[发明专利]基于数据识别的货物进出口查验管理方法

说明书

本发明公开了一种基于数据识别的货物进出口查验管理方法，包括：获取待查验货物表单及待查验货物图像，待查验货物表单包括待查验货物的名称、种类、抵达城市、数目、查验地点、企业代码；基于图神经网络模型确定待查验货物表单与待查验货物图像的匹配程度；基于卷积神经网络模型确定待查验货物的风险程度，风险程度包括高风险、中风险、低风险，卷积神经网络模型的输入包括待查验货物表单和匹配程度，卷积神经网络模型的输出为待查验货物的风险程度；基于待查验货物的风险程度对待查验货物进行查验处理。

技术领域

本发明涉及物流技术领域，具体涉及基于数据识别的货物进出口查验管理方法。

背景技术

货物进出口是指通过运输、保管、配送等方式，实现原材料、半成品、成品或相关信息的进口或出口。货物进出口时需要在查验关口进行查验，查验的作用是避免货物与表单不符、货物超过表单允许的数量、存在安全隐患等，安全隐患包括将国外的病毒、微生物、动物、植物携带至国内，从而造成对生态环境的迫害。现有技术中，大多是通过工作人员手动的对表单及其表单对应的货物进行查验，耗时耗力。由于进出口的货物大多是乘船运输，如果在查验过程中耗时较长，容易造成港口拥堵，影响贸易，货物容易出现丢失或货物滞留的情况。

因此如何在货物进出口时减少查验时间，提高货物进出口查验效率是亟待解决的问题。

发明内容

本发明主要解决的技术问题是如何提高货物进出口查验效率。

根据第一方面，一种实施例中提供一种基于数据识别的货物进出口查验管理方法，包括：

获取待查验货物表单及待查验货物图像，所述待查验货物表单包括待查验货物的名称、种类、抵达城市、数目、查验地点、企业代码；基于图神经网络模型确定所述待查验货物表单与待查验货物图像的匹配程度，所述匹配程度包括高度匹配、中度匹配、低度匹配、不匹配，所述图神经网络模型的输入包括多个节点和多个边，所述多个节点包括待查验货物表单的名称、种类、抵达城市、数目、查验地点、企业代码和待查验货物图像，所述多个边为所述多个节点之间的关系，所述图神经网络模型的输出为所述待查验货物表单与待查验货物图像的匹配程度；基于卷积神经网络模型确定所述待查验货物的风险程度，所述风险程度包括高风险、中风险、低风险，所述卷积神经网络模型的输入包括所述待查验货物表单和所述匹配程度，所述卷积神经网络模型的输出为所述待查验货物的风险程度；基于所述待查验货物的风险程度对所述待查验货物进行查验处理。

在一实施例中，所述基于所述待查验货物的风险程度对所述待查验货物进行查验处理，包括：若待查验货物的风险程度为高风险，则通知查验关口对所述高风险待查验货物以及对应的待查验货物表单都进行重点核查，并通知抵达城市在所述高风险待查验货物抵达后再次进行核查；若待查验货物的风险程度为中风险，则通知查验关口对所述中风险待查验货物进行一般核查；若待查验货物的风险程度为低风险，则通知查验关口对所述低风险待查验货物不进行查验，并通知抵达城市对所述低风险待查验货物抵达后进行备案。

在一实施例中，若基于图神经网络模型确定出所述待查验货物表单与待查验货物图像的匹配程度为不匹配，则通知查验关口对所述不匹配的待查验货物以及对应的待查验货物表单进行重点核查，并通知抵达城市在所述不匹配待查验货物抵达后再次进行核查。

在一实施例中，所述待查验货物图像是三维立体图像。

在一实施例中，所述三维立体图像是通过对多个RGB拍摄的二维图像进行三维重建得到的。

在一实施例中，所述图神经网络模型经过梯度下降法训练得到。

在一实施例中，所述图神经网络模型包括图神经网络和全连接层，图神经网络的输出连接到全连接层，所述全连接层进行分类输出匹配结果。

根据第二方面，一种实施例中提供一种计算机产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的基于数据识别的货物进出口查验管理方法的步骤。