订单签字方法及装置制造方法及图纸

本发明专利技术公开了一种订单签字方法及装置，涉及人工智能技术领域，其中该方法包括：拉取审批通过的订单数据；向用户提供审批通过的订单数据；在用户确认订单数据无误后，向用户发送签字采集请求；在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；在用户根据签字采集请求，提交包含签字的图像后，将图像输入签字识别模型，输出签字在图像中的位置；根据签字在图像中的位置，从图像中截取出签字；对签字依次进行图像仿射变换、二值化操作和形态学调整后，将签字保存在订单数据中；其中，签字识别模型根据已标注自然场景文字识别结果对机器学习模型训练得到。本发明专利技术可以有效避免代签，降低资源消耗，提升工作效率。率。率。

【技术实现步骤摘要】
订单签字方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及订单签字方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]目前，大多数商务场景中采用资源池订单方式，资源池订单以厂商、需求和任务为维度，因此订单数量多，订单流程冗长复杂，订单流程中需要领导层层审批签字。目前大多采用纸质签字，如果订单的管控部门和牵头部门不在同城，那么需要管控部门的分管领导签完字后扫描审批单发给牵头部门，牵头部门再打印出来让领导层层审批，这样流程会更长，人力成本也会增加；同时在审批时一般需要将前期审核中的会议纪要结论等相关材料打印出来作为参考资料，比较浪费纸张。现有技术中多采用电子签名，通过系统直接生成电子签名，缺点是无法识别是否本人签字，存在代签可能。

技术实现思路

[0004]本专利技术实施例提供一种订单签字方法，用以将订单签字流程线上化，提升工作效率，并确保签字的真实性，该方法包括：
[0005]拉取审批通过的订单数据；
[0006]向用户提供审批通过的订单数据；
[0007]在用户确认订单数据无误后，向用户发送签字采集请求；
[0008]在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；
[0009]在用户根据签字采集请求，提交包含签字的图像后，将图像输入签字识别模型，输出签字在图像中的位置；根据签字在图像中的位置，从图像中截取出签字；对签字依次进行图像仿射变换、二值化操作和形态学调整后，将签字保存在订单数据中；
[0010]其中，签字识别模型根据已标注自然场景文字识别结果对机器学习模型训练得到。
[0011]本专利技术实施例还提供一种订单签字装置，用以将订单签字流程线上化，提升工作效率，并确保签字的真实性，该装置包括：
[0012]订单验证模块，用于拉取审批通过的订单数据；向用户提供审批通过的订单数据；
[0013]请求发送模块，用于在用户确认订单数据无误后，向用户发送签字采集请求；
[0014]签字提取模块，用于在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；在用户根据签字采集请求，提交包含签字的图像后，将图像输入签字识别模型，输出签字在图像中的位置；根据签字在图像中的位置，从图像中截取出签字；对签字依次进行图像仿射变换、二值化操作和形态学调整后，将签字保存在订单数据中；其中，签字识别模型根据已标注自然场景文字识别结果对机器学习模型训练得到。
[0015]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并
可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述订单签字方法。
[0016]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述订单签字方法。
[0017]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述订单签字方法。
[0018]本专利技术实施例中，向用户提供审批通过的订单数据；在用户确认订单数据无误后，向用户发送签字采集请求；在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；在用户根据签字采集请求，提交包含签字的图像后，将图像输入签字识别模型，输出签字在图像中的位置；根据签字在图像中的位置，从图像中截取出签字；对签字依次进行图像仿射变换、二值化操作和形态学调整后，将签字保存在订单数据中；其中，签字识别模型根据已标注自然场景文字识别结果对机器学习模型训练得到。与现有技术中直接生成电子签名的技术方案相比，本专利技术实施例在用户确认订单数据无误后，采集用户签字，用户可以通过数位板提交签字，也可以提交包含签字的图像，通过签字识别模型识别包含签字的图像，输出签字在图像中位置，从图像中截取签字，并对签字依次进行图像仿射变换、二值化操作和形态学调整；将签字保存在订单数据中，从而实现订单签字流程线上化，提升工作效率，并确保签字的真实性，保留本人签字字迹，避免代签。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0020]图1为本专利技术实施例中订单签字方法的流程图；
[0021]图2为本专利技术实施例中从签字图像提取签字的示例图；
[0022]图3为本专利技术实施例中订单签字装置的示意图；
[0023]图4为本专利技术实施例中订单签字装置的具体示例图；
[0024]图5为本专利技术实施例中计算机设备的示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0026]在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本专利技术的实施，其中
的步骤顺序不作限定，可根据需要作适当调整。
[0027]下面对本专利技术实施例所涉及术语进行解释：
[0028]OCR：光学文字识别，是指电子设备检查纸上的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。
[0029]深度学习：深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。
[0030]数位板：是计算机输入设备的一种，通常是由一块板子和一支压感笔组成。
[0031]目前，订单审批流程采用的签字方式多为电子签名，即点击系统签名按钮生成电子签名文本，此种方式便捷，但不能识别是否本人签字，存在代签的可能。为解决现有技术存在的技术问题，本专利技术实施例提出一种订单签字方法，将签字保存在订单数据中。图1为本专利技术实施例中订单签字方法的流程图，如图1所示，该方法包括如下步骤：
[0032]步骤101，拉取审批通过的订本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种订单签字方法，其特征在于，包括：拉取审批通过的订单数据；向用户提供审批通过的订单数据；在用户确认订单数据无误后，向用户发送签字采集请求；在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；在用户根据签字采集请求，提交包含签字的图像后，将图像输入签字识别模型，输出签字在图像中的位置；根据签字在图像中的位置，从图像中截取出签字；对签字依次进行图像仿射变换、二值化操作和形态学调整后，将签字保存在订单数据中；其中，签字识别模型根据已标注自然场景文字识别结果对机器学习模型训练得到。2.如权利要求1所述的方法，其特征在于，将图像输入签字识别模型之前，还包括：接收用户通过附件上传的包含签字的图像。3.如权利要求1所述的方法，其特征在于，将图像输入签字识别模型之前，还包括：采用中文自然文本数据集CTW，对机器学习模型进行训练，得到签字识别模型。4.如权利要求1所述的方法，其特征在于，机器学习模型为全卷积神经网络。5.如权利要求1所述的方法，其特征在于，订单数据包括：订单标识信息及订单包括的审批提交材料。6.一种订单签字装置，其特征在于，包括：订单验证模块，用于拉取审批通过的订单数据；向用户提供审批通过的订单数据；请求发送模块，用于在用户确认订单数据无误后，向用户发送签字采集请求；签字提取模块，用于在用户根据签字采集请求，通过数位板提交签字后，将签字保存在订单数据中；在用户根据...

【专利技术属性】
技术研发人员：张潇，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：