[0012] 本申请实施例通过提供一种新微针技术植发效果的智能评价方法及系统，解决了现有技术中存在基于新微针技术的植发效果无法智能评估，全面性较低，难以为用户提供准确的植发决策需求的技术问题，达到了通过结合新微针技术的客观性和多方用户主动性的智能化结合，提高植发效果评估的针对性和准确性，进而为用户提供植发决策需求支持的技术效果。
[0013] 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。
[0014] 本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0015] 随着植发人数的增长，植发技术有了迅速的发展，传统的植发技术难以满足用户现阶段的植发质量需求，因此，新微针技术作为植发新技术能够根据用户的特征进行精准度更高的植发操作，但是针对新微针技术的植发效果评价方法和系统还不够完善，无法准确、全面对植发过程进行评价，因此，通过提出一种新微针技术植发效果的智能评价方法，能够实现新微针技术植发过程的智能、准确评价。
[0016] 针对上述技术问题，本申请提供的技术方案总体思路如下：本申请提出了一种新微针技术植发效果的智能评价方法及系统，解决了现有技术中存在基于新微针技术的植发效果无法智能评估，全面性较低，难以为用户提供准确的植发决策需求的技术问题。根据第一微针装置对第一用户预设植发设计数据进行分析，获得第一微针种植数据，进而分析所述第一微针种植数据中的参数种类，获得第一监测要素集合，根据所述第一监测要素集合中的监测要素种类进行对应数据采集，以获得第二微针种植数据。进一步的，通过主观指标矩阵对第一用户进行指标评价反馈，获得所述第一用户的第一植发反馈信息，以及关联所述第一用户的多个医生用户进行关联用户的指标评价反馈，获得第二植发反馈信息。再将获得的所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入双维效果评价模型中，根据搭建的所述双维效果评价模型，输出最终的植发综合评价结果。
[0017] 为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0018] 实施例一如图1所示，本申请实施例提供了一种新微针技术植发效果的智能评价方法，所述方法应用于一种新微针技术植发效果的智能评价系统，所述系统与第一微针装置通信连接，所述方法包括：
步骤S100：根据所述第一微针装置，获得第一用户的第一微针种植数据，其中，所述第一微针种植数据为预设植发设计数据；
具体而言，新微针技术作为植发新技术能够根据用户的特征进行精准度更高的植发操作，但是针对新微针技术的植发效果评价方法和系统还不够完善，无法准确、全面对植发过程进行评价，因此，通过提出一种新微针技术植发效果的智能评价方法，能够实现新微针技术植发过程的智能、准确评价。所述第一微针装置是对所述第一用户进行微针植发操作的器械集合，包括空心针头、手术针、推入装置、针头连接体和针管体等；所述第一微针种植数据为基于所述第一用户的脱发特征设计的植发数据，包括植发区域，植发密度和种植方向等；通过获得所述第一用户的进行植发的微针种植数据，能够为所述第一微针装置进行微针植提供基础数据，从而实现准确监测微针种植效果。
[0019] 步骤S200：通过对所述第一微针种植数据进行属性分析，获得第一监测要素集合，其中，所述第一监测要素集合为微针植发过程中的监测参数种类集合；具体而言，由于所述第一微针种植数据包括多项预设植发数据，对于不同项的植发操作包括不同的数据采集类别，因此，首先通过分析所述第一微针种植数据的属性，进而按照数据属性类别的不同确定出所述第一监测要素集合，比如，密度、位置、速度、方向等多个监测参数种类集合，从而能够按照不同属性类别采取对应数据提取的方式，进一步获得对微针植发操作进行客观评价的数据来源，提高评价准确性和全面性。
[0020] 步骤S300：搭建双维效果评价模型；具体而言，所述双维效果评价模型包括两个基础评价模型，包括对所述第一微针装置执行植发操作的客观性评价模型，以及多用户的主观评价集合的评价模型，从而能够结合新微针技术的完成度和用户主观评价的完成度对实时植发过程进行准确评价。
