CN113139768B - 一种基于无人售货机的缺货监测方法 - Google Patents

Abstract

本发明提供了一种基于无人售货机的缺货监测方法，包括：步骤1：获取特定时间段内无人售货机的各商品的销售量，并基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分；步骤2：基于所述等级划分，确定各等级商品的缺货阈值；步骤3：根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签；步骤4：对所述无人售货机内的商品进行扫描，获取商品的数量，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒；提高了判断缺货的准确性，实现了对商品的智能统计，并发出缺货报警提醒，及时提醒工作人员无人售货机缺货的情况，且方便了顾客的购物。

Description

一种基于无人售货机的缺货监测方法

技术领域

本发明涉及无人售货机技术领域，特别涉及一种基于无人售货机的缺货监测方法。

背景技术

无人售货机是常见于学校、餐馆、办公楼通道等区域的售货设备，方便顾客购物的同时降低了商家的销售成本。

商品的供货商家需要对自动售货机定时补充商品，还需要安排的专门的补货人员定期的对自动售货机进行检查，发现并记录需要补充的商品，然后周期性地对商品进行补充，这种方式不仅会需要人力进行繁琐的统计，而且不能实时监测无人售货机的商品数量，进而不能及时发现无人售货机缺货的情况，会导致顾客在购买缺货商品并付款后无法出货，给顾客的购物带来了不便。

其次，传统的判断无人售货机缺货的方法不会依据商品各自的特性，例如销量、用途等，来判断是否缺货，判断缺货的准确性有待提高。

发明内容

本发明提供一种基于无人售货机的缺货监测方法，通过根据无人售货机内各商品销的售量对所述无人售货机内的商品进行等级划分，提高了判断缺货的准确性，实现了对商品的智能统计，并发出缺货报警提醒，及时提醒工作人员无人售货机缺货的情况，且方便了顾客的购物。

本发明提供一种基于无人售货机的缺货监测方法，包括：

步骤1：获取特定时间段内无人售货机的各商品的销售量，并基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分；

步骤2：基于所述等级划分，确定各等级商品的缺货阈值；

步骤3：根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签；

步骤4：对所述无人售货机内的商品进行扫描，获取商品的数量，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒。

在一种可能实现的方式中，

步骤1中，获取预设时间内无人售货机的各商品的销售量包括：

获取所述无人售货机附近的人流量数据，基于所述人流量数据，选取人流量大于预设人流量的时间段，作为特定时间段；

获取所述特定时间段内所述无人售货机的全部订单信息；

获取所述全部订单信息的订单排版规则，并基于所述订单排版规则设置识别顺序；

按照所述识别顺序，对所述全部订单信息进行识别，得到所述全部订单信息的订单类型，其中，所述订单类型分为有效订单和无效订单；

基于预设提取目标，对有效订单信息进行解析，获取与所述预设提取目标相对应的提取规则信息；

基于所述提取规则信息为所述有效订单信息配置信息提取模板，并基于所述信息提取模板对所述有效订单信息进行目标提取，得到商品购买信息；

基于所述商品购买信息，确定商品名称及其对应的购买数量，得到各商品的初始销售量；

对所述特定时间段进行分析，获取所述特定时间段内按照商品销量从大到小排序的商品类型，建立序号-商品类型对照表；

基于商品类型-名称对照表和所述序号-商品类型对照表，获得商品名称和序号的对应关系，基于所述对应关系为所述各商品的初始销售量设置权重值，对所述各商品的初始销售量进行修正，得到修正后的各商品的销售量。

