[发明专利]基于深度学习的线上翡翠评级方法

说明书

本发明公开了一种基于深度学习的线上翡翠评级方法。该基于深度学习的线上翡翠评级方法步骤包括获取包含翡翠信息的原始图片；根据预设的深度学习模型对原始图片进行图片信息的分析生成标准图片，并输出对应标准图片的数据标签；通过数据标签基于预设的分级规则对标准图片进行分级得到分级结果，通过标准图片将分级结果关联至原始图片。本发明解决了由于国内外的翡翠分级标准还没有统一的和广泛认可的标准，且线上交易时存在虚报等级的情况，导致用户不清楚自己买的翡翠属于什么等级的情况时有发生，从而影响翡翠在线上的交易，以及翡翠卖家在线上进行交易中货款对等的权益无法得到保障的技术问题。

技术领域

本发明涉及翡翠分级技术领域，具体而言，涉及一种基于深度学习的线上翡翠评级方法。

背景技术

随着人们对翡翠产品的需求量的增加，电商交易成为趋势，线上购物涉及翡翠的品质问题就越来越受到热门的关注。目前，由于国内外的翡翠分级标准还没有统一的和广泛认可的标准，且线上交易时存在虚报等级的情况，导致用户不清楚自己买的翡翠属于什么等级的情况时有发生，从而影响翡翠在线上的交易，以及翡翠卖家在线上进行交易中货款对等的权益无法得到保障的问题。

发明内容

本发明的主要目的在于提供一种基于深度学习的线上翡翠评级方法，以解决由于国内外的翡翠分级标准还没有统一的和广泛认可的标准，且线上交易时存在虚报等级的情况，导致用户不清楚自己买的翡翠属于什么等级的情况时有发生，从而影响翡翠在线上的交易，以及翡翠卖家在线上进行交易中货款对等的权益无法得到保障的技术问题。

为了实现上述目的，提供了一种基于深度学习的线上翡翠评级方法。

根据本发明的基于深度学习的线上翡翠评级方法的步骤包括：

获取包含翡翠信息的原始图片；

根据预设的深度学习模型对原始图片进行图片信息的分析生成标准图片，并输出对应标准图片的数据标签；

通过数据标签基于预设的分级规则对标准图片进行分级得到分级结果，通过标准图片将分级结果关联至原始图片。

进一步的，所述深度训练模型关联交易数据库，所述深度训练模型通过以交易数据库中的包含进行交易的翡翠的图片及对应的数据标签信息作为训练样本进行预设模型训练得出。

进一步的，所述原始图片及获得对应的分级结果作为补充数据存储至交易数据库中，并作为新的训练样本进行预设模型的训练以完善深度训练模型。

进一步的，所述数据标签至少包括质地、透明度、颜色、净度、工艺和质量中的一种或多种。

进一步的，所述根据预设的深度学习模型对原始图片进行图片信息的分析生成标准图片中，所述原始图片到标准图片的转换步骤至少包括，

分离背景，去除所述原始图片中翡翠镶嵌部分及背景图，对可供进行数据标签的分析的有效部分进行选中；

干扰处理，去除选中部分中因高光、反射或折射导致无法进行图像中翡翠质地常规分析的部分；

图像修复，根据周围像素填充选中区域中因干扰处理而形成的不完整区域的内容形成评级区域。

进一步的，所述标准图片仅包含评级区域。

进一步的，所述深度训练模型为多个，其中，包括用于对所述原始图片中的翡翠飘花质地信息进行分析的训练飘花及块状模型，所述训练飘花及块状模型通过获取网络中历史交易中图片信息里翡翠飘花的分析及数据进行网络训练得出。

进一步的，所述训练飘花及块状模型的训练数据来源包括来自人机交互的采集信息，所述人机交互的采集信息用以补充对训练飘花及块状模型的补充训练。