CN117235500A - 物资类别的识别方法、装置、电子设备及存储介质 - Google Patents
物资类别的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117235500A CN117235500A CN202311206725.1A CN202311206725A CN117235500A CN 117235500 A CN117235500 A CN 117235500A CN 202311206725 A CN202311206725 A CN 202311206725A CN 117235500 A CN117235500 A CN 117235500A
- Authority
- CN
- China
- Prior art keywords
- matched
- determining
- materials
- identified
- category
- 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
- 239000000463 material Substances 0.000 title claims abstract description 339
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010606 normalization Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物资类别的识别方法、装置、电子设备及存储介质,所述方法包括:确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。本发明实施例的技术方案,解决了现有技术中通过AI技术确定物资类别时,存在误判、漏判等现象,即存在物资类别识别不准确的问题,达到了高效的对物资进行识别的技术效果。
Description
技术领域
本发明涉及计算机处理技术领域,尤其涉及一种物资类别的识别方法、装置、电子设备及存储介质。
背景技术
受需求、供应、预警等影响,物资滚存在库存管理中越来越重要,根据实际场景出发,提早发现物资滚存风险可以减少物资的匮乏以及减少对于人力的损耗,但通过人工来识别物资滚存是比较困难的,随着计算机人工智能的发展,计算机辅助计算***越来越多的应用到仓库物资中,这可以减轻人员的工作负担,提高对于物资滚存识别的准确率,因此利用深度学习等技术对物资滚存进行自动识别变得尤为重要。
随着人工智能的高速发展,越来越多的物资滚存自动检测算法逐渐进入仓库落地,但是通过AI的自动检测会出现漏判,误判等现象,其中由于同一物资有可能反复调拨,从而使得结果不大准确,基于此如何准确识别同一物资是否反复调拨,提高检测准确度是目前亟需解决得问题。
发明内容
本发明提供了一种物资类别的识别方法、装置、电子设备及存储介质,以实现有效、准确的识别物资的技术效果。
根据本发明的一方面,提供了一种物资类别的识别方法,该方法包括:
确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;
确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;
基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
进一步的,确定各待匹配物资所对应的待匹配特征值,包括:
依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子;
依据各待匹配物资的待使用影响因子和目标函数,确定各待匹配物资所对应的待匹配特征值。
进一步的,所述依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子,包括:
对于各历史周期内的各待匹配物资,根据当前待匹配物资在当前历史周期内的待处理调度数据,确定所述当前待匹配物资所对应的待平均影响因子,其中,所述待处理调度数据包括调入次数、调出次数、平均调拨数据、最大调拨库存数据、平均调拨时间间隔以及最大调拨时间间隔;
依据所述当前待匹配物资在各历史周期内的待平均影响因子,确定所述待使用影响因子。
进一步的,所述根据当前待匹配物资在当前历史周期内的待处理调度数据,确定所述当前待匹配物资所对应的待平均影响因子,包括:
根据调度次数、调出次数、第一权重以及第二权重,确定调入影响因子和调出影响因子;
根据所述平均调拨数量、所述最大调拨库存数量以及第三权重,确定调拨库存影响因子;
根据所述平均调拨时间间隔、最大调拨时间间隔以及第四权重,确定调拨时间影响因子;
基于所述调入影响因子、调出影响因子、调拨库存影响因子以及调拨时间影响因子,确定所述待平均影响因子。
进一步的,所述确定所述待使用特征值与各待匹配特征值之间的欧氏距离,基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重,包括:
对于各待匹配特征值,确定所述待使用特征值与当前待匹配特征值之间的差值,并基于所述差值确定所述欧氏距离;
