基于机器人的商品采购方法及机器人

摘要

本申请适用于机器人技术领域，提供了一种基于机器人的商品采购方法，包括：若检测到采购指令，确定采购指令指向的目标商品；获取目标商品的商品信息；基于预设检测规则和商品信息，确定目标商品的质量检测结果；从目标商品中筛选出质量检测结果满足预设质量标准的商品，并采购筛选出的商品。上述方法，机器人检测到采购指令，获取采购指令指向的目标商品的商品信息，机器人基于商品信息对商品进行质量检测，确定质量检测结果，采购质量检测结果为合格的目标商品，用户通过机器人进行商品采购时，可以对商品的质量进行判断，采购高质量的目标商品，提升了用户的购物体验。

说明书

技术领域

本申请属于机器人技术领域，尤其涉及一种基于机器人的商品采购方法及机器人。

背景技术

随着技术的发展，机器人在很多领域都可以进行辅助性的工作。现有的机器人技术，可以辅助用户进行购物，用户可以远程控制机器人进行移动并通过机器人获取商品的图像，从而可以远程控制机器人进行商品采购。但是，现有的通过机器人进行商品采购的方法，只是选择商品的种类，无法对商品的质量进行判断。因此可能会导致用户买到品质不好的商品，影响用户的购物体验。

发明内容

本申请实施例提供了一种基于机器人的商品采购方法及机器人，可以解决用户通过机器人进行商品采购时，无法对商品的质量进行判断，导致用户可能购买到品质不好的商品，用户购物体验差的问题。

第一方面，本申请实施例提供了一种基于机器人的商品采购方法，应用于所述机器人，所述方法包括：

若检测到采购指令，确定所述采购指令指向的目标商品；

获取所述目标商品的商品信息；

基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果；

从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品，并采购筛选出的商品。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的商品图像；

所述基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果，包括：

将所述商品图像输入至预先训练完成的新鲜度识别模型进行处理，识别所述生鲜商品的新鲜度信息；

基于所述新鲜度信息确定所述生鲜商品的质量检测结果。

进一步地，对所述新鲜度识别模型的训练过程，包括：

获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签，得到由各个所述预设商品的所述二维图像样本、所述三维特征信息以及所述新鲜度标签构成的样本数据集；

基于所述样本数据集对预设的初始模型进行训练，直至满足预设收敛条件，完成训练，得到训练完成的所述新鲜度识别模型。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的气味信息和表面纹理信息；

所述基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果，包括：

基于所述生鲜商品的预设气味和所述气味信息，确定所述生鲜商品的腐烂度信息；

基于所述表面纹理信息确定所述生鲜商品的含水量；

基于所述腐烂度信息和所述含水量确定所述生鲜商品的所述质量检测结果。

进一步地，所述基于所述表面纹理信息确定所述生鲜商品的含水量，包括：

获取所述表面纹理信息中的褶皱纹路信息，并基于所述褶皱纹路信息与所述表面纹理信息之间的比值确定所述生鲜商品的含水量。

进一步地，所述商品信息包括所述目标商品的硬度值；

所述基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果，包括：

当所述硬度值大于或者等于预设硬度阈值时，判定所述目标商品的所述质量检测结果为合格。

进一步地，所述目标商品为果蔬商品，所述商品信息包括所述果蔬商品的样本质谱图；

所述基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果，包括：

获取预设的农药标准质谱图和所述样本质谱图之间的差异信息；

基于所述差异信息确定所述生鲜商品的农药残留量；

基于所述农药残留量确定所述目标商品的质量检测结果。

进一步地，在所述基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果之后，还包括：

将所述质量检测结果发送至用户终端。

第二方面，本申请实施例提供了一种机器人，包括：

第一处理单元，用于当检测到采购指令时，确定所述采购指令指向的目标商品；

第一获取单元，用于获取所述目标商品的商品信息；

第一确定单元，用于基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果；

第二处理单元，用于从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品，并采购筛选出的商品。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的商品图像；