在一种可能实现的方式中，

步骤1中，基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分包括：

获取所述无人售货机的各商品的商品信息，基于所述商品信息获得各商品的商品价格、商品平均使用时间；

将各商品的商品名称及其对应的商品平均使用时间输入至时间预测模型中，获取所述各商品的购买时间间隔；

基于所述各商品的销售量为所述各商品设置第一数值；

基于所述各商品的商品价格为所述各商品设置第二数值；

基于所述各商品的购买时间间隔为所述各商品设置第三数值；

对所述第一数值、第二数值、第三数值进行归一化处理后进行加法运算，得到所述各商品的等级划分值；

基于所述等级划分值对所述无人售货机内的各商品进行等级划分。

在一种可能实现的方式中，

步骤3中，根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签包括：

获取所述各等级商品的缺货阈值中的商品图像；

对所述无人售货机内各商品进行图像扫描，获取各商品的扫描图像；

将所述商品图像和扫描图像进行对比匹配，获得图像匹配表；

基于所述图像匹配表，确定所述无人售货机内各商品分别对应的缺货阈值；

获取各商品与各商品分别对应的缺货阈值之间的关系建立请求；

基于所述关系建立请求为所述无人售货机内各商品设置第一资源，且为所述各商品分别对应的缺货阈值设置第二资源；

基于所述第一资源、第二资源，对所述无人售货机内的商品建立阈值标签。

在一种可能实现的方式中，

步骤4中，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒包括：

基于商品的阈值标签确定商品的缺货阈值；

判断所述商品的数量是否大于所述商品的缺货阈值；

若是，表明所述商品不存在缺货的情况；

否则，表明所述商品存在缺货的情况，并进行报警提醒。

在一种可能实现的方式中，

步骤4中，在发出缺货报警提醒之后还包括：

基于所述缺货报警提醒确定缺货商品，基于所述缺货商品，获取状态转换指令；

基于所述转换指令，将所述缺货商品的状态由数量显示状态转换为缺货状态；并且关闭所述缺货的商品的购买链接。

在一种可能实现的方式中，

步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量包括：

对所述无人售货机内商品的全部区域进行扫描，得到全部区域的整体图像，并对所述整体图像进行预处理得到标准化图像；

预先获取所述无人售货机内摆放商品的商品信息，基于所述商品信息，获取商品的外观特征集合；

基于所述外观特征集合，确定所述标准化图像的分割轮廓，基于所述分割轮廓对所述标准化图像进行图像分割，得到单个商品图像；

判断所述单个商品图像的数量与所述无人售货机内摆放商品的数量是否一致；

若是，表明对所述标准化图像的分割轮廓准确；

否则，且所述单个商品图像的数量大于所述无人售货机内摆放商品的数量，则对所述单个商品图像之间进行相似度检测，对满足第一预设相似度要求的两个单个商品图像进行合并得到新的单个商品图像；

否则，且所述单个商品图像的数量小于所述无人售货机内摆放商品的数量，则重新确定所述标准化图像的分割轮廓，并得到新的单个商品图像；

基于判断并重新分割后的单个商品图像对应的商品信息，对所述单个商品图像进行识别和分割，得到对应商品的分割区域，其中，所述分割区域包括整体区域和局部区域；

确定整体区域的数量为第一数量；

确定与所述局部区域相邻的整体区域，并截取所述相邻的整体区域中与所述局部区域接近的参考区域；

判断所述述局部区域与所述参考区域的相似度，若所述相似度满足第二预设相似度要求，则对所述局部区域进行统计，最终得到第二数量，否则，不对所述局部区域进行统计；

基于商品的第一数量和第二数量，获取所述商品的数量。

在一种可能实现的方式中，

步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量后，还包括：

基于所述商品的数量和所述商品对应的缺货阈值，确定所述商品的补货时间，其过程如下：

基于所述商品的数量和所述商品对应的缺货阈值，并根据如下公式预测所述商品的销售时间；

其中，T表示所述商品的销售时间，T_S表示在无人售货机***中在所述商品的数量下，所述商品的平均销售时间，S表示所述商品的数量，A表示所述商品的缺货阈值，且S>A,

表示所述商品在商品的平均销售时间内的销售量，e表示自然数，取值为2.72，δ表示所述商品对广告宣传的依赖值，取值为[0,0.6]，τ表示所述商品的广告投放力度值，取值为[0,1]；

基于所述商品的销售时间，并根据如下公式计算所述商品的补货时间；

其中，T_B表示算所述商品的补货时间，L表示对所述商品进行一次补货的成本，C表示对所述商品进行一次补货且全部售卖后的总销售额，M表示所述商品的价格，D表示所述商品的成本，ε表示所述补货补偿系数，取值为(0.2，0.4)；

基于所述补货时间，确定补货提醒时间，并在到达补货提醒时间时，进行补货提醒。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于无人售货机的缺货监测方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1

本发明实施例提供一种基于无人售货机的缺货监测方法，如图1所示，包括：

步骤1：获取特定时间段内无人售货机的各商品的销售量，并基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分；

步骤2：基于所述等级划分，确定各等级商品的缺货阈值；

步骤3：根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签；

步骤4：对所述无人售货机内的商品进行扫描，获取商品的数量，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒。