将所述欧氏距离的倒数,作为所述待识别物资相对于所述待匹配物资的待使用权重。
进一步的,所述基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,包括:
将所述待使用权重最大时所对应的待匹配物资作为所述目标匹配物资。
进一步的,所述方法还包括:
调取所述目标匹配物资所对应的物资类别,并将所述物资类别作为所述待识别物资的物资类别,以基于所述物资类别对所述待识别物资进行调度,并更新与所述待识别物资相对应的物资信息和调度数据。
根据本发明的另一方面,提供了一种物资类别的识别装置,该装置包括:
特征值确定模块,用于确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;
权重确定模块,用于确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;
物资类别识别模块,用于基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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能够执行本发明实施例任一所述的物资类别的识别方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,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处理器执行时实现本发明实施例任一所述的物资类别的识别方法。
本发明实施例的技术方案,通过确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别,解决了现有技术中通过AI技术确定物资类别时,存在误判、漏判等现象,即存在物资类别识别不准确的问题,达到了高效的对物资进行识别的技术效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是根据本发明实施例一提供的一种物资类别的识别方法的流程示意图;
图2是根据本发明实施例二所提供的一种物资类别的识别方法流程示意图;
图3是根据本发明实施例三提供的一种物资类别的识别装置的结构示意图;
图4是实现本发明实施例的数据处理方法的电子设备的结构示意图。
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,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。
实施例一
图1是根据本发明实施例一提供的一种物资类别的识别方法的流程示意图,本实施例可以应用在物资出入库时对其进行识别的情形,该物资类别的识别方法可以由物资类别的识别装置来装置,该装置可以采用硬件和/或软件的形式实现,该硬件可以集成在计算机设备中,该以计算机设备可以是移动终端或者PC端等。
如图1所示,该方法包括:
S110、确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值。
其中,待识别物资可以是出入库物资,需要确定其物资类别的物资。待匹配物资是物资库中存储的一些物资。待使用特征值是与待识别物资相对应的,待匹配特征值是与待匹配物资相对应的。特征值可以表征相应的物资。
在本实施例中,确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值,可以是:依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子;依据各待匹配物资的待使用影响因子和目标函数,确定各待匹配物资所对应的待匹配特征值。
其中,可以以一个周期为计算标准确定各待匹配物资所对应的待匹配特征值。对于各历史周期,可以获取当前待匹配物资的历史调度数据,根据历史调度数据确定其待匹配特征值。即,将历史调度数据作为待处理历史调度数据。待处理历史调度数据可以是该待匹配物资的调入次数、调出次数、调入均值等等。基于上述历史调度数据可以确定相应待匹配物资所对应的影响因子,并将其作为待使用影响因子。目标函数可以理解为对待使用影响因子进一步处理,确定其待匹配特征值的函数。
在本实施例中,利用每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定相应的待匹配特征值可以是:对于各历史周期内的各待匹配物资,根据当前待匹配物资在当前历史周期内的待处理调度数据,确定所述当前待匹配物资所对应的待平均影响因子,其中,所述待处理调度数据包括调入次数、调出次数、平均调拨数据、最大调拨库存数据、平均调拨时间间隔以及最大调拨时间间隔;依据所述当前待匹配物资在各历史周期内的待平均影响因子,确定所述待使用影响因子。
需要说明的是,每个待匹配物资所对应的待使用影响因子的确定方式是相同的,在本实施例中,以确定一个待匹配物资的待使用影响因子为例来说明。
