(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210691275.9 (22)申请日 2022.06.18 (71)申请人 江苏顷刻智能科技有限公司 地址 215000 江苏省苏州市高新区嘉陵江 路198号太湖云谷1 1号楼802-2 (72)发明人 李金超　夏正航　朱潇然　 (74)专利代理 机构 苏州智伟华专利代理事务所 (普通合伙) 32641 专利代理师 杨青峰 (51)Int.Cl. G06F 1/16(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01)F16M 11/22(2006.01) F16M 11/18(2006.01) F16M 11/04(2006.01) (54)发明名称 一种基于机器学习的物品信息分析方法及 工具 (57)摘要 本发明公开了一种基于机器学习的物品信 息分析方法及工具， 包括分析台， 分析台顶端的 两侧均固定安装有高度板， 两个高度板之间的顶 端固定安装有清理板， 分析台上转动连接有位于 其中一个高度板一侧的螺纹柱， 螺纹柱的中部螺 纹连接有升降块， 升降块的一侧固定安装有承 载 台， 承载台顶端中部固定安装有四个第一吸盘， 本发明通过数据预处理模块， 距离度量单元、 抽 样单元和降维单元对获取的无规则数据进行处 理， 将很多没有利用价值的冗余数据， 还有可能 会影响到分析结果的错误信息， 进行预处理， 以 免会影响到分析结果的准确率， 数据的预处理主 要分为距离度量、 抽样和降维三个方面， 避免维 度灾难， 降低运 算难度。 权利要求书2页 说明书6页 附图6页 CN 115167617 A 2022.10.11 CN 115167617 A 1.一种基于机器学习的物品信息分析工具， 包括分析台(1)， 其特征在于： 所述分析台 (1)顶端的两侧均固定安装有高度板(2)， 两个所述高度板(2)之间的顶端固定安装有清理 板(5)， 所述分析台(1)上转动连接有位于其中一个高度板(2)一侧的螺纹柱(14)， 所述螺纹 柱(14)的中部螺纹连接有升降块(13)， 所述升降块(13)的一侧固定安装有承载台(9)， 所述 承载台(9)顶端中部固定安装有 四个第一吸盘(18)， 四个所述第一吸盘(18)之间接触连接 有显示壳(11)， 所述显示壳(11)的中部固定安装有显示屏(12)， 所述显示壳(11)的一侧开 设有若干个接口(6)， 所述显示屏(12)的内部固定安装有温度传感模块(23)、 机器学习芯片 (24)、 实时上传模块(25)、 实时存 储模块(26)和实时更新模块(27)。 2.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 两个所 述高度板(2)的内部均滑动连接有延长板(3)， 两个所述延长板(3)之间固定安装有防尘顶 板(4)。 3.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 所述分 析台(1)顶端远离螺纹柱(14)的一侧固定安装有高度杆(7)， 所述高度杆(7)的中部滑动连 接有高度块(15)， 所述高度块(15)的一侧与承载台(9)相邻的一侧固定连接 。 4.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 所述清 理板(5)的中部开设有清理槽(17)， 所述清理槽(17)的内部固定安装有清理刷(16)。 5.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 所述分 析台(1)底端的四个边角均固定安装有支撑腿(8)， 所述分析台(1)的底端固定安装有马达 (10)， 所述马达(10)的输出端穿过分析台(1)与螺纹柱(14)相邻的一端固定连接 。 6.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 所述机 器学习芯片(24)包括数据获取模块(241)、 数据预处理模块(242)、 分析数据模块(243)、 测 试模块(244)和纠正输出模块(245)， 所述数据预处理模块(242)包括距离度量单元(2421)、 抽样单元(2422)和降维单元(2423)， 所述分析数据模块(243)包括最邻近算法单元(2431)、 k‑means算法单 元(2432)、 人类神经网络单 元(2433)和贝叶斯分类单 元(2434)。 7.根据权利要求1所述的一种基于机器学习的物品信 息分析工具， 其特征在于： 所述承 载台(9)顶端的四个边角均固定安装有角度座(22)， 四个所述角度座(22)的内部均转动连 接有立板(20)， 四个所述立板(20)的一侧均固定安装有第二吸盘(19)， 所述承 载台(9)上转 动连接有四个位于角度座(22)一侧的自锁伸缩杆(21)， 四个所述自锁伸缩 杆(21)的活动端 分别与四个立板(20)的中部转动连接 。 8.根据权利要求1所述的一种基于 机器学习的物品信息分析 方法， 包括以下步骤： 步骤一、 获取数据： 数据获取模块(241)对需要分析的物品特征、 数量或者物理参数进 行相关数据获取； 步骤二、 清洗数据： 数据预处理模块(242)对获取的没有价值冗余数据进行去除和影响 分析结果的错 误信息进行去除； 步骤三、 进行距离度量筛选： 通过距离度量单元(2421)对数据进行欧几里得距离、 皮尔 逊相关系数计算和Jac card系数计算进行距离度量筛 选； 步骤四、 进行抽样筛 选： 通过抽样单 元(2422)从大数据集中选择相关数据子基； 步骤五、 进行降维筛选： 通过降维单元(2423)去除一些非常稀疏且对结果影响不大的 点， 降低维度；权　利　要　求　书 1/2 页 2 CN 115167617 A 2步骤六、 分析数据： 通过最邻近算法单元(2431)、 k ‑means算法单元(2432)、 人类神经网 络单元(2433)和贝叶斯分类单 元(2434)分别对数据进行分析并建立模型； 步骤七、 测试模型： 通过测试模块(244)对测试的数据集中随机选取或者从提前预留的 测试集内获取 数据， 检测模型的准确率； 步骤八、 对数据纠正后输出， 通过纠正输出模块(245)对结果进行辨别是否需要纠正， 再将物品信息分析 结果输出， 最终结果在显示屏(12)上显示。权　利　要　求　书 2/2 页 3 CN 115167617 A 3