【技术实现步骤摘要】
本专利技术涉及数据处理技术，尤其涉及一种适用于多维度数据模型的货品入库交互方法及系统。
技术介绍
1、在现代物流和仓库管理系统中，货品的有效入库是一项挑战性的任务，尤其是在处理多种类型和来源的数据时。
2、传统的入库系统往往依赖于单一的数据输入方法，如手动输入或基本的条码扫描，这些方法无法高效地处理复杂或多变的入库需求。此外，传统系统常常缺乏灵活性，无法根据不同货品的特性自动调整入库策略，导致入库效率低下，无法满足现代高效率的要求。
3、因此，如何根据不同货品的特性自动调整入库策略，提高入库效率，满足现代高效率的要求，成为了急需解决的问题。
技术实现思路
1、本专利技术实施例提供一种适用于多维度数据模型的货品入库交互方法及系统，可以根据不同货品的特性自动调整入库策略，提高入库效率，满足现代高效率的要求。
2、本专利技术实施例的第一方面，提供一种适用于多维度数据模型的货品入库交互方法，包括：
3、服务器在判断接收到第一入库端的入库需求时将所述入库需求发送至多维度数据模型，所述多维度数据模型具有预先配置的入库策略和交互方法，入库策略至少包括图像提取子策略、语音提取子策略和/或文字提取子策略中的至少一种；
4、多维度数据模型对所述入库需求分析，确定定制化的入库策略反馈至相对应的第一入库端，以使第一入库端按照所述入库策略对入库目标进行信息提取；
5、多维度数据模型基于所述入库需求所对应的交互方法生成相对应的交互路径，所
6、多维度数据模型在判断接收到第一入库端所提取的入库数据、入库管理端反馈的交互数据后，将相应的入库需求反馈至服务器以使服务器完成入库记录。
7、可选地，在第一方面的一种可能实现方式中，所述服务器在判断接收到第一入库端的入库需求时将所述入库需求发送至多维度数据模型，所述多维度数据模型具有预先配置的入库策略和交互方法，包括：
8、服务器在判断接收到第一入库端的入库需求时，提取所述入库需求所对应的入库物品标签发送至多维度数据模型；
9、多维度数据模型基于所述入库物品标签确定相应的入库策略和交互方法，每种入库物品标签具有预设的入库策略和交互方法；所述多维度数据模型对所述入库需求分析，确定定制化的入库策略反馈至相对应的第一入库端，以使第一入库端按照所述入库策略对入库目标进行信息提取，包括：
10、多维度数据模型对入库物品标签的入库策略提取，所述入库策略至少包括图像提取子策略、语音提取子策略和/或文字提取子策略中的至少一种；
11、基于所述入库策略内子策略的种类信息和数量信息生成具有信息提取标识的定制化式的信息提取模版，反馈至第一入库端；
12、第一入库端基于信息提取标识与信息提取模版交互，对入库目标进行信息提取。
13、可选地，在第一方面的一种可能实现方式中，所述基于所述入库策略内子策略的种类信息和数量信息生成具有信息提取标识的信息提取模版，反馈至第一入库端,包括：
14、若判断入库策略包括图像提取子策略，多维度数据模型内的图像子模型获取入库物品标签所对应入库种类，对入库种类的历史数据分析处理得到关于入库种类所对应的历史图像提取特征；
15、获取每个历史图像提取特征所对应的特征标签，对所述特征标签筛选处理得到目标特征标签，所述特征标签至少包括视图标签和耗损标签；
16、图像子模型提取目标特征标签所对应的目标视图标签和目标耗损标签，基于所述目标视图标签和目标耗损标签建立在信息提取模版建立相对应的图像槽位。
17、可选地，在第一方面的一种可能实现方式中，所述获取每个历史图像提取特征所对应的特征标签，对所述特征标签筛选处理得到目标特征标签，所述特征标签至少包括视图标签和耗损标签，包括：
18、统计同一个种类的入库物品标签所有历史图像提取特征中每个视图标签中耗损标签为异常的异常数量，以及统计每个视图标签中耗损标签为正常的正常数量；
19、基于所述耗损标签的描述信息生成每个耗损标签的耗损权重，每个描述信息具有预设的耗损权重；
20、基于所述异常数量、正常数量以及耗损权重进行计算，得到相对应历史图像提取特征的特征标签系数，基于所述特征标签系数在多个特征标签中确定目标特征标签。
21、可选地，在第一方面的一种可能实现方式中，所述基于所述异常数量、正常数量以及耗损权重进行计算，得到相对应历史图像提取特征的特征标签系数，基于所述特征标签系数在多个特征标签中确定目标特征标签，包括：
