一种基于图像数据的质量鉴别分等级管理系统及方法与流程

1.本发明属于质量鉴别技术领域，尤其涉及一种基于图像数据的质量鉴别分等级管理系统及方法。


背景技术：

2.产品质量是指产品满足规定需要和潜在需要的特征和特性的总和。任何产品都是为满足用户的使用需要而制造的。对于产品质量来说，不论是简单产品还是复杂产品，都应当用产品质量特性或特征去描述。产品质量特性依产品的特点而异，表现的参数和指标也多种多样，反映用户使用需要的质量特性归纳起来一般有六个方面，即性能、寿命(即耐用性)、可靠性与维修性、安全性、适应性、经济性。产品质量(quality)指的是在商品经济范畴，企业依据特定的标准，对产品进行规划、设计、制造、检测、计量、运输、储存、销售、售后服务、生态回收等全程的必要的信息披露。然而，现有基于图像数据的质量鉴别分等级管理系统及方法采用直方图均衡处理的产品图像增强方法中存在增强效果较差，难以适应复杂光照变化；同时，现有技术在获取评价数据时没有充分考虑到消费者这一因素，导致数据来源不够广泛，因此现有技术提供的目标产品质量评价方法存在评价结果不准确的缺点。
3.通过上述分析，现有技术存在的问题及缺陷为：
4.(1)现有基于图像数据的质量鉴别分等级管理系统及方法采用直方图均衡处理的产品图像增强方法中存在增强效果较差，难以适应复杂光照变化。
5.(2)现有技术在获取评价数据时没有充分考虑到消费者这一因素，导致数据来源不够广泛，因此现有技术提供的目标产品质量评价方法存在评价结果不准确的缺点。


技术实现要素：

6.针对现有技术存在的问题，本发明提供了一种基于图像数据的质量鉴别分等级管理系统及方法。
7.本发明是这样实现的，一种基于图像数据的质量鉴别分等级管理系统包括：
8.产品图像采集模块、主控模块、图像增强模块、图像特征提取模块、产品溯源模块、质量鉴别模块、质量评价模块、等级确定模块、显示模块；
9.产品图像采集模块，与主控模块连接，用于通过摄像设备采集产品图像数据；
10.主控模块，与产品图像采集模块、图像增强模块、图像特征提取模块、产品溯源模块、质量鉴别模块、质量评价模块、等级确定模块、显示模块连接，用于控制各个模块正常工作；
11.图像增强模块，与主控模块连接，用于通过图像增强程序对采集的图像进行增强处理；
12.图像特征提取模块，与主控模块连接，用于通过提取程序提取产品图像特征；
13.产品溯源模块，与主控模块连接，用于通过溯源程序对产品进行溯源；
14.质量鉴别模块，与主控模块连接，用于通过鉴别程序对产品质量进行鉴别；
15.质量评价模块，与主控模块连接，用于通过评价程序对产品质量进行评价；
16.等级确定模块，与主控模块连接，用于确定产品质量等级；
17.显示模块，与主控模块连接，用于显示产品图像、产品溯源结果、质量鉴别结果、质量评价结果、产品等级。
18.一种基于图像数据的质量鉴别分等级管理方法包括以下步骤：
19.步骤一，通过产品图像采集模块利用摄像设备采集产品图像数据；
20.步骤二，主控模块通过图像增强模块利用图像增强程序对采集的图像进行增强处理；
21.步骤三，通过图像特征提取模块利用提取程序提取产品图像特征；通过产品溯源模块利用溯源程序对产品进行溯源；通过质量鉴别模块利用鉴别程序对产品质量进行鉴别；
22.步骤四，通过质量评价模块利用评价程序对产品质量进行评价；通过等级确定模块确定产品质量等级；
23.步骤五，通过显示模块显示产品图像、产品溯源结果、质量鉴别结果、质量评价结果、产品等级。
24.进一步，所述图像增强模块增强方法如下：
25.(1)采集产品图像，并对产品图像进行去噪；统计产品图像中各灰度阶所对应的像素点的个数，从而确定各灰度阶所出现的次数；对各灰度阶所出现的次数求取其lp范数，从而得到各灰度阶所出现次数的lp范数；
26.(2)在对产品图像进行直方图均衡处理的过程中，当某一灰度阶所出现的次数增加时，增加的速率随着该灰度阶所出现的次数的增加而减小，基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化，以实现对所述产品图像的增强处理；
27.所述对产品图像进行去噪方法：
28.根据产品图像中的像素的像素值，估计产品图像的噪声强度；
29.对获取的待处理产品图像进行初步去噪处理，得到初步去噪产品图像；