所述第一确定单元，具体用于：

将所述商品图像输入至预先训练完成的新鲜度识别模型进行处理，识别所述生鲜商品的新鲜度信息；

基于所述新鲜度信息确定所述生鲜商品的质量检测结果。

进步一地，所述机器人，还包括：

第二获取单元，用于获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签，得到由各个所述预设商品的所述二维图像样本、所述三维特征信息以及所述新鲜度标签构成的样本数据集；

训练单元，用于基于所述样本数据集对预设的初始模型进行训练，直至满足预设收敛条件，完成训练，得到训练完成的所述新鲜度识别模型。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的气味信息和表面纹理信息；

所述第一确定单元，包括：

第二确定单元，用于基于所述生鲜商品的预设气味和所述气味信息，确定所述生鲜商品的腐烂度信息；

第三确定单元，用于基于所述表面纹理信息确定所述生鲜商品的含水量；

第四确定单元，用于基于所述腐烂度信息和所述含水量确定所述生鲜商品的所述质量检测结果。

进一步地，所述第三确定单元，具体用于：

获取所述表面纹理信息中的褶皱纹路信息，并基于所述褶皱纹路信息与所述表面纹理信息之间的比值确定所述生鲜商品的含水量。

进一步地，所述商品信息包括所述目标商品的硬度值；

所述第一确定单元，具体用于：

当所述硬度值大于或者等于预设硬度阈值时，判定所述目标商品的所述质量检测结果为合格。

进一步地，所述目标商品为果蔬商品，所述商品信息包括所述果蔬商品的样本质谱图；

所述第一确定单元，具体用于：

获取预设的农药标准质谱图和所述样本质谱图之间的差异信息；

基于所述差异信息确定所述生鲜商品的农药残留量；

基于所述农药残留量确定所述目标商品的质量检测结果。

第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的基于机器人的商品采购方法。

第四方面，本申请实施例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程序，所述计算机程序被处理器执行时实现如上述第一方面所述的基于机器人的商品采购方法。

本申请实施例中，若检测到采购指令，确定采购指令指向的目标商品；获取目标商品的商品信息；基于预设检测规则和商品信息，确定目标商品的质量检测结果；从目标商品中筛选出质量检测结果满足预设质量标准的商品，并采购筛选出的商品。上述方法，机器人检测到采购指令，获取采购指令指向的目标商品的商品信息，机器人基于商品信息对商品进行质量检测，确定质量检测结果，采购质量检测结果为合格的目标商品，用户通过机器人进行商品采购时，可以对商品的质量进行判断，采购高质量的目标商品，提升了用户的购物体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请第一实施例提供的一种基于机器人的商品采购方法的示意流程图；

图2是本申请第一实施例提供的一种基于机器人的商品采购方法中S103细化的示意流程图；

图3是本申请第一实施例提供的一种基于机器人的商品采购方法中S1031中对新鲜度识别模型的训练过程的示意流程图；

图4是本申请第一实施例提供的一种基于机器人的商品采购方法中S103细化的示意流程图；

图5是本申请第一实施例提供的一种基于机器人的商品采购方法中S103细化的示意流程图；

图6是本申请第二实施例提供的机器人的示意图；

图7是本申请第三实施例提供的机器人的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

请参见图1，图1是本申请第一实施例提供的一种基于机器人的商品采购方法的示意流程图。本实施例中一种基于机器人的商品采购方法的执行主体为具有采购功能的机器人。如图1所示的基于机器人的商品采购方法可包括：

S101：若检测到采购指令，确定采购指令指向的目标商品。

在本实施例中，机器人具有采购功能。机器人与用户终端通信连接，用户终端可以向机器人发送采购指令。机器人接收到用户终端发送的采购指令，触发机器人执行本实施例中的商品采购方法。

机器人检测到采购指令，其中，采购指令为用于触发机器人进行采购的指令，可以包括代表用户需求的信息，例如，待采购商品的名称、待采购商品的位置。采购指令可以由用户终端发送，采购指令由用户在用户终端上输入待采购商品名称，并且点击“确定购买”的按钮触发生成，例如，用户想要采购苹果，在用户终端上输入苹果，并且点击“确定购买”的按钮触发生成采购指令，用户终端再将采用指令发送至机器人；采购指令也可以通过服务器发送，此处不做限制。

