,可以根据待处理对象的组成成分和预先设置的不同材料的价格,确定待处理对象的组成成分对应的价格信息,将待处理对象的组成成分对应的价格信息确定为待处理对象的价值信息;和/或,在确定待处理对象的组成成分对应的价格信息后,在预先存储的物品转移信息(例如物品出售信息、物品交易信息)中,或者在网络平台(例如网上交易平台)上,查找与该价格信息相当的物品,将该物品确定为待处理对象的等价物品。
S605、向客户端发送待处理对象的转移信息,转移信息中包括待处理对象的组成成分和待处理对象的价值信息。
本步骤中,为促进待处理对象的二次流动,在确定待处理对象的价值信息后,向客户端发送待处理对象的转移信息,转移信息中包括待处理对象的组成成分和待处理对象的价值信息,以便客户端的用户及时知晓待处理对象的转移信息,并参与到待处理对象的二次流动中。
例如,在执行主体为服务器时,服务器可向一个或多个客户端发送待处理对象的转移信息,客户端收到该转移信息后,可通过购买或者交换等方式获得待处理对象。又如,在执行主体为客户端时,该客户端可以向一个或多个其他客户端发送待处理对象的转移对象,以便于其他客户端的用户收到该转移信息后,通过购买或者交换等方式获得待处理对象。
可选的,除向客户端发送待处理对象的转移信息外,还可根据待处理对象的转移信息,生成待处理对象的二次流动的网页链接,将该网页链接发送至客户端,以提高客户端的用户获取待处理对象的便利性。
本申请实施例中,在确定待处理对象的价值信息后,向客户端发送待处理对象的转移信息,以促进待处理对象的二次流动,提高待处理对象的二次流动的便捷性,减少资源浪费和环境污染。
作为示例地,以上述各实施例的执行主体为服务器、待处理对象为旧衣物、待处理对象的价值信息为旧衣物的组成成分为例,图7~图9提供了通过本申请各方法实施例实现旧衣物二次流通的示例图。
图7是用户利用旧衣物购买产品的示例图。如图7所示,用户将旧衣物进行价值分析,例如用户在自身所在的客户终端(图7未示出)输入旧衣物的种类、重量、图像,客户终端将旧衣物的种类、重量和图像发送至服务器(图7未示出),服务器进行价值分析,得到旧衣物的组成成分。例如在用户向衣物回收平台(图7未示出)寄出旧衣物后,服务器将旧衣服的组成成分添加至用户仓库,用户仓库中尼龙3000克、纤维5000克、羽绒800克。服务器上构建客户终端对应的用户仓库,将分析得到的旧衣物的组成成分添加至用户仓库。客户终端的用户打算商家从购买小熊玩偶,而小熊玩偶的制作需要尼龙500克和羽绒800克。此时,用户查看或服务器检测用户仓库是否满足小熊玩偶的制作需求,若满足,则扣除用户仓库中的材料,商家获得材料且用户购得小熊玩偶。若不满足,则用户可通过在交易平台上通过好友互赠材料、向商家购买材料、材料互换、游戏竞技等方式获得材料,并扩充仓库。
在图7所示的用户仓库的基础上,图8是用户利用用户仓库中的材料置换自身设计商品的示例图。如图8所示,用户设计商品方案,用户或者服务器检测用户仓库是否满足该商品方案的材料需求,若满足,则扣除用户仓库中的材料,商家获得满足材料需求的材料并制作商品,用户获得商品。若不满足,则用户可通过在交易平台上通过好友互赠材料、向商家购买材料、材料互换、游戏竞技等方式获得材料,并扩充仓库。
在图7所示的用户仓库的基础上,图9是用户利用用户仓库中的材料进行物品捐赠的示例图。如图9所示,用户在准备捐赠物品时,用户或者服务器检测用户仓库是否满足该物品的材料需求,例如,服务器可从该物品的售卖信息中获得该物品的材料需求。若满足,则扣除用户仓库中的材料,商家获得满足材料需求的材料并制作该物品,用户获得该物品。若不满足,则用户可通过在交易平台上通过好友互赠材料、向商家购买材料、材料互换、游戏竞技等方式获得材料,并扩充仓库。
其中,待处理对象例如还可以为旧家具、旧电子产品、旧车辆等,在此仅通过图7~图9对旧衣物的二次流通进行举例,其它类型的待处理对象的二次流通可参照旧衣物的二次流通,不再重复举例。
根据本申请的实施例,本申请还提供了一种对象处理装置。
图10是本申请的一实施例提供的对象处理装置的结构示例图。如图10所示,对象处理装置包括:
获取单元1001,用于确定待处理对象,并获取待处理对象的种类、重量和图像;
识别单元1002,用于根据待处理对象的种类和重量对待处理对象的图像进行识别,确定待处理对象的组成成分;
第一确定单元1003,用于根据组成成分,确定待处理对象的再利用信息。
在一种可能的实现方式中,识别单元1002包括:
材料确定模块,用于根据待处理对象的种类,确定预设材料集合;
识别模块,用于根据待处理对象的重量和预设材料集合,对待处理对象的图像进行识别,确定组成成分,组成成分包括:待处理对象的至少一种组成材料,以及每个组成材料的重量。
在一种可能的实现方式中,识别模块包括:
模型确定模块,用于根据预设材料集合,确定对应的第一模型,第一模型用于确定待处理对象的组成成分;
模型处理模块,用于将待处理对象的图像和待处理对象的重量输入第一模型,得到待处理对象的组成成分;
其中,第一模型是通过多组第一样本训练得到的,每组第一样本中包括样本图像、样本图像中的样本对象的重量、组成样本对象的每个样本组成材料以及每个样本组成材料的重量,且任意样本组成材料为预设材料集合的子集。
在一种可能的实现方式中,识别模块1002包括:
识别子模块,用于基于预设材料集合,对待处理对象的图像进行图像识别,得到待处理对象包含的组成材料以及组成材料的属性信息,属性信息包括数量、尺寸、位置分布中的至少一种;
重量确定模块,用于根据属性信息和待处理对象的重量,确定组成材料的重量。
在一种可能的实现方式中,属性信息包含尺寸,重量确定模块具体用于:
根据待处理对象的重量,确定组成材料的单位尺寸重量;
根据单位尺寸重量和组成材料的尺寸,确定组成材料的重量。
在一种可能的实现方式中,属性信息包含数量,重量确定模块具体用于:
根据单位尺寸重量和组成材料的尺寸,确定组成材料的单件重量;
根据单件重量和组成材料的数量,确定组成材料的重量。
在一种可能的实现方式中,重量确定模块具体用于:
确定待处理对象中不同组成材料所属的材料类型不同;
针对同一材料类型的组成材料,确定组成材料的单位尺寸重量为材料类型对应的、且小于待处理对象的重量的单位尺寸重量。
在一种可能的实现方式中,重量确定模块具体用于:
确定待处理对象中各组成材料属于同一材料类型;
根据组成材料的位置分布,确定组成材料的重量占比;
根据组成材料的重量占比和待处理对象的重量,确定组成材料的重量。
在一种可能的实现方式中,获取单元1001包括:
对象数据获取模块,用于获取多个对象的预设数据,其中,预设数据为多个对象的价格、使用时间、使用频率、图像中的至少一个;
对象确定模块,用于根据多个对象的预设数据,在多个对象中确定待处理对象。
在一种可能的实现方式中,对象确定模块包括:
第一分类模块,用于针对多个对象中任意一个对象,根据对象的价格、使用时间、使用频率中的至少一个,对对象进行分类,得到对象是否为待处理对象的第一分类结果;
第一对象确定子模块,用于根据多个对象的第一分类结果,在多个对象中确定待处理对象。
在一种可能的实现方式中,对象确定模块包括:
第二分类模块,用于针对多个对象中任意一个对象的图像,将对象的图像输入第二模型,得到用于表征对象是否为待处理对象的第二分类结果;
第二对象确定子模块,用于根据多个对象的第二分类结果,在多个对象中确定待处理对象;
其中,第二模型用于对对象进行分类,第二模型是通过多组第二样本训练得到的,每组第二样本中包括样本对象的图像,以及样本对象的样本分类结果,样本分类结果用于表征样本对象是否为待处理样本对象。
图11是本申请的一实施例提供的对象处理装置的结构示例图。如图11所示,对象处理装置包括:
获取单元1101,用于确定待处理对象,并获取待处理对象的种类、重量和图像;
识别单元1102,用于根据待处理对象的种类和重量对待处理对象的图像进行识别,确定待处理对象的组成成分;
第一确定单元1103,用于根据组成成分,确定待处理对象的再利用信息。
第二确定单元1104,用于根据再利用信息,确定待处理对象的价值信息。
发送单元1105,用于向客户端发送待处理对象的转移信息,转移信息中包括待处理对象的组成成分和待处理对象的价值信息。
其中,获取单元1101、识别单元1102、第一确定单元1103可参照前述装置实施例中的获取单元1001、识别单元1002、第一确定单元1003。
本申请实施例提供的对象处理装置,用于执行上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例,本申请还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图12示出了可以用来实施本申请的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,电子设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如对象处理方法。例如,在一些实施例中,对象处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的对象处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行对象处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (26)
1.一种对象处理方法,包括:
确定待处理对象,并获取所述待处理对象的种类、重量和图像;