30.计算对应于所述待处理产品图像上的每个单位区域的中心像素的残差量，所述残差量是所述待处理产品图像的灰度值与所述初步去噪产品图像的灰度值的差值的绝对值；
31.利用所述残差量计算对应于所述每个单位区域的权重矩阵，并根据所述权重矩阵对所述待处理产品图像进行非局部均值计算，以实现对所述待处理产品图像的去噪处理，其中，计算所述权重矩阵的过程包括：
32.选取所述待处理产品图像上的任一单位区域，并确定所述任一单位区域在所述待处理产品图像上的关联区域；
33.根据所述关联区域中的每个关联单位区域与所述任一单位区域之间的距离值以及所述残差量，计算对应于所述每个关联单位区域的权重值，以得到所述权重矩阵，其中，利用下述公式计算对应于所述关联区域中的任一关联单位区域的权重值：
34.w(n，m)＝e
(-(d(n，m) residuals(n，m))/h)
，
35.其中，w(n,m)为任一关联单位区域(n,m)对应的权重值，d(n,m)为所述任一关联单位区域与所述任一单位区域之间的距离值，residuals(n,m)为对应于所述任一单位区域的中心像素的残差量，h为预设的控制系数，
36.利用下述公式计算所述任一关联单位区域(n,m)与所述任一单位区域(i,j)之间的距离值：
[0037][0038][0039]
其中，2r 1为所述任一关联单位区域的边长，t、k和t为中间值。
[0040]
所述通过如下方式获取lp范数：
[0041]
预先将小于第一阈值的整数所对应的lp范数进行存储；
[0042]
通过查找所存储的整数所对应的lp范数获取产品图像的各灰度阶所出现次数的lp范数；
[0043]
所述存储过程包括：将每间隔第二阈值数目时的整数所对应的lp范数进行存储；
[0044]
所述第一阈值根据所述产品图像的分辨率进行相应的设定。
[0045]
进一步，所述对各灰度阶所出现的次数求取其lp范数，从而得到各灰度阶所出现次数的lp范数包括：当灰度阶所出现次数大于第一阈值时，所述灰度阶所出现次数的lp范数值为所述灰度阶所出现次数为第一阈值时所对应的lp范数值；
[0046]
所述lp范数的p的取值范围为0≤p＜1；
[0047]
通过如下公式对所述产品图像中的像素点进行直方图均衡化：
[0048][0049]
其中，i(x，y)为所述产品图像中在(x，y)位置处的像素点的亮度值，j为所述产品图像中的灰度阶的索引值，m为所述产品图像中的灰度阶的总的个数，h*(j)为产品图像中的灰度阶j所出现次数的lp范数值，ψ(i(x,y))为在(x，y)位置处的像素点经直方图均衡化处理后的亮度值；
[0050]
所述产品图像为yuv格式，所述像素点的亮度值为所述像素点的y分量。
[0051]
进一步，所述质量评价模块评价方法如下：
[0052]
1)构建产品数据库；获取目标产品数据和用户对目标产品的客户评论数据；将获取的数据存入产品数据库中；
[0053]
2)对所述客户评论数据预处理，得到历史客户评论数据；基于所述目标产品数据获取初始评价指标；基于所述历史客户评论数据和所述初始评价指标获取指标种子词；基于所述历史客户评论数据获取词向量；
[0054]
3)基于所述词向量和所述指标种子词获取评价指标；基于所述词向量和预先构建的blstm-crfs模型获取评价数据；将所述评价指标和所述评价数据相匹配，对匹配后的评价数据进行打分；
[0055]
4)基于证据推理方法对打分结果进行处理，得到评价等级信度分布；将所述评价
等级信度分布转换为效用值；基于所述效用值获取目标产品质量的评价；
[0056]
所述基于证据推理方法对打分结果进行处理，包括以下步骤：
[0057]
预先设置所述评价指标的评价等级；将所述打分结果转换为对应评价指标的评价等级上的信度；对所述评价指标赋予权重，基于所述信度和所述权重获取所述评价指标的基本概率分配；
[0058]
基于证据推理方法，结合所述基本概率分配，融合所述评价数据，得到评价等级信度分布；
[0059]
基于证据推理方法，结合所述基本概率分配，融合所述评价数据，得到评价等级信度分布具体包括：
[0060]
选用证据推理方法中的er algorithm对所述评价数据进行融合，融合公式为：
[0061]mn，i(k 1)
＝k
i(1 1)
(m
n，i(k)mn，k 1
m
n，i(k)mh，k 1
m
h，i(k)mn，k 1
) n＝1，2，
