CN119399475A - 烟草库存更新方法、计算机设备与计算机可读存储介质 - Google Patents
烟草库存更新方法、计算机设备与计算机可读存储介质 Download PDFInfo
- Publication number
- CN119399475A CN119399475A CN202411961027.7A CN202411961027A CN119399475A CN 119399475 A CN119399475 A CN 119399475A CN 202411961027 A CN202411961027 A CN 202411961027A CN 119399475 A CN119399475 A CN 119399475A
- Authority
- CN
- China
- Prior art keywords
- tobacco
- real
- time
- information
- historical
- 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.)
- Granted
Links
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 656
- 238000000034 method Methods 0.000 title claims abstract description 48
- 244000061176 Nicotiana tabacum Species 0.000 title 1
- 241000208125 Nicotiana Species 0.000 claims abstract description 655
- 230000008859 change Effects 0.000 claims abstract description 82
- 238000003709 image segmentation Methods 0.000 claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 48
- 230000011218 segmentation Effects 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 14
- 230000002159 abnormal effect Effects 0.000 abstract description 7
- 238000012549 training Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 235000019504 cigarettes Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例涉及烟草库存更新领域,具体涉及烟草库存更新方法、计算机设备与计算机可读存储介质。该方法的一具体实施方式包括:将实时烟草存储区图像和历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中;确定实时烟草存储区图像外观类型对应的实时烟草类别信息和历史烟草存储区图像外观类型对应的历史烟草类别信息;根据实时烟草存储区图像分割信息、历史烟草存储区图像分割信息、实时烟草类别信息和历史烟草类别信息,生成实时烟草变化信息;向相关联的烟草更新监控端与外部烟草数据监控终端发送烟草数据异常信息。该实施方式可以准确地生成实时烟草变化信息,以实现烟草处理过程中的精准监控。
Description
技术领域
本申请的实施例涉及烟草库存更新领域,具体涉及烟草库存更新方法、计算机设备与计算机可读存储介质。
背景技术
烟草销售公司对每个当地的零售终端户有烟草证的评级,零售终端户根据不同等级的烟草证来进行香烟的进货和销售活动。且香烟这种商品只能由当地的烟草销售公司统一批发分配给零售终端户,个人和组织不能跨地域进货和销售,所以烟草销售公司对于香烟的进货和销售管理的比较严格。目前,在烟草存储仓库中,烟草种类丰富。不同类别的烟草价值不同,在实际烟草出入库作业中,容易出现入错、出错与烟草出货单不匹配的异常情况。对于烟草异常情况的监控,通常采用的方式为:通过人工校验的方式,对出库或入库的烟草进行烟草异常监控。
然而,当采用上述方式来进行烟草异常监控,经常会存在如下技术问题:人工校验的方式来进行烟草异常监控的效率低下,无法实时获取各烟草零售终端的烟草销售数据,不利于烟草公司通过片区内烟草零售终端的横向对比排查烟草库存的异常情况。
发明内容
