异常物品的识别方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供一种异常物品的识别方法、装置、电子设备及计算机可读存储介质。该异常物品的识别方法包括：基于待识别订单的面单信息，获取所述待识别订单的目标名称；获取所述目标名称的各目标分词的目标表示向量；获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度；基于所述各目标分词的目标相似度，确定所述待识别订单是否为异常物品。本申请中可以提高异常物品的判别效率和识别准确率。准确率。准确率。

【技术实现步骤摘要】
异常物品的识别方法、装置、电子设备及可读存储介质


[0001]本申请涉及人工智能
，具体涉及一种异常物品的识别方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着科技的进步与生活水平的提高，通过网上购物的方式购买所需品成为众多消费方式中的一种，再购买所需品之后需要将所需品进行打包运输，以保证包装所需品的快递包裹能够完好无损的运输至用户地址。为了提高订单的安全性，通过会对订单内的物品进行异常检测。例如，在快递包裹的打包和运输过程中，快递包裹的承运公司需要保证快递包裹的安全，因此需要对快递包裹内部进行进一步的排查，保证快递包裹中没有违禁物品，这里的违禁物品包括但不限于各类枪支(含仿制品、主要零部件)、弹药、管制器具、各类毒品、易制毒化学品、各类爆炸品、易燃易爆等危险物品、各类放射性、毒害性、腐蚀性、感染性等危险物品，一旦快递中存在违禁物品，将会给快递包裹的收寄工作带来很多安全隐患。
[0003]目前，检测订单是否为异常物品(如检测快递包裹内是否存在违禁品)的方式是通过人工使用安检机查验X光图片判断、结合计算机视觉的检测或分类算法识别来完成的。但是，一方面，由于人员存在易疲劳等问题，通过人工使用安检机查验X光图片来判断存在效率低；另一方面，由于实际应用场景中涉及的异常物品(如快递运输的违禁物品)可能有上千种，而计算机视觉的检测或分类算法同时学习类别数量较大时难以学习到各类别的细致特征，因此通过计算机视觉的检测或分类算法识别存在识别准确率低的问题。

