本发明实施例涉及信息技术领域，尤其涉及一种餐饮单位的垃圾产生量异常检测方法和系统。
背景技术：
随着社会经济的快速发展，城市内的餐饮单位日益增多，每个餐饮单位每天都会产生大量的垃圾，对城市的健康发展带来不利影响。因此，对餐饮单位每天的垃圾产生量进行检测，并且对垃圾产生量出现异常的餐饮单位进行处理，显得尤为必要。
然而，现有技术中，对餐饮单位每天的垃圾产生量的统计模式，还不够完善。即便统计了每个餐饮单位每天产生的垃圾量之后，也没有一个明确的标准，来判断不同餐饮单位的垃圾产生量是否存在异常，导致判断结果不准确。
技术实现要素：
针对现有技术中存在的问题，本发明实施例提供一种餐饮单位的垃圾产生量异常检测方法和系统。
第一方面，本发明实施例提供一种餐饮单位的垃圾产生量异常检测方法，所述方法包括：
获取待检测餐饮单位的垃圾产生量预测模型；
根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；
获取所述待检测餐饮单位的实际垃圾产生量；
若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
第二方面，本发明实施例提供一种餐饮单位的垃圾产生量异常检测系统，所述系统包括：
第一获取模块，用于获取待检测餐饮单位的垃圾产生量预测模型；
预测模块，用于根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；
第二获取模块，用于获取所述待检测餐饮单位的实际垃圾产生量；
判断模块，用于若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
第三方面，本发明实施例提供一种电子设备，所述设备包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述餐饮单位的垃圾产生量异常检测方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述餐饮单位的垃圾产生量异常检测方法。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法和系统，通过获取待检测餐饮单位的垃圾产生量预测模型，根据垃圾产生量预测模型，得到待检测餐饮单位的垃圾产生量预测区间，获取待检测餐饮单位的实际垃圾产生量，若实际垃圾产生量超过垃圾产生量预测区间，则判断待检测餐饮单位的垃圾产生量出现异常，可以提高对餐饮单位垃圾产生量的异常情况进行检测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的餐饮单位的垃圾产生量异常检测方法流程图；
图2为本发明实施例提供的餐饮单位的垃圾产生量异常检测系统的结构示意图；
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的餐饮单位的垃圾产生量异常检测方法流程图，如图1所示，所述方法包括：
步骤10、获取待检测餐饮单位的垃圾产生量预测模型；
步骤11、根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；
步骤12、获取所述待检测餐饮单位的实际垃圾产生量；
步骤13、若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
具体地，一个餐饮单位的垃圾产生量，在一定的周期内具有一定的分布规律，该分布规律与餐饮单位的规模有关系和所处的周期有关。
服务器可以首先从数据库中，获取待检测餐饮单位的垃圾产生量预测模型，根据该模型对待检测餐饮单位在检测当天的垃圾产生量进行预测，得出待检测单位在检测当天的垃圾产生量预测区间。
然后，服务器可以获取待检测单位在检测当天的实际垃圾产生量，如果实际垃圾产生量处于垃圾产生量预测区间内，则说明待检测单位在检测当天的垃圾产生量没有出现异常；如果，实际垃圾产生量超过垃圾产生量预测区间，则说明待检测单位在检测当天的垃圾产生量出现异常。
比如，待检测餐饮单位记为A餐饮单位，服务器可以从数据库中获取A餐饮单位的垃圾产生量预测模型，根据A餐饮单位的垃圾产生量预测模型，预测出A餐饮单位在检测当天的垃圾产生量预测区间为区间B，而服务器获取到的A餐饮单位在检测当天的实际垃圾产生量为C，如果C处于区间B内，则说明A餐饮单位在检测当天的垃圾产生量没有出现异常，如果C超过了区间B，则说明A餐饮单位在检测当天的垃圾产生量出现了异常。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法，通过获取待检测餐饮单位的垃圾产生量预测模型，根据垃圾产生量预测模型，得到待检测餐饮单位的垃圾产生量预测区间，获取待检测餐饮单位的实际垃圾产生量，若实际垃圾产生量超过垃圾产生量预测区间，则判断待检测餐饮单位的垃圾产生量出现异常，可以提高对餐饮单位垃圾产生量的异常情况进行检测的准确度。
可选的，在上述实施例的基础上，所述方法还包括所述垃圾产生量预测模型的建立过程，所述建立过程包括：
获取所述待检测餐饮单位在历史周期内的实际垃圾产生量；
根据所述历史周期内的实际垃圾产生量，建立所述垃圾产生量预测模型。
具体的，服务器可以获取待检测餐饮单位在历史周期内的实际垃圾产生量，比如，待检测的餐饮单位为A餐饮单位，则服务器可以获取A餐饮单位在检测当天之前的一个月内每天的实际垃圾产生量。