在该实施例中，销售量越大，对应的商品的等级越高，且对应的缺货阈值也就越大。

在该实施例中，各商品的等级划分与商品的销售量、商品价格、购买时间间隔有关。

上述设计方案的工作原理及有益效果是：通过根据无人售货机内各商品销的售量对所述无人售货机内的商品进行等级划分，得到等级商品的缺货阈值，来判断商品是否缺货，提高了判断缺货的准确性，并通过对所述无人售货机内的商品进行扫描，获取商品的数量，实现了对商品的智能统计，并发出缺货报警提醒，及时提醒工作人员无人售货机缺货的情况，且方便了顾客的购物。

实施例2

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤1中，获取预设时间内无人售货机的各商品的销售量包括：

获取所述无人售货机附近的人流量数据，基于所述人流量数据，选取人流量大于预设人流量的时间段，作为特定时间段；

获取所述特定时间段内所述无人售货机的全部订单信息；

获取所述全部订单信息的订单排版规则，并基于所述订单排版规则设置识别顺序；

按照所述识别顺序，对所述全部订单信息进行识别，得到所述全部订单信息的订单类型，其中，所述订单类型分为有效订单和无效订单；

基于预设提取目标，对有效订单信息进行解析，获取与所述预设提取目标相对应的提取规则信息；

基于所述提取规则信息为所述有效订单信息配置信息提取模板，并基于所述信息提取模板对所述有效订单信息进行目标提取，得到商品购买信息；

基于所述商品购买信息，确定商品名称及其对应的购买数量，得到各商品的初始销售量；

对所述特定时间段进行分析，获取所述特定时间段内按照商品销量从大到小排序的商品类型，建立序号-商品类型对照表；

基于商品类型-名称对照表和所述序号-商品类型对照表，获得商品名称和序号的对应关系，基于所述对应关系为所述各商品的初始销售量设置权重值，对所述各商品的初始销售量进行修正，得到修正后的各商品的销售量。

在该实施例中，所述订单排版规则为订单各个信息，例如用户信息、支付信息、国脉商品信息等的在订单上的分布情况。

在该实施例中，按照所述识别顺序对订单进行识别，可以是识别有序高效的进行，提高缺货阈值设置的效率。

在该实施例中。所述有效订单是指成功支付的订单，无效订单为未完成支付的订单。

在该实施例中，所述预设提取目标为与订单中购买商品相关的。

在该实施例中，所述商品名称的序号越大，为此商品的初始销售量设置权重值越大。

在该实施例中，基于特定时间段对所述商品的初始销售量进行修正，可以避免因特定时间段选取的不同，对商品类型销量的影响。

在该实施例中，例如由序号-商品类型对照表得知饮品所对应的序号为3，由商品类型-名称对照表得知商品名称为冰红茶对应的商品类型为饮品，则商品名称和序号的对应关系为冰红茶的序号的3。

上述设计方案的有益效果是：通过获取特定时间段内无人售货机的各商品的销售量，为对无人售货机内的各商品进行等级划分提供依据，为提高了判断缺货的准确性提供了基础。

实施例3

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤1中，基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分包括：

获取所述无人售货机的各商品的商品信息，基于所述商品信息获得各商品的商品价格、商品平均使用时间；

将各商品的商品名称及其对应的商品平均使用时间输入至时间预测模型中，获取所述各商品的购买时间间隔；

基于所述各商品的销售量为所述各商品设置第一数值；

基于所述各商品的商品价格为所述各商品设置第二数值；

基于所述各商品的购买时间间隔为所述各商品设置第三数值；

对所述第一数值、第二数值、第三数值进行归一化处理后按照预设方法进行计算，得到所述各商品的等级划分值；

基于所述等级划分值，按照预设等级划分规则对所述无人售货机内的各商品进行等级划分。

在该实施例中，商品的销售量越高，第一数值越大，商品价格越低，第二数值越大，购买时间间隔越短，第三数值越大。

在该实施例中，所述预设等级划分规则为根据实际情况，设置等级数值范围，等级划分值越高，商品的等级越高。

在该实施例中，所述预设方法为将第二数值和第三数值相加后，与第一数值相乘得到等级划分值。

上述设计方案的有益效果是：通过基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分，在对商品进行等级划分时考虑到商品价格、购买时间间隔的影响，提高对商品划分的精确度，为商品缺货阈值确定提高基础。