本申请的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本申请的一些实施例提出了烟草库存更新方法、计算机设备和计算机可读存储介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本申请的一些实施例提供了一种烟草库存更新方法,该方法包括:响应于接收到外部烟草数据监控终端发送的至少一个烟草变更数据,对相关联的目标烟草存储区的烟草信息,执行以下更新步骤:获取对应上述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像,其中,上述历史烟草存储区图像对应的采集时间处于上述实时烟草存储区图像对应的采集时间之前;将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息,其中,上述烟草存储识别信息包括:实时烟草存储区图像分割信息、实时烟草存储区图像外观类型、历史烟草存储区图像分割信息和历史烟草存储区图像外观类型;利用针对上述目标烟草存储区的烟草类别表,确定上述实时烟草存储区图像外观类型对应的实时烟草类别信息和上述历史烟草存储区图像外观类型对应的历史烟草类别信息,其中,上述烟草类别表表征外观类型与烟草类别之间对应关系;根据上述实时烟草存储区图像分割信息、上述历史烟草存储区图像分割信息、上述实时烟草类别信息和上述历史烟草类别信息,生成上述目标烟草存储区的实时烟草变化信息;响应于确定上述实时烟草变化信息与上述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与上述外部烟草数据监控终端发送烟草数据异常信息。
第二方面,本申请还提供一种计算机设备,上述计算机设备包括处理器、存储器、以及存储在上述存储器上并可被上述处理器执行的计算机程序,其中上述计算机程序被上述处理器执行时,实现如上述第一方面任一实现方式所描述的方法。
第三方面,本申请还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有计算机程序,其中,上述计算机程序被处理器执行时,实现如上述第一方面任一实现方式所描述的方法。
本申请的上述各个实施例具有如下有益效果:通过本申请的一些实施例的烟草库存更新方法,可以高效地生成目标烟草存储区内的实时烟草变化,以实现烟草处理过程中的精准监控。首先,响应于接收到外部烟草数据监控终端发送的至少一个烟草变更数据,对相关联的目标烟草存储区的烟草信息,执行以下更新步骤:获取对应上述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像。其中,上述历史烟草存储区图像对应的采集时间处于上述实时烟草存储区图像对应的采集时间之前。由此,通过间隔预定时长的实时烟草存储区图像和历史烟草存储区图像来便于后续确定货物之间的变化情况。其次,将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息。其中,上述烟草存储识别信息包括:实时烟草存储区图像分割信息、实时烟草存储区图像外观类型、历史烟草存储区图像分割信息和历史烟草存储区图像外观类型。由此,针对不同类型的烟草,通过确定对应的外观类型和烟草分割信息可以更为简便地确定对应类型下的烟草,更便于后续确定烟草的变化情况。接着,利用针对上述目标烟草存储区的烟草类别表,确定上述实时烟草存储区图像外观类型对应的实时烟草类别信息和上述历史烟草存储区图像外观类型对应的历史烟草类别信息。其中,上述烟草类别表表征外观类型与烟草类别之间对应关系。由此,通过预先维护的烟草类别表,可以实现外观类型和烟草类别之间的有效转化,以确定各个类别下的烟草信息。进而,在上述实时烟草类别信息和上述历史烟草类别信息之间的烟草比较的情况下,可以准确地生成针对上述目标烟草存储区的实时烟草变化信息。然后,根据上述实时烟草存储区图像分割信息、上述历史烟草存储区图像分割信息、上述实时烟草类别信息和上述历史烟草类别信息,生成上述目标烟草存储区的实时烟草变化信息。最后,响应于确定上述实时烟草变化信息与上述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与上述外部烟草数据监控终端发送烟草数据异常信息。由此,通过烟草存储信息识别模型,可以准确地生成烟草变化前后的外观类型和烟草分割信息。通过烟草类别表之间的类别转化,可以准确地确定烟草变化前后的外观类型对应的烟草类别信息之间的前后变化。基于此,可以准确地生成实时烟草变化信息,以实现烟草处理过程中的精准监控。
附图说明
结合附图并参考以下具体实施方式,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本申请的烟草库存更新方法的一些实施例的流程图;
图2是适于用来实现本申请的一些实施例的计算机设备的结构示意图;
图3是本申请烟草库存更新方法中烟草存储信息识别模型的一个模型结构图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的烟草库存更新方法的一些实施例的流程100。该烟草库存更新方法,包括以下步骤:
步骤101,响应于接收到外部烟草数据监控终端发送的至少一个烟草变更数据,对相关联的目标烟草存储区的烟草信息,执行以下更新步骤:
步骤1011,获取对应上述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像。