采购指令中包括待采购的目标商品的商品标识信息。目标商品为采购指令指向的商品，即待采购的商品。机器人基于商品标识信息获取采购指令指向的目标商品。此外，采购指令中也可以包括待采购的目标商品在商场或者超市中的位置信息等等，此处不做限制。

S102：获取目标商品的商品信息。

机器人获取目标商品的商品信息。商品信息为目标商品的相关信息，商品信息用于判断目标商品的质量，也就是说，目标商品的商品信息为目标商品相关的可以判断目标商品质量的信息。

举例来说，商品信息可以包括目标商品的图像。机器人可以通过自身的图像采集装置采集目标商品的图像，可以为单帧的图像，也可以为视频信息。机器人通过目标商品的图像可以判断目标商品包装是否完好，是否存在损坏等等，从而判断目标商品质量。

针对不同种类的目标商品，机器人获取的商品信息也可以不同。例如，当目标商品为蔬菜时，商品信息可以包括目标商品的图像，用于判断蔬菜是否新鲜，从而判断目标商品质量；当目标商品为鲜肉类商品时，商品信息可以包括目标商品的气味信息，用于判断鲜肉类商品是否新鲜，从而判断目标商品质量。

商品信息还可以包括目标商品的气味信息、湿度信息、硬度信息、温度信息等等，此处不做限制。

S103：基于预设检测规则和商品信息，确定目标商品的质量检测结果。

机器人中预先存储预设检测规则，预设检测规则用来根据商品信息确定目标商品的质量检测结果。机器人基于预设检测规则和商品信息，确定目标商品的质量检测结果，质量检测结果可以标识目标商品的质量，质量检测结果可以为质量分数，质量检测结果也可以为质量等级。例如，质量检测结果可以为“合格”或者“不合格”。

进一步地，当目标商品为生鲜商品，商品信息包括生鲜商品的商品图像，为了可以准确的获取到生鲜商品的质量检测结果，从而使得用户可以通过机器人采购到质量好的商品，S103可以包括S1031～S1032，如图2所示，S1031～S1032具体如下：

S1031：将商品图像输入至预先训练完成的新鲜度识别模型进行处理，识别生鲜商品的新鲜度信息。

在本实施例中，目标商品为生鲜商品，商品信息包括生鲜商品的商品图像。机器人中预先存储预先训练完成的新鲜度识别模型，新鲜度识别模型的输入为训练样本中的样本图像信息及其对应的新鲜度信息标签，新鲜度识别模型的输出为样本图像信息对应的新鲜度信息。新鲜度信息可以标识生鲜商品的新鲜程度，可以为分数，也可以为等级。

可以理解的是，新鲜度识别模型可以由机器人预先训练好，也可以由其他设备预先训练好后将新鲜度识别模型对应的文件移植至机器人中。具体地，其他设备在训练好深度学习网络时，冻结深度学习网络的模型参数，将冻结后的深度学习网络对应的新鲜度识别模型文件移植到机器人中。

机器人获取到商品图像，机器人将生鲜商品的商品图像输入预先训练完成的新鲜度识别模型进行特征提取、特征分析和特征识别等处理，得到生鲜商品的新鲜度信息。

进一步地，对新鲜度识别模型的训练过程可以包括S10311～S10312如图3所示，S10311～S10312具体如下：

S10311：获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签，得到由各个预设商品的二维图像样本、三维特征信息以及新鲜度标签构成的样本数据集。

在本实施中，机器人获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签，其中，二维图像样本为预设商品的二维视图，可以为RGB彩色图像，二维图像样本中包括了预设商品的二维层面的特征。机器人在训练时，可以获取预设商品的初始图像，将初始图像输入至预设的二维图像筛选模型进行处理，得到二维图像样本。

机器人获取预设商品的三维特征信息和新鲜度标签，机器人获取预设商品的初始彩色图像，对初始彩色图像进行分割处理，得到预设商品对应的目标图像区域，对目标图像区域进行灰度处理，获取目标图像区域的灰度图，基于目标图像区域的灰度图获取预设商品的三维特征信息。