[0021] 进一步的，搭建所述双维效果评价模型，其中，所述双维效果评价模型中包括的两个基础评价模型存在数据交互单元，从而能够进行数据传输。首先按照第一监测要素集合中的监测要素种类搭建客观效果评价模型，进而基于客观效果评价模型的数学模型基础框架进行模型迁移学习，获得搭建主观效果评价模型的模型数据，再根据多用户的评价指标进行输入和模型更新，从而搭建所述主观效果评价模型。
[0022] 步骤S400：根据所述第一监测要素集合，获得第二微针种植数据，其中，所述第二微针种植数据为实时监测的植发操作数据；具体而言，由于所述第一监测要素集合是根据用户预设的植发数据进行属性分析，获得的监测要素集合，从而根据所述第一监测要素集合中的所有要素进行实时数据采集，比如，当对所述第一微针装置的植发操作进行监测时，比如，通过某数据采集装置获得的数据基础后，根据不同的监测要素提取对应的数据，从而获得第二微针种植数据，进而基于所述第二微针种植数据实现对所述第一微针装置操作完成度的评价，为进行效果评价提供客观评价数据来源。
[0023] 步骤S500：获得所述第一用户的关联用户集；步骤S600：基于主观指标矩阵，分别获得所述第一用户和所述关联用户集的第一植发反馈信息和第二植发反馈信息；
具体而言，所述关联用户集是所述第一用户的植发关联医生用户，在所述第一用户进行植发时包括其种植设计医师，护理医师以及操作医师等多个关联医生用户，进而获得所述关联用户集。
[0024] 进一步的，所述主观指标矩阵是对医生进行评价和用户评价的评价指标进行矩阵构建，从而基于用户植发效果评价的参考维度从所述主观指标矩阵的位置单元提取对应指标，再输出对应的植发反馈信息。进一步的，由于所述第一用户和指标反馈的连接关系呈一对多的分布，所述关联用户集和指标反馈的连接关系呈多对多的分布，因此，基于主观指标矩阵，分别获得所述第一用户和所述关联用户集对应的反馈信息，将所述第一用户输出的多个指标评价反馈作为所述第一植发反馈信息输出，将所述关联用户集中每个用户的指标评价反馈进行等级评定和数据拟合，输出所述第二植发反馈信息。进而通过对多用户进行主观矩阵反馈从而获得对应的反馈信息，使得输出的反馈信息准确、可靠，提高植发效果评价准确度。
[0025] 步骤S700：将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，获得第一输出结果，其中，所述第一输出结果为植发综合评价结果。
[0026] 进一步的，所述将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，获得第一输出结果，本申请实施例步骤S700还包括：步骤S710：将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，其中，所述双维效果评价模型包括客观效果评价模型和主观效果评价模型，其中，所述客观效果评价模型和所述主观效果评价模型数据可交互；
步骤S720：将所述第二微针种植数据输入所述客观效果评价模型中，获得第一客观评价结果；
步骤S730：将所述第一植发反馈信息和所述第二植发反馈信息输入所述主观效果评价模型中，获得第一主观评价结果；
步骤S740：根据所述第一客观评价结果和所述第一主观评价结果，生成所述综合评价结果进行输出。
[0027] 具体而言，将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，基于所述第二微针种植数据输入所述客观效果评价模型中，输出对微针操作完成度的客观评价，即第一客观评价结果；基于所述第一植发反馈信息和所述第二植发反馈信息输入所述主观效果评价模型中，输出对微针操作完成后主观意识的植发效果评价，即第一主观评价结果。从而根据对应的客观评价和主观评价获得所述第一输出结果，即植发综合评价结果。由于所述主观效果评价模型是在所述客观效果评价模型上进行模型迁移学习获得的，从而能够进一步降低模型训练时间复杂度，提高模型输出效率和模型输出结果的准确性，达到了通过结合新微针技术的客观性和多方用户主动性的智能化结合，提高植发效果评估的针对性和准确性，进而为用户提供植发决策需求支持的技术效果。
[0028] 进一步的，如图2所示，本申请实施例步骤S500还包括：步骤S510：通过对所述关联用户集进行等级划分，获得第一关联等级；
步骤S520：根据所述第一关联等级，对同一等级内的关联用户进行顺承关系分析，获得第一顺承排序；