在一些实施例中,烟草库存更新方法的执行主体(例如,计算设备)可以获取对应上述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像。其中,上述历史烟草存储区图像对应的采集时间处于上述实时烟草存储区图像对应的采集时间之前。其中,目标烟草存储区可以是待进行烟草更新处理过程监控的区域。目标烟草存储区可以是烟草柜或烟草零售端的存储仓库。在这里,烟草更新处理可以是:烟草入库处理,烟草出库处理。目标烟草存储区可以存放有多种类型的烟草。此外,目标烟草存储区可以存放至少一种外观类型不同的且为同一烟草的烟草。外观类型可以是货物的外观包装类型。例如,外观类型可以是:白色塑料外观,黑色塑料外观,黄色纸壳包装。实时烟草存储区图像可以是当时时间下对目标烟草存储区进行烟草拍摄的图像。历史烟草存储区图像可以是历史时间下对目标烟草存储区进行拍摄的图像。其中,上述历史烟草存储区图像对应拍摄时间处于上述实时烟草存储区图像对应拍摄时间之前的预定时长。例如,预定时长可以是10分钟。在实际场景中,实时烟草存储区图像和历史烟草存储区图像可以是目标烟草存储区内的同一摄像装置所拍摄的存在前后拍摄时间差的烟草存储区图像。外部烟草数据监控终端可以是指烟草总后台监控终端(例如,区域供应各个烟草零售端的烟草供应端)。至少一个烟草变更数据可以是指目标烟草存储区对应的各个类别烟草的烟草变更数据。烟草变更数据可以表示某一类别烟草的进货信息。烟草信息可以是指目标烟草存储区中各个烟草的库存信息。
步骤1012,将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息。
在一些实施例中,上述执行主体可以将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息。其中,上述烟草存储识别信息包括:实时烟草存储区图像分割信息、实时烟草存储区图像外观类型、历史烟草存储区图像分割信息和历史烟草存储区图像外观类型。烟草存储信息识别模型可以是生成烟草存储区图像分割信息和图像中的烟草的外观类型的神经网络模型。例如,烟草存储信息识别模型可以是YOLO v8模型或者AlexNet、VGG、GoogLeNet、ResNet、Inception系列、DenseNet、MobileNet等模型。其中,实时烟草存储区图像分割信息和实时烟草存储区图像外观类型是与实时烟草存储区图像相对应的模型输出结果。历史烟草存储区图像分割信息和历史烟草存储区图像外观类型是与历史烟草存储区图像相对应的模型输出结果。实时烟草存储区图像分割信息可以是对实时烟草存储区图像进行烟草存储区图像分割后的分割结果。历史烟草存储区图像分割信息可以是对历史烟草存储区图像进行烟草存储区图像分割后的分割结果。实时烟草存储区图像外观类型可以是实时烟草存储区图像中的各个烟草对应的实际外观类型。历史烟草存储区图像外观类型可以表征历史烟草存储区图像中的各个烟草对应的外观类型。如图3所示,烟草存储信息识别模型依次包括:烟草特征提取层、烟草特征维度变化层、多尺度头部层、注意力层、分割层和外观类型识别层。
在一个实际的应用场景中,上述执行主体可以通过以下步骤将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息:
第一步,将上述实时烟草存储区图像输入至上述烟草存储信息识别模型包括的烟草特征提取层中,得到实时烟草存储区图像特征信息。其中,烟草特征提取层可以是烟草存储区图像中的特征语义内容的网络层。例如,烟草特征提取层可以是yolov8-seg模型中的主干(Backbone)网络层。实时烟草存储区图像特征信息可以表征实时烟草存储区图像中烟草的图像特征信息。
第二步,将上述实时烟草存储区图像特征信息输入至上述烟草存储信息识别模型包括的烟草特征维度变化层中,得到变化实时烟草存储区图像特征信息。其中,烟草特征维度变化层可以是对输入特征信息进行特征维度变化的、对主干网络输出的特征图进行特征融合的网络层。例如,烟草特征维度变化层可以是yolov8-seg模型中的中间(Neck)网络层。
第三步,将上述变化实时烟草存储区图像特征信息输入至上述烟草存储信息识别模型包括的多尺度头部层中,得到各个尺度下的实时烟草存储区图像输出特征信息。其中,多尺度头部层可以是多尺度变化的头部(Head)层。各个尺度可以是预先设置的。通过设置多尺度变化的头部层,可以对不同尺度的烟草图像特征进行融合,以达到烟草图像特征的充分学习,产生更好的分割效果。
第四步,对于上述各个尺度下的每个尺度,执行以下处理步骤:
1、将上述尺度对应的实时烟草存储区图像输出特征信息输入至上述烟草存储信息识别模型包括的注意力层中,得到注意力特征信息。其中,注意力层可以是基于attention机制,保障头部层对应的各个解耦头应用的特征侧重点不同的网络层。例如,特征侧重点可以是:分类分支侧重点,框回归分支侧重点,分割分支侧重点。
2、将上述注意力信息输入至上述烟草存储信息识别模型包括的分割层和外观类型识别层中,以生成第一初始实时烟草存储区图像分割信息和第一初始实时烟草存储区图像外观类型。其中,分割层可以是用于烟草分割的网络层。外观类型识别层可以是用于识别烟草类别的输出层。
第五步,根据得到的各个第一初始实时烟草存储区图像分割信息和各个第一初始实时烟草存储区图像外观类型,生成实时烟草存储区图像分割信息与实时烟草存储区图像外观类型。例如,上述执行主体可以对各个第一初始实时烟草存储区图像分割信息进行取并集,以生成实时烟草存储区图像分割信息。上述执行主体可以从各个第一初始实时烟草存储区图像外观类型中筛选出对应出现次数最多的初始外观类型,作为实时烟草存储区图像外观类型。
