本发明涉及订单数据排版优化相关领域，尤其涉及一种订单数据排版优化方法及系统。
背景技术：
订单是指企业采购部门向供应商发出订货凭据(包含成品、原材料、燃料、零部件、办公用品、服务等全部采购过程)。不同的公司的订单的格式不同，现阶段都是从用人工进行订单的排版优化，不但效率低、而且对订单的排版不够科学准确。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在对订单排版优化不准确、效率低，进行优化处理后的订单不能更加契合机台的技术问题。
技术实现要素：
本申请实施例通过提供一种订单数据排版优化方法及系统，解决了现有技术中存在对订单排版优化不准确、效率低，进行优化处理后的订单不能更加契合机台的技术问题，达到准确根据订单内容进行快速优化，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。
鉴于上述问题，提出了本申请实施例提供一种订单数据排版优化方法及系统。
第一方面，本申请实施例提供了一种订单数据排版优化方法，所述方法应用于家具订单数据处理系统，所述家具订单数据处理系统包括第一摄像装置，其中，所述方法包括：通过所述第一摄像装置获得第一订单信息；获得第一预设分类信息；通过所述第一预设分类信息判断所述第一订单信息是否完整；当所述第一订单信息完整时，获得第一分类优化指令；根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
另一方面，本申请还提供了一种订单数据排版优化系统，所述系统包括：第一获得单元，所述第一获得单元用于通过第一摄像装置获得第一订单信息；第二获得单元，所述第二获得单元用于获得第一预设分类信息；第一判断单元，所述第一判断单元用于通过所述第一预设分类信息判断所述第一订单信息是否完整；第三获得单元，所述第三获得单元用于当所述第一订单信息完整时，获得第一分类优化指令；第四获得单元，所述第四获得单元用于根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；第五获得单元，所述第五获得单元用于根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；第六获得单元，所述第六获得单元用于根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；第一输入单元，所述第一输入单元用于将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；第七获得单元，所述第七获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；第八获得单元，所述第八获得单元用于获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
第三方面，本发明提供了一种订单数据排版优化系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过第一摄像装置获得所述第一订单信息，根据第一预设分类信息对所述订单数据进行分类优化，根据优化后的第一优化结果获得第一订单的板件图形信息，并将其作为第一输入信息，将第一机台信息作为第二输入信息，将所述第一输入信息和第二输入信息输入第一训练模型，基于训练模型不断自我修正调整的特性，获得所述第一板件图形排列结果，将所述第一优化结果和第一板件图形排列结果替换所述第一订单信息，通过对订单的排版及订单板件图形的快速的优化处理，获得满足第一预设分类的数据及适合机台处理的板件图形的优化结果，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种订单数据排版优化方法的流程示意图；
图2为本申请实施例一种订单数据排版优化系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一判断单元13，第三获得单元14，第四获得单元15，第五获得单元16，第六获得单元17，第一输入单元18，第七获得单元19，第八获得单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例通过提供一种订单数据排版优化方法及系统，解决了现有技术中存在对订单排版优化不准确、效率低，进行优化处理后的订单不能更加契合机台的技术问题，达到准确根据订单内容进行快速优化，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
