基于AI图像识别的产品原型处理方法、装置及相关设备与流程

基于ai图像识别的产品原型处理方法、装置及相关设备
技术领域
1.本技术涉及人工智能技术领域，尤其涉及一种基于ai图像识别的产品原型处理方法、装置、计算机设备及介质。


背景技术：

2.原型设计是将结构化的需求进行框架化，因此原型也被称为线框图。产品原型是整个产品面市之前的一个框架设计，该产品原型能够更加清晰产品的需求，设计和技术人员或者老板也能够更加直观的了解到产品意图。传统的产品原型在设计过程中，会先获取需求方使用过的或竞品里的某个功能页面截图，继而对照功能页截图进行每一个组件的绘制，最后输出产品原型图。这样重新设计的方式导致产品原型的设计时间成本高、效率低。
3.在实现本技术的过程中，申请人发现现有技术存在如下技术问题：目前业界提供了一些可以直接套用的模板用作产品原型设计，但在实际产品设计过程中，因为各场景的实际需求不同，通用化的更多是页面布局和排版，而实际功能组件的个性化需求比较多，所以对模板的修改也较多，仍无法保证产品原型的设计效率。
4.因此，有必要提供一种基于ai图像识别的产品原型处理方法，能够提高产品原型的处理效率。


技术实现要素：

5.鉴于以上内容，有必要提出一种基于ai图像识别的产品原型处理方法、基于ai图像识别的产品原型处理装置、计算机设备及介质，能够提高产品原型的处理效率。
6.本技术实施例第一方面提供一种基于ai图像识别的产品原型处理方法，所述基于ai图像识别的产品原型处理方法包括：
7.获取功能页面截图集，其中，所述功能页面截图集中的每一张功能页面截图包含若干个目标组件；
8.识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的所述目标组件；
9.获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息；
10.获取预设需求文档，并从所述预设需求文档中获取所述目标元素对应的目标需求信息；
11.根据所述目标需求信息调整所述初始属性信息，得到目标属性信息；
12.根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型。
13.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的所述目标组件包括：
14.获取目标图片集，并以所述目标图片集为输入数据、所述目标图片集中每个目标图片包含的目标组件为输出数据将所述目标图片集分为训练数据与测试数据；
15.输入所述训练数据至初始神经网络模型中进行训练，得到组件识别模型；
16.输入所述测试数据至所述组件识别模型中，并计算所述组件识别模型的模型准确率；
17.检测所述模型准确率是否超过预设模型准确率阈值；
18.当检测结果为所述模型准确率超过所述预设模型准确率阈值时，调用训练好的所述组件识别模型识别所述功能页面截图集每一张功能页面截图，得到所述功能页面截图中的目标组件。
19.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息包括：
20.获取所述目标组件对应的初始组件描述信息；
21.通过预设分词工具对所述初始组件描述信息进行分词处理，得到目标组件描述信息；
22.确定所述目标组件描述信息中的第一关键词，并将所述第一关键词对应的附属信息作为目标元素；
23.确定所述目标组件扫描信息中的第二关键词，并将所述第二关键词对应的附属信息作为所述目标元素对应的初始属性信息。
24.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述从所述预设需求文档中获取所述目标元素对应的目标需求信息包括：
25.获取所述目标组件以及所述目标组件对应的目标元素；
26.根据所述目标元素遍历预先设置的元素与需求信息的映射关系，得到所述目标元素对应的目标需求信息。
27.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述根据所述目标需求信息调整所述初始属性信息，得到目标属性信息包括：
28.获取所述目标需求信息与所述初始属性信息；
29.检测所述目标需求信息与所述初始属性信息是否一致；
30.当检测结果为所述目标需求信息与所述初始属性信息不一致时，确定所述目标需求信息与所述初始属性信息中的差异内容与差异位置；
31.根据所述目标需求信息调整所述差异位置处的所述差异内容，得到目标属性信息。
32.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型包括：
