本技术涉及智能补货领域，更具体地说，涉及一种补货需求分析方法、装置、设备和可读存储介质。
背景技术：
1、当前，针对如便利店等商铺展开的补货管理，包括两种主要方式：一是人工定期巡检货架，店员通过肉眼观察货物的剩余量来判断是否需要补货；二是使用简单的库存管理系统，该系统记录货物的出入库数量，并设定一个库存阈值，当库存低于该阈值时，系统自动发出补货提醒。这两种方式共同构成了当前便利店补货管理的主流技术框架。
2、尽管现有技术在一定程度上满足了便利店补货的基本需求，但仍存在诸多不足之处。首先，人工巡检的方式效率低下，不仅耗费大量时间和人力成本，而且容易因人为因素（如疲劳、疏忽）导致遗漏和误判，从而影响销售的连续性和顾客满意度。其次，依赖库存管理系统的阈值设定进行补货，虽然能够在一定程度上减少人工干预，但这种方法无法实时反映货架上的货物销售情况，容易因为信息不对称导致补货不及时或过度补货，增加了库存成本和浪费。此外，现有系统依赖已发生的销售情况进行补货，即现在店铺内什么卖的快或快卖完了才进行补货，其不能根据货物的销售趋势、季节变化等动态因素进行智能预测和调整，缺乏灵活性和前瞻性。
3、基于此，本技术提供了一种补货需求分析方案，解决现有技术在补货管理中存在效率低下、准确性不足、缺乏灵活性和前瞻性等问题。
技术实现思路
1、有鉴于此，本技术提供了一种补货需求分析方法、装置、设备和可读存储介质，引入货品识别模型对处理后的图像进行快速、准确的货品识别，同时引入销售需求模型实现对货品销售需求的智能预测，最终生成当前补货需求，实现了便利店货物补货管理的实时性、准确性、智能化和自动化水平的提升。
2、一种补货需求分析方法，包括：
3、获取多角度拍摄的货架区域初始图像，并对所述货架区域初始图像进行增强和去噪处理，生成货架区域检测图像；
4、将所述货架区域检测图像输入至预先训练好的货品识别模型，得到所述货品识别模型输出的当前货品数据，所述货品识别模型基于标注有货品种类、数量和摆放位置的样本货架区域图像训练得到；
5、基于调取的当前收银系统数据以及线上销售平台数据，生成当前销售数据，并将所述当前销售数据作为需求预测基础数据；
6、将所述需求预测基础数据和所述当前货品数据输入至预先训练好的销售需求模型，得到所述销售需求模型输出的销售需求预测结果，所述销售需求模型采用长短期记忆网络lstm与注意力机制相结合，基于历史销售数据训练得到；
7、根据所述当前货品数据、所述销售需求预测结果以及预置的安全库存设定，确定当前补货需求。
8、可选的，在获取多角度拍摄的货架区域初始图像之后，还包括：
9、对所述货架区域初始图像进行图像锐化处理以及光线校正处理。
10、可选的，还包括：
11、调取关联店铺的货品销售数据；
12、将所述当前销售数据和所述关联店铺的货品销售数据作为需求预测基础数据。
13、可选的，还包括：
14、获取全渠道热销货品清单；
15、将所述当前销售数据和所述全渠道热销货品清单作为需求预测基础数据。
16、可选的，还包括：
17、基于所述当前销售数据，确定滞销货品；
18、根据所述全渠道热销货品清单，确定属于所述全渠道热销货品清单或获取得到的新品清单中的替换货品，并生成记录有所述滞销货品和所述替换货品的置换清单，所述替换货品用于替换所述滞销货品；
19、提取出所述当前货品数据和所述当前销售数据中的滞销货品信息，并基于所述滞销货品信息设计针对所述滞销货品的促销策略；
20、根据所述当前货品数据、所述销售需求预测结果以及预置的安全库存设定，确定当前补货需求，包括：
21、根据所述当前货品数据和所述销售需求预测结果，结合预置的安全库存设定以及所述置换清单，确定当前补货需求。
22、可选的，还包括：
23、根据各货品对应的补货流程和供应商响应时间，确定所述各货品的补货周期；
24、根据所述当前货品数据、所述销售需求预测结果以及预置的安全库存设定，确定当前补货需求，包括：
25、根据所述当前货品数据和所述销售需求预测结果，结合预置的安全库存设定以及所述各货品的补货周期，确定当前补货需求。