订单是指企业采购部门向供应商发出订货凭据(包含成品、原材料、燃料、零部件、办公用品、服务等全部采购过程)。不同的公司的订单的格式不同，现阶段都是从用人工进行订单的排版优化，不但效率低、而且对订单的排版不够科学准确。现有技术中存在对订单排版优化不准确、效率低，进行优化处理后的订单不能更加契合机台的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种订单数据排版优化方法，所述方法应用于家具订单数据处理系统，所述家具订单数据处理系统包括第一摄像装置，其中，所述方法包括：通过所述第一摄像装置获得第一订单信息；获得第一预设分类信息；通过所述第一预设分类信息判断所述第一订单信息是否完整；当所述第一订单信息完整时，获得第一分类优化指令；根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种订单数据排版优化方法，所述方法应用于家具订单数据处理系统，所述家具订单数据处理系统包括第一摄像装置，其中，所述方法包括：
步骤s100：通过所述第一摄像装置获得第一订单信息；
具体而言，所述家具订单数据处理系统为对家具订单进行数据处理的系统，所述第一摄像装置为可以进行条形码扫描的摄像装置，通过所述第一摄像装置扫描订单条形码，调用相应订单数据信息，即获得第一订单信息。
步骤s200：获得第一预设分类信息；
具体而言，所述第一预设分类为根据所述应用所述家具订单处理系统的实际情况设定的第一预设分类信息。
步骤s300：通过所述第一预设分类信息判断所述第一订单信息是否完整；
具体而言，根据所述第一预设分类信息的分类的项目，根据所述获得的第一订单的数据信息，判断所述第一订单信息的项目是否完整，当完整时，继续下述指令。
步骤s400：当所述第一订单信息完整时，获得第一分类优化指令；
步骤s500：根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；
具体而言，当检测到所述第一订单信息完整时，获得第一分类优化指令，根据所述第一分类优化指令对所述第一订单的数据信息按照所述第一预设分类信息进行优化处理，获得第一优化结果。
步骤s600：根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；
具体而言，所述第一优化结果包括第一订单中已经优化的数据结果和未优化处理的板件图形信息，获得所述第一优化结果汇总的板件图形信息，将所述信息作为第一输入信息。
步骤s700：根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；
具体而言，所述机台信息为要根据所述第一订单进行喷胶处理的需求的机台信息，所述机台信息包括所述机台的实际工作区域的尺寸信息等。
步骤s800：将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；
步骤s900：获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果。
具体而言，所述第一训练模型即机器学习中的神经网络模型，神经网络(neuralnetworks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificialneuralnetworks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一输入信息和第二输入信息输入神经网络模型，则输出第一板件图形排列结果。
更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括第一输入信息、第二输入信息和标识板件图形排列结果的标识信息，将所述第一输入信息、第二输入信息输入到神经网络模型中，根据用来标识板件图形排列结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而可获得更加适用于机台进行处理的第一板件图形排列结果。
步骤s1000：获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
具体而言，根据所述第一训练模型的输出结果，获得第一替换指令，根据所述替换指令，将所述第一订单信息用所述第一优化结果和第一板件图形排列结果替换，通过对订单的排版及订单板件图形的快速的优化处理，获得满足第一预设分类的数据及适合机台处理的板件图形的优化结果，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。
进一步而言，本申请实施例步骤s100还包括：
步骤s110：通过所述第一订单信息获得第一订单的第一数据；
步骤s120：判断所述第一订单信息是否存在第二数据；
步骤s130：当存在时，获得第一校验指令；
步骤s140：根据所述第一校验指令，对所述第一数据和第二数据进行校验；
步骤s150：获得第一校验结果，将所述第一校验结果作为第一订单信息。
具体而言，通过所述摄像装置扫描所述第一订单的条形码，获得所述条形码对应的数据信息，当所述数据信息不唯一时，即存在第一数据和第二数据，获得第一校验指令，根据所述第一校验指令对所述数据进行校验，判断所述数据是否存在一定的相似性，根据所述数据核对订单信息，确定所述数据的性质，举例而言，所述数据可能为相同数据，即过多的复制造成的，此时只保留一份数据，将另一份数据删除；所述数据还可能是一个为历史数据一个为最新数据，此时，将所述历史数据用所述最新数据替换，将所述最新数据作为订单数据。