由此,在烟草存储信息识别模型的训练过程中,在注意力层后,会训练过程中添加框回归层,以对多尺度头部层进行解耦,得到更多烟草类别下的输出,以提高烟草存储信息识别模型的精准性。
第六步,将上述历史烟草存储区图像输入至上述烟草存储信息识别模型包括的烟草特征提取层中,得到历史烟草存储区图像特征信息。
第七步,将上述历史烟草存储区图像特征信息输入至上述烟草存储信息识别模型包括的烟草特征维度变化层中,得到变化历史烟草存储区图像特征信息。
第八步,将上述变化历史烟草存储区图像特征信息输入至上述烟草存储信息识别模型包括的多尺度头部层中,得到各个尺度下的历史烟草存储区图像输出特征信息。
第九步,对于上述各个尺度下的每个尺度,执行以下处理步骤:
1、将上述尺度对应的历史烟草存储区图像输出特征信息输入至上述烟草存储信息识别模型包括的注意力层中,得到历史注意力特征信息。
2、将上述历史注意力信息输入至上述烟草存储信息识别模型包括的分割层和外观类型识别层中,以生成第一初始历史烟草存储区图像分割信息和第一初始历史烟草存储区图像外观类型。
第十步,根据得到的各个第一初始历史烟草存储区图像分割信息和各个第一初始历史烟草存储区图像外观类型,生成历史烟草存储区图像分割信息与历史烟草存储区图像外观类型。
这里,第六步-第十步的实现方式可以参考第一步-第五步的实现方式。
进一步地,烟草存储信息识别模型可以是通过以下步骤训练得到的:
第一步,获取烟草存储区图像样本集。其中,烟草存储区图像样本包括:样本实时烟草存储区图像、样本历史烟草存储区图像与样本标签。样本标签可以表示样本实时烟草存储区图像、样本历史烟草存储区图像之间的烟草变化信息。
第二步,确定初始烟草存储信息识别模型。其中,上述初始烟草存储信息识别模型包括:初始烟草特征提取层、初始烟草特征维度变化层、初始多尺度头部层、注初始意力层、初始分割层和初始外观类型识别层。
第三步,从上述烟草存储区图像样本集中选择出一个烟草存储区图像样本,作为目标烟草存储区图像样本。
第四步,基于目标烟草存储区图像样本,执行以下训练步骤:
第一训练步骤,将上述目标烟草存储区图像样本包括的样本烟草存储区图像、样本历史烟草存储区图像输入至上述初始烟草存储信息识别模型包括的初始烟草特征提取层中,得到初始实时烟草存储区图像特征信息与初始历史烟草存储区图像特征信息。
第二训练步骤,将上述初始烟草存储区图像特征信息与初始历史烟草存储区图像特征信息输入至上述初始烟草特征维度变化层中,得到初始实时变化烟草存储区图像特征信息与初始历史变化烟草存储区图像特征信息。
第三训练步骤,将上述初始变化烟草存储区图像特征信息与初始历史变化烟草存储区图像特征信息输入至上述初始多尺度头部层中,得到各个尺度下的初始实时烟草图像输出特征信息与初始历史烟草图像输出特征信息。
第四训练步骤,对于上述各个尺度下的每个尺度,执行以下处理步骤:
1、将上述尺度对应的初始实时烟草图像输出特征信息与初始历史烟草图像输出特征信息输入至上述初始注意力层中,得到初始实时注意力特征信息与初始历史注意力特征信息。
2、将上述注意力信息与初始历史注意力特征信息分别输入至初始分割层和初始外观类型识别层中,以生成初始实时烟草存储区图像分割信息和初始实时烟草存储区图像外观类型、初始历史烟草存储区图像分割信息和初始历史烟草存储区图像外观类型。
第五训练步骤,根据得到的初始实时烟草存储区图像分割信息和初始实时烟草存储区图像外观类型,生成初始实时烟草存储识别信息;以及根据得到的初始历史烟草存储区图像分割信息和初始历史烟草存储区图像外观类型,生成初始历史烟草存储识别信息。
第六训练步骤,根据上述初始实时烟草存储识别信息与上述初始历史烟草存储识别信息,确定样本烟草变化信息。
第六训练步骤,确定上述样本烟草变化信息与对应的样本标签之间的内容损失值。
第七训练步骤,响应于确定上述内容损失值小于等于预设损失值,将初始烟草存储信息识别模型确定为训练完成的烟草存储信息识别模型。
由此,在烟草存储信息识别模型的训练过程中,在注意力层后,会训练过程中添加框回归层,以对多尺度头部层进行解耦,得到更多类型下的输出,以提高烟草存储信息识别模型的精准性。此外,训练过程中的烟草存储区图像样本集可以是使用labelme工具标注的。
步骤1013,利用针对上述目标烟草存储区的烟草类别表,确定上述实时烟草存储区图像外观类型对应的实时烟草类别信息和上述历史烟草存储区图像外观类型对应的历史烟草类别信息。
在一些实施例中,上述执行主体可以利用针对上述目标烟草存储区的烟草类别表,确定上述实时烟草存储区图像外观类型对应的实时烟草类别信息和上述历史烟草存储区图像外观类型对应的历史烟草类别信息。其中,上述烟草类别表表征外观类型与烟草类别之间对应关系。烟草类别表是针对目标烟草存储区进行预置的关联表。实时烟草类别信息可以表征实时烟草存储区图像中的各个烟草对应的烟草类别。历史烟草类别信息可以表征历史烟草存储区图像中的各个烟草对应的烟草类别。
例如,烟草类别表中可以包括以下内容:
[“白色方形箱”<->“A烟草”,“黄色方形箱”<->“B烟草”,“白色圆形箱””<->“C烟草”]。