机器人基于预设商品的二维图像样本、三维特征信息以及新鲜度标签生成样本数据集，样本数据集由各个预设商品的二维图像样本、三维特征信息以及新鲜度标签构成。

S10312：基于样本数据集对预设的初始模型进行训练，直至满足预设收敛条件，完成训练，得到训练完成的新鲜度识别模型。

机器人基于样本数据集对预设的初始模型进行训练，直至满足预设收敛条件，完成训练，得到训练完成的新鲜度识别模型。在训练过程中，初始模型的输入为样本数据集中的二维图像样本和三维特征信息，初始模型的标注为新鲜度标签，初始模型的输出为新鲜度信息，机器人可以将二维图像样本和三维特征信息输入初始模型进行处理，识别对应的新鲜度信息，将获取到的新鲜度信息与对应的新鲜度标签进行比较，得到比较结果，通过比较结果对初始模型进行调整，直至满足预设收敛条件，完成训练，得到训练完成的新鲜度识别模型。

S1032：基于新鲜度信息确定生鲜商品的质量检测结果。

机器人基于新鲜度信息确定生鲜商品的质量检测结果，具体地说，机器人中可以预先设置质量检测预设条件，当新鲜度信息满足质量检测预设条件时，生鲜商品的质量检测结果为合格；当新鲜度信息不满足质量检测预设条件时，生鲜商品的质量检测结果为不合格。

进一步地，当目标商品为生鲜商品，商品信息包括生鲜商品的气味信息和表面纹理信息，为了可以准确的获取到生鲜商品的质量检测结果，从而使得用户可以通过机器人采购到质量好的商品，S103可以包括S1033～S1035，如图4所示，S1033～S1035具体如下：

S1033：基于生鲜商品的预设气味和气味信息，确定生鲜商品的腐烂度信息。

在本实施例中，目标商品为生鲜商品，商品信息包括生鲜商品的气味信息和表面纹理信息，其中，生鲜商品的气味信息可以通过安装在机器人上的气味传感器获取，表面纹理信息可以从生鲜商品的图像中提取。机器人中预先存储预设气味，机器人获取生鲜商品的气味信息，机器人比较预设气味和获取到的目标商品的气味信息，获取两者之间的差异值，根据差异值及其对应的预设腐烂程度值，可以确定生鲜商品的腐烂度信息。

S1034：基于表面纹理信息确定生鲜商品的含水量。

机器人可以获取目标商品的图像信息，表面纹理信息可以从生鲜商品的图像中提取，也可以通过机器人的机械手上的传感器获取，通过对表面纹理信息的分析，可确定生鲜商品的含水量，最直观的分析方式，为表面纹理分布的越密集，则生鲜商品的含水量就越少，表面纹理分布的越稀疏，则生鲜商品的含水量就越高。

进一步地，为了更准确的获取到生鲜商品的含水量，从而使得用户可以通过机器人采购到质量好的商品，S1034可以包括：获取表面纹理信息中的褶皱纹路信息，并基于褶皱纹路信息与表面纹理信息之间的比值确定生鲜商品的含水量。

机器人获取表面纹理信息，从表面纹理信息中获取褶皱纹路信息，褶皱纹路信息即为生鲜商品由于缺水形成的纹路。其中，表面纹理信息中褶皱较大的纹理信息为褶皱纹路信息，机器人中可以设置判断条件，当表面纹理信息满足判断条件时，确定为褶皱纹路信息。机器人计算褶皱纹路信息与表面纹理信息之间的比值，当比值越大时，说明褶皱纹路信息越多，该生鲜商品越缺水，基于预设比值和预设含水量之间的对应关系，可以确定生鲜商品的含水量。

S1035：基于腐烂度信息和含水量确定生鲜商品的质量检测结果。

机器人基于腐烂度信息和含水量确定生鲜商品的质量检测结果，具体地说，机器人中可以预先设置质量检测预设条件，基于腐烂度信息和含水量对质量进行综合判断，当腐烂度信息和含水量满足质量检测预设条件时，生鲜商品的质量检测结果为合格；当腐烂度信息和含水量不满足质量检测预设条件时，生鲜商品的质量检测结果为不合格。