根据所述待处理对象的种类,确定预设材料集合;
根据所述待处理对象的重量和所述预设材料集合,对所述待处理对象的图像进行识别,确定所述待处理对象的组成成分,所述组成成分包括:所述待处理对象的至少一种组成材料,以及每个组成材料的重量;
根据所述组成成分,确定所述待处理对象的再利用信息;
所述根据所述待处理对象的重量和所述预设材料集合,对所述待处理对象的图像进行识别,确定所述组成成分,包括:
根据所述预设材料集合,确定对应的第一模型,所述第一模型用于确定所述待处理对象的组成成分;
将所述待处理对象的图像和所述待处理对象的重量输入所述第一模型,得到所述待处理对象的组成成分。
2.根据权利要求1所述的对象处理方法,其中,所述第一模型是通过多组第一样本训练得到的,每组第一样本中包括样本图像、所述样本图像中的样本对象的重量、所述样本对象的样本组成成分,所述样本组成成分包括所述样本对象的至少一个样本组成材料以及每个样本组成材料的重量,且任意样本组成材料为所述预设材料集合的子集。
3.根据权利要求1所述的对象处理方法,其中,所述根据所述待处理对象的重量和所述预设材料集合,对所述待处理对象的图像进行识别,确定所述组成成分,可替换为包括:
基于所述预设材料集合,对所述待处理对象的图像进行图像识别,得到所述待处理对象包含的组成材料以及所述组成材料的属性信息,所述属性信息包括数量、尺寸、位置分布中的至少一种;
根据所述属性信息和所述待处理对象的重量,确定所述组成材料的重量。
4.根据权利要求3所述的对象处理方法,其中,所述属性信息包含尺寸,所述根据所述属性信息和所述待处理对象的重量,确定所述组成材料的重量,包括:
根据所述待处理对象的重量,确定所述组成材料的单位尺寸重量;
根据所述单位尺寸重量和所述组成材料的尺寸,确定所述组成材料的重量。
5.根据权利要求4所述的对象处理方法,其中,所述属性信息包含数量,所述根据所述单位尺寸重量和所述组成材料的尺寸,确定所述组成材料的重量,包括:
根据所述单位尺寸重量和所述组成材料的尺寸,确定所述组成材料的单件重量;
根据所述单件重量和所述组成材料的数量,确定所述组成材料的重量。
6.根据权利要求4所述的对象处理方法,其中,所述根据所述待处理对象的重量,确定所述组成材料的单位尺寸重量,包括:
确定所述待处理对象中不同所述组成材料所属的材料类型不同;
针对同一材料类型的组成材料,确定所述组成材料的单位尺寸重量为所述材料类型对应的、且小于所述待处理对象的重量的单位尺寸重量。
7.根据权利要求3所述的对象处理方法,其中,所述属性信息包含位置分布,所述根据所述属性信息和所述待处理对象的重量,确定所述组成材料的重量,包括:
确定所述待处理对象中各所述组成材料属于同一材料类型;
根据所述组成材料的位置分布,确定所述组成材料的重量占比;
根据所述组成材料的重量占比和所述待处理对象的重量,确定所述组成材料的重量。
8.根据权利要求1-7中任一项所述的对象处理方法,其中,所述确定待处理对象,包括:
获取多个对象的预设数据,其中,所述预设数据为所述多个对象的价格、使用时间、使用频率、图像中的至少一个;
根据所述多个对象的预设数据,在所述多个对象中确定所述待处理对象。
9.根据权利要求8所述的对象处理方法,其中,所述根据所述多个对象的预设数据,在所述多个对象中确定所述待处理对象,包括:
针对所述多个对象中任意一个对象,根据所述对象的价格、使用时间、使用频率中的至少一个,对所述对象进行分类,得到所述对象是否为所述待处理对象的第一分类结果;
根据所述多个对象的第一分类结果,在所述多个对象中确定所述待处理对象。
10.根据权利要求8所述的对象处理方法,其中,所述根据所述多个对象的预设数据,在所述多个对象中确定所述待处理对象,包括:
针对所述多个对象中任意一个对象的图像,将所述对象的图像输入第二模型,得到用于表征所述对象是否为所述待处理对象的第二分类结果;
根据所述多个对象的第二分类结果,在所述多个对象中确定所述待处理对象;
其中,所述第二模型用于对对象进行分类,所述第二模型是通过多组第二样本训练得到的,每组第二样本中包括样本对象的图像,以及所述样本对象的样本分类结果,所述样本分类结果用于表征所述样本对象是否为待处理样本对象。
11.根据权利要求1-7中任一项所述的对象处理方法,其中,所述对象处理方法还包括:
根据所述再利用信息,确定所述待处理对象的价值信息。
12.根据权利要求11所述的对象处理方法,其中,所述对象处理方法还包括:
向客户端发送所述待处理对象的转移信息,所述转移信息中包括所述待处理对象的组成成分和所述待处理对象的价值信息。
13.一种对象处理装置,包括:
获取单元,用于确定待处理对象,并获取所述待处理对象的种类、重量和图像;
识别单元,用于根据所述待处理对象的种类和重量对所述待处理对象的图像进行识别,确定所述待处理对象的组成成分;
