[发明专利]BOM文档表头的生成方法、装置、设备及存储介质

说明书

本发明提供了一种BOM文档表头的生成方法、装置、设备及存储介质，其中，所述BOM文档表头的生成方法包括：接收用户上传的BOM文档；按列对所述BOM文档进行内容解析，得到多组列数据；利用fasttext神经网络模型对每组所述列数据中各单元格内的文本进行分类，获得每个所述单元格内文本所属的类别；对于每组所述列数据，统计每个所述单元格内文本分类后出现次数最多的所述类别，以出现次数最多的所述类别作为每组所述列数据的表头名称。本发明技术方案利用了fasttext神经网络模型替代人工来实现对BOM文档中每列内容的分析，自动生成每列的表头名称，减少了人工点选操作，提高了电子元器件入库的效率。

技术领域

本发明涉及物料清单识别技术领域，尤其涉及一种BOM文档表头的生成方法、装置、设备及存储介质。

背景技术

目前在电子元器件入库方面主要依靠的是BOM文档来进行统计，因此BOM文档的表头就成了BOM文档信息录入的关键，而在日常录入BOM文档的过程中，电子元器件登记入库人员经常会碰到一些没有带有表头的BOM文档，这些没有带有表头的BOM文档在上传系统之后，一般都是通过人工根据BOM文档中每列的内容在系统中点选每列的名称来配置表头的，这种通过人工点选来生成表头的方法虽然简单，但是用户体验不佳，极大的影响了电子元器件的入库效率。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于解决现有技术录入没有表头的BOM文档时，需要通过人工点选来生成BOM表的表头，效率低的技术问题。

本发明第一方面提供了一种BOM文档表头的生成方法，所述BOM文档表头的生成方法包括：

接收用户上传的BOM文档；

按列对所述BOM文档进行内容解析，得到多组列数据；

利用fasttext神经网络模型对每组所述列数据中各单元格内的文本进行分类，获得每个所述单元格内文本所属的类别；

对于每组所述列数据，统计每个所述单元格内文本分类后出现次数最多的所述类别，以出现次数最多的所述类别作为每组所述列数据的表头名称。

在本发明第一方面一种可选的实施方式中，所述BOM文档表头的生成方法还包括：

汇总多组所述列数据的所述表头名称，生成表头模板；

将所述表头模板与供应商信息绑定后保存到模板库中，以供人工标注所述BOM文档的表头时使用。

在本发明第一方面一种可选的实施方式中，所述按列对所述BOM文档进行内容解析，得到多组列数据包括：

判断所述BOM文档的格式；

若所述BOM文档的格式为图片格式，则通过人工框选每次需要待识别的每列图片区域；

接着利用OpenCV函数对所述每列图片区域进行灰度处理，获得腐蚀和膨胀后得到表格线；

再接着由获得的所述表格线得到单元格交点坐标，按照所述单元格坐标对所述每列图片区域进行单元格分割，分割成多个单元格图片；

之后再通过OCR提取得到每个所述单元格图片中的文本。

在本发明第一方面一种可选的实施方式中，所述利用fasttext神经网络模型对每组所述列数据中各单元格内的文本进行分类，获得每个所述单元格内文本所属的类别包括：

获取每个所述单元格内的所述文本；

对所述文本进行结巴分词处理，获得所述文本中包含的多个词向量；

将多个所述词向量输入至fasttext神经网络模型中；