【技术实现步骤摘要】
本申请涉及数据处理领域，尤其涉及一种污泥转移联单处理方法。
技术介绍
1、污泥转移联单具有量大、数字特征固定的特点。例如，签名、日期等多处数据需要进行核对。目前，在对污泥转移联单进行统计的过程中，一般采用手写签名。手写签名及时间信息的自动识别对于金融、法律、医疗等领域的信息收集和处理具有重要意义。
2、国内外在信息识别技术和模板匹配
均取得显著进展。信息识别技术在深度学习算法的不断应用下提高了识别精度，在数字化转型中得到广泛应用。模板匹配技术则在硬件技术的支持下提升了匹配速度和效率，向智能化发展。信息识别和模板匹配技术可以自动化识别和提取信息。在对污泥转移联单的数据识别的过程中，传统手动输入容易导致错误，且效率较慢。
技术实现思路
1、本申请实施例提供一种污泥转移联单处理方法及系统。
2、为达到上述目的，本申请采用如下技术方案：
3、第一方面，本申请实施例提出了一种污泥转移联单处理方法，方法包括：
4、获取多个初始图像，多个初始图像包括多个污泥转移联单图像；
5、基于一个初始图像确定多个目标图像，目标图像为初始图像中的部分图像，其中，每一个目标图像至少包括签名图像、日期图像、印章图像中的一种；
6、对目标图像进行文本识别，根据识别的结果确定多个特征数据，特征数据包括签名数据、日期数据以及印章数据；
7、基于多个特征数据对多个初始图像进行分类标记，根据分类标记将与初始图像对应的污泥转移联单图像进
8、结合第一方面，在一些实施方式中，基于多个特征数据对多个初始图像进行分类标记，根据分类标记将与初始图像对应的污泥转移联单图像进行分类，包括：
9、确定一个初始图像中所有的日期数据，对一个初始图像中多个日期数据按日期时间进行排列，并获取多个日期数据中的最早日期数据与最晚日期数据；
10、根据最早日期数据与最晚日期数据确定初始图像对应的污泥转移联单是否为合规，将合规的初始图像标记为合规联单，其余初始图像为不合规联单。
11、结合第一方面，在一些实施方式中，对目标图像进行文本识别，根据识别的结果确定多个特征数据，特征数据包括签名数据、日期数据以及印章数据，包括：
12、将初始图像分给为多个子图像，子图像的尺寸远小于目标图像；
13、基于每一个子图像的特征数据对多个子图像进行分类，根据分类的结果确定多个子图像组；
14、将每个子图像组中的所有子图像进行图层分离，多个子图像组成目标图层图像；
15、对目标图层图像进行降噪处理，其中，降噪的过程包括清楚多个目标图层图像中的离散点；
16、对每个目标图层图像进行线性拟合，以使目标图层图像中的多个子图像为线性连接状态；
17、获取预设字库模板，将预设字库模板中的多个预设线性字体模板与目标图层图像进行拟合，其中，拟合的过程包括对预设线性字体模板进行缩放、扭转；
18、根据拟合的结果，确定每个目标图层图像中所有的文本信息，基于每个目标图层图像中的文本信息，确定初始图像中的文本信息。
19、结合第一方面，在一些实施方式中，基于每一个子图像的特征数据对多个子图像进行分类，根据分类的结果确定多个子图像组，包括：
20、对每一个子图像进行基于视觉条件的匹配，根据匹配的结果，确定子图像对应的特征数据，其中，视觉条件包括每个子图像的亮度、对比度以及灰度。
21、结合第一方面，在一些实施方式中，基于每一个子图像的特征数据对多个子图像进行分类，根据分类的结果确定多个子图像组，包括：
22、获取神经网络模型，将每一个子图像的特征数据导入神经网络模型，根据神经网络模型的输出结果确定多个子图像组。
23、结合第一方面，在一些实施方式中，获取神经网络模型，将每一个子图像的特征数据导入神经网络模型，根据神经网络模型的输出结果确定多个子图像组，包括：
24、获取训练集，训练集包括训练图像以及训练图像对应的图像特征数据，其中，图像特征数据包括颜色数据、纹理数据和形状数据；
25、将训练集导入神经网络训练模型并进行迭代计算，当满足预设条件时停止训练，并获得训练好的神经网络训练模型。
26、结合第一方面，在一些实施方式中，将训练集导入神经网络训练模型并进行迭代计算，当满足预设条件时停止训练，并获得训练好的神经网络训练模型，包括:
27、根据损失函数确定误差值；
28、根据误差值确定损失函数对神经网络训练模型的梯度，当梯度小于预设梯度时停止对神经网络训练模型的训练。
29、结合第一方面，在一些实施方式中，根据误差值确定损失函数对神经网络训练模型的梯度，当梯度小于预设梯度时停止对神经网络训练模型的训练，包括：
30、基于反向传播算法确定损失函数对神经网络训练模型的梯度。
31、第二方面，本申请实施例提出了一种污泥转移联单处理系统，系统被配置为：