第一确定单元,用于根据所述组成成分,确定所述待处理对象的再利用信息;
其中,所述识别单元包括:
材料确定模块,用于根据所述待处理对象的种类,确定预设材料集合;
识别模块,用于根据所述待处理对象的重量和所述预设材料集合,对所述待处理对象的图像进行识别,确定所述组成成分,所述组成成分包括:所述待处理对象的至少一种组成材料,以及每个组成材料的重量;
其中,所述识别模块包括:
模型确定模块,用于根据所述预设材料集合,确定对应的第一模型,所述第一模型用于确定所述待处理对象的组成成分;
模型处理模块,用于将所述待处理对象的图像和所述待处理对象的重量输入所述第一模型,得到所述待处理对象的组成成分。
14.根据权利要求13所述的对象处理装置,其中,所述第一模型是通过多组第一样本训练得到的,每组第一样本中包括样本图像、所述样本图像中的样本对象的重量、所述样本对象的样本组成成分,所述样本组成成分包括所述样本对象的至少一个样本组成材料以及每个样本组成材料的重量,且任意样本组成材料为所述预设材料集合的子集。
15.根据权利要求13所述的对象处理装置,其中,所述识别模块包括:
识别子模块,用于基于所述预设材料集合,对所述待处理对象的图像进行图像识别,得到所述待处理对象包含的组成材料以及所述组成材料的属性信息,所述属性信息包括数量、尺寸、位置分布中的至少一种;
重量确定模块,用于根据所述属性信息和所述待处理对象的重量,确定所述组成材料的重量。
16.根据权利要求15所述的对象处理装置,其中,所述属性信息包含尺寸,所述重量确定模块具体用于:
根据所述待处理对象的重量,确定所述组成材料的单位尺寸重量;
根据所述单位尺寸重量和所述组成材料的尺寸,确定所述组成材料的重量。
17.根据权利要求16所述的对象处理装置,其中,所述属性信息包含数量,所述重量确定模块具体用于:
根据所述单位尺寸重量和所述组成材料的尺寸,确定所述组成材料的单件重量;
根据所述单件重量和所述组成材料的数量,确定所述组成材料的重量。
18.根据权利要求16所述的对象处理装置,其中,所述重量确定模块具体用于:
确定所述待处理对象中不同所述组成材料所属的材料类型不同;
针对同一材料类型的组成材料,确定所述组成材料的单位尺寸重量为所述材料类型对应的、且小于所述待处理对象的重量的单位尺寸重量。
19.根据权利要求15所述的对象处理装置,其中,所述重量确定模块具体用于:
确定所述待处理对象中各所述组成材料属于同一材料类型;
根据所述组成材料的位置分布,确定所述组成材料的重量占比;
根据所述组成材料的重量占比和所述待处理对象的重量,确定所述组成材料的重量。
20.根据权利要求13-19中任一项所述的对象处理装置,其中,所述获取单元包括:
对象数据获取模块,用于获取多个对象的预设数据,其中,所述预设数据为所述多个对象的价格、使用时间、使用频率、图像中的至少一个;
对象确定模块,用于根据所述多个对象的预设数据,在所述多个对象中确定所述待处理对象。
21.根据权利要求20所述的对象处理装置,其中,所述对象确定模块包括:
第一分类模块,用于针对所述多个对象中任意一个对象,根据所述对象的价格、使用时间、使用频率中的至少一个,对所述对象进行分类,得到所述对象是否为所述待处理对象的第一分类结果;
第一对象确定子模块,用于根据所述多个对象的第一分类结果,在所述多个对象中确定所述待处理对象。
22.根据权利要求20所述的对象处理装置,所述对象确定模块包括:
第二分类模块,用于针对所述多个对象中任意一个对象的图像,将所述对象的图像输入第二模型,得到用于表征所述对象是否为所述待处理对象的第二分类结果;
第二对象确定子模块,用于根据所述多个对象的第二分类结果,在所述多个对象中确定所述待处理对象;
其中,所述第二模型用于对对象进行分类,所述第二模型是通过多组第二样本训练得到的,每组第二样本中包括样本对象的图像,以及所述样本对象的样本分类结果,所述样本分类结果用于表征所述样本对象是否为待处理样本对象。
23.根据权利要求13-19中任一项所述的对象处理装置,其中,所述对象处理装置还包括:
第二确定单元,用于根据所述再利用信息,确定所述待处理对象的价值信息。
24.根据权利要求23所述的对象处理装置,其中,所述装置还包括:
发送单元,用于向客户端发送所述待处理对象的转移信息,所述转移信息中包括所述待处理对象的组成成分和所述待处理对象的价值信息。
