一种称重作弊行为的识别方法、装置、系统及介质与流程

1.本发明涉及计算机视觉技术领域，尤其涉及一种称重作弊行为的识别方法、装置、系统及介质。


背景技术：

2.目前，在生鲜超市、社区便利店等商品售卖场所，散装商品需要通过称重、打印价签后再进行结算。称重员在称重打印价签的作业过程中，可能存在不规范行为，为商家带来经济损失。例如称重员在为熟人朋友等进行称重服务时，可能存在恶意打折，或者打印价签与实际称重商品不符等行为。
3.目前，商家主要是通过监控采集称重员的作业过程视频，通过监控管理人员查看视频，来确定称重员在称重作业过程中是否有作弊行为。为了实现更加可靠的作弊识别，一些商家还结合当时的收银数据以及商品价格信息，来确定作业员是否有违规作业。
4.但是，现有技术中监控视频量庞大，通过人工难以实现精准识别。对于一些作弊行为，无法通过监控视频发现。


技术实现要素：

5.本发明提供了一种称重作弊行为的识别方法、装置、系统及介质，以解决称重作弊行为的识别工作量大、识别准确性差的问题，可以在提高称重作弊行为识别准确率的同时，减少商家损失。
6.根据本发明的一方面，提供了一种称重作弊行为的识别方法，所述方法包括：
7.若检测到称重事件的触发操作，则获取通过商品识别摄像头采集的待识别商品图像；
8.基于预先训练的商品识别模型识别所述待识别商品图像中的商品类型，生成商品识别结果；
9.若检测到称重确认操作，且所述商品识别结果未被选中，则获取所述商品识别结果的历史精度数据；
10.根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。
11.根据本发明的另一方面，提供了一种称重作弊行为的识别装置，该装置包括：
12.待识别商品图像获取模块，用于若检测到称重事件的触发操作，则获取通过商品识别摄像头采集的待识别商品图像；
13.商品识别结果生成模块，用于基于预先训练的商品识别模型识别所述待识别商品图像中的商品类型，生成商品识别结果；
14.历史精度数据获取模块，用于若检测到称重确认操作，且所述商品识别结果未被选中，则获取所述商品识别结果的历史精度数据；
15.识别结果确定模块，用于根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。
16.根据本发明的另一方面，提供了称重作弊行为的识别系统，所述系统包括：商品识别摄像头、称重场景摄像头、至少一个处理器以及存储器；
17.所述活体检测设备、图像采集设备以及称重数据采集设备均与所述处理器通信连接，所述处理器与所述存储器通信连接；
18.所述商品识别摄像头和称重场景摄像头均与所述处理器通信连接，所述处理器与所述存储器通信连接；
19.其中，所述商品识别摄像头，用于采集待识别商品图像；
20.所述称重场景摄像头，用于采集目标时段的称重过程视频；
21.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行时实现本发明任一实施例所述的称重作弊行为的识别方法。
22.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的称重作弊行为的识别方法。
23.本发明实施例的技术方案，通过在检测到称重事件的触发操作时，获取通过商品识别摄像头采集的待识别商品图像。基于预先训练的商品识别模型识别待识别商品图像中的商品类型，生成商品识别结果。当检测到称重确认操作，并且所述商品识别结果未被选中时，则获取所述商品识别结果的历史精度数据，并根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。该方案可以解决称重作弊行为的识别工作量大、识别准确性差的问题，可以在提高称重作弊行为识别准确率的同时，减少商家损失。
24.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
25.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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。
26.图1是根据本发明实施例一提供的一种称重作弊行为的识别方法的流程图；
27.图2是根据本发明实施例二提供的一种称重作弊行为的识别装置的结构示意图；
28.图3是实现本发明实施例的称重作弊行为的识别方法的称重作弊行为的识别系统的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本发明方案，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、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.实施例一