然后，服务器可以将获取到的历史周期内的实际垃圾产生量，建立待检测餐饮单位的垃圾产生量预测模型。比如，服务器可以将A餐饮单位在检测当天之前的一个月内的实际垃圾产生量，绘制成一个动态曲线，该动态曲线可以反映A餐饮单位在检测当天之前的一个月内的实际垃圾产生量的分布情况，包括：实际垃圾产生量的最大值、最小值、波动范围以及变化趋势，服务器可以根据该动态曲线，建立A餐饮单位的垃圾产量预测模型，结合A餐饮单位的规模，可以对A餐饮单位在检测当天的垃圾产生量进行预测。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法，通过获取待检测餐饮单位在历史周期内的实际垃圾产生量，根据历史周期内的实际垃圾产生量，建立待检测餐饮单位的垃圾产生量预测模型，使得所述方法更加科学。
可选的，在上述实施例的基础上，所述根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间，包括：
根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量的预测值；
根据所述垃圾产生量的预测值和预设的垃圾产生量的最大偏差值，得到所述待检测餐饮单位的垃圾产生量预测区间。
具体地，服务器可以根据待检测餐饮单位的垃圾产生量预测模型，对待检测餐饮单位在检测当天的垃圾产生量进行预测，得到待检测餐饮单位在检测当天的垃圾产生量预测值。服务器可以根据实际情况，预先设定一个垃圾产生量的最大偏差值，再根据待检测餐饮单位的垃圾产生量的预测值和垃圾产生量的最大偏差值，得到待检测餐饮单位的垃圾产生量预测区间。
比如，待检测的餐饮单位的A餐饮单位，服务器根据A餐饮单位的垃圾产生量预测模型，计算得到A餐饮单位在检测当天的垃圾产生量的预测值为A1，服务器预设的A餐饮单位的垃圾产生量的最大偏差值为A2，则A餐饮单位的垃圾产生量预测区间可以记为：(A1-A2，A1+A2)。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法，通过根据待检测餐饮单位的垃圾产生量预测模型，得到待检测餐饮单位的垃圾产生量的预测值，根据垃圾产生量的预测值和预设的垃圾产生量的最大偏差值，得到待检测餐饮单位的垃圾产生量预测区间，使得所述方法更加科学。
可选的，在上述实施例的基础上，所述方法还包括：
若所述待检测餐饮单位的垃圾产生量出现异常，则发出警报，以通知相关稽查人员前往所述待检测餐饮单位进行异常处理。
如果服务器按照上述实施例中所述的方法，判断获知待检测餐饮单位在检测当天的垃圾产生量出现异常，则可以发出警报，该警报可通知相关的稽查人员前往待检测餐饮单位进行核查，对异常情况进行处理。服务器还可以接收稽查人员通过手机等智能终端发送过来的处理结果，并将警报信息和处理结果保存在数据库中。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法，若待检测餐饮单位的垃圾产生量出现异常，则发出警报，以通知相关稽查人员前往待检测餐饮单位进行异常处理，使得所述方法更加科学。
可选的，在上述实施例的基础上，所述待检测餐饮单位的实际垃圾产生量，是从垃圾车上的车载硬件设备发送过来的；其中，所述垃圾车为装载所述待检测餐饮单位产生的垃圾的垃圾车。
具体地，服务器获取到的待检测餐饮单位在检测当天的实际垃圾产生量，可以是垃圾车上的车载硬件设备发送过来的。该垃圾车是指装载待检测餐饮单位在检测当天产生的垃圾的垃圾车，该垃圾车的车载硬件设备可以将装载的垃圾的重量，通过无线传输方式发送到服务器。
本发明实施例提供的餐饮单位的垃圾产生量异常检测方法，通过从垃圾车上的车载硬件设备获取待检测餐饮单位的实际垃圾产生量，使得所述方法更加科学。
图2为本发明实施例提供的餐饮单位的垃圾产生量异常检测系统的结构示意图，如图2所示，所述系统包括：第一获取模块20、预测模块21、第二获取模块22和判断模块23，其中：
第一获取模块20用于获取待检测餐饮单位的垃圾产生量预测模型；预测模块21用于根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；第二获取模块22用于获取所述待检测餐饮单位的实际垃圾产生量；判断模块23用于若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
具体地，本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，可以包括：第一获取模块20、预测模块21、第二获取模块22和判断模块23。
第一获取模块20可以从数据库中，获取待检测餐饮单位的垃圾产生量预测模型，预测模块21可以根据该模型对待检测餐饮单位在检测当天的垃圾产生量进行预测，得出待检测单位在检测当天的垃圾产生量预测区间。
第二获取模块22可以获取待检测单位在检测当天的实际垃圾产生量，如果判断模块23经判断获知，实际垃圾产生量处于垃圾产生量预测区间内，则待检测单位在检测当天的垃圾产生量没有出现异常；如果判断模块23经判断获知，实际垃圾产生量超过垃圾产生量预测区间，则待检测单位在检测当天的垃圾产生量出现异常。
比如，待检测餐饮单位记为A餐饮单位，第一获取模块20可以从数据库中获取A餐饮单位的垃圾产生量预测模型，预测模块21可以根据A餐饮单位的垃圾产生量预测模型，预测出A餐饮单位在检测当天的垃圾产生量预测区间，该区间可以记为区间B，第二获取模块22可以获取到的A餐饮单位在检测当天的实际垃圾产生量，该实际垃圾产生量可以记为C，如果判断模块23经判断获知，C处于区间B内，则A餐饮单位在检测当天的垃圾产生量没有出现异常，如果判断模块23经判断获知，C超过了区间B，则A餐饮单位在检测当天的垃圾产生量出现了异常。