32、获取多个初始图像，多个初始图像包括多个污泥转移联单图像；
33、基于一个初始图像确定多个目标图像，目标图像为初始图像中的部分图像，其中，每一个目标图像至少包括签名图像、日期图像、印章图像中的一种；
34、对目标图像进行文本识别，根据识别的结果确定多个特征数据，特征数据包括签名数据、日期数据以及印章数据；
35、基于多个特征数据对多个初始图像进行分类标记，根据分类标记将与初始图像对应的污泥转移联单图像进行分类。
36、结合第二方面，在一些实施方式中，该系统被配置为：
37、基于多个特征数据对多个初始图像进行分类标记，根据分类标记将与初始图像对应的污泥转移联单图像进行分类，包括：
38、确定一个初始图像中所有的日期数据，对一个初始图像中多个日期数据按日期时间进行排列，并获取多个日期数据中的最早日期数据与最晚日期数据；
39、根据最早日期数据与最晚日期数据确定初始图像对应的污泥转移联单是否为合规，将合规的初始图像标记为合规联单，其余初始图像为不合规联单。
40、结合第二方面，在一些实施方式中，该系统被配置为：
41、对目标图像进行文本识别，根据识别的结果确定多个特征数据，特征数据包括签名数据、日期数据以及印章数据，包括：
42、将初始图像分给为多个子图像，子图像的尺寸远小于目标图像；
43、基于每一个子图像的特征数据对多个子图像进行分类，根据分类的结果确定多个子图像组；
44、将每个子图像组中的所有子图像进行图层分离，多个子图像组成目标图层图像；
45、对目标图层图像进行降噪处理，其中，降噪的过程包括清楚多个目标图层图像中的离散点；
46、对每个目标图层图像进行线性拟合，以使目标图层图像中的多个子图像为线性连接状态；
【技术保护点】
1.一种污泥转移联单处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种污泥转移联单处理方法，其特征在于，基于多个所述特征数据对多个所述初始图像进行分类标记，根据所述分类标记将与所述初始图像对应的所述污泥转移联单图像进行分类，包括：
3.根据权利要求2所述的一种污泥转移联单处理方法，其特征在于，对所述目标图像进行文本识别，根据识别的结果确定多个特征数据，所述特征数据包括签名数据、日期数据以及印章数据，包括：
4.根据权利要求3所述的一种污泥转移联单处理方法，其特征在于，基于每一个所述子图像的所述特征数据对多个所述子图像进行分类，根据分类的结果确定多个子图像组，包括：
5.根据权利要求3所述的一种污泥转移联单处理方法，其特征在于，基于每一个所述子图像的所述特征数据对多个所述子图像进行分类，根据分类的结果确定多个子图像组，包括：
6.根据权利要求5所述的一种污泥转移联单处理方法，其特征在于，获取神经网络模型，将每一个所述子图像的特征数据导入所述神经网络模型，根据所述神经网络模型的输出结果确定多个所述子图像组，包
7.根据权利要求6所述的一种污泥转移联单处理方法，其特征在于，将所述训练集导入所述神经网络训练模型并进行迭代计算，当满足预设条件时停止训练，并获得训练好的所述神经网络训练模型，包括:
8.根据权利要求7所述的一种污泥转移联单处理方法，其特征在于，根据所述误差值确定所述损失函数对所述神经网络训练模型的梯度，当所述梯度小于预设梯度时停止对所述神经网络训练模型的训练，包括：
9.一种污泥转移联单处理系统，其特征在于，所述系统被配置为：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种污泥转移联单处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种污泥转移联单处理方法，其特征在于，基于多个所述特征数据对多个所述初始图像进行分类标记，根据所述分类标记将与所述初始图像对应的所述污泥转移联单图像进行分类，包括：
3.根据权利要求2所述的一种污泥转移联单处理方法，其特征在于，对所述目标图像进行文本识别，根据识别的结果确定多个特征数据，所述特征数据包括签名数据、日期数据以及印章数据，包括：
4.根据权利要求3所述的一种污泥转移联单处理方法，其特征在于，基于每一个所述子图像的所述特征数据对多个所述子图像进行分类，根据分类的结果确定多个子图像组，包括：
5.根据权利要求3所述的一种污泥转移联单处理方法，其特征在于，基于每一个所述子图像的所述特征数据对多个所述子图像进行分类，根...
【专利技术属性】
技术研发人员：张海丽，刘淑波，黄敏茹，吴晓婷，李莘，曹晓艳，谭栋梁，
申请(专利权)人：广州市建筑科学研究院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。