…n[0062]mh，i(k 1)
＝k
i(k 1)mh，i(k)mh，k 1
[0063][0064]
其中：
[0065]mn，i(k)
表示前k个指标融合后分配到等级hn的概率；
[0066]mh，i(k)
表示前k个指标融合后分配到全集h的概率；
[0067]
n表示评价等级的数量，l表示评价指标的数量，
[0068]
k表示归一化系数；
[0069]
将得到的m
n，i(l)
重新转为评价等级上的信度分布：
[0070][0071]
其中：
[0072]
βn表示l个指标合成后评价到等级hn的信度；
[0073]
最终得到评价等级信度分布为：
[0074]
s(y)＝{(hn，βn)，n＝1，2，...，n}
[0075]
其中：
[0076]hn
表示评价等级。
[0077]
进一步，所述对所述客户评论数据预处理，包括：
[0078]
删除重复客户评论、未填写有效内容的客户评论和字符长度低于预设值的客户评论；
[0079]
将所述客户评论数据中文字的繁体形式转化为简体；
[0080]
对所述客户评论数据进行分句、分词和去停用词。
[0081]
进一步，所述指标种子词的获取方法包括：
[0082]
对所述历史客户评论数据进行词性标注；提取高频名词和动词，并过滤掉频数低于预设值的名词、动词和与质量属性无关的单字词；将最终得到的词和所述初始评价指标进行匹配，得到所述初始评价指标对应的指标种子词。
[0083]
进一步，所述词向量的获取方法包括：
[0084]
基于预训练的word2vec模型对所述历史客户评论数据进行处理，得到预设维度的词向量。
[0085]
进一步，所述评价指标的获取方法包括：
[0086]
基于所述词向量对所述指标种子词进行向量化处理，获取所述历史客户评论数据中所有词语和向量化后的指标种子词的相关度，选取相关度最大的前a个词对指标种子词进行扩展，并去除重复词，得到扩展种子词；
[0087]
基于knn对所述扩展种子词进行处理，得到目标产品质量属性词；
[0088]
计算所述目标产品质量属性词在所述历史客户评论数据中出现的频数，过滤掉频数低于预设值的目标产品质量属性词对应的初始评价指标，得到评价指标。
[0089]
进一步，所述评价数据的获取方法包括：
[0090]
基于预先构建的blstm-crfs模型和所述词向量对所述历史客户评论数据进行处理，抽取所述目标产品质量属性词对应的程度词和情感词，将所述程度词和所述情感词保存为文本形式，得到评价数据；
[0091]
所述预先构建的blstm-crfs模型的获取方法为：
[0092]
基于tensorflow工具构建blstm-crfs模型；基于bio标准模式对所述历史客户评论数据进行标注，得到数据集；随机打乱数据集顺序，对数据集进行预设次数的训练，选取准确度最高的模型作为预先构建的blstm-crfs模型；
[0093]
所述效用值的获取方法为：
[0094][0095]
其中：
[0096]
u(hn)表示评价等级hn的效用值。
[0097]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0098]
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0099]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0100]
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0101]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
附图说明
[0102]
图1是本发明实施例提供的基于图像数据的质量鉴别分等级管理方法流程图。
[0103]
图2是本发明实施例提供的基于图像数据的质量鉴别分等级管理系统结构框图。
[0104]
图3是本发明实施例提供的图像增强模块增强方法流程图。
[0105]
图4是本发明实施例提供的质量评价模块评价方法流程图。
[0106]
图2中：1、产品图像采集模块；2、主控模块；3、图像增强模块；4、图像特征提取模块；5、产品溯源模块；6、质量鉴别模块；7、质量评价模块；8、等级确定模块；9、显示模块。
具体实施方式