其中,调入次数可以理解为待匹配物资在当前历史周期内调入至仓库的次数,调出次数可以是待匹配物资在当前历史周期内从仓库调出的次数。平均调拨数量可以是待匹配物资的平均调动数量,即结合调入和调出综合确定出的平均数量值。最大调拨库存数量可以是结合调入数量和调出数量确定出的库存数量制。平均调拨时间间隔可以是结合调入时间和调出时间确定出的平均时间间隔。最大调拨时间间隔可以是结合调入时间和调出时间后,确定相邻两个时间点之间的间隔时长,从而确定出最长时间间隔,并将此时间间隔作为最大调拨时间间隔。依据上述待处理历史调度数据,可以确定出当前待匹配物资在当前历史周期内所对应的待平均影响因子。在确定当前待匹配物资在各历史周期内所对应的待平均影响因子之后,可以确定当前待匹配物资的待使用影响因子。
也就是说,在确定各待匹配物资所对应的待使用影响因子时,可以先确定各待匹配物资所对应的待平均影响因子,可选的,确定待平均影响因子可以是:根据调度次数、调出次数、第一权重以及第二权重,确定调入影响因子和调出影响因子;根据所述平均调拨数量、所述最大调拨库存数量以及第三权重,确定调拨库存影响因子;根据所述平均调拨时间间隔、最大调拨时间间隔以及第四权重,确定调拨时间影响因子;基于所述调入影响因子、调出影响因子、调拨库存影响因子以及调拨时间影响因子,确定所述待平均影响因子。
具体的,可以依据调入次数和调出次数,确定调度总次数。计算调入次数和调度总次数的比值,并计算该比值与第一权重的乘积,确定调入影响因子。计算调出次数和调度总次数的比值,并计算该比值与第二权重的乘积,确定调出影响因子。计算平均调拨数量和最大调拨库存数量的比值之后,乘以第三权重,确定调拨库存影响因子;计算平均调拨时间间隔以及最大调拨时间间隔的比值之后乘以第四权重,确定调拨时间影响因子。分别调入影响因子、调出影响因子、调拨库存影响因子以及调拨时间影响因子求和处理,得到待平均影响因子。
示例性的,基于下述公式可以确定待平均影响因子:
其中,w1为第一权重、w2为第二权重、w3为第三权重w4为第四权重,a1为调入次数、a2为调出次数、a3为平均调拨数量、a4为最大调拨库存数量、a5为平均调拨时间间隔、a6为最大调拨时间间隔。
可以理解为,可以基于上述公式确定各待匹配物资在相应历史周期内所对应的待平均影响因子。基于待匹配物资在各历史周期内所对应的待平均影响因子,可以确定待使用影响因子,可选的,对同一待匹配物资在各历史周期内的待平均影响因子均值处理,确定待使用影响因子。
在上述技术方案的基础上,在确定各待匹配物资所对应的待使用影响因子之后,还可以基于目标函数,确定相应待匹配物资所对应的待匹配特征值。
可选的,目标函数可以是基于归一化影响因子确定出的函数,可选的,归一化影响因子可以是基于相应待匹配物资的调度次数确定出的。对于不同的待匹配物资来说,其归一化影响因子可以不同,也可以相同,其具体是否相同术是基于调度数据确定的。
归一化影响因子值
其中,y2为归一化值、a1为实际值、a2为最小值、a3为最大值。
基于可以将上述公式作为目标函数,来确定其归一化影响因子。
在确定出归一化影响因子之后,可以各待匹配物资的历史调度数据进行处理,得到相应的归一化数值,进而基于归一化数值和目标函数,确定各待匹配物资所对应的待匹配特征值。对历史调度数据进行处理,可以是归一化影响因子乘以相应数值。
目标函数可以是:y3=[y1·a1,y1·a2,y1·a3,y1·a4]
其中,y3为归一化值、y1为影响因子值、a1为归一化调入次数、a2为归一化调出次数、a3为归一化平均调拨数量、a4为归一化平均调拨时间间隔。
可以基于上述同样的方式,确定待识别物资所对应的待使用特征值。
S120、确定待使用特征值与各待匹配特征值之间的欧氏距离,并基于欧氏距离确定待识别物资相对于待匹配物资之间的待使用权重。
其中,欧氏距离可以表征对识别物资与各待匹配物资之间的相似度,可选的,欧氏距离越小说明越相似,相应的,欧氏距离越大说明越不相似。
具体的,可以采用目标公式确定待使用特征值与各待匹配特征值之间的欧氏距离。可以基于欧氏距离确定各待识别物资相对于待匹配物资的待使用权重。
S130、基于各待使用权重确定与待识别物资相匹配的目标匹配物资,并将目标匹配物资的物资类别作为待识别物资的物资类别。
可以理解为,待匹配物资中包括与待识别物资相匹配的物资。将与待识别物资相一致的物资作为目标匹配物资,相应的,目标匹配物资的物资类别可以作为待识别物资的物资类别。
可选的,将所述待使用权重最大时所对应的待匹配物资作为所述目标匹配物资。
可以理解为,可以将待使用权重值最大时所对应的待匹配物资作为目标匹配物资,进而将目标匹配物资的物资类别作为待匹配物资的物资类别。
本发明实施例的技术方案,通过确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别,解决了现有技术中通过AI技术确定物资类别时,存在误判、漏判等现象,即存在物资类别识别不准确的问题,达到了高效的对物资进行识别的技术效果。
实施例二
图2是本发明实施例二所提供的一种物资类别的识别方法流程示意图,在上述实施例的基础上,可以确定待识别物资所对应的待使用特征值与各待匹配物资的待匹配特征值之间的欧氏距离,进而基于欧氏距离确定待识别物资相对于各待匹配物资的待使用权重,其具体的实施方式可以参见本实施例的详细阐述,其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示,所述方法包括:
S210、确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值。
S220、对于各待匹配特征值,确定所述待使用特征值与当前待匹配特征值之间的差值,并基于所述差值确定所述欧氏距离。
在本实施例中,确定待使用特征值与待匹配特征值之间的欧氏距离的方式是相同的,可以以其中一个为例来介绍。
其中,将当前介绍的待匹配特征值作为当前待匹配特征值。可选的,可以计算当前待匹配特征值与待使用特征值之间的差值。可以将差值的倒数作为当前待匹配特征值与待使用特征值之间的欧氏距离。
示例性的,对于测试数据点t和训练数据点i之间的距离,使用欧氏距离(Euclidean distance):待使用权重为:/>
S230、将所述欧氏距离的倒数,作为所述待识别物资相对于所述待匹配物资的待使用权重。
S240、基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
示例性的,对于物资类别的确定可以采用加权投票法,根据邻居的权重来确定:
t:测试数据点,即要分类的物资或样本。它具有特征值,用来与训练数据点进行比较和分类,i:训练数据点,即已知分类的历史数据。它具有与测试数据点相同的特征,用来计算与测试数据点之间的距离,d(t,i):欧氏距离(Euclidean distance),用于衡量测试数据点t与训练数据点i之间的相似性。它是特征值差的平方和的平方根,w(i):权重,表示测试数据点与训练数据点之间的距离的倒数。权重衡量了邻居的相似性,距离越近权重越大,距离越远权重越小,k:邻居数,表示在分类时要考虑的最近的训练数据点的数量。cj:第j个邻居的类别,即训练数据点i所属的类别。
指示函数,当训练数据点i的类别ci等于第j个邻居的类别cj时为1,否则为0。它用来判断邻居的类别是否与测试数据点的类别相同。
在上述技术方案的基础上,在确定目标匹配物资之后,还包括:调取所述目标匹配物资所对应的物资类别,并将所述物资类别作为所述待识别物资的物资类别,以基于所述物资类别对所述待识别物资进行调度,并更新与所述待识别物资相对应的物资信息和调度数据。
可以理解为,调取与目标匹配物资相对应的物资类别,并将此物资类别作为待识别物资的物资类别,在识别之后,可以根据待匹配物资的调入或者调出数据,更新与目标匹配物资相对应的物资信息和调度数据。物资信息可以是物资的数量,调度数据可以是上述所提及的调入次数、调出次数等等。更新上述数据的好处在于,在再次接收到待识别物资之后,可以基于更新后的调度数据来确定待识别物资的物资类别。
本发明实施例的技术方案,通过确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别,解决了现有技术中通过AI技术确定物资类别时,存在误判、漏判等现象,即存在物资类别识别不准确的问题,达到了高效的对物资进行识别的技术效果。
实施例三
图3是根据本发明实施例三提供的一种数据处理装置的结构示意图。如图3所示,该装置包括:特征值确定模块310、权重确定模块320以及物资类别识别模块330。
其中,特征值确定模块310,用于确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;权重确定模块320,用于确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;物资类别识别模块330,用于基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
在上述技术方案的基础上,所述特征值确定模块,包括:
待使用影响因子确定单元,用于依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子;
待匹配特征值确定单元,用于依据各待匹配物资的待使用影响因子和目标函数,确定各待匹配物资所对应的待匹配特征值。
在上述技术方案的基础上,待使用影响因子确定单元包括:
待平均影响因子确定子单元,用于对于各历史周期内的各待匹配物资,根据当前待匹配物资在当前历史周期内的待处理调度数据,确定所述当前待匹配物资所对应的待平均影响因子,其中,所述待处理调度数据包括调入次数、调出次数、平均调拨数据、最大调拨库存数据、平均调拨时间间隔以及最大调拨时间间隔;待使用影响因子确定子单元,用于依据所述当前待匹配物资在各历史周期内的待平均影响因子,确定所述待使用影响因子。
在上述各技术方案的基础上,所述待平均影响因子确定子单元,包括:
第一影响因子确定子单元,用于根据调度次数、调出次数、第一权重以及第二权重,确定调入影响因子和调出影响因子;第二影响因子确定子单元,用于根据所述平均调拨数据、所述最大调拨库存数据以及第三权重,确定调拨库存影响因子;第三影响因子确定子单元,用于根据所述平均调拨时间间隔、最大调拨时间间隔以及第四权重,确定调拨时间影响因子;第四影响因子确定子单元,用于基于所述调入影响因子、调出影响因子、调拨库存影响因子以及调拨时间影响因子,确定所述待平均影响因子。