22、将异常数量与正常数量相加后得到总数量，基于异常数量、总数量进行比例计算得到异常比例，基于所述异常比例、预设比例、预设数量进行计算得到计算数量；
23、获取每个视图标签所对应耗损标签的耗损权重，并对相同类型的视图标签所对应耗损标签的耗损权重进行相加均值计算得到平均耗损权重；
24、基于所述平均耗损权重、每个类型的视图标签所对应异常耗损标签的数量计算得到相应类型的特征标签系数；
25、基于所述计算数量、特征标签系数在多个特征标签中确定目标特征标签。
26、可选地，在第一方面的一种可能实现方式中，所述基于所述计算数量、特征标签系数子在多个特征标签中确定目标特征标签，包括：
27、基于所述特征标签系数对多个特征标签降序排序处理，得到相对应的降序排序序列；
28、按照所述计算数量在降序排序序列中依次遍历挑选计算数量的特征标签，作为所确定的目标特征标签；
29、通过以下公式得到计算数量、平均耗损权重以及特征标签系数，
30、
31、其中，xcal为计算数量，sabn为异常数量，正常数量snor为正常数量，g为预设常数值，bpre为预设比例，xpre为预设数量，为第i种类型的特征标签系数，uj为第i种类型中第j个的特征标签所对应的损耗权重，h为第i种类型中特征标签所对应历史图像提取特征数量的上限值，h为第i种类型中特征标签所对应历史图像提取特征数量的数量值，ei为第i种类型中特征标签所对应异常耗损标签的数量，gqua为数量归一化值。
32、可选地，在第一方面的一种可能实现方式中，所述图像子模型提取目标特征标签所对应的目标视图标签和目标耗损标签，基于所述目标视图标签和目标耗损标签建立在信息提取模版建立相对应的图像槽位，包括：
33、图像子模型提取目标特征标签所对应的目标视图标签和目标耗损标签，所述目标耗损标签具有目标视图中所对应的视图损耗位置；
34、基于所述视图损耗位置对目标视图标签所对应目标视图的损耗位置进行比例式定位；
35、在信息提取模版处建立与目标视图所对应的一级图像槽位，基于所有目标特征标签在所有历史的目标视图中的比例式定位的分布，生成对目标视图本文档来自技高网...
【技术保护点】
1.适用于多维度数据模型的货品入库交互方法，其特征在于，包括：
2.根据权利要求1所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
3.根据权利要求2所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
4.根据权利要求3所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
5.根据权利要求4所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
6.根据权利要求5所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
7.根据权利要求6所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
8.根据权利要求7所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
9.根据权利要求8所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
10.适用于多维度数据模型的货品入库交互系统，其特征在于，包括：
【技术特征摘要】
1.适用于多维度数据模型的货品入库交互方法，其特征在于，包括：
2.根据权利要求1所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
3.根据权利要求2所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
4.根据权利要求3所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
5.根据权利要求4所述的适用于多维度数据模型的货品入库交互方法，其特征在于，
...【专利技术属性】
技术研发人员：刘勇，
申请(专利权)人：深圳市秦丝科技有限公司，
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。