步骤S530：按照所述第一顺承排序对同一等级内的关联用户进行错位评价，获得第一错位评价信息；
步骤S540：将所述第一错位评价信息进行级别权重处理后输出所述第二植发反馈信息。
[0029] 具体而言，通过对所述关联用户集进行等级划分是对所有的关联医生进行分级，按照操作联系的紧密程度实现分级，比如，所述第一用户的关联医生中植发设计医师，植发操作医师以及护理医师和服务医师等，按照植发的操作联系的紧密性，按照联系程度从高到低，或者从低到高的方式对所有的关联用户集进行等级划分，对于处于同一区间的医师自动划分为同一等级，因此，通过对所述关联用户集进行等级划分后再进一步的分析，为输出所述第二植发反馈信息提供准确的数据基础来源。
[0030] 进一步的，根据划分好的关联等级，获取同一等级内人数大于等于2的关联等级，并对该等级内的关联用户进行植发操作/护理的顺承关系进行分析，获得第一顺承排序，并按照所述第一顺承排序对同一等级内的关联用户进行错位评价，比如，第一用户、第二用户和第三用户，第二用户评价第一用户，第三用户评价第二用户，第一用户评价第三用户从而形成闭环，输出该等级内错位评价，以此类推，获得所有关联等级的所有评价输出，生成所述第一错位评价信息，进而再根据所述关联等级的等级高低进行权重，比如，关联程度较高的灯具其权重系数适当增加，最终输出所述第二植发反馈信息。能够通过划分关联用户等级，进行顺承排序分析以提高所述第二植发反馈信息输出的评价反馈准确度。
[0031] 进一步的，如图3所示，本申请实施例步骤S530还包括：步骤S531：根据所述第一错位评价信息进行离散度分析，获得第一评价离散度；
步骤S532：若所述第一评价离散度大于预设评价离散度，获得第一异常指标；
步骤S533：根据所述第一异常指标，获得所述第一监测要素集合中第一类比指标的类比评价信息；
步骤S534：根据所述第一异常指标在所述第一顺承排序中的定位，获得邻域评价信息；
步骤S535：根据所述类比评价信息和所述邻域评价信息，获得第一修正评价信息，其中，所述第一修正评价信息用于对所述第一错位评价信息进行异常评价修正。
[0032] 具体而言，所述第一评价离散度是表示所有评价信息的分离程度系，当所述第一评价离散度越高，表示所述第一错位评价信息中包括异常指标评价，因此，通过判断所述第一评价离散度是否大于预设评价离散度，若所述第一评价离散度大于预设评价离散度，标识异常指标获得所述第一异常指标，若所述第一评价离散度小于预设评价离散度，表示目前所述第一错位评价信息的评价质量较高，进入下一处理单元。
[0033] 进一步的，若获得所述第一异常指标，表示所述第一错位评价信息中的评价出现恶意评价，影响了植发效果评价的准确度，因此，根据所述第一异常指标的属性，从所述第一监测要素集合中获得相似度较高的类比指标，以客观输出的该指标评价作为第一类比指标的类比评价信息；再通过对所述第一异常指标进行用户顺承定位，进而以邻域用户的评价中值作为领域评价信息，再将类比评价信息和邻域评价信息作为修正异常指标评价的基础进行修正，输出所述第一修正评价信息，达到了基于离散度评价和多方数据综合修正的方式，提高所述第一错位评价信息输出的准确性。
[0034] 进一步的，如图4所示，所述根据所述第一监测要素集合，获得第二微针种植数据，本申请实施例步骤S400还包括：步骤S410：通过对所述第一监测要素集合中的所有监测要素进行信息熵计算，获得信息熵计算结果；
步骤S420：根据所述信息熵计算结果，获得信息熵大于预设信息熵的N个监测要素；
步骤S430：将所述N个监测要素作为优选监测要素进行微针种植数据采集，获得所述第二微针种植数据。
[0035] 具体而言，由于所述第一监测要素集合中的所有监测要素是根据所述第一用户的第一微针种植数据进行分析后获得的，其中，所述第一微针种植数据是根据用户的脱发特征设计的，因此，对于不同的用户其植发特征不同，从而进一步对所述第一监测要素集合中的所有检测要素进行信息熵计算，获得信息熵计算结果，并根据所述信息熵计算结果进行数据的分析，信息熵计算是根据其信息重要程度进行熵值计算的过程，能够表示所有要素的重要程度，从而根据信息熵计算结果获得大于预设信息熵的N个监测要素，其中，所述预设信息熵为熵阈值，当大于所述预设信息熵时表示该监测要素作为植发效果评价的优选要素，从而将所述N个监测要素作为优选监测要素进行微针种植数据采集，能够提高监测要素的针对性，进而达到了在优化计算数据量的同时提高数据计算效率的技术效果。