[0107]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0108]
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0109]
如图1所示，本发明提供的基于图像数据的质量鉴别分等级管理方法包括以下步骤：
[0110]
s101，通过产品图像采集模块利用摄像设备采集产品图像数据；
[0111]
s102，主控模块通过图像增强模块利用图像增强程序对采集的图像进行增强处理；
[0112]
s103，通过图像特征提取模块利用提取程序提取产品图像特征；通过产品溯源模块利用溯源程序对产品进行溯源；通过质量鉴别模块利用鉴别程序对产品质量进行鉴别；
[0113]
s104，通过质量评价模块利用评价程序对产品质量进行评价；通过等级确定模块确定产品质量等级；
[0114]
s105，通过显示模块显示产品图像、产品溯源结果、质量鉴别结果、质量评价结果、产品等级。
[0115]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品
的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0116]
如图2所示，本发明实施例提供的基于图像数据的质量鉴别分等级管理系统包括：
[0117]
产品图像采集模块1、主控模块2、图像增强模块3、图像特征提取模块4、产品溯源模块5、质量鉴别模块6、质量评价模块7、等级确定模块8、显示模块9。
[0118]
产品图像采集模块1，与主控模块2连接，用于通过摄像设备采集产品图像数据；
[0119]
主控模块2，与产品图像采集模块1、图像增强模块3、图像特征提取模块4、产品溯源模块5、质量鉴别模块6、质量评价模块7、等级确定模块8、显示模块9连接，用于控制各个模块正常工作；
[0120]
图像增强模块3，与主控模块2连接，用于通过图像增强程序对采集的图像进行增强处理；
[0121]
图像特征提取模块4，与主控模块2连接，用于通过提取程序提取产品图像特征；
[0122]
产品溯源模块5，与主控模块2连接，用于通过溯源程序对产品进行溯源；
[0123]
质量鉴别模块6，与主控模块2连接，用于通过鉴别程序对产品质量进行鉴别；
[0124]
质量评价模块7，与主控模块2连接，用于通过评价程序对产品质量进行评价；
[0125]
等级确定模块8，与主控模块2连接，用于确定产品质量等级；
[0126]
显示模块9，与主控模块2连接，用于显示产品图像、产品溯源结果、质量鉴别结果、质量评价结果、产品等级。
[0127]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0128]
如图3所示，本发明提供的图像增强模块3增强方法如下：
[0129]
s201，采集产品图像，并对产品图像进行去噪；统计产品图像中各灰度阶所对应的像素点的个数，从而确定各灰度阶所出现的次数；对各灰度阶所出现的次数求取其lp范数，从而得到各灰度阶所出现次数的lp范数；
[0130]
s202，在对产品图像进行直方图均衡处理的过程中，当某一灰度阶所出现的次数增加时，增加的速率随着该灰度阶所出现的次数的增加而减小，基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化，以实现对所述产品图像的增强处理；
[0131]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果。
[0132]
所述对产品图像进行去噪方法：
[0133]
根据产品图像中的像素的像素值，估计产品图像的噪声强度；
[0134]
对获取的待处理产品图像进行初步去噪处理，得到初步去噪产品图像；
[0135]
计算对应于所述待处理产品图像上的每个单位区域的中心像素的残差量，所述残差量是所述待处理产品图像的灰度值与所述初步去噪产品图像的灰度值的差值的绝对值；
[0136]
利用所述残差量计算对应于所述每个单位区域的权重矩阵，并根据所述权重矩阵对所述待处理产品图像进行非局部均值计算，以实现对所述待处理产品图像的去噪处理，其中，计算所述权重矩阵的过程包括：
[0137]
选取所述待处理产品图像上的任一单位区域，并确定所述任一单位区域在所述待处理产品图像上的关联区域；