实施例4

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤3中，根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签包括：

获取所述各等级商品的缺货阈值中的商品图像；

对所述无人售货机内各商品进行图像扫描，获取各商品的扫描图像；

将所述商品图像和扫描图像进行对比匹配，获得图像匹配表；

基于所述图像匹配表，确定所述无人售货机内各商品分别对应的缺货阈值；

获取各商品与各商品分别对应的缺货阈值之间的关系建立请求；

基于所述关系建立请求为所述无人售货机内各商品设置第一资源，且为所述各商品分别对应的缺货阈值设置第二资源；

基于所述第一资源、第二资源，对所述无人售货机内的商品建立阈值标签。

在该实施例中，所述第一资源、第二资源为建立阈值标签各商品与各商品分别对应的缺货阈值所需要的资源配置，例如程序配置、内存配置等资源。

上述设计方案的有益效果是：通过对所述无人售货机内的商品建立阈值标签，确认了无人售货机内的商品的阈值大小，基于所述阈值标签，为判断是否缺货提供了基础。

实施例5

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤4中，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒包括：

基于商品的阈值标签确定商品的缺货阈值；

判断所述商品的数量是否大于所述商品的缺货阈值；

若是，表明所述商品不存在缺货的情况；

否则，表明所述商品存在缺货的情况，并进行报警提醒。

上述设计方案的有益效果是：通过将商品的数量与缺货阈值进行比较，判断商品是否缺货，并在缺货时进行报警提醒，不需要人工的帮助，完成了对商品缺货的监测，便于及时发现无人售货机缺货的情况。

实施例6

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤4中，在发出缺货报警提醒之后还包括：

基于所述缺货报警提醒确定缺货商品，基于所述缺货商品，获取状态转换指令；

基于所述转换指令，将所述缺货商品的状态由数量显示状态转换为缺货状态；并且关闭所述缺货的商品的购买链接。

上述设计方案的有益效果是：通过转换缺货商品的状态为缺货状态，且关闭所述缺货的商品的购买链接，避免了因顾客在购买缺货商品并付款后无法出货的情况，避免对顾客造成不便。

实施例7

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量包括：

对所述无人售货机内商品的全部区域进行扫描，得到全部区域的整体图像，并对所述整体图像进行预处理得到标准化图像；

预先获取所述无人售货机内摆放商品的商品信息，基于所述商品信息，获取商品的外观特征集合；

基于所述外观特征集合，确定所述标准化图像的分割轮廓，基于所述分割轮廓对所述标准化图像进行图像分割，得到单个商品图像；

判断所述单个商品图像的数量与所述无人售货机内摆放商品的数量是否一致；

若是，表明对所述标准化图像的分割轮廓准确；

否则，且所述单个商品图像的数量大于所述无人售货机内摆放商品的数量，则对所述单个商品图像之间进行相似度检测，对满足第一预设相似度要求的两个单个商品图像进行合并得到新的单个商品图像；

否则，且所述单个商品图像的数量小于所述无人售货机内摆放商品的数量，则重新确定所述标准化图像的分割轮廓，并得到新的单个商品图像；

基于判断并重新分割后的单个商品图像对应的商品信息，对所述单个商品图像进行识别和分割，得到对应商品的分割区域，其中，所述分割区域包括整体区域和局部区域；

确定整体区域的数量为第一数量；

确定与所述局部区域相邻的整体区域，并截取所述相邻的整体区域中与所述局部区域接近的参考区域；

判断所述述局部区域与所述参考区域的相似度，若所述相似度满足第二预设相似度要求，则对所述局部区域进行统计，最终得到第二数量，否则，不对所述局部区域进行统计；

基于商品的第一数量和第二数量，获取所述商品的数量。

在该实施例中，所述整体区域为可以得到对应商品的正面图像的区域。

在该实施例中，所述局部区域为只能得到对应商品的局部正面图像的区域。

在该实施例中，通过将局部区域所述局部区域接近的参考区域进行相似度判断，可以提高对商品识别的精度，避免因局部区域不完整而造成对局部区域的误判。

上述设计方案的有益效果是：通过对所述无人售货机内的商品进行扫描，获取商品的数量，实现了对无人售货机内商品数量的监测，为缺货判断提供数据基础。

实施例8

基于实施例1的基础上，本发明实施例提供一种基于无人售货机的缺货监测方法，步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量后，还包括：

