[发明专利]一种商品检测方法及装置在审

专利信息
申请号: 201810983578.1 申请日: 2018-08-27
公开(公告)号: CN109242513A 公开(公告)日: 2019-01-18
发明(设计)人: 黄鼎隆;马修·罗伯特·斯科特;郭胜;刘政杰;林泽伟 申请(专利权)人: 深圳码隆科技有限公司
主分类号: G06Q30/00 分类号: G06Q30/00;G06F16/58
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 邓超
地址: 518000 广东省深圳市盐田区沙头*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 商品检测 仿冒 人工智能模型 商品描述信息 商品特征信息 商品图片信息 名单信息 数据库 合格商品 检测结果 快速检测 人力成本 商品信息 商业模式 用户利益 授权 输出 审核 漏检率 预设 自动化 检测 信用 损害 分析
【权利要求书】:

1.一种商品检测方法,其特征在于,包括:

建立包括商品图片信息、商品描述信息以及授权名单信息的数据库;

以预设的人工智能模型为依据,对所述数据库中包括的所述商品图片信息和商品描述信息进行处理,得到商品特征信息;

以所述人工智能模型和所述授权名单信息为依据,对所述商品特征信息进行分析,得到商品仿冒信息;

输出所述仿冒商品信息。

2.根据权利要求1所述的商品检测方法,其特征在于,所述人工智能模型包括图片识别模型和关键词检索模型;所述以预设的人工智能模型为依据,对所述数据库中包括的所述商品图片信息和商品描述信息进行处理,得到商品特征信息的步骤包括:

以所述图片识别模型为依据,对所述数据库中包括的所述商品图片信息进行图片特征提取与分析,得到图片特征信息;

以所述关键词检索模型为依据,对所述数据库中包括的商品描述信息进行关键字提取与自然语言处理,得到文字特征信息;

组合所述图片特征信息和所述文字特征信息,得到商品特征信息。

3.根据权利要求1所述的商品检测方法,其特征在于,所述人工智能模型为深度卷积神经网络;所述以所述人工智能模型和所述授权名单信息为依据,对所述商品特征信息进行分析,得到商品仿冒信息的步骤包括:

获取授权名单信息包括的授权商品名单和授权商品特征信息;

通过所述深度卷积神经网络对所述商品特征信息和所述授权商品特征进行特征比对,得到商品比对结果;

获取所述商品比对结果中与所述授权商品名单不匹配的商品仿冒信息。

4.根据权利要求1所述的商品检测方法,其特征在于,在所述输出所述仿冒商品信息的步骤之后,所述方法还包括:

输出与所述仿冒商品信息对应的审核提示;

接收与所述审核提示对应的核验指令;

以所述核验指令包括的核验信息为依据,对所述仿冒商品信息进行修改。

5.根据权利要求1所述的商品检测方法,其特征在于,在所述以所述人工智能模型和所述授权名单信息为依据,对所述商品特征信息进行分析,得到商品仿冒信息的步骤之后,所述方法还包括:

获取所述商品仿冒信息的生成时间和分析报告;

以所述生成时间和所述分析报告为依据,分类统计所述商品仿冒信息,得到包括商品仿冒数量、商品仿冒报告以及商品仿冒种类的统计信息;

输出所述统计信息。

6.一种商品检测装置,其特征在于,包括:

建立模块,用于建立包括商品图片信息、商品描述信息以及授权名单信息的数据库;

处理模块,用于以预设的人工智能模型为依据,对所述数据库中包括的所述商品图片信息和商品描述信息进行处理,得到商品特征信息;

分析模块,用于以所述人工智能模型和所述授权名单信息为依据,对所述商品特征信息进行分析,得到商品仿冒信息;

输出模块,用于输出所述仿冒商品信息。

7.根据权利要求6所述的商品检测装置,其特征在于,所述人工智能模型包括图片识别模型和关键词检索模型;所述处理模块包括:

图片分析单元,用于以所述图片识别模型为依据,对所述数据库中包括的所述商品图片信息进行图片特征提取与分析,得到图片特征信息;

文字处理单元,以所述关键词检索模型为依据,对所述数据库中包括的商品描述信息进行关键字提取与自然语言处理,得到文字特征信息;

组合单元,用于组合所述图片特征信息和所述文字特征信息,得到商品特征信息。

8.根据权利要求6所述的商品检测装置,其特征在于,所述人工智能模型为深度卷积神经网络;所述分析模块包括:

获取单元,用于获取授权名单信息包括的授权商品名单和授权商品特征信息;

比对单元,用于通过所述深度卷积神经网络对所述商品特征信息和所述授权商品特征进行特征比对,得到商品比对结果;

所述获取单元,还用于获取所述商品比对结果中与所述授权商品名单不匹配的商品仿冒信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳码隆科技有限公司,未经深圳码隆科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810983578.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top