一种智能标签粘贴监测方法及系统技术方案

本发明专利技术公开了一种智能标签粘贴监测方法，获取第一指令；获取设备的第一数据与第二数据，并在第一指令请求的作用下，生成第一标签；基于第一标签与第二数据，生成第一预览图，并获取第一预览图中第一标签粘贴在设备上的第一位置信息，第一预览图为第一标签粘贴在设备上的虚拟示意图；将第一标签粘贴到设备上，并获取第一标签与设备之间的粘贴的第二位置信息，将第一位置信息与第二位置信息做对比，误差范围小于预设阈值，标签识别的信息与设备信息一致，则粘贴成功；本发明专利技术的有益效果为提高了标签粘贴在设备上的准确性，增加了设备在现场运维效率，降低了标签粘贴的错误率；减少了标签打印过程中人为干预，提高了标签打印的效率。率。率。

【技术实现步骤摘要】
一种智能标签粘贴监测方法及系统


[0001]本专利技术涉及标签监测
，尤其涉及一种智能标签粘贴监测方法及系统。

技术介绍

[0002]电力通信资源管理系统具有专业性强、管理资源广、操作复杂的特点，目前在现场的移动运维过程中，对现场设备的实时获取编辑与标签打印是在不同功能中分别实现，现有资源标签打印工作主要使用标签机配套专用编辑软件手工输入标签内容、手工逐个触发打印的方法完成标签打印；标签内容与管理系统脱节，缺乏标签内容与管理系统自动关联的技术支撑功能。施工现场，粘贴标签后，缺乏对粘贴正确性的校核，且不能有效的实现设备标签的全生命周期管理；现有打印标签文字内容、模板选择、粘贴位置都是人工选择，在这些步骤中，都存在描述文字不准确或者错误、选择模板不恰当、粘贴位置错误等情况。

