物品属性判别方法和装置与流程

本发明涉及智慧物流，尤其涉及一种物品属性判别方法和装置。

背景技术：

1、在订单生产、物品配送等物流过程，系统一般根据预先为物品标记的长度、宽度、高度、体积、重量等属性的属性数据来执行费用计算、车辆调度等事项，因此需要确保物品属性数据的正确性。现有技术中，一般采用人工方式标记物品属性数据，正确性难以保证。另外，目前一般通过人工定期抽检的方式来校验人工标记数据，效率较低并且容易遗漏标记错误的数据。

技术实现思路

1、有鉴于此，本发明实施例提供一种物品属性判别方法和装置，可基于人工智能模型和物品的视频、图像、文本等多模态数据自动确定物品属性数据，该数据也可作为人工标记数据的校验依据。

2、为实现上述目的，根据本发明的一个方面，提供了一种物品属性判别方法。

3、本发明实施例的物品属性判别方法包括：获取待判别物品在预置物流过程中的视频信息、图像信息和文本信息；将视频信息输入预先训练的、基于视频的属性判别模型，得到待判别物品在至少一个预设属性的第一初判属性数据；将图像信息输入预先训练的、基于图像的属性判别模型，得到待判别物品在属性的第二初判属性数据；将文本信息输入预先训练的、基于文本的属性判别模型，得到待判别物品在属性的第三初判属性数据；结合第一初判属性数据、第二初判属性数据和第三初判属性数据获得待判别物品在属性的最终属性数据。

4、可选地，第一初判属性数据、第二初判属性数据以及第三初判属性数据分别包括：待判别物品对应于任一属性的各属性值区间的概率值。

5、可选地，结合第一初判属性数据、第二初判属性数据和第三初判属性数据获得待判别物品在属性的最终属性数据，包括：获取第一初判属性数据、第二初判属性数据和第三初判属性数据中针对同一属性以及该属性的同一属性值区间的概率值；根据分别为视频信息、图像信息和文本信息预先配置的权重值，确定从第一初判属性数据、第二初判属性数据和第三初判属性数据获取的概率值的加权平均值；将同一属性中具有最大加权平均值的属性值区间确定为待判别物品在该属性的目标区间；目标区间属于待判别物品在该属性的最终属性数据。

6、可选地，结合第一初判属性数据、第二初判属性数据和第三初判属性数据获得待判别物品在属性的最终属性数据，包括：针对同一属性，为第一初判属性数据中该属性的最大概率值对应的属性值区间执行打分；为第二初判属性数据中该属性的最大概率值对应的属性值区间执行打分；为第三初判属性数据中该属性的最大概率值对应的属性值区间执行打分；其中，每一次打分的分值相等；将该属性具有最高分值的属性值区间确定为待判别物品在该属性的目标区间。

7、可选地，方法进一步包括：将待判别物品在任一属性的目标区间与该属性的预先标记属性值进行比对；在预先标记属性值不属于该目标区间的情况下，将该预先标记属性值确定为异常数据。

8、可选地，方法进一步包括：利用基于视频的属性判别模型获取至少一个特定物品在属性的第一初判属性数据，利用基于图像的属性判别模型获取特定物品在属性的第二初判属性数据，利用基于文本的属性判别模型获取特定物品在属性的第三初判属性数据；其中，特定物品与待判别物品属于同一物品类型，同一物品类型的物品在属性具有相同属性值；遍历待判别物品和特定物品：对于同一属性，为同一物品的第一初判属性数据中该属性的最大概率值对应的属性值区间执行打分，为同一物品的第二初判属性数据中该属性的最大概率值对应的属性值区间执行打分，为同一物品的第三初判属性数据中该属性的最大概率值对应的属性值区间执行打分；其中，每一次打分的分值相等；将该属性具有最高分值的属性值区间确定为物品类型在该属性的目标区间。