33.获取所述目标组件的位置属性信息以及所述目标组件中各个目标元素对应的目标属性信息；
34.根据所述目标属性信息在所述预设编辑器中生成所述目标元素对应的可视化组件；
35.根据所述位置属性信息组合所述可视化组件的位置，得到目标页面原型。
36.进一步地，在本技术实施例提供的上述基于ai图像识别的产品原型处理方法中，所述获取功能页面截图集包括：
37.获取所述目标页面原型所需的功能模块集；
38.确定所述功能模块集中每一功能模块对应的需求偏好信息；
39.根据所述需求偏好信息筛选包含所述功能模块集的页面信息，并从所述页面信息中截取所述功能模块集对应的功能页面截图集。
40.本技术实施例第二方面还提供一种基于ai图像识别的产品原型处理装置，所述基于ai图像识别的产品原型处理装置包括：
41.截图获取模块，用于获取功能页面截图集，其中，所述功能页面截图集中的每一张功能页面截图包含若干个目标组件；
42.组件识别模块，用于识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的所述目标组件；
43.属性获取模块，用于获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息；
44.需求获取模块，用于获取预设需求文档，并从所述预设需求文档中获取所述目标元素对应的目标需求信息；
45.属性调整模块，用于根据所述目标需求信息调整所述初始属性信息，得到目标属性信息；
46.组件组合模块，用于根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型。
47.本技术实施例第三方面还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述基于ai图像识别的产品原型处理方法。
48.本技术实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述基于ai图像识别的产品原型处理方法。
49.本技术实施例提供的上述基于ai图像识别的产品原型处理方法、基于ai图像识别的产品原型处理装置、计算机设备以及计算机可读存储介质，通过ai图像识别所述功能页面截图，将产品功能设计转换为可编辑的目标组件，继而获取目标组件对应的目标元素以及目标元素对应的初始属性信息，将初始属性信息调整为目标属性信息，实现在预设编辑器中组合目标组件，得到目标页面原型，避免采用对功能页面截图中的每一组件进行人工绘制的方式输出产品原型，能够提高产品原型的设计效率；此外，本技术能够从预设需求文档中获取目标组件中每一目标元素对应的目标需求信息，继而根据目标需求信息组合目标组件，避免直接套用组件模板完成产品原型设计的方式，能够提高产品原型设计的灵活性，保证产品原型的设计效率。本技术可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的基于ai图像识别的产品原型处理模块等，能够促进智慧城市的快速发展。
附图说明
50.图1是本技术实施例一提供的基于ai图像识别的产品原型处理方法的流程图。
51.图2是本技术一实施例提供的目标组件的示意图。
52.图3是本技术另一实施例提供的目标组件的示意图。
53.图4是本技术实施例二提供的基于ai图像识别的产品原型处理装置的结构图。
54.图5是本技术实施例三提供的计算机设备的结构示意图。
55.如下具体实施方式将结合上述附图进一步说明本技术。
具体实施方式
56.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施例对本技术进行详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
57.在下面的描述中阐述了很多具体细节以便于充分理解本技术，所描述的实施例是本技术一部分实施例，而不是全部的实施例。
58.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
59.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
60.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
61.本发明实施例提供的基于ai图像识别的产品原型处理方法由计算机设备执行，相应地，基于ai图像识别的产品原型处理装置运行于计算机设备中。
62.图1是本技术第一实施方式的基于ai图像识别的产品原型处理方法的流程图。如图1所示，所述基于ai图像识别的产品原型处理方法可以包括如下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略：