技术实现思路

[0004]本申请提供一种异常物品的识别方法、装置、电子设备及计算机可读存储介质，旨在解决现有检测订单是否为异常物品方式，存在异常物品的判别效率低、识别准确率低的问题。
[0005]第一方面，本申请提供一种异常物品的识别方法，所述方法包括：
[0006]基于待识别订单的面单信息，获取所述待识别订单的目标名称；
[0007]获取所述目标名称的各目标分词的目标表示向量；
[0008]获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度；
[0009]基于所述各目标分词的目标相似度，确定所述待识别订单是否为异常物品。
[0010]第二方面，本申请提供一种异常物品的识别装置，所述异常物品的识别装置包括：
[0011]第一获取单元，用于基于待识别订单的面单信息，获取所述待识别订单的目标名称；
[0012]第二获取单元，用于获取所述目标名称的各目标分词的目标表示向量；
[0013]第三获取单元，用于获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度；
[0014]识别单元，用于基于所述各目标分词的目标相似度，确定所述待识别订单是否为异常物品。
[0015]第三方面，本申请还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请提供的任一种异常物品的识别方法中的步骤。
[0016]第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的异常物品的识别方法中的步骤。
[0017]本申请通过获取待识别订单的目标名称的各目标分词的目标表示向量；获取各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到各目标分词的目标相似度；基于各目标分词的目标相似度，确定待识别订单是否为异常物品，实现了自动化地识别订单是否为异常物品；第一方面，由于实现了自动化地识别订单是否为异常物品，无需人工进行判定，从而避免了通过人工使用安检机查验X光图片来判断快递包裹内是否存在违禁品、而导致存在异常物品的判别效率低的问题。第二方面，由于无需依赖于计算机视觉进行识别，因此避免了通过计算机视觉的检测或分类算法同时学习类别数量较大时难以学习到各类别的细致特征、而导致存在异常物品的识别准确率低的问题。第三方面，由于预设物品名称是用于指示异常物品或正常物品的物品名称，因此各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，可以用于准确地判定待识别订单是否为异常物品。可见，本申请实施例可以提高异常物品的判别效率和识别准确率。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域技术人员来讲，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。
[0019]图1是本申请实施例所提供的异常物品的识别系统的场景示意图；
[0020]图2是本申请实施例提供的异常物品的识别方法的一种流程示意图；
[0021]图3是本申请实施例中提供的各目标分词与预设物品名称匹配过程的一个说明示意图；
[0022]图4是本申请实施例中提供的步骤2031E的一个实施例流程示意图；
[0023]图5是本申请实施例中提供的获取目标小类名单库的一个说明示意图；
[0024]图6是本申请实施例中提供的融合计算机视觉和目标相似度判定异常物品的一个场景示意图；
[0025]图7是本申请实施例中提供的异常物品的识别装置的一个实施例结构示意图；
[0026]图8是本申请实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
[0027]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施
例，都属于本申请保护的范围。
[0028]在本申请实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0029]为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本申请实施例的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。
[0030]本申请实施例异常物品的识别方法的执行主体可以为本申请实施例提供的异常物品的识别装置，或者集成了该异常物品的识别装置的服务器设备、物理主机或者用户设备(User Equipment，UE)等不同类型的电子设备，其中，异常物品的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常物品的识别方法，其特征在于，所述方法包括：基于待识别订单的面单信息，获取所述待识别订单的目标名称；获取所述目标名称的各目标分词的目标表示向量；获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度；基于所述各目标分词的目标相似度，确定所述待识别订单是否为异常物品。2.根据权利要求1所述的异常物品的识别方法，其特征在于，所述预设物品名称包括停用词名单中的名称、白名单中的名称、限制名单中的名称和黑名单中的名称；所述获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度，包括：检测所述各目标分词与所述停用词名单中的名称、与所述白名单中的名称、与所述限制名单中的名称、以及与所述黑名单中的名称是否匹配；若所述各目标分词与所述停用词名单中的名称、与所述白名单中的名称、与所述限制名单中的名称不匹配、且与所述黑名单中的名称均不匹配，则获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度。3.根据权利要求2所述的异常物品的识别方法，其特征在于，所述检测所述各目标分词与所述停用词名单中的名称、与所述白名单中的名称、与所述限制名单中的名称、以及与所述黑名单中的名称是否匹配，包括：检测所述各目标分词与所述停用词名单中的名称是否匹配；若所述各目标分词与所述停用词名单中的名称不匹配，检测所述各目标分词与所述白名单中的名称；若所述各目标分词与所述白名单中的名称不匹配，检测所述各目标分词与所述限制名单中的名称；若所述各目标分词与所述限制名单中的名称不匹配，检测所述各目标分词与所述黑名单中的名称是否匹配。4.根据权利要求1所述的异常物品的识别方法，其特征在于，所述获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相似度，得到所述各目标分词的目标相似度之后，还包括：检测所述待识别订单是否为预设的目标对象的订单；若所述待识别订单为所述目标对象的订单，则关联保存所述各目标分词的目标相似度与所述目标名称；当所述目标对象的下一订单的名称与所述目标名称相同时，获取与所述目标名称关联保存的所述各目标分词的目标相似度，作为所述下一订单的名称各分词的目标相似度。5.根据权利要求1所述的异常物品的识别方法，其特征在于，所述预设物品名称包括限制名单中的名称和黑名单中的名称，所述基准表示向量包括所述限制名单中的名称的第一预设表示向量和所述黑名单中的名称的第二预设表示向量，所述目标相似度包括第一相似度和第二相似度；所述获取所述各目标分词的目标表示向量与预设物品名称的基准表示向量之间的相
似度，得到所述各目标分词的目标相似度之前，还包括：通过预设的词向量模型，生成所述黑名单中的名称的第一预设表示向量、以及所述限制名单中的名称的第二预设表示向量；将所述第一预设表示向量和所述...

【专利技术属性】
技术研发人员：尹东富，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：