进一步而言，所述根据所述第一校验指令，对所述第一数据和第二数据进行校验，本申请实施例步骤s140还包括：
步骤s141：获得第一数据、第二数据的修订时间信息；
步骤s142：根据所述修订时间信息获得第一权重值；
步骤s143：获得第一数据、第二数据的数据对比结果，根据所述对比结果获得第二权重值；
步骤s144：根据所述第一权重值和第二权重值对所述第一数据和第二数据进行加权计算；
步骤s145：对进行加权计算的第一数据和第二数据进行比较，获得第一校验结果。
具体而言，根据所述第一校验指令对所述数据的校验方法包括，获得所述第一数据第二数据的修改时间信息，根据所述修改时间信息产生第一权重值，根据所述第一数据和第二数据的内容进行对比，即数据对比结果，获得第二权重值，根据所述第一权重值和第二权重值对所诉第一数据和第二数据进行加权计算，获得第一校验结果。举例而言，当所述第一数据修改时间早于第二数据，根据所述修改时间的差异长短分别获得关于修改时间的第一数据和第二数据的权重占比，根据所述第一数据和第二数据的内容进行比对，根据内容的差异性分别获得所述第一数据和第二数据的权重占比，根据所述权重占比对所述第一数据和第二数据分别进行加权计算，获得校验结果。通过对所述数据进行校验的方式，获得更加准确的第一订单的订单数据，为后续快速准确地进行订单的优化处理夯实了基础。
进一步而言，所述获得第一校验结果，将所述第一校验结果作为第一订单信息，本申请实施例步骤s150还包括：
步骤s151：获得第二订单信息、第三订单信息直至第n订单信息，其中，所述订单信息均已进行替换处理，n为大于1的自然数；
步骤s152：根据所述第一订单信息生成第一校验码，所述第一校验码与所述第一订单信息一一对应；
步骤s153：根据所述第二订单信息和第一校验码生成第二校验码，所述第二校验码与所述第二订单信息一一对应，以此类推，根据第n订单信息和第n-1校验码生成第n校验码；
步骤s154：将所述订单信息和校验码复制保存在m台电子设备上，m为大于1的自然数。
具体而言，区块链技术也被称之为分布式账本技术，是一种由若干台计算设备共同参与“记账”，共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性，使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一订单信息生成第一校验码，所述第一校验码与第一订单信息一一对应；根据所述第二订单信息和第一校验码生成第二校验码，第二校验码与第二订单信息一一对应；以此类推，根据所述第n订单信息和第n-1校验码生成第n校验码，其中，n为大于1的自然数，将所有订单信息和校验码分别复制保存在m台设备上，其中，所述第一订单信息和所述第一校验码作为第一区块保存在一台设备上，所述第二订单信息和所述第二校验码作为第二区块保存在一台设备上，所述第n订单信息和所述第n校验码作为第n区块保存在一台设备上，当需要调用所述订单信息时，每后一个节点接收前一节点存储的数据后，通过“共识机制”进行校验后保存，通过哈希函数对于每一存储单位进行串接，使得订单信息不易丢失和遭到破坏，通过区块链的逻辑对所述订单信息进行加密处理，保证了所述订单信息的安全性。
进一步而言，所述获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果，本申请实施例步骤s900还包括：
步骤s910：获得第二机台信息，将所述第二机台信息作为第三输入信息输入所述第一训练模型；
步骤s920：获得所述第一训练模型的第二输出结果，所述第二输出结果包括第二板件图形排列结果；
步骤s930：将所述第二板件图形排列结果作为第一订单信息的备选结果。
具体而言，所述第二机台为同样可以对所述第一订单进行处理的机台，所述第二机台与所述第一机台规格不同，获得所述第二机台的相关加工区域信息，将所述第二机台信息输入所述第一训练模型，获得所述第一训练模型的第二输出结果，所述第二输出结果为包含所述第一订单中的板件图形基于所述第二机台的第二板件图形的排列结果，将所述第二板件图形排列结果作为第一订单信息的备选结果，当所述第一机台被占用时，使用所述第二板件图形排列结果通过第二机台进行加工处理。通过获得所述第一订单的备选结果，为后续可以快速准确地进行订单的优化处理夯实了基础。
进一步而言，本申请实施例还包括：
步骤s1511：获得所述第二订单的板件图形信息；
步骤s1512：将所述第二订单的板件图形信息作为第四输入信息输入所述第一训练模型；
步骤s1513：获得第一训练模型的第三输出结果，所述第三输出结果包括第三板件图形排列结果。