32.图1为本发明实施例一提供了一种称重作弊行为的识别方法的流程图，本实施例可适用于称重作弊行为的识别的情况，该方法可以由称重作弊行为的识别装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于称重作弊行为的识别系统中。如图1所示，该方法包括：
33.s110、若检测到称重事件的触发操作，则获取通过商品识别摄像头采集的待识别商品图像。
34.本方案可以由称重作弊行为的识别系统执行，所述称重作弊行为的识别系统可以包括商品识别摄像头、称重场景摄像头、至少一个处理器以及存储器等。其中，商品识别摄像头可以配置于称重设备上，以便获取商品在完整度、清晰度等方面符合识别要求的高质量图像。称重场景摄像头可以作为监控配置于商店、超市的称重区域，用于采集称重区域内目标时段的称重过程视频。
35.称重作弊行为的识别系统可以通过处理器获取称重设备的称重数据，根据称重数据的变化情况判断称台上是否放置了待称重商品，进而触发称重事件。称重作弊行为的识别系统也可以将检测到商品识别摄像头采集到第一幅待识别商品图像作为称重事件的触发操作。称重作弊行为的识别系统还可以将检测到称重场景摄像头采集到称台上的商品放置动作作为称重事件的触发操作。一旦检测到称重事件的触发操作，称重作弊行为的识别系统可以获取待识别商品图像，由于商品识别摄像头通常配置于称重设备上，可以近距离采集待识别商品图像，取得待识别商品的高质量图像，因此，称重作弊行为的识别系统可以选择通过商品识别摄像头获取待识别商品图像。
36.s120、基于预先训练的商品识别模型识别所述待识别商品图像中的商品类型，生成商品识别结果。
37.称重作弊行为的识别系统可以配置有训练完成的商品识别模型。其中，所述商品识别模型可以利用预先收集的商品图像训练得到，可以是传统图形学模型，也可以是深度学习模型，例如可以是卷积神经网络模型。所述商品识别模型可以是分类模型，也可以是目标检测模型，还可以是目标分割模型，其最终的目的是识别出待识别商品图像中存在的全部商品的商品类型。目标检测或目标分割等模型可以进一步的定位商品在待识别商品图像中的位置或轮廓。
38.需要说明的是，同一幅待识别商品图像中可以包括一种类型的商品，也可以包括多种类型的商品。例如两类商品的单价相同时，可以同时进行称重，待识别商品图像中可以包括两种类型的商品。称重作弊行为的识别系统可以在基于商品识别模型对待识别商品图像进行识别之后生成商品识别结果。例如图像1中包括商品a，图像2中包括商品a和商品b。
39.其中，所述商品识别结果可以只是一类商品的标签信息，例如可以包括商品名称、商品id、识别精度以及识别次数等。所述商品识别结果也可以是一个商品识别列表，包括多条商品的标签信息，多条商品标签信息可以是按照识别精度进行排列的，以供称重人员选择，从而提高商品识别结果的适用性。
40.s130、若检测到称重确认操作，且所述商品识别结果未被选中，则获取所述商品识别结果的历史精度数据。
41.在识别系统生成商品识别结果之后，称重人员可以通过称重设备上按钮选择商品类型，以进行价签打印或收银。在配置有显示屏的称重设备上，识别系统可以将商品识别结果显示在屏幕上，称重人员可以通过点击显示屏上虚拟按键来商品类型的选择，以进行价签打印或收银。当称重人员选中了商品类型，则可以认为进行了称重确认操作。
42.当识别系统检测到称重确认操作，并且检测到商品识别结果未被选中，则说明称重人员选择的商品类型与识别系统的商品识别结果不相符。识别系统可以调取称重设备的履历，获取商品识别结果的历史精度数据。其中，所述历史精度数据可以是历次商品识别过程中各类商品的识别准确率，例如可以是某一商品类型在历次称重过程中，识别系统的商品识别结果与称重人员选择的商品类型相同的次数与该商品识别总次数的比率。
43.s140、根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。
44.依据历史精度数据，识别系统可以判断称重事件中是否存在称重作弊行为。例如本次商品识别结果为商品a，商品a的历史识别精度均保持在100％，即商品a的识别从未出现过误识别。本次称重人员没有选择商品a，有可能是称重人员存在称重作弊行为，例如在选择了单价更低的商品类型进行价签打印，而与实际购买的商品类型不符，造成了商家损失。
45.在本方案中，可选的，所述根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果，包括：
46.若所述历史精度数据高于预设精度阈值，则确定所述称重事件存在称重作弊行为。