步骤1014,根据上述实时烟草存储区图像分割信息、上述历史烟草存储区图像分割信息、上述实时烟草类别信息和上述历史烟草类别信息,生成上述目标烟草存储区的实时烟草变化信息。
在一些实施例中,上述执行主体可以根据上述实时烟草存储区图像分割信息、上述历史烟草存储区图像分割信息、上述实时烟草类别信息和上述历史烟草类别信息,生成上述目标烟草存储区的实时烟草变化信息。其中,实时烟草变化信息可以是目标烟草存储区中的各个烟草在预定时长内发生的烟草变化情况。例如,实时烟草变化信息可以是各个烟草在区域内的烟草处理数量变化信息。针对烟草柜场景,烟草处理数量可以是指烟草柜内的各个烟草的数量增加信息。
在一个实际的应用场景中,上述执行主体可以通过以下步骤生成上述目标烟草存储区的实时烟草变化信息:
第一步,根据上述实时烟草存储区图像分割信息和上述实时烟草类别信息,生成实时烟草类别掩码矩阵。其中,上述实时烟草存储区图像分割信息包括:至少一个实时烟草分割轮廓,上述实时烟草类别信息包括:至少一个实时烟草分割轮廓对应的至少一个实时烟草类别。其中,实时烟草分割轮廓可以是实时烟草存储区图像中的对应烟草分割后的轮廓信息。至少一个实时烟草分割轮廓中的每个实时烟草分割轮廓存在独立放置的存储区。一个实时烟草分割轮廓对应一个实时烟草类别。
其中,上述第一步,可以包括:
第一,对于上述至少一个实时烟草分割轮廓中的每个实时烟草分割轮廓,根据上述实时烟草分割轮廓对应的实时烟草类别,将上述实时烟草分割轮廓对应的轮廓内容填充为上述实时烟草类别对应的数值。其中,每个实时烟草类别存在对应数值,这里的数值可以表征烟草类别信息。例如,数值可以是烟草类别标识。
第二,根据所得到的至少一个填充后的实时烟草分割轮廓,生成实时烟草类别掩码矩阵。其中,上述实时烟草类别掩码矩阵中的数值表征实时烟草类别对应的区域。实时烟草类别掩码矩阵中的非烟草区域的数值为数值0。例如,上述执行主体可以根据实时烟草存储区图像对应的图像矩阵,设置对应的空白矩阵。然后,根据至少一个填充后的烟草分割轮廓对应的轮廓内容值和轮廓位置,在空白矩阵中填充对应数值,以生成实时烟草类别掩码矩阵。其中,实时烟草类别掩码矩阵中的非烟草区域的数值为数值0。
第二步,根据上述历史烟草存储区图像分割信息和上述历史烟草类别信息,生成历史烟草类别掩码矩阵。其中,上述历史烟草存储区图像分割信息包括:至少一个历史烟草分割轮廓,上述历史烟草类别信息包括:至少一个历史烟草分割轮廓对应的至少一个历史烟草类别。具体实现方式可以参见实时烟草类别掩码矩阵的生成。
其中,上述第二步,可以包括:
第一,对于上述至少一个历史烟草分割轮廓中的每个历史烟草分割轮廓,根据上述历史烟草分割轮廓对应的历史烟草类别,将上述历史烟草分割轮廓对应的轮廓内容填充为上述历史烟草类别对应的数值。
第二,根据所得到的至少一个填充后的历史烟草分割轮廓,生成历史烟草类别掩码矩阵。其中,上述历史烟草类别掩码矩阵中的数值表征历史烟草类别对应的区域。
第三步,生成上述实时烟草类别掩码矩阵与上述历史烟草类别掩码矩阵之间的掩码变化信息。其中,掩码变化信息可以表征上述实时烟草类别掩码矩阵与上述历史烟草类别掩码矩阵之间的元素变化。
其中,上述第三步,可以包括:
第一,对上述实时烟草类别掩码矩阵中的元素与上述历史烟草类别掩码矩阵中的元素进行对应异或处理,以生成异或矩阵。针对实时烟草类别掩码矩阵与历史烟草类别掩码矩阵相同的元素设置为数值0,不相同的元素设置为掩码矩阵中的非0区域对应数值。
第二,将上述异或矩阵中的至少一个数值区域确定为掩码变化信息。数值区域可以是非0的区域。
第四步,根据上述掩码变化信息,生成各个烟草品类下的实时烟草变化信息。例如,首先,截取掩码变化信息对应的掩码区域。然后,确定实时烟草存储区图像在掩码区域中的像素总和,得到烟草存储区图像像素总和。接着,确定历史烟草存储区图像在掩码区域中的像素综合,得到历史烟草存储区图像像素总和。根据上述烟草存储区图像像素总和与上述历史烟草存储区图像像素总和之间的数值差,匹配对应的烟草变化量,以作为实时烟草变化信息。
其中,上述第四步,可以包括:
第一,对于上述至少一个数值区域中的每个数值区域,执行处理步骤:
1、响应于确定上述数值区域属于上述实时烟草类别掩码矩阵,确定目标数值对应的实时烟草类别,作为目标实时烟草类别。其中,上述目标数值是上述数值区域内的数值。其中,数值区域属于实时烟草类别掩码矩阵可以是数值区域对应位置下的实时烟草类别掩码矩阵中的子区域与数值区域一致。
2、生成表征上述目标实时烟草类别下的烟草增加的烟草变化信息。
3、响应于确定上述数值区域属于上述历史烟草类别掩码矩阵,确定目标数值对应的历史烟草类别,作为目标历史烟草类别。其中,数值区域属于历史烟草类别掩码矩阵可以是数值区域对应位置下的历史烟草类别掩码矩阵中的子区域与数值区域一致。
4、生成表征上述目标历史烟草类别下的烟草减少的烟草变化信息。
第二,根据得到的至少一个烟草变化信息,生成实时烟草变化信息。例如,可以将至少一个烟草变化信息合并为实时货物变化信息。
由此,过生成实时烟草类别掩码矩阵和历史烟草类别掩码矩阵,可以更显性化地展示实时烟草存储区图像和历史烟草存储区图像中的货物情况。除此之外,也便于两个图像中的烟草信息的对比,以快捷且准确地确定出实时烟草变化信息。
步骤102,响应于确定上述实时烟草变化信息与上述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与上述外部烟草数据监控终端发送烟草数据异常信息。