25.一种电子设备,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指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的对象处理方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-12中任一项所述的对象处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110256075.6A CN112988823B (zh) | 2021-03-09 | 2021-03-09 | 对象处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110256075.6A CN112988823B (zh) | 2021-03-09 | 2021-03-09 | 对象处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112988823A CN112988823A (zh) | 2021-06-18 |
CN112988823B true CN112988823B (zh) | 2024-06-04 |
Family
ID=76336272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110256075.6A Active CN112988823B (zh) | 2021-03-09 | 2021-03-09 | 对象处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112988823B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007112577A1 (en) * | 2006-04-04 | 2007-10-11 | Rutherford Peter Bruce Browne | Methods and systems for recycling and re-use of manufactured items |
CN107767548A (zh) * | 2017-08-01 | 2018-03-06 | 山东中公网络科技有限公司 | 一种智能物品回收装置、智能物品回收***及回收方法 |
US9962921B1 (en) * | 2014-12-17 | 2018-05-08 | Amazon Technologies, Inc. | Techniques for printing 3D shipping containers |
CN108292387A (zh) * | 2015-10-08 | 2018-07-17 | 斯道拉恩索公司 | 用于在开环供应或价值链中跟踪产品的***和方法 |
CN108615116A (zh) * | 2018-05-03 | 2018-10-02 | 毕得阳 | 基于互联网及区块链技术的资源配置方法及*** |
CN110968924A (zh) * | 2018-09-28 | 2020-04-07 | 株洲中车时代电气股份有限公司 | 模型前处理方法及计算机可读存储介质 |
CN111832658A (zh) * | 2020-07-20 | 2020-10-27 | 北京百度网讯科技有限公司 | 兴趣点信息处理方法、装置、电子设备和存储介质 |
WO2021031954A1 (zh) * | 2019-08-20 | 2021-02-25 | 北京海益同展信息科技有限公司 | 对象数量确定方法、装置、存储介质与电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060235808A1 (en) * | 2001-05-30 | 2006-10-19 | Berry Matthew P | System for managing recyclable and non-recyclable materials |
US20070124077A1 (en) * | 2005-11-30 | 2007-05-31 | Robert Hedlund | An Inventory Stocking and Locating System Utilizing Tags and GPS providing Summarization by Hierarchical Code |
-
2021
- 2021-03-09 CN CN202110256075.6A patent/CN112988823B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007112577A1 (en) * | 2006-04-04 | 2007-10-11 | Rutherford Peter Bruce Browne | Methods and systems for recycling and re-use of manufactured items |