26、可选的，所述注意力机制基于消费人群分布、当前温度、当前促销策略以及节假日临期情况设置各货品对应权重。
27、一种补货需求分析装置，包括：
28、区域检测单元，用于获取多角度拍摄的货架区域初始图像，并对所述货架区域初始图像进行增强和去噪处理，生成货架区域检测图像；
29、货品识别单元，用于将所述货架区域检测图像输入至预先训练好的货品识别模型，得到所述货品识别模型输出的当前货品数据，所述货品识别模型基于标注有货品种类、数量和摆放位置的样本货架区域图像训练得到；
30、预测数据单元，用于基于调取的当前收银系统数据以及线上销售平台数据，生成当前销售数据，并将所述当前销售数据作为需求预测基础数据；
31、需求预测单元，用于将所述需求预测基础数据和所述当前货品数据输入至预先训练好的销售需求模型，得到所述销售需求模型输出的销售需求预测结果，所述销售需求模型采用长短期记忆网络lstm与注意力机制相结合，基于历史销售数据训练得到；
32、需求确定单元，用于根据所述当前货品数据、所述销售需求预测结果以及预置的安全库存设定，确定当前补货需求。
33、一种补货需求分析设备，包括存储器和处理器；
34、所述存储器，用于存储程序；
35、所述处理器，用于执行所述程序，实现如上述任一项所述的补货需求分析方法的各个步骤。
36、一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上述任一项所述的补货需求分析方法的各个步骤。
37、从上述的技术方案可以看出，本技术实施例提供的一种补货需求分析方法、装置、设备和可读存储介质，首先获取多角度拍摄的货架区域初始图像，并对所述货架区域初始图像进行增强和去噪处理，生成货架区域检测图像。将所述货架区域检测图像输入至预先训练好的货品识别模型，得到所述货品识别模型输出的当前货品数据。此时，基于调取的当前收银系统数据以及线上销售平台数据，生成当前销售数据，并将所述当前销售数据作为需求预测基础数据。之后将所述需求预测基础数据和所述当前货品数据输入至预先训练好的销售需求模型，得到所述销售需求模型输出的销售需求预测结果，所述销售需求模型采用长短期记忆网络lstm与注意力机制相结合，基于历史销售数据训练得到，可实现对对货品销售需求的智能预测。最后根据所述当前货品数据、所述销售需求预测结果以及预置的安全库存设定，确定当前补货需求。
38、本技术一方面借助预先训练好的货品识别模型，对处理后的图像进行快速、准确的货品识别，获取当前货品数据，实现了对货架状态的实时、准确监测，确保了货品识别的准确性。另一方面引入了智能预测机制，通过结合当前收银系统数据、线上销售平台数据以及历史销售数据，利用长短期记忆网络（lstm）与注意力机制相结合的销售需求模型，实现了对货品销售需求的精准预测。这种智能预测不仅考虑了历史销售趋势，还可融入了温度季节变化、节假日和促销活动等动态因素，使得补货计划更加灵活和适应性强。此外，本技术从图像获取、货品识别到销售预测、补货需求确定，整个流程都无需大量人工干预，大大降低了人力成本，并减少了人为错误的可能性。这种高度自动化的补货管理方式不仅提高了补货效率，还确保了补货计划的准确性和及时性。
1.一种补货需求分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在获取多角度拍摄的货架区域初始图像之后，还包括：
3.根据权利要求1所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求1所述的方法，其特征在于，还包括：
7.根据权利要求1所述的方法，其特征在于，所述注意力机制基于消费人群分布、当前温度、当前促销策略以及节假日临期情况设置各货品对应权重。
8.一种补货需求分析装置，其特征在于，包括：
9.一种补货需求分析设备，其特征在于，包括存储器和处理器；
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的补货需求分析方法的各个步骤。