9、可选地，属性包括以下至少一种：长度、宽度、高度、体积、重量、密度；物流过程包括以下至少一种：订单生产中的拣货过程、分拣过程、复核过程、打包过程。

10、为实现上述目的，根据本发明的另一方面，提供了一种物品属性判别装置。

11、本发明实施例的物品属性判别装置可以包括：多模态信息获取单元、模型计算单元和数据结合单元。

12、其中，多模态信息获取单元用于获取待判别物品在预置物流过程中的视频信息、图像信息和文本信息；模型计算单元用于将视频信息输入预先训练的、基于视频的属性判别模型，得到待判别物品在至少一个预设属性的第一初判属性数据；将图像信息输入预先训练的、基于图像的属性判别模型，得到待判别物品在属性的第二初判属性数据；将文本信息输入预先训练的、基于文本的属性判别模型，得到待判别物品在属性的第三初判属性数据；数据结合单元用于结合第一初判属性数据、第二初判属性数据和第三初判属性数据获得待判别物品在属性的最终属性数据。

13、可选地，第一初判属性数据、第二初判属性数据以及第三初判属性数据分别包括：待判别物品对应于任一属性的各属性值区间的概率值。

14、可选地，数据结合单元可进一步用于：获取第一初判属性数据、第二初判属性数据和第三初判属性数据中针对同一属性以及该属性的同一属性值区间的概率值；根据分别为视频信息、图像信息和文本信息预先配置的权重值，确定从第一初判属性数据、第二初判属性数据和第三初判属性数据获取的概率值的加权平均值；将同一属性中具有最大加权平均值的属性值区间确定为待判别物品在该属性的目标区间；目标区间属于待判别物品在该属性的最终属性数据。

15、可选地，数据结合单元可进一步用于：针对同一属性，为第一初判属性数据中该属性的最大概率值对应的属性值区间执行打分；为第二初判属性数据中该属性的最大概率值对应的属性值区间执行打分；为第三初判属性数据中该属性的最大概率值对应的属性值区间执行打分；其中，每一次打分的分值相等；将该属性具有最高分值的属性值区间确定为待判别物品在该属性的目标区间。

16、可选地，装置还可包括校验单元，用于：将待判别物品在任一属性的目标区间与该属性的预先标记属性值进行比对；在预先标记属性值不属于该目标区间的情况下，将该预先标记属性值确定为异常数据。

17、可选地，装置还可包括类型属性计算单元，用于：利用基于视频的属性判别模型获取至少一个特定物品在属性的第一初判属性数据，利用基于图像的属性判别模型获取特定物品在属性的第二初判属性数据，利用基于文本的属性判别模型获取特定物品在属性的第三初判属性数据；其中，特定物品与待判别物品属于同一物品类型，同一物品类型的物品在属性具有相同属性值；遍历待判别物品和特定物品：对于同一属性，为同一物品的第一初判属性数据中该属性的最大概率值对应的属性值区间执行打分，为同一物品的第二初判属性数据中该属性的最大概率值对应的属性值区间执行打分，为同一物品的第三初判属性数据中该属性的最大概率值对应的属性值区间执行打分；其中，每一次打分的分值相等；将该属性具有最高分值的属性值区间确定为物品类型在该属性的目标区间。

18、可选地，属性包括以下至少一种：长度、宽度、高度、体积、重量、密度；物流过程包括以下至少一种：订单生产中的拣货过程、分拣过程、复核过程、打包过程。

19、为实现上述目的，根据本发明的又一方面，提供了一种电子设备。

20、本发明的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明所提供的物品属性判别方法。

21、为实现上述目的，根据本发明的再一方面，提供了一种计算机可读存储介质。

22、本发明的一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现本发明所提供的物品属性判别方法。

23、为实现上述目的，根据本发明的再一方面，提供了一种计算机程序产品。

24、本发明的一种计算机程序产品包括计算机程序，计算机程序被处理器执行时实现本发明所提供的物品属性判别方法。

25、根据本发明的技术方案，上述发明中的实施例具有如下优点或有益效果：

26、本发明实施例基于人工智能模型来处理待判别物品的视频、图像、文本等多模态数据，并结合模型输出的三种初判属性数据来获得待判别物品的最终属性数据，由此实现待判别物品属性数据的自动检测，以上方式可代替现有的人工标记方式来获得物品属性数据，效率高且能够保证正确性；以上方式获得的数据还可作为人工标记数据的校验依据对人工标记数据执行全量高效的校验，能够避免遗漏人工标记错误的数据。

27、上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。