63.s11，获取功能页面截图集，其中，所述功能页面截图集中的每一张功能页面截图包含若干个目标组件。
64.在本技术的至少一实施例中，所述功能页面截图集中包含若干张功能页面截图，所述功能页面截图可以是需求方从使用过的产品或竞争产品中的某个功能页面的截图。对于每一张所述功能页面截图，存在一个或多个目标组件，所述目标组件可以包括按钮组件(button)、分段控件(tab)等组件，其中，所述按钮组件可以由按钮本身与按钮文字组成，请参阅图2，图2示出了三种不同展示形式的按钮组件，第一种为透明按钮与按钮文字组成的按钮组件，第二种为白色按钮与按钮文字组成的按钮组件，第三种为黑色按钮与按钮文字组成的按钮组件。所述分段组件可以由若干标签组成，请参阅图3，图3示出了两种不同展示形式的分段组件，第一种为有边框形式的分段组件，第二种为无边框形式得到分段组件。在其他实施例中，所述按钮组件与所述分段组件还可以按照其他样式展示，在此不做限制。所述功能页面截图集存储于预设数据库中，考虑到数据存储的可靠性与私密性，所述功能页面截图集可存储于区块链的目标节点中。
65.在一实施例中，所述功能页面截图集可以由需求方人为截取的，例如，所述功能页面截图集可以由传统业务团队(也即需求方)或产品经理在设计产品功能时，参考调研同类竞品app的产品设计，或者在日常使用app的过程中会接触到某一两个不错的功能设计，将类似的功能页面截图后保存到本地。
66.在其他实施例中，所述功能页面截图集还可以由机器学习的方式智能截取，可选地，所述获取功能页面截图集包括：
67.获取所述目标页面原型所需的功能模块集；
68.确定所述功能模块集中每一功能模块对应的需求偏好信息；
69.根据所述需求偏好信息筛选包含所述功能模块集的页面信息，并从所述页面信息中截取所述功能模块集对应的功能页面截图集。
70.其中，所述功能模块集可以为预先存储至预设数据库中的用于设计目标页面原型所需的功能模块的集合。对于所述功能模块集中的每一功能模块，均存在与之对应的需求偏好信息，所述需求偏好信息可以是指功能模块的组件类型以及组件属性等信息。所述页面信息是指大数据中包含所述功能模块集的页面。
71.s12，识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的目标组件。
72.在本技术的至少一实施例中，每一张所述功能页面截图均携带一个或者多个目标组件，在一实施例中，可以通过预先训练组件识别模型，继而调用所述组件识别模型处理每一张功能页面截图，得到所述功能页面截图中的目标组件。在一实施例中，在模型训练时，所述组件识别模型的输入数据为预先标注有组件名称的功能页面截图，输出数据为所述功能页面截图的目标组件。在其他实施例中，所述组件识别模型的输入数据还可以为预设数据库中存储的标准化的功能组件图片，输出数据为所述功能页面截图的目标组件。
73.可选地，所述识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的所述目标组件包括：
74.获取目标图片集，并以所述目标图片集为输入数据、所述目标图片集中每个目标图片包含的目标组件为输出数据将所述目标图片集分为训练数据与测试数据；
75.输入所述训练数据至初始神经网络模型中进行训练，得到组件识别模型；
76.输入所述测试数据至所述组件识别模型中，并计算所述组件识别模型的模型准确率；
77.检测所述模型准确率是否超过预设模型准确率阈值；
78.当检测结果为所述模型准确率超过所述预设模型准确率阈值时，调用训练好的所述组件识别模型识别所述功能页面截图集每一张功能页面截图，得到所述功能页面截图中的目标组件。
79.其中，所述目标图片可以为预先标注有组件名称的功能页面截图，或者为标准化的功能组件图片。所述预设模型准确率阈值为预先设置的用于评估模型准确率的阈值，例如，所述预设模型准确率阈值可以为95％。所述训练数据与所述测试数据可以按照预设分配比例进行分配，所述预设分配比例可以为7:3，在此不做限制。
80.s13，获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息。
81.在本技术的至少一实施例中，所述目标组件中包含若干可编辑的元素，每个元素
包含对应的初始属性信息。示例性地，按钮组件可抽象为按钮框形状、按钮框填充色以及按钮文本三种可编辑元素。其中，对于所述按钮框形状，所述初始属性信息可以为矩形、椭圆形等形状；对于所述按钮框填充色，所述初始属性信息可以为灰色、绿色等颜色；对于所述按钮文本，所述初始属性信息可以为各种文字信息。