47.识别系统可以设置精度阈值，例如98％，如果历史精度数据高于精度阈值，则认为称重事件存在称重作弊行为。即识别系统可以认为当历史精度数据超过某一精度阈值时，商品识别结果的准确性是具有保证的。如果称重人员选择了除商品识别结果之外的其他商品类型，则说明称重人员行为可疑，判定为存在称重作弊行为。
48.该方案可以利用精度阈值来对历史精度数据进行评价，进而判断称重人员的行为是否存在称重作弊行为，有利于高效准确的识别称重作弊行为。
49.在一个可行的方案中，在检测到称重事件的触发操作之后，所述方法还包括：
50.获取通过称重场景摄像头采集的目标时段的称重过程视频；
51.根据所述称重过程视频，确定所述称重事件的称重作弊行为识别结果。
52.在检测到称重事件的触发操作之后，识别系统还可以获取称重场景摄像头采集的目标时段的称重过程视频。其中，所述目标时段可以是检测到称重过程视频中商品放置动作开始至商品拿走动作结束的时段。所述称重过程视频可以记录称重场景摄像头监控范围内的一个或多个称重过程。识别系统可以根据目标时段在称重场景视频中截取称重过程视频。
53.识别系统可以对称重过程视频进行称重作弊行为识别，以得到称重作弊行为识别结果。识别系统可以将称重过程视频拆分成多帧图像，基于多幅图像进行行为识别。识别系统可以识别称重过程视频中称重人员是否存在恶意遮挡、接触商品等不规范行为。
54.本方案可以有效监控称重人员在称重过程中的行为，进而及时发现称重作弊行为，在避免商家损失的同时，做到有据可依。
55.在上述方案的基础上，可选的，所述根据所述称重过程视频，确定所述称重事件的称重作弊行为识别结果，包括：
56.基于预先训练的行为检测模型，对所述称重过程视频进行行为检测，生成行为检测结果；
57.若所述行为检测结果为存在不规范行为，则确定所述称重事件存在称重作弊行为；其中，所述不规范行为包括商品接触类行为以及收银设备异常开启类行为。
58.具体的，识别系统可以预先部署训练好的行为检测模型，用于实现对称重过程视频的行为检测。其中，所述行为检测模型可以通过对称重过程视频中的单幅图像进行目标检测，确定目标对象，然后结合多幅图像识别目标对象的行为。目标对象例如可以是称重人员，目标对象可以是一个也可以是多个。所述行为检测模型也可以直接将称重过程视频行为检测，例如以三维卷积神经网络模型作为行为检测模型。
59.在行为检测模型输出行为检测结果之后，识别系统可以根据行为检测结果来判断称重事件是否存在称重作弊行为。行为检测结果可以分为规范行为和存在不规范行为两种。所述不规范行为可以包括商品接触类行为以及收银设备异常开启类行为等。其中，商品接触类行为可以包括称重人员或顾客等在称重过程中进行上提商品，干扰商品识别摄像头识别等行为。收银设备异常开启类行为可以包括称重人员无故打开收银设备，称重人员故意在称重台上放置少量商品以开启收银设备等行为。如果行为检测结果为存在上述不规范行为，则识别系统可以确定称重事件存在称重作弊行为。
60.该方案可以及时察觉称重过程中的异常行为，实现高效的监控管理，有利于避免商家的经济损失。
61.可选的，在生成行为检测结果之后，所述方法还包括：
62.若所述行为检测结果为存在不规范行为，则根据所述不规范行为，生成警示信息，并同步到称重设备显示终端。
63.如果行为检测结果为存在不规范行为，识别系统还可以根据不规范行为，生成警示信息。例如不规范行为为称重人员故意在称重台上放置少量商品以开启收银设备，警示信息可以是“请注意：勿在无顾客交易时开启收银设备，连续3次此类情况，本设备将冻结开启！”。
64.该方案有利于规范称重人员的行为，实现严格的称重过程监控。
65.在一个优选的方案中，在生成行为检测结果之后，所述方法还包括：
66.若所述行为检测结果为存在不规范行为，且，所述不规范行为为收银设备异常开启类行为，则根据所述收银设备记录的交易信息，确定所述称重作弊行为导致的收银损失。
67.称重作弊行为的识别系统可以与收银设备连接。如果行为检测结果为存在不规范行为，并且不规范行为为收银设备异常开启类行为，识别系统可以根据收银设备记录的交易信息，来核查称重作弊行为导致的收银损失。例如收银设备记录的交易信息中显示当日
收款3678.4元，而收银设备实际收款3600.4元，则称重作弊行为导致了收银损失78元。识别系统可以以称重过程视频、交易信息以及收银设备的打开记录等为依据，调查损失原因。
68.上述方案可以有效追查收银损失原因，进而避免收银损失。
69.在另一个可行的方案中，可选的，在生成商品识别结果之后，所述方法还包括：
70.若检测到商品变价操作或商品报废操作，则基于预先训练的品质识别模型识别所述待识别商品图像中的商品品质，生成品质识别结果；
71.根据所述品质识别结果，确定所述商品变价操作或所述商品报废操作是否为称重作弊行为。
72.在实际的商超管理场景中，生鲜、水果以及蔬菜等商品存在品质变化。例如蔬菜商品早上上货时新鲜，经过一天的售卖，晚上剩余的蔬菜商品不新鲜了。商家可以根据商品品质的变化对商品采取打折售卖等方式进行处理。对于腐烂、变质等不符合售卖标准的商品，商家可以对其采取报废处理。