具体而言，所述第二订单为与所述第一订单交期及获得订单的日期相近的订单，具体情况可根据实际情况进行调整，获得第二订单的板件图形信息，为保证机台的工作空间进行合理的使用，获得所述第二订单的板件图形信息，将所述第二订单的板件图形信息作为第四输入信息输入所述第一训练模型，获得所述第一训练模型的第三输出结果，所述第三输出结果包含第三板件图形的排列结果，所述排列结果包括第一订单、第二订单的板件图形的排列结果。
进一步而言，所述获得第一训练模型的第三输出结果，所述第三输出结果包括第三板件图形排列结果，本申请实施例步骤s1513还包括：
步骤s15131：获得第一预定空间节省阈值；
步骤s15132：获得所述第一订单、第二订单分别进行板件图形排列占用的总空间的大小；
步骤s15133：判断所述第三板件图形排列结果的占用空间相比于所述占用总空间的大小是否满足所述第一预定空间节省阈值；
步骤s15134：当满足时，将所述第三板件图形排列结果应用于所述第一订单和第二订单。
具体而言，所述第一预定节省空间阈值为根据所述实际情况设定的节省空间阈值的预设值，将第一订单第二订单的板件进行组合加工，存在混料的风险，当所述节省空间很小时，则不推荐将所述第一订单和第二订单合并处理。获得所述第一订单、第二订单分别进行板件图形排列占用的总空间的大小，通过所述占用总空间大小进行机台的统计，获得总占用机台数及机台空余空间；获得第三板件图形排列结果的占用机台数，及占用机台空余空间，将所述两种结果进行比较，当所述第三板件图形排列结果的占用机台数少于所述第一订单、第二订单分别进行板件图形排列占用的机台数，将所述第三板件图形排列结果应用于所述第一订单和第二订单；当占用机台数相同时，判断所述第三板件图形排列结果的占用空间相比于所述占用总空间的大小是否满足所述第一预定空间节省阈值，满足时将所述第三板件图形排列结果应用于所述第一订单和第二订单。通过所述第一训练模型对所述第一订单第二订单的板件图形进行组合排列处理，节省加工所述第一订单第二订单的机台数，使得订单分配更加适用于机台，达到提高加工效率的技术效果。
综上所述，本申请实施例所提供的一种订单数据排版优化方法及系统具有如下技术效果：
1、由于采用了通过第一摄像装置获得所述第一订单信息，根据第一预设分类信息对所述订单数据进行分类优化，根据优化后的第一优化结果获得第一订单的板件图形信息，并将其作为第一输入信息，将第一机台信息作为第二输入信息，将所述第一输入信息和第二输入信息输入第一训练模型，基于训练模型不断自我修正调整的特性，获得所述第一板件图形排列结果，将所述第一优化结果和第一板件图形排列结果替换所述第一订单信息，通过对订单的排版及订单板件图形的快速的优化处理，获得满足第一预设分类的数据及适合机台处理的板件图形的优化结果，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。
2、由于采用了通过对所述数据进行校验的方式，获得更加准确的第一订单的订单数据，为后续快速准确地进行订单的优化处理夯实了基础。
3、由于采用了通过哈希函数对于每一存储单位进行串接的方式，使得订单信息不易丢失和遭到破坏，通过区块链的逻辑对所述订单信息进行加密处理，保证了所述订单信息的安全性。
4、由于采用了通过获得所述第一订单的备选结果的方式，为后续可以快速准确地进行订单的优化处理夯实了基础。
5、由于采用了通过所述第一训练模型对所述第一订单第二订单的板件图形进行组合排列处理的方式，节省加工所述第一订单第二订单的机台数，使得订单分配更加适用于机台，达到提高加工效率的技术效果。
实施例二
基于与前述实施例中一种订单数据排版优化方法同样发明构思，本发明还提供了一种订单数据排版优化系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于通过第一摄像装置获得第一订单信息；
第二获得单元12，所述第二获得单元12用于获得第一预设分类信息；
第一判断单元13，所述第一判断单元13用于通过所述第一预设分类信息判断所述第一订单信息是否完整；
第三获得单元14，所述第三获得单元14用于当所述第一订单信息完整时，获得第一分类优化指令；
第四获得单元15，所述第四获得单元15用于根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；
第五获得单元16，所述第五获得单元16用于根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；
第六获得单元17，所述第六获得单元17用于根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；
第一输入单元18，所述第一输入单元18用于将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；
第七获得单元19，所述第七获得单元19用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；
第八获得单元20，所述第八获得单元20用于获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