US9962921B1 (en) * | 2014-12-17 | 2018-05-08 | Amazon Technologies, Inc. | Techniques for printing 3D shipping containers |
CN108292387A (zh) * | 2015-10-08 | 2018-07-17 | 斯道拉恩索公司 | 用于在开环供应或价值链中跟踪产品的***和方法 |
CN107767548A (zh) * | 2017-08-01 | 2018-03-06 | 山东中公网络科技有限公司 | 一种智能物品回收装置、智能物品回收***及回收方法 |
CN108615116A (zh) * | 2018-05-03 | 2018-10-02 | 毕得阳 | 基于互联网及区块链技术的资源配置方法及*** |
CN110968924A (zh) * | 2018-09-28 | 2020-04-07 | 株洲中车时代电气股份有限公司 | 模型前处理方法及计算机可读存储介质 |
WO2021031954A1 (zh) * | 2019-08-20 | 2021-02-25 | 北京海益同展信息科技有限公司 | 对象数量确定方法、装置、存储介质与电子设备 |
CN111832658A (zh) * | 2020-07-20 | 2020-10-27 | 北京百度网讯科技有限公司 | 兴趣点信息处理方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于多频拓扑优化的深孔机床床身动态分析;薄瑞峰;阴书玉;闫帅印;沈兴全;;机械设计与研究;20151220(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112988823A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210952B (zh) | 一种评标方法及装置 | |
CN111259222B (zh) | 物品推荐方法、***、电子设备及存储介质 | |
CN106844686A (zh) | 基于solr的智能客服问答机器人及其实现方法 | |
CN102903047A (zh) | 一种商品信息投放方法和设备 | |
CN112036981B (zh) | 一种用于提供目标对比商品的方法、装置、设备及介质 | |
CN102129431A (zh) | 应用于网上交易平台的检索方法和*** | |
CN110555712A (zh) | 商品关联程度确定方法及装置 | |
CN107292683A (zh) | 微信分销商户处理***及其方法 | |
CN109615410B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN110046648A (zh) | 基于至少一个业务分类模型进行业务分类的方法及装置 | |
CN110347786A (zh) | 一种语义模型的调优方法及*** | |
CN113763066A (zh) | 用于分析信息的方法和装置 | |
CN112988823B (zh) | 对象处理方法、装置、设备及存储介质 | |
CN107292694A (zh) | 采购单的生成方法及*** | |
CN108932248A (zh) | 一种搜索实现方法及*** | |
CN108171562A (zh) | 一种全渠道订单归类自动处理方法 | |
CN110968670A (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN114529239B (zh) | 仓单匹配*** | |
CN113987026A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114240545A (zh) | 一种相似商品的推荐方法、装置、设备及存储介质 | |
CN108334522A (zh) | 确定海关编码的方法,以及确定类型信息的方法和*** | |
CN114971773A (zh) | 订单生成方法、装置、电子设备和存储介质 | |
CN108280727A (zh) | 一种微分销一体化平台*** | |
CN114429371A (zh) | 基于无人车的商品营销方法、装置、电子设备及存储介质 | |
CN110503467B (zh) | 一种跨平台的消费者人群获取方法及装置 |
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 |