73.商家可以对商品变价操作和商品报废操作进行严格的把控，避免称重人员将高质量商品递交售卖，或者将符合售卖标准的商品以报废处理的形式中饱私囊。称重设备上可以设置有商品变价打折、报废等按键。当识别系统检测到称重人员对称重商品进行商品变价操作或商品报废操作时，可以调用品质识别模型，对商品品质进行识别，并生成品质识别结果。
74.识别系统可以根据商品类型采用对应的品质识别模型实现品质识别。例如鱼、虾等生鲜类商品，识别系统可以通过品质识别模型判断鱼、虾等是否死亡，如果死亡则可以进行变价打折处理，如果鲜活则正价销售。对于菠菜、生菜等带叶类蔬菜，识别系统可以基于品质识别模型按照蔬菜叶片的新鲜度进行品质分类，识别系统可以根据品质分类，进行不同程度的打折变价处理。除此之外，识别系统还可以根据水果、蔬菜等商品的色泽进行品质分类。
75.根据品质识别结果，识别系统可以确定称重人员的商品变价操作或商品报废操作是否合理。识别系统可以通过判断品质分类与折扣力度是否匹配来确定商品变价操作是否合理，如果品质分类和折扣力度匹配，则认为商品变价操作合理，商品变价操作不是称重作弊行为。假设品质识别结果可以按照新鲜度可以分为三级，其中一级表示新鲜度最差，相应的，折扣力度也分为三种，分别为5折，7折，正价。如果商品a的品质识别结果为新鲜度三级，而称重人员在选择折扣力度时选择了5折，则可以确定该商品变价操作为称重作弊行为。
76.类似的，对于商品报废操作，识别系统可以通过品质识别模型来判断商品是否符合报废标准，如符合，则正常进行报废处理，如不符合，则可以确定该商品报废操作为称重作弊行为。
77.本方案可对商品品质进行细粒度把控，避免商品称重过程中的管理漏洞，降低商家折损。
78.本技术方案通过在检测到称重事件的触发操作时，获取通过商品识别摄像头采集的待识别商品图像。基于预先训练的商品识别模型识别待识别商品图像中的商品类型，生成商品识别结果。当检测到称重确认操作，并且所述商品识别结果未被选中时，则获取所述商品识别结果的历史精度数据，并根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。该方案可以解决称重作弊行为的识别工作量大、识别准确性差的问题，可以
在提高称重作弊行为识别准确率的同时，减少商家损失。
79.实施例二
80.图2为本发明实施例二提供的一种称重作弊行为的识别装置的结构示意图。如图2所示，该装置包括：
81.待识别商品图像获取模块210，用于若检测到称重事件的触发操作，则获取通过商品识别摄像头采集的待识别商品图像；
82.商品识别结果生成模块220，用于基于预先训练的商品识别模型识别所述待识别商品图像中的商品类型，生成商品识别结果；
83.历史精度数据获取模块230，用于若检测到称重确认操作，且所述商品识别结果未被选中，则获取所述商品识别结果的历史精度数据；
84.识别结果确定模块240，用于根据所述历史精度数据，确定所述称重事件的称重作弊行为识别结果。
85.在一个可行的方案中，可选的，所述识别结果确定模块240，具体用于：
86.若所述历史精度数据高于预设精度阈值，则确定所述称重事件存在称重作弊行为。
87.在一个优选的方案中，所述装置还包括：
88.称重过程视频获取模块，用于获取通过称重场景摄像头采集的目标时段的称重过程视频；
89.识别结果生成模块，用于根据所述称重过程视频，确定所述称重事件的称重作弊行为识别结果。
90.在上述方案的基础上，可选的，所述识别结果生成模块，包括：
91.行为检测结果生成单元，用于基于预先训练的行为检测模型，对所述称重过程视频进行行为检测，生成行为检测结果；
92.称重作弊行为确定单元，用于若所述行为检测结果为存在不规范行为，则确定所述称重事件存在称重作弊行为；其中，所述不规范行为包括商品接触类行为以及收银设备异常开启类行为。
93.在本方案中，可选的，所述装置还包括：
94.警示信息生成模块，用于若所述行为检测结果为存在不规范行为，则根据所述不规范行为，生成警示信息，并同步到称重设备显示终端。
95.在上述实施例的基础上，可选的，所述装置还包括：
96.收银损失确定模块，用于若所述行为检测结果为存在不规范行为，且，所述不规范行为为收银设备异常开启类行为，则根据所述收银设备记录的交易信息，确定所述称重作弊行为导致的收银损失。
97.在另一个可行的方案中，所述装置还包括：
98.品质识别结果生成模块，用于若检测到商品变价操作或商品报废操作，则基于预先训练的品质识别模型识别所述待识别商品图像中的商品品质，生成品质识别结果；
99.称重作弊行为判断模块，用于根据所述品质识别结果，确定所述商品变价操作或所述商品报废操作是否为称重作弊行为。