进一步的，所述系统还包括：
第九获得单元，所述第九获得单元用于通过所述第一订单信息获得第一订单的第一数据；
第二判断单元，所述第二判断单元用于判断所述第一订单信息是否存在第二数据；
第十获得单元，所述第十获得单元用于当存在时，获得第一校验指令；
第一校验单元，所述第一校验单元用于根据所述第一校验指令，对所述第一数据和第二数据进行校验；
第十一获得单元，所述第十一获得单元用于获得第一校验结果，将所述第一校验结果作为第一订单信息。
进一步的，所述系统还包括：
第十二获得单元，所述第十二获得单元用于获得第一数据、第二数据的修订时间信息；
第十三获得单元，所述第十三获得单元用于根据所述修订时间信息获得第一权重值；
第十四获得单元，所述第十四获得单元用于获得第一数据、第二数据的数据对比结果，根据所述对比结果获得第二权重值；
第十五获得单元，所述第十五获得单元用于根据所述第一权重值和第二权重值对所述第一数据和第二数据进行加权计算；
第十六获得单元，所述第十六获得单元用于对进行加权计算的第一数据和第二数据进行比较，获得第一校验结果。
进一步的，所述系统还包括：
第十七获得单元，所述第十七获得单元用于获得第二订单信息、第三订单信息直至第n订单信息，其中，所述订单信息均已进行替换处理，n为大于1的自然数；
第十八获得单元，所述第十八获得单元用于根据所述第一订单信息生成第一校验码，所述第一校验码与所述第一订单信息一一对应；
第十九获得单元，所述第十九获得单元用于根据所述第二订单信息和第一校验码生成第二校验码，所述第二校验码与所述第二订单信息一一对应，以此类推，根据第n订单信息和第n-1校验码生成第n校验码；
第一保存单元，所述第一保存单元用于将所述订单信息和校验码复制保存在m台电子设备上，m为大于1的自然数。
进一步的，所述系统还包括：
第二十获得单元，所述第二十获得单元用于获得第二机台信息，将所述第二机台信息作为第三输入信息输入所述第一训练模型；
第二十一获得单元，所述第二十一获得单元用于获得所述第一训练模型的第二输出结果，所述第二输出结果包括第二板件图形排列结果；
第二十二获得单元，所述第二十二获得单元用于将所述第二板件图形排列结果作为第一订单信息的备选结果。
进一步的，所述系统还包括：
第二十三获得单元，所述第二十三获得单元用于获得所述第二订单的板件图形信息；
第二输入单元，所述第二输入单元用于将所述第二订单的板件图形信息作为第四输入信息输入所述第一训练模型；
第二十四获得单元，所述第二十四获得单元用于获得第一训练模型的第三输出结果，所述第三输出结果包括第三板件图形排列结果。
进一步的，所述系统还包括：
第二十五获得单元，所述第二十五获得单元用于获得第一预定空间节省阈值；
第二十六获得单元，所述第二十六获得单元用于获得所述第一订单、第二订单分别进行板件图形排列占用的总空间的大小；
第三判断单元，所述第三判断单元用于判断所述第三板件图形排列结果的占用空间相比于所述占用总空间的大小是否满足所述第一预定空间节省阈值；
第一应用单元，所述第一应用单元用于当满足时，将所述第三板件图形排列结果应用于所述第一订单和第二订单。
前述图1实施例一中的一种订单数据排版优化方法的各种变化方式和具体实例同样适用于本实施例的一种订单数据排版优化系统，通过前述对一种订单数据排版优化方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种订单数据排版优化系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种订单数据排版优化方法的发明构思，本发明还提供一种订单数据排版优化系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种订单数据排版优化方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种订单数据排版优化方法，所述方法应用于家具订单数据处理系统，所述家具订单数据处理系统包括第一摄像装置，其中，所述方法包括：通过所述第一摄像装置获得第一订单信息；获得第一预设分类信息；通过所述第一预设分类信息判断所述第一订单信息是否完整；当所述第一订单信息完整时，获得第一分类优化指令；根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。解决了现有技术中存在对订单排版优化不准确、效率低，进行优化处理后的订单不能更加契合机台的技术问题，达到准确根据订单内容进行快速优化，进而使得订单分配更加适用于机台，达到提高加工效率的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
1.一种订单数据排版优化方法，所述方法应用于家具订单数据处理系统，所述家具订单数据处理系统包括第一摄像装置，其中，所述方法包括：
通过所述第一摄像装置获得第一订单信息；
获得第一预设分类信息；
通过所述第一预设分类信息判断所述第一订单信息是否完整；
当所述第一订单信息完整时，获得第一分类优化指令；