[0036] 进一步的，如图5所示，本申请实施例步骤S730还包括：步骤S731：获得所述第一用户的评价分布信息，包括评价指标和评价分值；
步骤S732：获得所述关联用户集的评价分布信息；
步骤S733：根据所述第一用户的评价分布信息和所述关联用户集的评价分布性信息，判断是否存在指标交集，若存在指标交集，获得第一标记指标集；
步骤S734：根据所述第一标记指标集的占比进行权重分配和标准化处理，获得所述第一主观评价结果。
[0037] 具体而言，获得所述第一用户和所述第一用户关联用户集的评价分布信息，再判断所述第一用户的评价指标分布和所述关联用户集的评价指标分布是否存在指标交集，比如在指标评价时从指标矩阵中获得对应的指标评价，若存在指标交集，需要对交集部分的指标评价赋予较大的权重，并根据指标交集的部分作为标准化处理的基础对其他评价指标进行标准化，举例来说，若所述第一用户和关联用户集中的指标交集占比30%，从而对30%内的重合指标进行权重增值，以及作为指标标准化的数据参照基础，再对所有的指标进行标准化处理，从而输出所述第一主观评价结果。
[0038] 通过分析所述第一用户和所述关联用户集的评价分布信息，确定其交集评价指标后对应评价分值实现所有评价数据的标准化处理，比如用户交集指标分值95，100；医生交集指标分值76，80；参照基准不在一条水平线，因此，需要标准化处理并对交集部分内的评价指标进行权重增值，从而达到了准确处理主观评价数据，提高主观评价结果输出准确性的技术效果。
[0039] 进一步的，本申请实施例步骤还包括S800：步骤S810：根据所述第一微针种植数据，搭建第一激励函数；
步骤S820：根据所述第一激励函数匹配历史评价数据相似度，获得所述第一激励函数输出的第一响应结果，其中，所述第一响应结果为第一匹配用户；
步骤S830：获得所述第一匹配用户的评价数据集；
步骤S840：根据所述第一匹配用户的评价数据集，生成第一辅助评价数据，根据所述第一辅助评价数据进行辅助。
[0040] 具体而言，根据所述第一微针种植数据，构建第一激励函数，所述第一激励函数根据实时用户的植发特征和监测数据集作为激励特征，在系统历史评价数据中获取对应特征的用户的评价数据，输出所述第一激励函数的响应结果，其中，系统历史评价数据存储于评价数据库，通过调用指令实现用户评价数据的调用。将输出的第一匹配用户的评价数据集作为辅助数据对实时用户评价进行辅助评价自检。
[0041] 进一步的，当所述第一匹配用户与所述第一用户的种植数据特征相似时，获取所述第一匹配用户的评价信息，首先调用客观评价结果进行比对，若处于预设波动范围内，再将主观评价调用比对，若所述第一匹配用户评价数据集与所述第一用户的实时评价数据的主观评价数据波动较大，获得第一提醒信息，根据所述第一提醒信息进行辅助修正，从而输出准确的评价结果。
[0042] 与现有技术相比，本发明具有如下的有益效果：1、由于采用了根据第一微针装置对第一用户预设植发设计数据进行分析，获得第一微针种植数据，进而分析所述第一微针种植数据中的参数种类，获得第一监测要素集合，根据所述第一监测要素集合中的监测要素种类进行对应数据采集，以获得第二微针种植数据。进一步的，通过主观指标矩阵对第一用户进行指标评价反馈，获得所述第一用户的第一植发反馈信息，以及关联所述第一用户的多个医生用户进行关联用户的指标评价反馈，获得第二植发反馈信息。再将获得的所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入双维效果评价模型中，根据搭建的所述双维效果评价模型，输出最终的植发综合评价结果。达到了通过结合新微针技术的客观性和多方用户主动性的智能化结合，提高植发效果评估的针对性和准确性，进而为用户提供植发决策需求支持的技术效果。
[0043] 2、由于采用了以邻域用户的评价中值作为领域评价信息，再将类比评价信息和邻域评价信息作为修正异常指标评价的基础进行修正，输出所述第一修正评价信息，达到了基于离散度评价和多方数据综合修正的方式，提高所述第一错位评价信息输出的准确性。