技术实现思路

[0003]本专利技术的目的在于提供一种智能标签粘贴监测方法及系统，通过在系统中模拟标签在设备上的粘贴位置与实际标签粘贴在设备上的具体位置做对比，实现标签能够准确的粘贴在设备上，保证了标签粘贴的准确性。
[0004]本专利技术通过下述技术方案实现：
[0005]一种智能标签粘贴监测方法，包括
[0006]S1：获取第一指令，所述第一指令为设备需要打印标签请求；
[0007]S2：获取设备的第一数据与第二数据，并在第一指令请求的作用下，生成第一标签，所述第一数据为设备的性能数据，所述第二数据为设备的类型数据，所述第一标签包括设备的型号基础信息以及存储第一数据的二维码信息；
[0008]S3：基于第一标签与第二数据，生成第一预览图，并获取第一预览图中第一标签粘贴在设备上的第一位置信息，所述第一预览图为第一标签粘贴在设备上的虚拟示意图；
[0009]S4：将第一标签粘贴到设备上，并获取第一标签与设备之间的粘贴的第二位置信息，将第一位置信息与第二位置信息做对比，若误差范围小于预设阈值，且通过标签识别的信息与设备信息一致，则粘贴成功，否则，返回步骤S2。
[0010]传统将标签粘贴到设备上的时候，直接将打印出来的标签粘贴到设备上，但是采用这种方法对标签进行粘贴的时候，往往会造成标签位置粘贴不准确，不能够方便用于直接获取相关设备的信息；本专利技术提供了一种智能标签粘贴监测方法，通过模拟标签在系统中的虚拟第一位置，将标签粘贴在实际设备上，并获取标签粘贴在设备上的第二位置，将第一位置与第二位置做比较，同时识别标签中的信息是否属于该粘贴设备的信息，来确定标签粘贴位置是否准确，实现了标签位置在设备上的精准粘贴，且通过精准粘贴后，能够更利于用户对设备的使用。
[0011]优选地，所述设备的性能数据包括设备的资源数据、资产数据以及运维数据；所述设备的类型数据包括设备的型号、设备的图片、投运日期、责任人以及运行状态。
[0012]优选地，所述步骤S2中，具体的子步骤包括：
[0013]S21：基于第一指令请求，采用命名实体识别方法，识别出所述第一数据以及第二数据中的命名性指称项，并将命名性指称项生成第一标签内容，所述第一标签内容包括设备的型号基础信息以及存储第一数据的二维码信息；
[0014]S22：基于第一标签内容以及所述第二数据，匹配与之相对应的标签模板，获得待打印的第二预览图，所述第二预览图为第一标签内容在标签模板上生成的效果图；
[0015]S23：基于第二预览图，将第一标签内容与标签模板不断调整，直到第一标签内容与匹配的模板相互贴合，获得第一标签。
[0016]优选地，所述步骤S21中，所述采用命名实体识别方法，识别出所述第一数据以及第二数据中的命名性指称项，并将命名性指称项生成第一标签内容，具体包括：
[0017]获取第一数据库，并将第一数据库作为训练文本，所述第一数据库为通信设备的信息数据；
[0018]构建CRF模型，并采用神经网络方法对训练文本进行训练，获得命名实体识别模型；
[0019]对第一数据以及第二数据进行预处理，获得第三数据，所述预处理为去掉文本中特殊符号以及没有实际意义的字和词；
[0020]将第三数据输入到命名实体识别模型中，获得第一标签内容。
[0021]优选地，所述CRF模型包括look
‑
up层、双向LSTM层以及CRF层：
[0022]所述look
‑
up层用于将预训练或随机初始化的embedding矩阵将句子中的每个字由one
‑
hot向量映射为低维稠密的字向量；
[0023]所述双向LSTM层用于自动提取句子特征；
[0024]所述CRF层用于句子级的序列标注。
[0025]优选地，所述步骤S3中，基于第一标签与第二数据，生成第一预览图具体操作步骤包括：
[0026]基于第二数据信息，从第二数据库中匹配与设备相对应的设备模板，所述第二数据库为存储不同类型的通行设备示意图的模板库；
[0027]基于设备模板的大小，将所述第一标签粘贴在所述设备模板上，生成第一预览图。
[0028]优选地，所述步骤S4的具体子步骤包括：
[0029]获取第三数据库，并提取第三数据库中具有样本特征的数据，作为第四数据库，所述第三数据库为不同类型设备的平面图片；
[0030]构建OpenCV模型，通过所述第四数据库对所述OpenCV模型进行训练，获得训练模型；
[0031]获取粘贴在设备上的第一标签的第一图像，并将第一图像输入到所述训练模型中，输出第一标签在粘贴在设备上的第二位置信息；
[0032]将第一位置信息与第二位置信息做对比，若误差范围小于预设阈值，且通过标签识别的信息与设备信息一致，则粘贴成功。
[0033]本专利技术还公开了一种智能标签粘贴监测系统，系统包括：
[0034]信号接收模块，用于获取第一指令，所述第一指令为设备需要打印标签请求；
[0035]标签生成模块，用于获取设备的第一数据与第二数据，并在第一指令请求的作用
下，生成第一标签，所述第一数据为设备的性能数据，所述第二数据为设备的类型数据，所述第一标签包括设备的型号基础信息以及存储第一数据的二维码信息；
[0036]预览图片生成模块，用于基于第一标签与第二数据，生成第一预览图，并获取第一预览图中第一标签粘贴在设备上的第一位置信息，所述第一预览图为第一标签粘贴在设备上的虚拟示意图；
[0037]信息判断处理模块，用于将第一标签粘贴到设备上，并获取第一标签与设备之间的粘贴的第二位置信息，将第一位置信息与第二位置信息做对比，若误差范围小于预设阈值，且通过标签识别的信息与设备信息一致，则粘贴成功。
[0038]优选地，所述标签打印模块包括标签内容提取模块、模板匹配模块以及打印标签模块，
[0039]所述标签内容提取模块，用于基于第一指令请求，采用命名实体识别方法，识别出所述第一数据以及第二数据中的命名性指称项，并将命名性指称项生成第一标签内容，并将所述第一标签内容通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能标签粘贴监测方法，其特征在于，包括S1：获取第一指令，所述第一指令为设备需要打印标签请求；S2：获取设备的第一数据与第二数据，并在第一指令请求的作用下，生成第一标签，所述第一数据为设备的性能数据，所述第二数据为设备的类型数据，所述第一标签包括设备的型号基础信息以及存储第一数据的二维码信息；S3：基于第一标签与第二数据，生成第一预览图，并获取第一预览图中第一标签粘贴在设备上的第一位置信息，所述第一预览图为第一标签粘贴在设备上的虚拟示意图；S4：将第一标签粘贴到设备上，并获取第一标签与设备之间的粘贴的第二位置信息，将第一位置信息与第二位置信息做对比，若误差范围小于预设阈值，且通过标签识别的信息与设备信息一致，则粘贴成功，否则，返回步骤S2。2.根据权利要求1所述的一种智能标签粘贴监测方法，其特征在于，所述设备的性能数据包括设备的资源数据、资产数据以及运维数据；所述设备的类型数据包括设备的型号、设备的图片、投运日期、责任人以及运行状态。3.根据权利要求2所述的一种智能标签粘贴监测方法，其特征在于，所述步骤S2中，具体的子步骤包括：S21：基于第一指令请求，采用命名实体识别方法，识别出所述第一数据以及第二数据中的命名性指称项，并将命名性指称项生成第一标签内容，所述第一标签内容包括设备的型号基础信息以及存储第一数据的二维码信息；S22：基于第一标签内容以及所述第二数据，匹配与之相对应的标签模板，获得待打印的第二预览图，所述第二预览图为第一标签内容在标签模板上生成的效果图；S23：基于第二预览图，将第一标签内容与标签模板不断调整，直到第一标签内容与匹配的模板相互贴合，获得第一标签。4.根据权利要求3所述的一种智能标签粘贴监测方法，其特征在于，所述步骤S21中，所述采用命名实体识别方法，识别出所述第一数据以及第二数据中的命名性指称项，并将命名性指称项生成第一标签内容，具体包括：获取第一数据库，并将第一数据库作为训练文本，所述第一数据库为通信设备的信息数据；构建CRF模型，并采用神经网络方法对训练文本进行训练，获得命名实体识别模型；对第一数据以及第二数据进行预处理，获得第三数据，所述预处理为去掉文本中特殊符号以及没有实际意义的字和词；将第三数据输入到命名实体识别模型中，获得第一标签内容。5.根据权利要求4所述的一种智能标签粘贴监测方法，其特征在于，所述CRF模型包括look
‑
up层、双向LSTM层以及CRF层：所述look
‑
up层用于将预训练或随机初始化的embedding矩阵将句子中的每个字由one
‑
hot向量映射为低维稠密的字向量；所述双向LSTM层用于自动提取句子特征；所述CRF层用于句子级的序列标注。6.根据权利要求2～5任一所述的一种智能标签粘贴监测...

【专利技术属性】
技术研发人员：洪丹轲，杨志敏，陈一童，黄强，贺云，谢俊毅，吴桂龙，冯晓芳，陈旋，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：