在一些实施例中,上述执行主体可以响应于确定上述实时烟草变化信息与上述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与上述外部烟草数据监控终端发送烟草数据异常信息。例如,实时烟草变化信息可以表示A烟草增加10盒/条;B烟草增加8盒/条。至少一个烟草变更数据可以是指目标烟草存储区应该更新的各个烟草的变化数据。例如,至少一个烟草变更数据可以是:A烟草增加9盒/条;B烟草增加8盒/条。烟草数据异常信息可以表示实时烟草变化信息与至少一个烟草变更数据不一致。烟草更新监控端可以是指目标烟草存储区的烟草数据监控终端。
图2为本公开实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
如图2所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种烟草库存更新方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种烟草库存更新方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图2中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元 (Central Processing Unit,CPU),该处理器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)、现场可编程门阵列(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。其中,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。
其中,在一个实施例中,上述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:响应于接收到外部烟草数据监控终端发送的至少一个烟草变更数据,对相关联的目标烟草存储区的烟草信息,执行以下更新步骤:获取对应上述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像,其中,上述历史烟草存储区图像对应的采集时间处于上述实时烟草存储区图像对应的采集时间之前;将上述实时烟草存储区图像和上述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息,其中,上述烟草存储识别信息包括:实时烟草存储区图像分割信息、实时烟草存储区图像外观类型、历史烟草存储区图像分割信息和历史烟草存储区图像外观类型;利用针对上述目标烟草存储区的烟草类别表,确定上述实时烟草存储区图像外观类型对应的实时烟草类别信息和上述历史烟草存储区图像外观类型对应的历史烟草类别信息,其中,上述烟草类别表表征外观类型与烟草类别之间对应关系;根据上述实时烟草存储区图像分割信息、上述历史烟草存储区图像分割信息、上述实时烟草类别信息和上述历史烟草类别信息,生成上述目标烟草存储区的实时烟草变化信息;响应于确定上述实时烟草变化信息与上述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与上述外部烟草数据监控终端发送烟草数据异常信息。
本公开实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有计算机程序,上述计算机程序中包括程序指令,上述程序指令被执行时所实现的方法可参照本公开烟草库存更新方法的各个实施例。
其中,上述计算机可读存储介质可以是前述实施例上述的计算机设备的内部存储单元,例如上述计算机设备的硬盘或内存。上述计算机可读存储介质也可以是上述计算机设备的外部存储设备,例如上述计算机设备上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种烟草库存更新方法,包括:
响应于接收到外部烟草数据监控终端发送的至少一个烟草变更数据,对相关联的目标烟草存储区的烟草信息,执行以下更新步骤:
获取对应所述目标烟草存储区的实时烟草存储区图像和历史烟草存储区图像,其中,所述历史烟草存储区图像对应的采集时间处于所述实时烟草存储区图像对应的采集时间之前;
将所述实时烟草存储区图像和所述历史烟草存储区图像分别输入至预先训练的烟草存储信息识别模型中,得到烟草存储识别信息,其中,所述烟草存储识别信息包括:实时烟草存储区图像分割信息、实时烟草存储区图像外观类型、历史烟草存储区图像分割信息和历史烟草存储区图像外观类型;
利用针对所述目标烟草存储区的烟草类别表,确定所述实时烟草存储区图像外观类型对应的实时烟草类别信息和所述历史烟草存储区图像外观类型对应的历史烟草类别信息,其中,所述烟草类别表表征外观类型与烟草类别之间对应关系;
根据所述实时烟草存储区图像分割信息、所述历史烟草存储区图像分割信息、所述实时烟草类别信息和所述历史烟草类别信息,生成所述目标烟草存储区的实时烟草变化信息;