进一步地，当商品信息包括目标商品的硬度值，为了可以准确的获取到生鲜商品的质量检测结果，从而使得用户可以通过机器人采购到质量好的商品，S103可以包括：当硬度值大于或者等于预设硬度阈值时，判定目标商品的质量检测结果为合格。在本实施例中，商品信息包括目标商品的硬度值，硬度值可以通过机器人的机械手上的传感器获取，当硬度值大于或者等于预设硬度阈值时，判定目标商品的质量检测结果为合格。举例来说，目标商品为西红柿或者黄瓜时，若硬度值大于预设硬度阈值时，判定目标商品的质量检测结果为合格。

进一步地，当目标商品为果蔬商品，商品信息包括果蔬商品的样本质谱图，为了可以准确的获取到生鲜商品的质量检测结果，从而使得用户可以通过机器人采购到质量好的商品，S103可以包括S1036～S1038，如图5所示，S1036～S1038具体如下：

S1036：获取预设的农药标准质谱图和样本质谱图之间的差异信息。

在本实施例中，目标商品为果蔬商品，商品信息包括果蔬商品的样本质谱图，其中，果蔬商品的样本质谱可以存储在远端服务器中，机器人向远端服务器发送获取请求，从而获取果蔬商品的样本质谱图；果蔬商品的样本质谱图也可以机器人在采购时现场获取，即机器人确定目标商品后，将目标商品的叶片样本放入机器人上安装的检测箱中，检测箱中设有切割挤压装置、可拆卸过滤网装置和检测装置，叶片或样本通过切割挤压装置后残渣被滤网阻挡而汁液落入检测装置中，汁液挥发的气体吹入检测装置中的质谱仪内，从而获取质谱图。机器人中预先存储预设的农药标准质谱图，农药标准质谱图标识了农药残留对人体没有伤害的标准，机器人获取预设的农药标准质谱图和样本质谱图之间的差异信息。

S1037：基于差异信息确定生鲜商品的农药残留量。

机器人中存储预设差异信息和预设农药残留量之间的对应关系，机器人根据预设差异信息和预设农药残留量之间的对应关系确定生鲜商品的农药残留量。

S1038：基于农药残留量确定目标商品的质量检测结果。

机器人基于农药残留量确定目标商品的质量检测结果，具体地说，机器人中可以预先设置农药残留预设阈值，当农药残留量小于或者等于农药残留预设阈值时，目标商品的质量检测结果为合格；当农药残留量大于农药残留预设阈值时，目标商品的质量检测结果为不合格。

进一步地，机器人还可以将质量检测结果发送至用户终端，使用户实时了解商品的质量，以及质量检测结果，用户自身可以对质量进行评估。

S104：从目标商品中筛选出质量检测结果满足预设质量标准的商品，并采购筛选出的商品。

机器人中预先存储预设质量标准，预设质量标准用于从目标商品中筛选出机器人采购的商品，机器人判断质量检测结果是否满足预设质量标准，从目标商品中获取质量检测结果满足预设质量标准的商品，作为待采购的商品，并且采购筛选出的商品。

举例来说，当质量检测结果为目标商品的质量分数时，预设质量标准可以为一个质量分数阈值，当目标商品的质量分数高于预设质量标准时，采购该目标商品。

此外，机器人也可以安装一个菜篮，菜篮内部设有电子秤，可对采购的商品进行称重，以校对商品重量；同时设有生食区/熟食区/冷藏区，以对各种不同的食物进行分类放置。为使机器人视角适应不同高度的货物存放架，模拟人俯身和站立的视角，机器人还配备有升降系统，使其在用户的控制下实现视角高度的变化。用户端和机器人端均设有设全息投影设备，通过全息投影设备中的影像追踪系统获取市场环境和用户的投影源影像，利用全息投影技术，对获取到的投影源影像进行全息投影，使用户获得市场环境的全息投影影像，使用户和商贩能建立更加逼真的交流互动。

