[发明专利]一种基于提单扫描件大数据的单号识别方法及装置

说明书

本发明公开了一种基于提单扫描件大数据的单号识别方法及装置，属于大数据处理技术领域，包括卷积神经网络(CNN)模型、投票机制、图像分割技术，所述卷积神经网络(CNN)模型的数量为多个，且多个卷积神经网络(CNN)模型基于提单扫描件大数据建立分类识别模型，所述投票机制进行提单扫描件分类识别。本发明中，采用多模型进行提单扫描件所属船公司的分类识别，按多数投票规则获取分类结果，可充分提升分类识别的效果，可对新增的提单扫描件建立识别模型的迭代更新机制，有效的保持模型的性能提升，进而对提单扫描件进行精准识别，根据识别结果自动进行提单扫描件的重命名，方便其他业务的直接调用，可直接作为文件输出进行存档。

技术领域

本发明属于大数据处理技术领域，尤其涉及一种基于提单扫描件大数据的单号识别方法及装置。

背景技术

随着外贸出口、海外电商、跨境物流的迅速发展，海运作为主流的货物运输方式之一，呈现日益增长的趋势，海运提单作为海上运输的重要依据，是查询、支付等环节的关键要素。

随着大数据及人工智能技术的发展，通过海运提单扫描件大数据建立专项数据集，基于深度学习识别技术进行提单扫描件分类及单号识别，可有效替代传统的人工分类录入环节，提高工作效率。

在实际应用中，船公司一般会下发纸质提单文件给托运人，后续进行扫描、录入、归档等业务流程。传统的操作方式一般是人工进行，这需要有一定业务经验的操作员进行提单的扫描、归类、单号录入等工作，对于不同的船公司可能还涉及单号间的关联处理，这都要求较多的人工介入，在面临大量提单扫描录入时往往难以快速进行规模化收录，带来了较多的时间及管理成本，且现阶段的提单扫描件收录大多依赖于业务员的人工操作，但是面对大批量的提单扫描件数据，人工操作的方式在处理效率和准确率上存在较大的瓶颈，特别是长时间重复性工作引发的误操作，不利于提单扫描件的有效归档，因此，现阶段亟需一种基于提单扫描件大数据的单号识别方法及装置来解决上述问题。

发明内容

本发明的目的在于：为了解决传统的操作方式一般是人工进行，这需要有一定业务经验的操作员进行提单的扫描、归类、单号录入等工作，对于不同的船公司可能还涉及单号间的关联处理，这都要求较多的人工介入，在面临大量提单扫描录入时往往难以快速进行规模化收录，带来了较多的时间及管理成本，且现阶段的提单扫描件收录大多依赖于业务员的人工操作，但是面对大批量的提单扫描件数据，人工操作的方式在处理效率和准确率上存在较大的瓶颈，特别是长时间重复性工作引发的误操作，不利于提单扫描件有效归档的问题，而提出的一种基于提单扫描件大数据的单号识别方法及装置。

为了实现上述目的，本发明采用了如下技术方案：

一种基于提单扫描件大数据的单号识别装置，包括卷积神经网络(CNN)模型、投票机制、图像分割技术，所述卷积神经网络(CNN)模型的数量为多个，且多个卷积神经网络(CNN)模型基于提单扫描件大数据建立分类识别模型，所述投票机制进行提单扫描件分类识别，所述图像分割技术选择对应的提单扫描件模板进行图像分割，得到单号区域图像，所述卷积神经网络(CNN)模型包括CNN 字符识别模型，所述CNN字符识别模型对单号区域图像进行识别。

一种基于提单扫描件大数据的单号识别方法，该方法包括如下步骤：

步骤S1：按提单所属的船公司制定分类标签以及提单区域模板图像；

步骤S2：获取海运提单扫描件大数据，垂直方向裁剪前1/3的区域图像，制作训练集H；

步骤S3：对海运提单扫描件训练集H进行标注，包括船公司类别以及提单字符内容；

步骤S4：利用图像分割技术进行提单字符的分割、得到A～Z、0～9的字符数据集M；

步骤S5：利用ResNet50对H数据集进行分类训练，得到分类识别模型R1；