[发明专利]配件名称识别方法、装置、计算机设备和存储介质在审
申请号: | 202010463558.9 | 申请日: | 2020-05-27 |
公开(公告)号: | CN111797195A | 公开(公告)日: | 2020-10-20 |
发明(设计)人: | 张逸;方华;王文卿;赵志伟;胡帆华 | 申请(专利权)人: | 深圳壹账通智能科技有限公司 |
主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F16/332;G06F40/289;G06K9/34;G06K9/46 |
代理公司: | 深圳市力道知识产权代理事务所(普通合伙) 44507 | 代理人: | 贺小旺 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 配件 名称 识别 方法 装置 计算机 设备 存储 介质 | ||
1.一种配件名称识别方法,其特征在于,包括:
获取待识别的配件名称,并确定所述配件名称对应的车辆的类型;
根据所述配件名称对应的车辆的类型,确定所述配件名称对应的配件识别库;
判断所述配件识别库中是否存在所述配件名称对应的识别名称;
若所述配件识别库中不存在与所述配件名称对应的识别名称,则根据所述配件名称对应的车辆的类型确定所述配件名称对应的配件分层识别模型;
根据所述配件分层识别模型,对所述配件名称进行分词和添加预设的方位词,以确定所述配件名称对应的识别名称。
2.根据权利要求1所述的配件名称识别方法,其特征在于,所述确定所述配件名称对应的车辆的类型,包括:
获取所述配件名称对应的车辆的识别码,根据所述车辆识别码确定所述配件名称对应的车辆的类型;或
获取所述配件名称对应的车辆的车牌图像,根据所述车牌图像中的背景颜色确定所述配件名称对应的车辆的类型。
3.根据权利要求1所述的配件名称识别方法,其特征在于,所述配件识别库存储在区块链中,所述配件识别库包括多个配件标准名称;所述判断所述配件识别库中是否存在所述配件名称对应的识别名称,包括:
查询所述配件识别库中是否存在与所述配件名称一致的配件标准名称;
若存在与所述配件名称一致的配件标准名称,则将所述配件标准名称作为所述配件名称对应的识别名称。
4.根据权利要求1所述的配件名称识别方法,其特征在于,所述识别名称包括配件标准名称;所述根据所述配件分层识别模型,对所述配件名称进行分词和添加预设的方位词,以确定所述配件名称对应的识别名称,包括:
基于预先训练至收敛状态的配件分层识别模型,对所述配件名称进行分词处理,得到所述配件名称对应的分词信息,其中,所述分词信息包括所述配件名称对应的配件核心名称、配件关联名称以及方位词;
对所述配件名称对应的配件核心名称和配件关联名称进行添加预设的方位词,得到所述配件名称对应的配件标准名称。
5.根据权利要求4所述的配件名称识别方法,其特征在于,所述基于预先训练至收敛状态的配件分层识别模型,对所述配件名称进行分词之前,所述方法还包括:
确定初始的配件分层识别模型和预设数量的样本配件名称;
根据所述样本配件名称对应的识别码,将所述样本配件名称划分为至少一个配件训练组,以及对所述样本配件名称进行配件标准名称的标注,得到所述样本配件名称对应的配件对照组;
根据训练好的配件分词模型对各所述配件训练组中的样本配件名称进行分词,得到各所述配件训练组对应的分词库,所述分词库包括多个配件分词;
根据各所述分词库中的各配件分词对应的频次,确定各所述配件训练组对应的配件核心名称和配件关联名称;
对各所述配件训练组中的配件核心名称和配件关联名称分别进行添加预设方位词,得到各所述配件训练组中的样本配件名称对应的识别名称;
根据各所述配件训练组中的样本配件名称对应的识别名称与所述配件对照组中样本配件名称对应的标准名称,确定所述初始的配件分层识别模型的识别度,根据所述识别度调整所述初始的配件分层识别模型的参数,得到训练至收敛状态的配件分层识别模型,其中,所述训练至收敛状态的配件分层识别模型可以存储在区块链中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳壹账通智能科技有限公司,未经深圳壹账通智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010463558.9/1.html,转载请声明来源钻瓜专利网。