82.可选地，所述获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息包括：
83.获取所述目标组件对应的初始组件描述信息；
84.通过预设分词工具对所述初始组件描述信息进行分词处理，得到目标组件描述信息；
85.确定所述目标组件描述信息中的第一关键词，并将所述第一关键词对应的附属信息作为目标元素；
86.确定所述目标组件扫描信息中的第二关键词，并将所述第二关键词对应的附属信息作为所述目标元素对应的初始属性信息。
87.其中，所述预设分词工具可以为系统人员预先设置的用于对初始组件描述信息进行分词处理的工具，例如，所述预设分词工具可以为结巴分词工具。在预设数据库中，对于每一所述目标组件，均存在对应的初始组件描述信息。所述初始组件描述信息是指对所述目标组件的各个可编辑元素进行描述的信息，所述初始组件描述信息中包含所述目标组件的元素信息以及各个元素信息对应的初始属性信息。通过对所述初始属性信息进行分词处理，得到结构化的目标组件描述信息。所述第一关键词是用于标识所述目标元素的关键词，所述第二关键词是用于标识所述初始属性信息的关键词，通过查询所述第一关键词与所述第二关键词，能够得到所述目标组件对应的所述目标元素以及所述目标元素对应的初始属性信息。
88.s14，获取预设需求文档，并从所述预设需求文档中获取所述目标元素对应的目标需求信息。
89.在本技术的至少一实施例中，所述预设需求文档为需求方根据每个目标元素的实际需求组成的文档。所述预设需求文档中包含目标组件、所述目标组件包含的若干目标元素以及所述目标元素对应的目标需求信息。
90.可选地，所述从所述预设需求文档中获取所述目标元素对应的目标需求信息包括：
91.获取所述目标组件以及所述目标组件对应的目标元素；
92.根据所述目标元素遍历预先设置的元素与需求信息的映射关系，得到所述目标元素对应的目标需求信息。
93.其中，所述目标元素与所述需求信息间存在一对多的映射关系，通过遍历该映射关系，能够得到所述目标元素对应的目标需求信息。
94.s15，根据所述目标需求信息调整所述初始属性信息，得到目标属性信息。
95.在本技术的至少一实施例中，所述目标需求信息中对于每个目标元素的属性信息可能与所述初始属性信息存在差异，通过所述目标需求信息调整所述初始属性信息，能够得到所述目标元素对应的目标属性信息。
96.可选地，所述根据所述目标需求信息调整所述初始属性信息，得到目标属性信息
包括：
97.获取所述目标需求信息与所述初始属性信息；
98.检测所述目标需求信息与所述初始属性信息是否一致；
99.当检测结果为所述目标需求信息与所述初始属性信息不一致时，确定所述目标需求信息与所述初始属性信息中的差异内容与差异位置；
100.根据所述目标需求信息调整所述差异位置处的所述差异内容，得到目标属性信息。
101.其中，所述差异内容是指所述目标需求信息与所述初始属性信息两者间不相同的内容，所述差异位置是指两者间不相同的内容所在的位置信息。
102.s16，根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型。
103.在本技术的至少一实施例中，所述预设编码器可以为h5页面编辑器，用于对所述功能页面截图集中包含的目标组件进行编辑处理，输出目标页面原型。所述预设需求文档中除了包含目标组件、所述目标组件包含的若干目标元素以及所述目标元素对应的目标需求信息之外，还包括各个目标组件的位置属性信息，所述位置属性信息用于标识该目标组件在产品原型中的位置关系。
104.可选地，所述根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型包括：
105.获取所述目标组件的位置属性信息以及所述目标组件中各个目标元素对应的目标属性信息；
106.根据所述目标属性信息在所述预设编辑器中生成所述目标元素对应的可视化组件；
107.根据所述位置属性信息组合所述可视化组件的位置，得到目标页面原型。
108.其中，所述根据所述目标属性信息在所述预设编辑器中生成所述目标元素对应的可视化组件可以包括：根据所述目标属性信息中的类型信息确定与所述类型信息对应的标准化组件；根据所述目标属性信息和所述标准化组件生产所述目标元素对应的可视化组件。