本申请实施例中，若检测到采购指令，确定采购指令指向的目标商品；获取目标商品的商品信息；基于预设检测规则和商品信息，确定目标商品的质量检测结果；从目标商品中筛选出质量检测结果满足预设质量标准的商品，并采购筛选出的商品。上述方法，机器人检测到采购指令，获取采购指令指向的目标商品的商品信息，机器人基于商品信息对商品进行质量检测，确定质量检测结果，采购质量检测结果为合格的目标商品，用户通过机器人进行商品采购时，可以对商品的质量进行判断，采购高质量的目标商品，提升了用户的购物体验。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

请参见图6，图6是本申请第二实施例提供的机器人的示意图。包括的各单元用于执图1～图5对应的实施例中的各步骤。具体请参阅图1～图5各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图6，机器人6包括：

第一处理单元610，用于当检测到采购指令时，确定所述采购指令指向的目标商品；

第一获取单元620，用于获取所述目标商品的商品信息；

第一确定单元630，用于基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果；

第二处理单元640，用于从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品，并采购筛选出的商品。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的商品图像；

第一确定单元630，具体用于：

将所述商品图像输入至预先训练完成的新鲜度识别模型进行处理，识别所述生鲜商品的新鲜度信息；

基于所述新鲜度信息确定所述生鲜商品的质量检测结果。

进步一地，机器人6，还包括：

第二获取单元，用于获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签，得到由各个所述预设商品的所述二维图像样本、所述三维特征信息以及所述新鲜度标签构成的样本数据集；

训练单元，用于基于所述样本数据集对预设的初始模型进行训练，直至满足预设收敛条件，完成训练，得到训练完成的所述新鲜度识别模型。

进一步地，所述目标商品为生鲜商品，所述商品信息包括所述生鲜商品的气味信息和表面纹理信息；

第一确定单元630，包括：

第二确定单元，用于基于所述生鲜商品的预设气味和所述气味信息，确定所述生鲜商品的腐烂度信息；

第三确定单元，用于基于所述表面纹理信息确定所述生鲜商品的含水量；

第四确定单元，用于基于所述腐烂度信息和所述含水量确定所述生鲜商品的所述质量检测结果。

进一步地，所述第三确定单元，具体用于：

获取所述表面纹理信息中的褶皱纹路信息，并基于所述褶皱纹路信息与所述表面纹理信息之间的比值确定所述生鲜商品的含水量。

进一步地，所述商品信息包括所述目标商品的硬度值；

第一确定单元630，具体用于：

当所述硬度值大于或者等于预设硬度阈值时，判定所述目标商品的所述质量检测结果为合格。

进一步地，所述目标商品为果蔬商品，所述商品信息包括所述果蔬商品的样本质谱图；

第一确定单元630，具体用于：

获取预设的农药标准质谱图和所述样本质谱图之间的差异信息；

基于所述差异信息确定所述生鲜商品的农药残留量；

基于所述农药残留量确定所述目标商品的质量检测结果。

图7是本申请第三实施例提供的机器人的示意图。如图7所示，该实施例的机器人7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如基于机器人的商品采购程序。所述处理器70执行所述计算机程序72时实现上述各个基于机器人的商品采购方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如6所示模块610至640的功能。

示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述温度调节的设备7中的执行过程。例如，所述计算机程序72可以被分割成第一处理单元、第一获取单元、第一确定单元、第二处理单元，各单元具体功能如下：

第一处理单元，用于当检测到采购指令时，确定所述采购指令指向的目标商品；

第一获取单元，用于获取所述目标商品的商品信息；

第一确定单元，用于基于预设检测规则和所述商品信息，确定所述目标商品的质量检测结果；

第二处理单元，用于从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品，并采购筛选出的商品。

所述机器人可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是机器人7的示例，并不构成对机器人7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。

所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71可以是所述机器人7的内部存储单元，例如机器人7的硬盘或内存。所述存储器71也可以是所述机器人7的外部存储设备，例如所述机器人7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述机器人7还可以既包括所述机器人7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本申请实施例还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程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。