100.本发明实施例所提供的称重作弊行为的识别装置可执行本发明任意实施例所提
供的称重作弊行为的识别方法，具备执行方法相应的功能模块和有益效果。
101.实施例三
102.图3示出了可以用来实施本发明的实施例的称重作弊行为的识别系统310的结构示意图。称重作弊行为的识别系统旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。称重作弊行为的识别系统还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
103.如图3所示，称重作弊行为的识别系统310包括至少一个处理器311，商品识别摄像头316以及称重场景摄像头317与至少一个处理器311通信连接的存储器，如只读存储器(rom)312、随机访问存储器(ram)313等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器311可以根据存储在只读存储器(rom)312中的计算机程序或者从存储单元321加载到随机访问存储器(ram)313中的计算机程序，来执行各种适当的动作和处理。在ram 313中，还可存储称重作弊行为的识别系统310操作所需的各种程序和数据。处理器311、rom 312以及ram 313通过总线314彼此相连。输入/输出(i/o)接口315也连接至总线314。
104.称重作弊行为的识别系统310中的多个部件连接至i/o接口315，包括：商品识别摄像头316，用于采集待识别商品图像；称重场景摄像头317，用于采集目标时段的称重过程视频；输入单元318，例如键盘、鼠标等；输出单元319，例如各种类型的显示器、扬声器等；存储单元320，例如磁盘、光盘等；以及通信单元321，例如网卡、调制解调器、无线通信收发机等。通信单元321允许称重作弊行为的识别系统310通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
105.处理器311可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器311的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器311执行上文所描述的各个方法和处理，例如称重作弊行为的识别方法。
106.在一些实施例中，称重作弊行为的识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元320。在一些实施例中，计算机程序的部分或者全部可以经由rom 312和/或通信单元321而被载入和/或安装到称重作弊行为的识别系统310上。当计算机程序加载到ram 313并由处理器311执行时，可以执行上文描述的称重作弊行为的识别方法的一个或多个步骤。备选地，在其他实施例中，处理器311可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行称重作弊行为的识别方法。
107.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器
可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
108.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
109.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
110.为了提供与用户的交互，可以在称重作弊行为的识别系统上实施此处描述的系统和技术，该称重作弊行为的识别系统具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给称重作弊行为的识别系统。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
111.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
112.计算系统可以包括顾客端和服务器。顾客端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有顾客端-服务器关系的计算机程序来产生顾客端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
113.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
114.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。