响应于确定所述实时烟草变化信息与所述至少一个烟草变更数据不一致,向相关联的烟草更新监控端与所述外部烟草数据监控终端发送烟草数据异常信息。
2.根据权利要求1所述的烟草库存更新方法,其特征在于,所述根据所述实时烟草存储区图像分割信息、所述历史烟草存储区图像分割信息、所述实时烟草类别信息和所述历史烟草类别信息,生成所述目标烟草存储区的实时烟草变化信息,包括:
根据所述实时烟草存储区图像分割信息和所述实时烟草类别信息,生成实时烟草类别掩码矩阵,其中,所述实时烟草存储区图像分割信息包括:至少一个实时烟草分割轮廓,所述实时烟草类别信息包括:至少一个实时烟草分割轮廓对应的至少一个实时烟草类别;
根据所述历史烟草存储区图像分割信息和所述历史烟草类别信息,生成历史烟草类别掩码矩阵,其中,所述历史烟草存储区图像分割信息包括:至少一个历史烟草分割轮廓,所述历史烟草类别信息包括:至少一个历史烟草分割轮廓对应的至少一个历史烟草类别;
生成所述实时烟草类别掩码矩阵与所述历史烟草类别掩码矩阵之间的掩码变化信息;
根据所述掩码变化信息,生成各个烟草品类下的实时烟草变化信息。
3.根据权利要求2所述的烟草库存更新方法,其特征在于,所述根据所述实时烟草存储区图像分割信息和所述实时烟草类别信息,生成实时烟草类别掩码矩阵,包括:
对于所述至少一个实时烟草分割轮廓中的每个实时烟草分割轮廓,根据所述实时烟草分割轮廓对应的实时烟草类别,将所述实时烟草分割轮廓对应的轮廓内容填充为所述实时烟草类别对应的数值;
根据所得到的至少一个填充后的实时烟草分割轮廓,生成实时烟草类别掩码矩阵,其中,所述实时烟草类别掩码矩阵中的数值表征实时烟草类别对应的区域。
4.根据权利要求2所述的烟草库存更新方法,其特征在于,所述根据所述历史烟草存储区图像分割信息和所述历史烟草类别信息,生成历史烟草类别掩码矩阵,包括:
对于所述至少一个历史烟草分割轮廓中的每个历史烟草分割轮廓,根据所述历史烟草分割轮廓对应的历史烟草类别,将所述历史烟草分割轮廓对应的轮廓内容填充为所述历史烟草类别对应的数值;
根据所得到的至少一个填充后的历史烟草分割轮廓,生成历史烟草类别掩码矩阵,其中,所述历史烟草类别掩码矩阵中的数值表征历史烟草类别对应的区域。
5.根据权利要求2所述的烟草库存更新方法,其特征在于,所述生成所述实时烟草类别掩码矩阵与所述历史烟草类别掩码矩阵之间的掩码变化信息,包括:
对所述实时烟草类别掩码矩阵中的元素与所述历史烟草类别掩码矩阵中的元素进行对应异或处理,以生成异或矩阵;
将所述异或矩阵中的至少一个数值区域确定为掩码变化信息。
6.一种计算机设备,其中,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1-5中任一所述的方法的步骤。
7.一种计算机可读存储介质,其中,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1-5中任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411961027.7A CN119399475B (zh) | 2024-12-30 | 2024-12-30 | 烟草库存更新方法、计算机设备与计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202411961027.7A CN119399475B (zh) | 2024-12-30 | 2024-12-30 | 烟草库存更新方法、计算机设备与计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN119399475A true CN119399475A (zh) | 2025-02-07 |
CN119399475B CN119399475B (zh) | 2025-04-04 |
Family
ID=94417997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202411961027.7A Active CN119399475B (zh) | 2024-12-30 | 2024-12-30 | 烟草库存更新方法、计算机设备与计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN119399475B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503695A (zh) * | 2016-12-02 | 2017-03-15 | 汕头大学 | 一种基于航拍图像的烟草植株识别与计数方法 |
US20190220666A1 (en) * | 2016-05-12 | 2019-07-18 | Bayer Cropscience Aktiengesellschaft | Recognition of weed in a natural environment |
CN114049499A (zh) * | 2021-11-18 | 2022-02-15 | 南昌黑鲨科技有限公司 | 用于连续轮廓的目标对象检测方法、设备及存储介质 |