109.本技术实施例提供的上述基于ai图像识别的产品原型处理方法，通过ai图像识别所述功能页面截图，将产品功能设计转换为可编辑的目标组件，继而获取目标组件对应的目标元素以及目标元素对应的初始属性信息，将初始属性信息调整为目标属性信息，实现在预设编辑器中组合目标组件，得到目标页面原型，避免采用对功能页面截图中的每一组件进行人工绘制的方式输出产品原型，能够提高产品原型的设计效率；此外，本技术能够从预设需求文档中获取目标组件中每一目标元素对应的目标需求信息，继而根据目标需求信息组合目标组件，避免直接套用组件模板完成产品原型设计的方式，能够提高产品原型设计的灵活性，保证产品原型的设计效率。本技术可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的基于ai图像识别的产品原型处理模块等，能够促进智慧城市的快速发展。
110.图4本技术实施例二提供的基于ai图像识别的产品原型处理装置的结构图。
111.在一些实施例中，所述基于ai图像识别的产品原型处理装置20可以包括多个由计
算机程序段所组成的功能模块。所述基于ai图像识别的产品原型处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于ai图像识别的产品原型处理的功能。
112.本实施例中，所述基于ai图像识别的产品原型处理装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：截图获取模块201、组件识别模块202、属性获取模块203、需求获取模块204、属性调整模块205以及组件组合模块206。本技术所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
113.所述截图获取模块201可用于获取功能页面截图集，其中，所述功能页面截图集中的每一张功能页面截图包含若干个目标组件。
114.在本技术的至少一实施例中，所述功能页面截图集中包含若干张功能页面截图，所述功能页面截图可以是需求方从使用过的产品或竞争产品中的某个功能页面的截图。对于每一张所述功能页面截图，存在一个或多个目标组件，所述目标组件可以包括按钮组件(button)、分段控件(tab)等组件，其中，所述按钮组件可以由按钮本身与按钮文字组成，所述分段组件可以由若干标签组成，在此不做限制。所述功能页面截图集存储于预设数据库中，考虑到数据存储的可靠性与私密性，所述功能页面截图集可存储于区块链的目标节点中。
115.在一实施例中，所述功能页面截图集可以由需求方人为截取的，例如，所述功能页面截图集可以由传统业务团队(也即需求方)或产品经理在设计产品功能时，参考调研同类竞品app的产品设计，或者在日常使用app的过程中会接触到某一两个不错的功能设计，将类似的功能页面截图后保存到本地。
116.在其他实施例中，所述功能页面截图集还可以由机器学习的方式智能截取，可选地，所述获取功能页面截图集包括：
117.获取所述目标页面原型所需的功能模块集；
118.确定所述功能模块集中每一功能模块对应的需求偏好信息；
119.根据所述需求偏好信息筛选包含所述功能模块集的页面信息，并从所述页面信息中截取所述功能模块集对应的功能页面截图集。
120.其中，所述功能模块集可以为预先存储至预设数据库中的用于设计目标页面原型所需的功能模块的集合。对于所述功能模块集中的每一功能模块，均存在与之对应的需求偏好信息，所述需求偏好信息可以是指功能模块的组件类型以及组件属性等信息。所述页面信息是指大数据中包含所述功能模块集的页面。
121.所述组件识别模块202可用于识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的目标组件。
122.在本技术的至少一实施例中，每一张所述功能页面截图均携带一个或者多个目标组件，在一实施例中，可以通过预先训练组件识别模型，继而调用所述组件识别模型处理每一张功能页面截图，得到所述功能页面截图中的目标组件。在一实施例中，在模型训练时，所述组件识别模型的输入数据为预先标注有组件名称的功能页面截图，输出数据为所述功能页面截图的目标组件。在其他实施例中，所述组件识别模型的输入数据还可以为预设数
据库中存储的标准化的功能组件图片，输出数据为所述功能页面截图的目标组件。
123.可选地，所述识别所述功能页面截图集中的每一张功能页面截图，得到所述功能页面截图中的目标组件包括：
124.获取目标图片集，并以所述目标图片集为输入数据、所述目标图片集中每个目标图片包含的目标组件为输出数据将所述目标图片集分为训练数据与测试数据；
125.输入所述训练数据至初始神经网络模型中进行训练，得到组件识别模型；
126.输入所述测试数据至所述组件识别模型中，并计算所述组件识别模型的模型准确率；
127.检测所述模型准确率是否超过预设模型准确率阈值；
128.当检测结果为所述模型准确率超过所述预设模型准确率阈值时，调用训练好的所述组件识别模型识别所述功能页面截图集每一张功能页面截图，得到所述功能页面截图中的目标组件。
