本發(fā)明涉及銷售管理，具體為一種基于人工智能的物聯(lián)網(wǎng)設(shè)備銷售管理系統(tǒng)。

背景技術(shù)：

1、隨著企業(yè)規(guī)模的擴(kuò)大和產(chǎn)品線的豐富，使得庫存管理變得越來越復(fù)雜。一旦出現(xiàn)庫存管理不當(dāng)或者未能及時清理庫存中的老舊設(shè)備時，便會產(chǎn)生設(shè)備滯銷的情況，而在大量的設(shè)備產(chǎn)品中尋找具體滯銷的設(shè)備產(chǎn)品時，不僅會占用大量查找時間，還會增加企業(yè)的資金占用成本及維護(hù)費(fèi)用。

2、以往企業(yè)針對此類問題大多是通過銷售管理系統(tǒng)實(shí)時監(jiān)控每種設(shè)備的銷售數(shù)據(jù)，基于銷售數(shù)據(jù)的變化趨勢，利用銷售分析工具預(yù)測未來一段時間內(nèi)設(shè)備的銷售情況，從而反向推出設(shè)備是否會產(chǎn)生滯銷情況。而此類管理系統(tǒng)中銷售數(shù)據(jù)和庫存數(shù)據(jù)往往存在滯后性，無法及時反映市場變化。而且如果數(shù)據(jù)不準(zhǔn)確或分析模型存在缺陷，?這些都會導(dǎo)致誤判滯銷情況，使得企業(yè)在發(fā)現(xiàn)設(shè)備滯銷情況時已經(jīng)錯過最佳處理時機(jī)。

3、所以如何在大量設(shè)備產(chǎn)品中快速發(fā)現(xiàn)具體滯銷設(shè)備，解決設(shè)備庫存量積壓問題，保障企業(yè)的利益，是我們需要解決的問題。為此，現(xiàn)提供一種基于人工智能的物聯(lián)網(wǎng)設(shè)備銷售管理系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、為了現(xiàn)有技術(shù)問題，本發(fā)明的目的在于提供一種基于人工智能的物聯(lián)網(wǎng)設(shè)備銷售管理系統(tǒng)。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于人工智能的物聯(lián)網(wǎng)設(shè)備銷售管理系統(tǒng)，包括監(jiān)控中心，所述監(jiān)控中心信號連接有數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和數(shù)據(jù)反饋模塊；

3、所述數(shù)據(jù)采集模塊用于獲取物聯(lián)網(wǎng)設(shè)備基本信息的圖像數(shù)據(jù)；

4、所述數(shù)據(jù)處理模塊用于對采集到的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；

5、所述數(shù)據(jù)分析模塊通過孤立森林算法對n組設(shè)備類別數(shù)據(jù)分析，利用分割點(diǎn)對設(shè)備數(shù)據(jù)點(diǎn)將異常設(shè)備數(shù)據(jù)孤立，實(shí)現(xiàn)滯銷設(shè)備篩選；

6、所述數(shù)據(jù)反饋模塊基于滯銷設(shè)備情況的反饋信息，企業(yè)對此采取針對性策略進(jìn)行調(diào)整。

7、優(yōu)選的，所述數(shù)據(jù)采集模塊用于獲取設(shè)備基本信息的圖像數(shù)據(jù)的過程包括：

8、所述設(shè)備基本信息的圖像數(shù)據(jù)包括設(shè)備清單、設(shè)備樣品圖片的樣品圖片；

9、所述設(shè)備清單包括設(shè)備型號、單位、單價(jià)、金額、月銷售量和庫存量；

10、所述數(shù)據(jù)采集模塊由企業(yè)選擇支持wifi連接的圖像傳感器，在移動設(shè)備中下載并安裝該圖像傳感器制造商提供的專用app；

11、打開app后，按照提示添加圖像傳感器設(shè)備，在app中配置圖像傳感器的wifi連接，確保圖像傳感器連接到與移動設(shè)備相同的wifi網(wǎng)絡(luò)；連接成功后，企業(yè)可以在app中接收到遠(yuǎn)程傳輸?shù)膱D像數(shù)據(jù)，將其自動存儲在數(shù)據(jù)庫中。

12、優(yōu)選的，所述數(shù)據(jù)處理模塊用于對收集到的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理的過程包括：

13、所述設(shè)備清單圖像數(shù)據(jù)，采用ocr技術(shù)識別；

14、所述設(shè)備型號的樣品圖片通過目標(biāo)檢測模型對所有設(shè)備型號進(jìn)行分類；按照分類結(jié)果，將設(shè)備類別、月銷售量和庫存量數(shù)據(jù)集合在一起，建立n組數(shù)據(jù)集。

15、優(yōu)選的，所述數(shù)據(jù)處理模塊中針對設(shè)備清單的圖像數(shù)據(jù)，利用ocr技術(shù)識別的過程包括：

16、s1、圖像增強(qiáng)：采用直方圖均衡化方法，將原始圖像的直方圖通過積分概率密度函數(shù)轉(zhuǎn)化為概率密度為1的圖像，從而使圖像的灰度級分布更加均勻，提高圖像的細(xì)節(jié)和對比度，使文字和數(shù)據(jù)更加突出，便于識別；

17、s2、ocr識別：利用ocr模型識別清單圖像中的所有文字信息，將ocr識別出的文本數(shù)據(jù)按照表格的格式進(jìn)行初步整理，用于后續(xù)數(shù)據(jù)處理；

18、s3、數(shù)據(jù)清洗：將格式化后的文本數(shù)據(jù)進(jìn)行進(jìn)一步的清洗，清除設(shè)備清單中單位、單價(jià)和金額的文本數(shù)據(jù)，并將其余數(shù)據(jù)信息中重復(fù)的部分進(jìn)行清除；