CN115507897A (zh) * | 2022-09-26 | 2022-12-23 | 江西中烟工业有限责任公司 | 用于烟草产线检测装置的状态监测方法、装置及设备 |
-
2024
- 2024-12-30 CN CN202411961027.7A patent/CN119399475B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190220666A1 (en) * | 2016-05-12 | 2019-07-18 | Bayer Cropscience Aktiengesellschaft | Recognition of weed in a natural environment |
CN106503695A (zh) * | 2016-12-02 | 2017-03-15 | 汕头大学 | 一种基于航拍图像的烟草植株识别与计数方法 |
CN114049499A (zh) * | 2021-11-18 | 2022-02-15 | 南昌黑鲨科技有限公司 | 用于连续轮廓的目标对象检测方法、设备及存储介质 |
CN115507897A (zh) * | 2022-09-26 | 2022-12-23 | 江西中烟工业有限责任公司 | 用于烟草产线检测装置的状态监测方法、装置及设备 |
Non-Patent Citations (2)
Title |
---|
张燕玲;拜亚萌;: "大数据驱动下的大型烟草企业智慧型ERP系统研究", 科技创新与生产力, no. 09, 10 September 2018 (2018-09-10) * |
王纪贵: "X烟厂成品辅料立体库自动出入库系统的规划设计", 中国知网, 23 February 2022 (2022-02-23) * |
Also Published As
Publication number | Publication date |
---|---|
CN119399475B (zh) | 2025-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598434B (zh) | 一种数据采集方法、装置及商品发布方法 | |
CN110765101B (zh) | 标签的生成方法、装置、计算机可读存储介质及服务器 | |
CN109118296A (zh) | 活动推送方法、装置及电子设备 | |
US8285721B2 (en) | Mapping item records to product records | |
CN111666275B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
US11568460B2 (en) | Device, method, and program for commercial product reliability evaluation based on image comparison | |
CN112148973A (zh) | 一种信息推送的数据处理方法及装置 | |
CN109189669A (zh) | 业务场景的测试方法、电子装置及可读存储介质 | |
US20130144759A1 (en) | Product purchase device and product purchase method | |
CN113868542B (zh) | 基于注意力模型的推送数据获取方法、装置、设备及介质 | |
CN111625567A (zh) | 数据模型匹配方法、装置、计算机系统及可读存储介质 | |
CN119399475B (zh) | 烟草库存更新方法、计算机设备与计算机可读存储介质 | |
CN118261130A (zh) | 票据版式数据生成方法、装置、计算机设备和存储介质 | |
CN111489207A (zh) | 基于区块链系统的评价信息写入方法、装置及硬件设备 | |
CN110490758A (zh) | 一种香烟纸盒二维码分配方法、系统及存储介质 | |
CN116308821A (zh) | 保险产品推荐方法及装置、存储介质、终端 | |
CN113971572A (zh) | 数据处理方法、交互方法、计算设备及计算机存储介质 | |
KR20090003853A (ko) | 룰을 이용한 실시간 자동 정보 추출 시스템 및 방법 | |
JP2022077946A (ja) | データ処理装置、データ処理方法及びプログラム | |
CN114638561B (zh) | 运单信息处理方法、装置、设备和介质 | |
CN113515535B (zh) | 区块链的电子商务信息变更方法及系统 | |
CN111931515B (zh) | 基于合同纠纷判决书的合同条款效力分析方法及装置 | |
CN118297661A (zh) | 数据处理方法、装置和计算机可读存储介质 | |
CN117973366A (zh) | 前端数据校验方法、装置、电子设备及存储介质 | |
TWI708160B (zh) | 一種用於售後服務之保證服務管理系統及其方法 |
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 |