[0138]
根据所述关联区域中的每个关联单位区域与所述任一单位区域之间的距离值以及所述残差量，计算对应于所述每个关联单位区域的权重值，以得到所述权重矩阵，其中，利用下述公式计算对应于所述关联区域中的任一关联单位区域的权重值：
[0139]
w(n，m)＝e
(-(d(n，m) residuals(n，m))/h)
，
[0140]
其中，w(n,m)为任一关联单位区域(n,m)对应的权重值，d(n,m)为所述任一关联单位区域与所述任一单位区域之间的距离值，residuals(n,m)为对应于所述任一单位区域的中心像素的残差量，h为预设的控制系数，
[0141]
利用下述公式计算所述任一关联单位区域(n,m)与所述任一单位区域(i,j)之间的距离值：
[0142][0143][0144]
其中，2r 1为所述任一关联单位区域的边长，t、k和t为中间值。
[0145]
所述通过如下方式获取lp范数：
[0146]
预先将小于第一阈值的整数所对应的lp范数进行存储；
[0147]
通过查找所存储的整数所对应的lp范数获取产品图像的各灰度阶所出现次数的lp范数；
[0148]
所述存储过程包括：将每间隔第二阈值数目时的整数所对应的lp范数进行存储；
[0149]
所述第一阈值根据所述产品图像的分辨率进行相应的设定。
[0150]
本发明提供的对各灰度阶所出现的次数求取其lp范数，从而得到各灰度阶所出现次数的lp范数包括：当灰度阶所出现次数大于第一阈值时，所述灰度阶所出现次数的lp范数值为所述灰度阶所出现次数为第一阈值时所对应的lp范数值；
[0151]
所述lp范数的p的取值范围为0≤p＜1；
[0152]
通过如下公式对所述产品图像中的像素点进行直方图均衡化：
[0153][0154]
其中，i(x，y)为所述产品图像中在(x，y)位置处的像素点的亮度值，j为所述产品图像中的灰度阶的索引值，m为所述产品图像中的灰度阶的总的个数，h*(j)为产品图像中的灰度阶j所出现次数的lp范数值，ψ(i(x,y))为在(x，y)位置处的像素点经直方图均衡化处理后的亮度值；
[0155]
所述产品图像为yuv格式，所述像素点的亮度值为所述像素点的y分量。
[0156]
如图4所示，本发明提供的质量评价模块7评价方法如下：
[0157]
s301，构建产品数据库；获取目标产品数据和用户对目标产品的客户评论数据；将获取的数据存入产品数据库中；
[0158]
s302，对所述客户评论数据预处理，得到历史客户评论数据；基于所述目标产品数据获取初始评价指标；基于所述历史客户评论数据和所述初始评价指标获取指标种子词；基于所述历史客户评论数据获取词向量；
[0159]
s303，基于所述词向量和所述指标种子词获取评价指标；基于所述词向量和预先构建的blstm-crfs模型获取评价数据；将所述评价指标和所述评价数据相匹配，对匹配后的评价数据进行打分；
[0160]
s304，基于证据推理方法对打分结果进行处理，得到评价等级信度分布；将所述评价等级信度分布转换为效用值；基于所述效用值获取目标产品质量的评价；
[0161]
本发明通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0162]
所述基于证据推理方法对打分结果进行处理，包括以下步骤：
[0163]
预先设置所述评价指标的评价等级；将所述打分结果转换为对应评价指标的评价等级上的信度；对所述评价指标赋予权重，基于所述信度和所述权重获取所述评价指标的基本概率分配；
[0164]
基于证据推理方法，结合所述基本概率分配，融合所述评价数据，得到评价等级信度分布；
[0165]
基于证据推理方法，结合所述基本概率分配，融合所述评价数据，得到评价等级信度分布具体包括：
[0166]
选用证据推理方法中的er algorithm对所述评价数据进行融合，融合公式为：
[0167]mn，i(k 1)
＝k
i(k 1)
(m
n，i(k)mn，k 1
m
n，i(k)mh，k 1
m
h，i(k)mn，k 1
) n＝1，2，
…
，n
[0168]mh，i(k 1)
＝k
i(k 1)mh，i(k)mh，k 1
[0169][0170]
其中：
[0171]mn，i(k)
表示前k个指标融合后分配到等级hn的概率；