129.其中，所述目标图片可以为预先标注有组件名称的功能页面截图，或者为标准化的功能组件图片。所述预设模型准确率阈值为预先设置的用于评估模型准确率的阈值，例如，所述预设模型准确率阈值可以为95％。所述训练数据与所述测试数据可以按照预设分配比例进行分配，所述预设分配比例可以为7:3，在此不做限制。
130.所述属性获取模块203可用于获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息。
131.在本技术的至少一实施例中，所述目标组件中包含若干可编辑的元素，每个元素包含对应的初始属性信息。示例性地，按钮组件可抽象为按钮框形状、按钮框填充色以及按钮文本三种可编辑元素。其中，对于所述按钮框形状，所述初始属性信息可以为矩形、椭圆形等形状；对于所述按钮框填充色，所述初始属性信息可以为灰色、绿色等颜色；对于所述按钮文本，所述初始属性信息可以为各种文字信息。
132.可选地，所述获取所述目标组件对应的目标元素以及所述目标元素对应的初始属性信息包括：
133.获取所述目标组件对应的初始组件描述信息；
134.通过结巴分词工具对所述初始组件描述信息进行分词处理，得到目标组件描述信息；
135.确定所述目标组件描述信息中的第一关键词，并将所述第一关键词对应的附属信息作为目标元素；
136.确定所述目标组件扫描信息中的第二关键词，并将所述第二关键词对应的附属信息作为所述目标元素对应的初始属性信息。
137.其中，在预设数据库中，对于每一所述目标组件，均存在对应的初始组件描述信息。所述初始组件描述信息是指对所述目标组件的各个可编辑元素进行描述的信息，所述初始组件描述信息中包含所述目标组件的元素信息以及各个元素信息对应的初始属性信息。通过对所述初始属性信息进行分词处理，得到结构化的目标组件描述信息。所述第一关键词是用于标识所述目标元素的关键词，所述第二关键词是用于标识所述初始属性信息的关键词，通过查询所述第一关键词与所述第二关键词，能够得到所述目标组件对应的所述目标元素以及所述目标元素对应的初始属性信息。
138.所述需求获取模块204可用于获取预设需求文档，并从所述预设需求文档中获取所述目标元素对应的目标需求信息。
139.在本技术的至少一实施例中，所述预设需求文档为需求方根据每个目标元素的实际需求组成的文档。所述预设需求文档中包含目标组件、所述目标组件包含的若干目标元素以及所述目标元素对应的目标需求信息。
140.可选地，所述从所述预设需求文档中获取所述目标元素对应的目标需求信息包括：
141.获取所述目标组件以及所述目标组件对应的目标元素；
142.根据所述目标元素遍历预先设置的元素与需求信息的映射关系，得到所述目标元素对应的目标需求信息。
143.其中，所述目标元素与所述需求信息间存在一对多的映射关系，通过遍历该映射关系，能够得到所述目标元素对应的目标需求信息。
144.所述属性调整模块205可用于根据所述目标需求信息调整所述初始属性信息，得到目标属性信息。
145.在本技术的至少一实施例中，所述目标需求信息中对于每个目标元素的属性信息可能与所述初始属性信息存在差异，通过所述目标需求信息调整所述初始属性信息，能够得到所述目标元素对应的目标属性信息。
146.可选地，所述根据所述目标需求信息调整所述初始属性信息，得到目标属性信息包括：
147.获取所述目标需求信息与所述初始属性信息；
148.检测所述目标需求信息与所述初始属性信息是否一致；
149.当检测结果为所述目标需求信息与所述初始属性信息不一致时，确定所述目标需求信息与所述初始属性信息中的差异内容与差异位置；
150.根据所述目标需求信息调整所述差异位置处的所述差异内容，得到目标属性信息。
151.其中，所述差异内容是指所述目标需求信息与所述初始属性信息两者间不相同的内容，所述差异位置是指两者间不相同的内容所在的位置信息。
152.所述组件组合模块206可用于根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型。
153.在本技术的至少一实施例中，所述预设编码器可以为h5页面编辑器，用于对所述功能页面截图集中包含的目标组件进行编辑处理，输出目标页面原型。所述预设需求文档中除了包含目标组件、所述目标组件包含的若干目标元素以及所述目标元素对应的目标需求信息之外，还包括各个目标组件的位置属性信息，所述位置属性信息用于标识该目标组件在产品原型中的位置关系。
154.可选地，所述根据所述目标属性信息在预设编辑器中组合所述目标组件，得到目标页面原型包括：
155.获取所述目标组件的位置属性信息以及所述目标组件中各个目标元素对应的目标属性信息；