本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，其功能具体参照上述方法实施例，此处不再赘述。
本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，通过获取待检测餐饮单位的垃圾产生量预测模型，根据垃圾产生量预测模型，得到待检测餐饮单位的垃圾产生量预测区间，获取待检测餐饮单位的实际垃圾产生量，若实际垃圾产生量超过垃圾产生量预测区间，则判断待检测餐饮单位的垃圾产生量出现异常，可以提高对餐饮单位垃圾产生量的异常情况进行检测的准确度。
可选的，在上述实施例的基础上，所述系统包括：第一获取模块、预测模块、第二获取模块、判断模和模型建立模块，其中：
模型建立模块用于获取所述待检测餐饮单位在历史周期内的实际垃圾产生量，并根据所述历史周期内的实际垃圾产生量，建立所述垃圾产生量预测模型。
具体地，本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，可以包括：第一获取模块、预测模块、第二获取模块、判断模块和模型建立模块。其中，所述第一获取模块、所述预测模块、所述第二获取模块和所述判断模块，已在上述实施例中详细描述，此处不再赘述。
模型建立模块可以获取待检测餐饮单位在历史周期内的实际垃圾产生量，比如，待检测的餐饮单位为A餐饮单位，则模型建立模块可以获取A餐饮单位在检测当天之前的一个月内每天的实际垃圾产生量。
模型建立模块还可以根据获取到的历史周期内的实际垃圾产生量，建立待检测餐饮单位的垃圾产生量预测模型。比如，模型建立模块可以将A餐饮单位在检测当天之前的一个月内的实际垃圾产生量，绘制成一个动态曲线，该动态曲线可以反映A餐饮单位在检测当天之前的一个月内的实际垃圾产生量的分布情况，包括：实际垃圾产生量的最大值、最小值、波动范围以及变化趋势。模型建立模块可以根据该动态曲线，建立A餐饮单位的垃圾产量预测模型，对A餐饮单位在检测当天的垃圾产生量进行预测。
本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，通过获取待检测餐饮单位在历史周期内的实际垃圾产生量，根据历史周期内的实际垃圾产生量，建立待检测餐饮单位的垃圾产生量预测模型，使得所述系统更加科学。
可选的，在上述实施例的基础上，所述预测模块包括：第一计算子模块和第二计算子模块，其中：
第一计算子模块用于根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量的预测值；第二计算子模块用于根据所述垃圾产生量的预测值和预设的垃圾产生量的最大偏差值，得到所述待检测餐饮单位的垃圾产生量预测区间。
具体的，上述实施例中所述的预测模块，可以包括：第一计算子模块和第二计算子模块。
第一计算子模块可以根据待检测餐饮单位的垃圾产生量预测模型，对待检测餐饮单位在检测当天的垃圾产生量进行预测，得到待检测餐饮单位在检测当天的垃圾产生量预测值。第二计算子模块可以根据实际情况，预先设定一个垃圾产生量的最大偏差值，则第二计算子模块可以根据待检测餐饮单位的垃圾产生量的预测值和垃圾产生量的最大偏差值，得到待检测餐饮单位的垃圾产生量预测区间。
比如，待检测的餐饮单位的A餐饮单位，第一计算子模块根据A餐饮单位的垃圾产生量预测模型，计算得到A餐饮单位在检测当天的垃圾产生量的预测值为A1，第二计算子模块预设的A餐饮单位的垃圾产生量的最大偏差值为A2，则A餐饮单位的垃圾产生量预测区间可以记为：(A1-A2，A1+A2)。
本发明实施例提供的餐饮单位的垃圾产生量异常检测系统，通过根据待检测餐饮单位的垃圾产生量预测模型，得到待检测餐饮单位的垃圾产生量的预测值，根据垃圾产生量的预测值和预设的垃圾产生量的最大偏差值，得到待检测餐饮单位的垃圾产生量预测区间，使得所述系统更加科学。
图3为本发明实施例提供的电子设备的结构示意图，如图3所示，所述设备包括：处理器(processor)31、存储器(memory)32和总线33，其中：
所述处理器31和所述存储器32通过所述总线33完成相互间的通信；所述处理器31用于调用所述存储器32中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取待检测餐饮单位的垃圾产生量预测模型；根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；获取所述待检测餐饮单位的实际垃圾产生量；若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取待检测餐饮单位的垃圾产生量预测模型；根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；获取所述待检测餐饮单位的实际垃圾产生量；若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取待检测餐饮单位的垃圾产生量预测模型；根据所述垃圾产生量预测模型，得到所述待检测餐饮单位的垃圾产生量预测区间；获取所述待检测餐饮单位的实际垃圾产生量；若所述实际垃圾产生量超过所述垃圾产生量预测区间，则判断所述待检测餐饮单位的垃圾产生量出现异常。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。