[發明專利]基于圖像識別的貨物簽收單數據存儲方法及裝置

在審

• 申請號: 202010147293.1
• 申請日: 2020-03-05
• 公開（公告）號: CN111353744A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 沈松乾;任福平;吳昊
• 申請（專利權）人: 深圳市赤狐軟件技術有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06Q10/10;G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 劉貽盛

1.一種基于圖像識別的貨物簽收單數據存儲方法，其特征在于，包括：

判斷是否接收到郵件信息；

若接收到郵件信息，獲取所述郵件信息對應的發件人郵箱地址；

判斷所述發件人郵箱地址是否滿足預設的郵件附件提取條件；其中，所述郵件附件提取條件用于限定從若干個目標郵箱后綴和/或若干個目標發件人郵箱地址對應的郵件中提取郵件附件；

若所述發件人郵箱地址滿足所述郵件附件提取條件，獲取所述郵件信息中的郵件附件；

通過已存儲的圖文識別模型對所述郵件附件進行識別以獲取對應的簽收單信息；

根據所述簽收單信息中的快遞公司名稱，定位所述郵件附件對應的簽收章待識別區域，以得到待識別子圖片；

通過預先訓練的卷積神經網絡模型獲取與所述待識別子圖片對應的圖片分類結果，以作為簽收章可信度值；以及

由所述簽收單信息、郵件信息接收日期及所述簽收章可信度值組成與所述郵件信息對應的郵件提取數據，將所述郵件提取數據進行存儲。

2.根據權利要求1所述的基于圖像識別的貨物簽收單數據存儲方法，其特征在于，所述通過預先訓練的卷積神經網絡模型獲取與所述待識別子圖片對應的圖片分類結果，以作為簽收章可信度值，包括：

獲取所述待識別子圖片對應的像素矩陣；

將所述像素矩陣輸入至所述卷積神經網絡模型的輸入層，得到多個特征圖；

將多個特征圖輸入至所述卷積神經網絡模型的池化層，得到與多個特征圖中每一特征圖的最大值所對應一維行向量；

將與多個特征圖中每一特征圖的最大值所對應一維行向量輸入至所述卷積神經網絡模型的全連接層，得到與所述待識別子圖片對應的圖片特征向量；

將所述待識別子圖片對應的圖片特征向量輸入至所述卷積神經網絡模型的softmax分類器，得到與所述待識別子圖片對應的圖片分類結果，以作為簽收章可信度值。

3.根據權利要求1所述的基于圖像識別的貨物簽收單數據存儲方法，其特征在于，所述若所述發件人郵箱地址滿足所述郵件附件提取條件，獲取所述郵件信息的中附件之后，還包括：

將所述郵件信息中的郵件附件發送至云服務器進行存儲。

4.根據權利要求1所述的基于圖像識別的貨物簽收單數據存儲方法，其特征在于，所述若所述發件人郵箱地址滿足所述郵件附件提取條件，獲取所述郵件信息中的郵件附件之后，還包括：

判斷所述郵件附件是否為空文件；若所述郵件附件不是空文件，執行通過已存儲的圖文識別模型對所述郵件附件進行識別以獲取對應的簽收單信息的步驟；若所述郵件附件是空文件，執行將用于提示重發郵件附件的提示信息至所述郵件信息對應的發送終端的步驟；

將用于提示重發郵件附件的提示信息至所述郵件信息對應的發送終端。

5.根據權利要求1所述的基于圖像識別的貨物簽收單數據存儲方法，其特征在于，所述圖文識別模型為OCR圖像識別模型；

所述通過已存儲的圖文識別模型對所述郵件附件進行識別以獲取對應的簽收單信息，包括：

通過OCR圖像識別模型識別所述郵件附件中的快遞公司名稱、客戶名稱、客戶電話號碼、收件人名稱、收件地址、發件單號、發件人名稱、發件人電話號碼、貨物明細信息，以組成簽收單信息。

6.根據權利要求1所述的基于圖像識別的貨物簽收單數據存儲方法，其特征在于，所述根據所述簽收單信息中的快遞公司名稱，定位所述郵件附件對應的簽收章待識別區域，以得到待識別子圖片，包括：

獲取所述簽收單信息中的快遞公司名稱，及與所述快遞公司名稱對應的快遞單簽收章分布區域；

根據所述快遞單簽收章分布區域，對應獲取所述郵件附件相應的簽收章待識別區域；

獲取所述簽收章待識別區域對應的郵件附件局部圖片，以得到待識別子圖片。