19、s4、創(chuàng)建數(shù)據(jù)表格：將清洗后的數(shù)據(jù)整理入表，按照設(shè)備型號、月銷售量和庫存量三列信息的格式，填充所有的數(shù)據(jù)于excel表格內(nèi)。

20、優(yōu)選的，所述目標(biāo)檢測模型包括圖像輸入層、特征提取層、權(quán)重分配層、特征融合層和圖像分類層。

21、優(yōu)選的，所述設(shè)備型號的樣品圖片通過目標(biāo)檢測模型進(jìn)行分類的過程包括：

22、圖像輸入層：作為模型的入口，該層負(fù)責(zé)接收設(shè)備型號樣品的圖像數(shù)據(jù)；

23、特征提取層：該層自動從輸入的圖像中提取出關(guān)鍵的特征信息，通常是圖像中對于設(shè)備分類至關(guān)重要的局部形狀、紋理和顏色分布；

24、權(quán)重分配層：基于特征提取層輸出的圖像特征，根據(jù)每一張樣品圖像的圖像特征計(jì)算得到對應(yīng)的權(quán)重值，并利用計(jì)算得到的權(quán)重值，給每一張樣品圖像的圖像特征分配權(quán)重；

25、特征融合層，對各張樣品圖像的圖像特征進(jìn)行加權(quán)相加，將加權(quán)后的圖像特征進(jìn)行特征拼接，生成一個全面且區(qū)分度高的圖像特征即綜合圖像特征；

26、圖像分類層：基于綜合圖像特征，該層將特征輸入dnn網(wǎng)絡(luò)進(jìn)行分類，確定每張?jiān)O(shè)備樣品圖像的所屬設(shè)備類別，分成n組數(shù)據(jù)集。

27、優(yōu)選的，所述數(shù)據(jù)分析模塊中設(shè)備滯銷情況包括設(shè)備銷售量過少和設(shè)備庫存量積壓過多。

28、優(yōu)選的，所述數(shù)據(jù)分析模塊采用孤立森林算法對n組設(shè)備類別的數(shù)據(jù)集進(jìn)行設(shè)備滯銷情況篩選的過程包括：

29、先利用n組數(shù)據(jù)集來預(yù)訓(xùn)練n個孤立森林模型，然后采用訓(xùn)練后的孤立森林模型對異常數(shù)據(jù)進(jìn)行篩選；

30、所述孤立森林模型的訓(xùn)練過程包括：

31、b1、模型構(gòu)建：采用100個基學(xué)習(xí)器來構(gòu)建孤立森林模型，同時配置模型的各種超參數(shù)信息；

32、b2、選取特征：選取設(shè)備類別、月銷售量和庫存量作為模型訓(xùn)練的三個主要特征；

33、b3、數(shù)據(jù)標(biāo)準(zhǔn)化：將選取的特征進(jìn)行數(shù)據(jù)歸一化處理，形成標(biāo)準(zhǔn)數(shù)據(jù)集；

34、b4、訓(xùn)練孤立森林模型：使用處理好的數(shù)據(jù)集來訓(xùn)練孤立森林模型，利用孤立森林算法訓(xùn)練標(biāo)準(zhǔn)數(shù)據(jù)集即可得到模型結(jié)果，對經(jīng)過篩選后的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘；

35、所述采用訓(xùn)練后的孤立森林模型對滯銷情況的設(shè)備進(jìn)行篩選的過程包括：

36、c1、計(jì)算異常分?jǐn)?shù)：模型訓(xùn)練完成后，輸入某個設(shè)備的型號、月銷售量和庫存量到模型中，便可以直接計(jì)算該設(shè)備型號的異常分?jǐn)?shù)值，該值越高，意味著該設(shè)備型號的滯銷情況越嚴(yán)重；

37、c2、設(shè)定異常分?jǐn)?shù)閾值：根據(jù)實(shí)際情況設(shè)定一個滯銷閾值來區(qū)分哪些設(shè)備型號是真正的滯銷產(chǎn)品；當(dāng)異常分?jǐn)?shù)大于等于該閾值，則說明該設(shè)備型號存在滯銷問題；當(dāng)異常分?jǐn)?shù)小于該閾值，則說明該設(shè)備型號不存在滯銷問題，處于正常情況，無需調(diào)整策略；

38、c3、重復(fù)n次上述s1-s6的步驟，直到篩選出n組設(shè)備類別中所有設(shè)備型號的滯銷情況，

39、優(yōu)選的，所述數(shù)據(jù)反饋模塊中基于滯銷情況反饋信息，企業(yè)對此采取針對性策略進(jìn)行調(diào)整的過程包括：

40、企業(yè)收集到n個設(shè)備類別中所有滯銷設(shè)備型號的反饋信息后，通過快速調(diào)整策略。

41、本發(fā)明提供了一種基于人工智能的物聯(lián)網(wǎng)設(shè)備銷售管理系統(tǒng)，具備以下有益效果：對所有設(shè)備型號的基本信息進(jìn)行圖像數(shù)據(jù)采集，對采集到的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，其中將各種設(shè)備型號的樣品圖片通過目標(biāo)檢測模型進(jìn)行分類，預(yù)處理后的n組數(shù)據(jù)集采用孤立森林算法進(jìn)行滯銷情況的篩選，基于反饋信息，企業(yè)能快速鎖定所屬設(shè)備類別里具體的設(shè)備型號，調(diào)整策略，大大縮短了查找時間，有效提高了設(shè)備銷售效率和庫存積壓問題，提高了工作效率，保障了企業(yè)的利益。