156.根据所述目标属性信息在所述预设编辑器中生成所述目标元素对应的可视化组
件；
157.根据所述位置属性信息组合所述可视化组件的位置，得到目标页面原型。
158.其中，所述根据所述目标属性信息在所述预设编辑器中生成所述目标元素对应的可视化组件可以包括：根据所述目标属性信息中的类型信息确定与所述类型信息对应的标准化组件；根据所述目标属性信息和所述标准化组件生产所述目标元素对应的可视化组件。
159.参阅图5所示，为本技术实施例三提供的计算机设备的结构示意图。在本技术较佳实施例中，所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
160.本领域技术人员应该了解，图5示出的计算机设备的结构并不构成本技术实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
161.在一些实施例中，所述计算机设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
162.需要说明的是，所述计算机设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本技术，也应包含在本技术的保护范围以内，并以引用方式包含于此。
163.在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的基于ai图像识别的产品原型处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(read
‑
only memory，rom)、可编程只读存储器(programmable read
‑
only memory，prom)、可擦除可编程只读存储器(erasable programmable read
‑
only memory，eprom)、一次可编程只读存储器(one
‑
time programmable read
‑
only memory，otprom)、电子擦除式可复写只读存储器(electrically
‑
erasable programmable read
‑
only memory，eeprom)、只读光盘(compact disc read
‑
only memory，cd
‑
rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
164.进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
165.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
166.在一些实施例中，所述至少一个处理器32是所述计算机设备3的控制核心(control unit)，利用各种接口和线路连接整个计算机设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行
计算机设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本技术实施例中所述的基于ai图像识别的产品原型处理方法的全部或者部分步骤；或者实现基于ai图像识别的产品原型处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
167.在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
168.尽管未示出，所述计算机设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
169.上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的部分。
170.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
171.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
172.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
173.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其他的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
174.最后应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。