[0044] 3、由于采用了对所有的关联医生进行分级，按照操作联系的紧密程度实现分级，通过划分关联用户等级，进行顺承排序分析以提高所述第二植发反馈信息输出的评价反馈准确度。
[0045] 4、由于采用了判断所述第一用户的评价指标分布和所述关联用户集的评价指标分布是否存在指标交集，确定其交集评价指标后对应评价分值实现所有评价数据的标准化处理和权重增值，从而达到了准确处理主观评价数据，提高主观评价结果输出准确性的技术效果。
[0046] 实施例二基于与前述实施例中一种新微针技术植发效果的智能评价方法同样发明构思，本发明还提供了一种新微针技术植发效果的智能评价系统，如图6所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于根据第一微针装置，获得第一用户的第一微针种植数据，其中，所述第一微针种植数据为预设植发设计数据；
第二获得单元12，所述第二获得单元12用于通过对所述第一微针种植数据进行属性分析，获得第一监测要素集合，其中，所述第一监测要素集合为微针植发过程中的监测参数种类集合；
第一搭建单元13，所述第一搭建单元13用于搭建双维效果评价模型；
第三获得单元14，所述第三获得单元14用于根据所述第一监测要素集合，获得第二微针种植数据，其中，所述第二微针种植数据为实时监测的植发操作数据；
第四获得单元15，所述第四获得单元15用于获得所述第一用户的关联用户集；
第一反馈单元16，所述第一反馈单元16用于基于主观指标矩阵，分别获得所述第一用户和所述关联用户集的第一植发反馈信息和第二植发反馈信息；
第一输出单元17，所述第一输出单元17用于将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，获得第一输出结果，其中，所述第一输出结果为植发综合评价结果。
[0047] 进一步的，所述系统还包括：第五获得单元，所述第五获得单元用于通过对所述关联用户集进行等级划分，获得第一关联等级；
第六获得单元，所述第六获得单元用于根据所述第一关联等级，对同一等级内的关联用户进行顺承关系分析，获得第一顺承排序；
第七获得单元，所述第七获得单元用于按照所述第一顺承排序对同一等级内的关联用户进行错位评价，获得第一错位评价信息；
第二输出单元，所述第二输出单元用于将所述第一错位评价信息进行级别权重处理后输出所述第二植发反馈信息。
[0048] 进一步的，所述系统还包括：第八获得单元，所述第八获得单元用于根据所述第一错位评价信息进行离散度分析，获得第一评价离散度；
第九获得单元，所述第九获得单元用于若所述第一评价离散度大于预设评价离散度，获得第一异常指标；
第十获得单元，所述第十获得单元用于根据所述第一异常指标，获得所述第一监测要素集合中第一类比指标的类比评价信息；
第十一获得单元，所述第十一获得单元用于根据所述第一异常指标在所述第一顺承排序中的定位，获得邻域评价信息；
第一修正单元，所述第一修正单元用于根据所述类比评价信息和所述邻域评价信息，获得第一修正评价信息，其中，所述第一修正评价信息用于对所述第一错位评价信息进行异常评价修正。
[0049] 进一步的，所述系统还包括：第一输入单元，所述第一输入单元用于将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，其中，所述双维效果评价模型包括客观效果评价模型和主观效果评价模型，其中，所述客观效果评价模型和所述主观效果评价模型数据可交互；
第二输入单元，所述第二输入单元用于将所述第二微针种植数据输入所述客观效果评价模型中，获得第一客观评价结果；
第三输入单元，所述第三输入单元用于将所述第一植发反馈信息和所述第二植发反馈信息输入所述主观效果评价模型中，获得第一主观评价结果；
第一生成单元，所述第一生成单元用于根据所述第一客观评价结果和所述第一主观评价结果，生成所述综合评价结果进行输出。
[0050] 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通过对所述第一监测要素集合中的所有监测要素进行信息熵计算，获得信息熵计算结果；
第十三获得单元，所述第十三获得单元用于根据所述信息熵计算结果，获得信息熵大于预设信息熵的N个监测要素；
第十四获得单元，所述第十四获得单元用于将所述N个监测要素作为优选监测要素进行微针种植数据采集，获得所述第二微针种植数据。
