[發明專利]基于機器學習的工具管理方法、系統、介質及智能設備

在審

• 申請號: 202010144264.X
• 申請日: 2020-03-04
• 公開（公告）號: CN111401989A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 李金擎;吳宏武;李知芯
• 申請（專利權）人: 易緯信息科技(廣州)有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/04;G06F16/583;G06F16/51;G07F17/00;G06T7/60;G06T7/62;G06T7/90
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種基于機器學習的工具管理方法，應用于一工具租借系統，其特征在于，所述方法包括如下步驟：

在用戶預約租借工具后及使用所述租借工具前，獲取用戶上傳的用戶信息、所述租借工具的外觀信息；

將所述用戶信息、租借工具的外觀信息、租借工具的參數信息及租借工具的租借信息上傳至云端服務器，當所述租借工具歸還時，通過工具識別模型對所述租借工具的完整性進行識別以生成借還單據，其中，所述借還單據包括該租借工具的借還信息及受損信息；

根據所述借還單據生成定損通知并上傳至云端服務器，以使所述云端服務器根據所述租借工具的借還信息、受損信息、監控信息及定損通知生成相應的賠償方案。

2.根據權利要求1所述的基于機器學習的工具管理方法，其特征在于，在用戶預約租借工具后及使用所述租借工具前，所述方法還包括：

操作人員對租借工具進行入庫，當該租借工具不可識別時，則為該工具配置一視覺可識別的托盤或噴涂相應的顏色，從而完成識別賦能，進入機器視覺可識別序列；

當該租借工具為新增租借工具時，獲取該新增工具的外觀信息，并根據該外觀信息對新增工具進行特征參數化處理后，完成入庫處理。

3.根據權利要求2所述的基于機器學習的工具管理方法，其特征在于，獲取該新增工具的外觀信息，并根據該外觀信息對新增工具進行特征參數化處理的方法包括：

判斷該新增工具的維度，獲取該新增工具各個維度上的多張的圖像信息，通過機器視覺識別算法對新增工具的進行邊緣勾勒，從而得到該新增工具的外觀信息；

根據所述新增工具的外觀信息及工具賦能信息對該新增工具進行特征參數化處理。

4.根據權利要求3所述的基于機器學習的工具管理方法，其特征在于，對新增工具進行特征參數化處理模型為：

其中，X_i為加權系數，A_i為特征參數值。

5.根據權利要求1所述的基于機器學習的工具管理方法，其特征在于，所述工具識別模型建立的方法包括：

獲取所述工具租借系統中各租借工具的工具信息，提取該系統的工具特征向量，并對該工具特征向量進行標準化處理后，通過激活模型進行迭代訓練得到神經網絡學習模型；

將所述神經網絡學習模型下發至不同類型的工具識別終端并通過梯度下降法進行神經網絡學習模型的更新，并將更新后的神經網絡學習模型上傳至云端服務器；

所述云端服務器通過整合算法對各更新后的神經網絡學習模型進行整合，以得到工具識別模型。

6.根據權利要求5所述的基于機器學習的工具管理方法，其特征在于，將所述神經網絡學習模型下發至不同類型的工具識別終端并通過梯度下降法進行神經網絡學習模型的更新的方法包括：

獲取當前工具識別終端在上一輪訓練的神經網絡學習模型參數；

根據當前工具識別終端在當前輪訓練選取的批量數據和在上一輪訓練的神經網絡學習模型參數的損失量，以及神經網絡學習模型使用的學習效率，得到更新后的神經網絡學習模型。

7.根據權利要求1所述的基于機器學習的工具管理方法，其特征在于，所述方法還包括：

當所述租借工具未在規定期限內歸還時，根據該工具的重要程度生成相應的預警信息，以提醒租客及操作人員及時采取相關措施。

8.一種基于機器學習的工具管理方法和系統，其特征在于，所述系統包括：

信息獲取模塊，用于在用戶預約租借工具后及使用所述租借工具前，獲取用戶上傳的用戶信息、所述租借工具的外觀信息；

單據輸出模塊，用于將所述用戶信息、租借工具的外觀信息、租借工具的參數信息及租借工具的租借信息上傳至云端服務器，當所述租借工具歸還時，通過工具識別模型對所述租借工具的完整性進行識別以生成借還單據，其中，所述借還單據包括該租借工具的借還信息及受損信息；

賠償生成模塊，用于根據所述借還單據生成定損通知并上傳至云端服務器，以使所述云端服務器根據所述租借工具的借還信息、受損信息、監控信息及定損通知生成相應的賠償方案。