基于所述商品的数量和所述商品对应的缺货阈值，确定所述商品的补货时间，其过程如下：

基于所述商品的数量和所述商品对应的缺货阈值，并根据如下公式预测所述商品的销售时间；

其中，T表示所述商品的销售时间，T_S表示在无人售货机***中在所述商品的数量下，所述商品的平均销售时间，S表示所述商品的数量，A表示所述商品的缺货阈值，且S>A,

表示所述商品在商品的平均销售时间内的销售量，e表示自然数，取值为2.72，δ表示所述商品对广告宣传的依赖值，取值为[0,0.6]，τ表示所述商品的广告投放力度值，取值为[0,1]；

基于所述商品的销售时间，并根据如下公式计算所述商品的补货时间；

其中，T_B表示算所述商品的补货时间，L表示对所述商品进行一次补货的成本，C表示对所述商品进行一次补货且全部售卖后的总销售额，M表示所述商品的价格，D表示所述商品的成本，ε表示所述补货补偿系数，取值为(0.2，0.4)；

基于所述补货时间，确定补货提醒时间，并在到达补货提醒时间时，进行补货提醒。

在该实施例中，所述商品的销售时间为由所述商品的数量减小到所述商品对应的缺货阈值的时间。

在该实施例中，计算所述商品的销售时间时，考虑了所述商品在广告方面对销量的影响，使预测的销售时间更加准确。

在该实施例中，根据所述商品的补货成本及补货后全部售卖后的总销售额来确定所述补货时间，在满足顾客需求的情况下，提高了补货时间的性价比。

上述设计方案的有益效果是：通过基于所述商品的数量和所述商品对应的缺货阈值，确定所述商品的补货时间，及时进行补货，满足了顾客的需求，方便了顾客的购物。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于无人售货机的缺货监测方法，其特征在于，包括：

步骤1：获取特定时间段内无人售货机的各商品的销售量，并基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分；

步骤2：基于所述等级划分，确定各等级商品的缺货阈值；

步骤3：根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签；

步骤4：对所述无人售货机内的商品进行扫描，获取商品的数量，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒；

步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量包括：

对所述无人售货机内商品的全部区域进行扫描，得到全部区域的整体图像，并对所述整体图像进行预处理得到标准化图像；

预先获取所述无人售货机内摆放商品的商品信息，基于所述商品信息，获取商品的外观特征集合；

基于所述外观特征集合，确定所述标准化图像的分割轮廓，基于所述分割轮廓对所述标准化图像进行图像分割，得到单个商品图像；

判断所述单个商品图像的数量与所述无人售货机内摆放商品的数量是否一致；

若是，表明对所述标准化图像的分割轮廓准确；

否则，且所述单个商品图像的数量大于所述无人售货机内摆放商品的数量，则对所述单个商品图像之间进行相似度检测，对满足第一预设相似度要求的两个单个商品图像进行合并得到新的单个商品图像；

否则，且所述单个商品图像的数量小于所述无人售货机内摆放商品的数量，则重新确定所述标准化图像的分割轮廓，并得到新的单个商品图像；

基于判断并重新分割后的单个商品图像对应的商品信息，对所述单个商品图像进行识别和分割，得到对应商品的分割区域，其中，所述分割区域包括整体区域和局部区域；

确定整体区域的数量为第一数量；

确定与所述局部区域相邻的整体区域，并截取所述相邻的整体区域中与所述局部区域接近的参考区域；

判断所述局部区域与所述参考区域的相似度，若所述相似度满足第二预设相似度要求，则对所述局部区域进行统计，最终得到第二数量，否则，不对所述局部区域进行统计；

基于商品的第一数量和第二数量，获取所述商品的数量；

步骤4中，对所述无人售货机内的商品进行扫描，获取商品的数量后，还包括：

基于所述商品的数量和所述商品对应的缺货阈值，确定所述商品的补货时间，其过程如下：

基于所述商品的数量和所述商品对应的缺货阈值，并根据如下公式预测所述商品的销售时间；

其中，T表示所述商品的销售时间，T_S表示在无人售货机***中在所述商品的数量下，所述商品的平均销售时间，S表示所述商品的数量，A表示所述商品的缺货阈值，且S>A,

表示所述商品在商品的平均销售时间内的销售量，e表示自然数，取值为2.72，δ表示所述商品对广告宣传的依赖值，取值为[0,0.6]，τ表示所述商品的广告投放力度值，取值为[0,1]；