在上述各技术方案的基础上,所述权重值确定模块,包括:
欧氏距离确定单元,用于对于各待匹配特征值,确定所述待使用特征值与当前待匹配特征值之间的差值,并基于所述差值确定所述欧氏距离;权重确定单元,用于将所述欧氏距离的倒数,作为所述待识别物资相对于所述待匹配物资的待使用权重。
在上述各技术方案的基础上,物资类别识别模块还用于将所述待使用权重最大时所对应的待匹配物资作为所述目标匹配物资。
在上述各技术方案的基础上,所述装置还包括数据调取模块,用于调取所述目标匹配物资所对应的物资类别,并将所述物资类别作为所述待识别物资的物资类别,以基于所述物资类别对所述待识别物资进行调度,并更新与所述待识别物资相对应的物资信息和调度数据。
本发明实施例的技术方案,通过确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别,解决了现有技术中通过AI技术确定物资类别时,存在误判、漏判等现象,即存在物资类别识别不准确的问题,达到了高效的对物资进行识别的技术效果。
本发明实施例所提供的物资类别的识别装置可执行本发明任意实施例所提供的物资类别的识别方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如物资类别的识别方法。
在一些实施例中,数据处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的数据处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的***和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算***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服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种物资类别的识别方法,其特征在于,包括:
确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;
确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;
基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
2.根据权利要求1所述的方法,其特征在于,确定各待匹配物资所对应的待匹配特征值,包括:
依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子;
依据各待匹配物资的待使用影响因子和目标函数,确定各待匹配物资所对应的待匹配特征值。
3.根据权利要求2所述的方法,其特征在于,所述依据每个历史周期内各待匹配物资所对应的待处理历史调度数据,确定每个待匹配物资所对应的待使用影响因子,包括:
对于各历史周期内的各待匹配物资,根据当前待匹配物资在当前历史周期内的待处理历史调度数据,确定所述当前待匹配物资所对应的待平均影响因子,其中,所述待处理历史调度数据包括调入次数、调出次数、平均调拨数量、最大调拨库存数量、平均调拨时间间隔以及最大调拨时间间隔;
依据所述当前待匹配物资在各历史周期内的待平均影响因子,确定所述待使用影响因子。
4.根据权利要求1所述的方法,其特征在于,所述根据当前待匹配物资在当前历史周期内的待处理调度数据,确定所述当前待匹配物资所对应的待平均影响因子,包括:
根据调入次数、调出次数、第一权重以及第二权重,确定调入影响因子和调出影响因子;
根据所述平均调拨数量、最大调拨库存数量及第三权重,确定调拨库存影响因子;
根据所述平均调拨时间间隔、最大调拨时间间隔以及第四权重,确定调拨时间影响因子;
基于所述调入影响因子、调出影响因子、调拨库存影响因子以及调拨时间影响因子,确定所述待平均影响因子。
5.根据权利要求1所述的方法,其特征在于,所述确定所述待使用特征值与各待匹配特征值之间的欧氏距离,基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重,包括:
对于各待匹配特征值,确定所述待使用特征值与当前待匹配特征值之间的差值,并基于所述差值确定所述欧氏距离;
将所述欧氏距离的倒数,作为所述待识别物资相对于所述待匹配物资的待使用权重。
6.根据权利要求1所述的方法,其特征在于,所述基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,包括:
将所述待使用权重最大时所对应的待匹配物资作为所述目标匹配物资。
7.根据权利要求1所述的方法,其特征在于,还包括:
调取所述目标匹配物资所对应的物资类别,并将所述物资类别作为所述待识别物资的物资类别,以基于所述物资类别对所述待识别物资进行调度,并更新与所述待识别物资相对应的物资信息和调度数据。
8.一种物资类别的识别装置,其特征在于,包括:
特征值确定模块,用于确定待识别物资所对应的待使用特征值,以及各待匹配物资所对应的待匹配特征值;
权重确定模块,用于确定所述待使用特征值与各待匹配特征值之间的欧氏距离,并基于所述欧氏距离确定所述待识别物资相对于所述待匹配物资之间的待使用权重;