[0051] 进一步的，所述系统还包括：第十五获得单元，所述第十五获得单元用于获得所述第一用户的评价分布信息，包括评价指标和评价分值；
第十六获得单元，所述第十六获得单元用于获得所述关联用户集的评价分布信息；
第一判断单元，所述第一判断单元用于根据所述第一用户的评价分布信息和所述关联用户集的评价分布性信息，判断是否存在指标交集，若存在指标交集，获得第一标记指标集；
第一处理单元，所述第一处理单元用于根据所述第一标记指标集的占比进行权重分配和标准化处理，获得所述第一主观评价结果。
[0052] 进一步的，所述系统还包括：第二搭建单元，所述第二搭建单元用于根据所述第一微针种植数据，搭建第一激励函数；
第十七获得单元，所述第十七获得单元用于根据所述第一激励函数匹配历史评价数据相似度，获得所述第一激励函数输出的第一响应结果，其中，所述第一响应结果为第一匹配用户；
第十八获得单元，所述第十八获得单元用于获得所述第一匹配用户的评价数据集；
第一生成单元，所述第一生成单元用于根据所述第一匹配用户的评价数据集，生成第一辅助评价数据，根据所述第一辅助评价数据进行辅助
前述图1实施例一中的一种新微针技术植发效果的智能评价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新微针技术植发效果的智能评价系统，通过前述对一种新微针技术植发效果的智能评价方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种新微针技术植发效果的智能评价系统的实施方法，所以为了说明书的简洁，在此不再详述。
[0053] 实施例三下面参考图7来描述本申请的电子设备。
[0054] 图7图示了根据本申请的电子设备的结构示意图。
[0055] 基于与前述实施例中一种新微针技术植发效果的智能评价方法的发明构思，本发明还提供一种新微针技术植发效果的智能评价系统，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新微针技术植发效果的智能评价系统的任一方法的步骤。
[0056] 其中，在图7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305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。
[0057] 本申请实施例提供一种新微针技术植发效果的智能评价方法，所述方法应用于一种新微针技术植发效果的智能评价系统，所述系统与第一微针装置通信连接，所述方法包括：根据所述第一微针装置，获得第一用户的第一微针种植数据，其中，所述第一微针种植数据为预设植发设计数据；通过对所述第一微针种植数据进行属性分析，获得第一监测要素集合，其中，所述第一监测要素集合为微针植发过程中的监测参数种类集合；搭建双维效果评价模型；根据所述第一监测要素集合，获得第二微针种植数据，其中，所述第二微针种植数据为实时监测的植发操作数据；获得所述第一用户的关联用户集；基于主观指标矩阵，分别获得所述第一用户和所述关联用户集的第一植发反馈信息和第二植发反馈信息；将所述第二微针种植数据、所述第一植发反馈信息和所述第二植发反馈信息输入所述双维效果评价模型中，获得第一输出结果，其中，所述第一输出结果为植发综合评价结果。解决了现有技术中存在基于新微针技术的植发效果无法智能评估，全面性较低，难以为用户提供准确的植发决策需求的技术问题，达到了通过结合新微针技术的客观性和多方用户主动性的智能化结合，提高植发效果评估的针对性和准确性，进而为用户提供植发决策需求支持的技术效果。
[0058] 本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a b,a c,b c,或a b c，其中a,b,c可以是单个，也可以是多个。
[0059] 在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
[0060] 本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
[0061] 尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