基于所述商品的销售时间，并根据如下公式计算所述商品的补货时间；

其中，T_B表示算所述商品的补货时间，L表示对所述商品进行一次补货的成本，C表示对所述商品进行一次补货且全部售卖后的总销售额，M表示所述商品的价格，D表示所述商品的成本，ε表示补货补偿系数，取值为(0.2，0.4)；

基于所述补货时间，确定补货提醒时间，并在到达补货提醒时间时，进行补货提醒。

2.根据权利要求1所述的一种基于无人售货机的缺货监测方法，其特征在于，步骤1中，获取预设时间内无人售货机的各商品的销售量包括：

获取所述无人售货机附近的人流量数据，基于所述人流量数据，选取人流量大于预设人流量的时间段，作为特定时间段；

获取所述特定时间段内所述无人售货机的全部订单信息；

获取所述全部订单信息的订单排版规则，并基于所述订单排版规则设置识别顺序；

按照所述识别顺序，对所述全部订单信息进行识别，得到所述全部订单信息的订单类型，其中，所述订单类型分为有效订单和无效订单；

基于预设提取目标，对有效订单信息进行解析，获取与所述预设提取目标相对应的提取规则信息；

基于所述提取规则信息为所述有效订单信息配置信息提取模板，并基于所述信息提取模板对所述有效订单信息进行目标提取，得到商品购买信息；

基于所述商品购买信息，确定商品名称及其对应的购买数量，得到各商品的初始销售量；

对所述特定时间段进行分析，获取所述特定时间段内按照商品销量从大到小排序的商品类型，建立序号-商品类型对照表；

基于商品类型-名称对照表和所述序号-商品类型对照表，获得商品名称和序号的对应关系，基于所述对应关系为所述各商品的初始销售量设置权重值，对所述各商品的初始销售量进行修正，得到修正后的各商品的销售量。

3.根据权利要求1所述的一种基于无人售货机的缺货监测方法，其特征在于，步骤1中，基于所述各商品的销售量，对所述无人售货机内的各商品进行等级划分包括：

获取所述无人售货机的各商品的商品信息，基于所述商品信息获得各商品的商品价格、商品平均使用时间；

将各商品的商品名称及其对应的商品平均使用时间输入至时间预测模型中，获取所述各商品的购买时间间隔；

基于所述各商品的销售量为所述各商品设置第一数值；

基于所述各商品的商品价格为所述各商品设置第二数值；

基于所述各商品的购买时间间隔为所述各商品设置第三数值；

对所述第一数值、第二数值、第三数值进行归一化处理后进行加法运算，得到所述各商品的等级划分值；

基于所述等级划分值对所述无人售货机内的各商品进行等级划分。

4.根据权利要求1所述的一种基于无人售货机的缺货监测方法，其特征在于，步骤3中，根据所述各等级商品的缺货阈值，对所述无人售货机内的商品建立阈值标签包括：

获取所述各等级商品的缺货阈值中的商品图像；

对所述无人售货机内各商品进行图像扫描，获取各商品的扫描图像；

将所述商品图像和扫描图像进行对比匹配，获得图像匹配表；

基于所述图像匹配表，确定所述无人售货机内各商品分别对应的缺货阈值；

获取各商品与各商品分别对应的缺货阈值之间的关系建立请求；

基于所述关系建立请求为所述无人售货机内各商品设置第一资源，且为所述各商品分别对应的缺货阈值设置第二资源；

基于所述第一资源、第二资源，对所述无人售货机内的商品建立阈值标签。

5.根据权利要求1所述的一种基于无人售货机的缺货监测方法，其特征在于，步骤4中，基于商品的阈值标签，判断商品是否缺货，若缺货，发出缺货报警提醒包括：

基于商品的阈值标签确定商品的缺货阈值；

判断所述商品的数量是否大于所述商品的缺货阈值；

若是，表明所述商品不存在缺货的情况；

否则，表明所述商品存在缺货的情况，并进行报警提醒。

6.根据权利要求1所述的一种基于无人售货机的缺货监测方法，其特征在于，步骤4中，在发出缺货报警提醒之后还包括：

基于所述缺货报警提醒确定缺货商品，基于所述缺货商品，获取状态转换指令；

基于所述转换指令，将所述缺货商品的状态由数量显示状态转换为缺货状态；并且关闭所述缺货的商品的购买链接。

Images