根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；
根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；
根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；
将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；
获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；
获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
2.如权利要求1所述的方法，所述方法还包括：
通过所述第一订单信息获得第一订单的第一数据；
判断所述第一订单信息是否存在第二数据；
当存在时，获得第一校验指令；
根据所述第一校验指令，对所述第一数据和第二数据进行校验；
获得第一校验结果，将所述第一校验结果作为第一订单信息。
3.如权利要求2所述的方法，其中，所述根据所述第一校验指令，对所述第一数据和第二数据进行校验，所述方法包括：
获得第一数据、第二数据的修订时间信息；
根据所述修订时间信息获得第一权重值；
获得第一数据、第二数据的数据对比结果，根据所述对比结果获得第二权重值；
根据所述第一权重值和第二权重值对所述第一数据和第二数据进行加权计算；
对进行加权计算的第一数据和第二数据进行比较，获得第一校验结果。
4.如权利要求3所述的方法，其中，所述获得第一校验结果，将所述第一校验结果作为第一订单信息，所述方法包括：
获得第二订单信息、第三订单信息直至第n订单信息，其中，所述订单信息均已进行替换处理，n为大于1的自然数；
根据所述第一订单信息生成第一校验码，所述第一校验码与所述第一订单信息一一对应；
根据所述第二订单信息和第一校验码生成第二校验码，所述第二校验码与所述第二订单信息一一对应，以此类推，根据第n订单信息和第n-1校验码生成第n校验码；
将所述订单信息和校验码复制保存在m台电子设备上，m为大于1的自然数。
5.如权利要求1所述的方法，其中，所述获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果，包括：
获得第二机台信息，将所述第二机台信息作为第三输入信息输入所述第一训练模型；
获得所述第一训练模型的第二输出结果，所述第二输出结果包括第二板件图形排列结果；
将所述第二板件图形排列结果作为第一订单信息的备选结果。
6.如权利要求4所述的方法，其中，所述方法还包括：
获得所述第二订单的板件图形信息；
将所述第二订单的板件图形信息作为第四输入信息输入所述第一训练模型；
获得第一训练模型的第三输出结果，所述第三输出结果包括第三板件图形排列结果。
7.如权利要求6所述的方法，其中，所述获得第一训练模型的第三输出结果，所述第三输出结果包括第三板件图形排列结果，所述方法还包括：
获得第一预定空间节省阈值；
获得所述第一订单、第二订单分别进行板件图形排列占用的总空间的大小；
判断所述第三板件图形排列结果的占用空间相比于所述占用总空间的大小是否满足所述第一预定空间节省阈值；
当满足时，将所述第三板件图形排列结果应用于所述第一订单和第二订单。
8.一种订单数据排版优化系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于通过第一摄像装置获得第一订单信息；
第二获得单元，所述第二获得单元用于获得第一预设分类信息；
第一判断单元，所述第一判断单元用于通过所述第一预设分类信息判断所述第一订单信息是否完整；
第三获得单元，所述第三获得单元用于当所述第一订单信息完整时，获得第一分类优化指令；
第四获得单元，所述第四获得单元用于根据所述第一分类优化指令，通过所述第一预设分类信息获得所述第一订单的第一优化结果；
第五获得单元，所述第五获得单元用于根据所述第一优化结果获得所述第一订单的板件图形信息，将所述板件图形信息作为第一输入信息；
第六获得单元，所述第六获得单元用于根据所述第一订单信息获得第一机台信息，将所述第一机台信息作为第二输入信息；
第一输入单元，所述第一输入单元用于将所述第一输入信息和第二输入信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：第一输入信息、第二输入信息和标识板件图形排列结果的标识信息；
第七获得单元，所述第七获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包含第一板件图形排列结果；
第八获得单元，所述第八获得单元用于获得第一替换指令，根据所述第一替换指令，将所述第一优化结果和第一板件图形排列结果替换第一订单信息。
9.一种订单数据排版优化系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
技术总结