[0172]mh，i(k)
表示前k个指标融合后分配到全集h的概率；
[0173]
n表示评价等级的数量，l表示评价指标的数量，
[0174]
k表示归一化系数；
[0175]
将得到的m
n，i(l)
重新转为评价等级上的信度分布：
[0176][0177]
其中：
[0178]
βn表示l个指标合成后评价到等级hn的信度；
[0179]
最终得到评价等级信度分布为：
[0180]
s(y)＝{(hn，βn)，n＝1，2，...，n}
[0181]
其中：
[0182]hn
表示评价等级。
[0183]
本发明提供的对所述客户评论数据预处理，包括：
[0184]
删除重复客户评论、未填写有效内容的客户评论和字符长度低于预设值的客户评论；
[0185]
将所述客户评论数据中文字的繁体形式转化为简体；
[0186]
对所述客户评论数据进行分句、分词和去停用词。
[0187]
本发明提供的指标种子词的获取方法包括：
[0188]
对所述历史客户评论数据进行词性标注；提取高频名词和动词，并过滤掉频数低于预设值的名词、动词和与质量属性无关的单字词；将最终得到的词和所述初始评价指标进行匹配，得到所述初始评价指标对应的指标种子词。
[0189]
本发明提供的词向量的获取方法包括：
[0190]
基于预训练的word2vec模型对所述历史客户评论数据进行处理，得到预设维度的词向量。
[0191]
本发明提供的评价指标的获取方法包括：
[0192]
基于所述词向量对所述指标种子词进行向量化处理，获取所述历史客户评论数据中所有词语和向量化后的指标种子词的相关度，选取相关度最大的前a个词对指标种子词进行扩展，并去除重复词，得到扩展种子词；
[0193]
基于knn对所述扩展种子词进行处理，得到目标产品质量属性词；
[0194]
计算所述目标产品质量属性词在所述历史客户评论数据中出现的频数，过滤掉频数低于预设值的目标产品质量属性词对应的初始评价指标，得到评价指标。
[0195]
本发明提供的评价数据的获取方法包括：
[0196]
基于预先构建的blstm-crfs模型和所述词向量对所述历史客户评论数据进行处理，抽取所述目标产品质量属性词对应的程度词和情感词，将所述程度词和所述情感词保存为文本形式，得到评价数据；
[0197]
所述预先构建的blstm-crfs模型的获取方法为：
[0198]
基于tensorflow工具构建blstm-crfs模型；基于bio标准模式对所述历史客户评
论数据进行标注，得到数据集；随机打乱数据集顺序，对数据集进行预设次数的训练，选取准确度最高的模型作为预先构建的blstm-crfs模型；
[0199]
所述效用值的获取方法为：
[0200][0201]
其中：
[0202]
u(hn)表示评价等级hn的效用值。
[0203]
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0204]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0205]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0206]
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
[0207]
本发明通过图像增强模块获取产品图像的各灰度阶所出现次数的lp范数，进而基于所述各灰度阶所出现次数的lp范数对所述产品图像进行直方图均衡化处理，实现对所述产品图像的增强处理，该方法可以使得产品图像的对比度有效提高，产品图像整体或局部特征有效得到改善，使产品图像中较暗部分变得较亮，凸显出更多的产品图像细节，增加产品图像的层次感，有效提高产品图像成像效果；同时，通过质量评价模块将用户对目标产品的评价与目标产品质量指标相匹配，得到评价指标下的具体意见，能够追溯目标产品质量的问题所在，使得目标产品质量的评价结果准确。企业通过评价结果可以有针对性的改进目标产品设计、调整销售策略和服务等，从而提高企业的利润。
[0208]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何
熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。