物资类别识别模块,用于基于各待使用权重确定与所述待识别物资相匹配的目标匹配物资,并将所述目标匹配物资的物资类别作为所述待识别物资的物资类别。
9.一种电子设备,其特征在于,所述电子设备包括:
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能够执行权利要求1-7中任一项所述的物资类别的识别方法。
10.一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处理器执行时实现权利要求1-7中任一项所述的物资类别的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206725.1A CN117235500A (zh) | 2023-09-19 | 2023-09-19 | 物资类别的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206725.1A CN117235500A (zh) | 2023-09-19 | 2023-09-19 | 物资类别的识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117235500A true CN117235500A (zh) | 2023-12-15 |
Family
ID=89090692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311206725.1A Pending CN117235500A (zh) | 2023-09-19 | 2023-09-19 | 物资类别的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235500A (zh) |
-
2023
- 2023-09-19 CN CN202311206725.1A patent/CN117235500A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116629620B (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN114662953A (zh) | 物联网设备运维方法、装置、设备及介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN116244619A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN116228301A (zh) | 一种目标用户的确定方法、装置、设备及介质 | |
CN117235500A (zh) | 物资类别的识别方法、装置、电子设备及存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115630708A (zh) | 一种模型更新方法、装置、电子设备、存储介质及产品 | |
CN115147395A (zh) | 一种脂蛋白亚型组分划分方法、装置、设备及存储介质 | |
CN115545481A (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN114866437B (zh) | 一种节点检测方法、装置、设备及介质 | |
CN117112445B (zh) | 一种机器学习模型稳定性检测方法、装置、设备及介质 | |
CN115146725B (zh) | 对象分类模式的确定方法、对象分类方法、装置和设备 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN118277916A (zh) | 企业所属行业识别方法、装置、设备及存储介质 | |
CN114529202A (zh) | 一种项目评估方法、装置、电子设备及存储介质 | |
CN117611324A (zh) | 信用评级方法、装置、电子设备和存储介质 | |
CN116304075A (zh) | 基于知识图谱的目标人员匹配方法、装置、设备及介质 | |
CN115392399A (zh) | 流程超时预测模型的训练和使用方法、装置、设备及介质 | |
CN115905492A (zh) | 一种告警信息分析方法、装置、设备及介质 | |
CN116662194A (zh) | 软件质量度量方法、装置、设备及介质 | |
CN116931083A (zh) | 一种方位角道集划分方案的确定方法 | |
CN117829611A (zh) | 一种基于人工智能的分包商管理风险评估预警方法 | |
CN114820193A (zh) | 一种筹码变更曲线生成方法、装置、设备及存储介质 | |
CN116597209A (zh) | 一种图像分类方法、装置、设备及存储介质 |
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 |