CN107742199A - 一种考虑结构件几何特征的物料清点系统 - Google Patents
一种考虑结构件几何特征的物料清点系统 Download PDFInfo
- Publication number
- CN107742199A CN107742199A CN201710964498.7A CN201710964498A CN107742199A CN 107742199 A CN107742199 A CN 107742199A CN 201710964498 A CN201710964498 A CN 201710964498A CN 107742199 A CN107742199 A CN 107742199A
- Authority
- CN
- China
- Prior art keywords
- structural member
- geometric properties
- layer
- convolution
- geometric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 37
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000011176 pooling Methods 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000007935 neutral effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 25
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013332 literature search Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 241000150100 Margo Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种考虑结构件几何特征的物料清点系统，包括：结构件信息采集模块，用于采集结构件的几何轮廓信息；结构件几何特征提取模块，对于采集到的几何轮廓信息按其几何特征进行分类提取并记录；存储与检索模块，将所有结构件的几何特征加以存储，方便进行系统检索；结构件清点模块，每个结构件上都有区别于其他结构件的突出几何特征，将提取出的船舶结构件的突出几何特征作为唯一辨认标识，通过所述的突出几何特征对结构件进行标注，来方便对物料进行清点查找。本发明能够对物料进行清点，快速查找到需要的部件，避免丢失。
Description
技术领域
本发明涉及物料清点技术领域，特别是涉及一种考虑结构件几何特征的物料清点系统。
背景技术
制造业已成为影响我国经济发展的重大领域，我国的船舶制造领域发展强势，已进入世界顶尖行列。在船舶的制造过程中，由于结构件数量众多，尺寸较大，常常需要用到分段堆场用于分段的临时存放，最终将各个分段合拢成整船。存放于堆场中的结构件数量太多，制造周期长，导致在建造过程一些结构件经常因为放置混乱而查找不到，从而需要重新生产这一结构件，大大影响了整个生产流程，造成人力和物力浪费，也对生产效率造成了影响。船体的建造过程需要大量的结构件来组装，若经常因为物料丢失而影响生产计划，对于造船企业将会造成巨大损失。在现实建造过程中，这种加工时物料丢失的情况较为普遍，因此设计一种物料清点系统是非常必要的。通常的存储管理系统大多是基于条形码来进行的，有些企业更是使用了无线射频技术来降低出错率。然而这种存储信息的过程较为复杂，且对于工人来说不够直观，在实际应用过程中仍然存在许多障碍，并不能完全解决物料丢失问题，并快速查找到。为了解决这一工程问题，急需发明一个考虑船舶结构件几何特征的物料清点系统，来对物料进行整理和清点。
经对现有技术的文献检索发现，孙一赫在《基于无线射频识别技术的施工物料管理方法研究》一文中使用了无线射频识别技术，来促使物料管理上的业务流程优化，提高物料管理效率。无线射频识别技术承载信息量多，识别速度快，应用范围广，安全性高，对物料信息的记录和查找较为文便。但该文涉及的技术也存在以下缺陷和不足：(1)成本太高，对生产制造业来说经济效益是第一位的，管理成本加高造成该技术的应用性不高；(2)对加工工人来说，查找过程还是不够直观。
经对现有技术的文献检索发现，田国龙在《基于条码的仓储管理系统的设计与实现》一文中使用了二维条码技术，利用手持终端设备对产品条码进行扫描完成信息的采集、数量的清点，通过网络传输数据至管理系统。但该文涉及的技术存在以下缺陷和不足：(1)信息查询不便，不能快速直观寻找到物料；(2)系统的易操作性差，对于查找过程并不能直观的观察到。
发明内容
本发明所要解决的技术问题是提供一种考虑结构件几何特征的物料清点系统，能够对物料进行清点，快速查找到需要的部件，避免丢失。
本发明解决其技术问题所采用的技术方案是：提供一种考虑结构件几何特征的物料清点系统，包括：结构件信息采集模块，用于采集结构件的几何轮廓信息；结构件几何特征提取模块，对于采集到的几何轮廓信息按其几何特征进行分类提取并记录；存储与检索模块，将所有结构件的几何特征加以存储，方便进行系统检索；结构件清点模块，每个结构件上都有区别于其他结构件的突出几何特征，将提取出的船舶结构件的突出几何特征作为唯一辨认标识，通过所述的突出几何特征对结构件进行标注，来方便对物料进行清点查找。
所述几何轮廓信息包括结构件的边缘轮廓信息、零件的几何特征轮廓信息和尺寸大小形状信息。
所述结构件几何特征提取模块通过建立卷积神经网络的方式将结构件所有几何特征识别出来，并记录相关几何特征的信息。
所述的卷积神经网络为五层卷积神经网络，其中，第一层卷积：5×5大小的卷积核96个，每个GPU上48个，第一层max-pooling：2×2的核；第二层卷积：3×3卷积核256个，每个GPU上128个，第二层max-pooling：2×2的核；第三层卷积：与上一层是全连接，3*3的卷积核384个，分到两个GPU上192个；第四层卷积：3×3的卷积核384个，两个GPU各192个，该层与上一层连接没有经过pooling层；第五层卷积：3×3的卷积核256个，两个GPU上128个，第五层max-pooling：2×2的核；其中，第一层全连接：4096维，将第五层max-pooling的输出连接成为一个一维向量，作为该层的输入；第二层全连接：4096维。
所述的突出的几何特征包括船舶结构件的沟槽、切口、坡口和出水孔的特征信息。有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明针对堆场中存放的大量结构件，经常由于查找不便造成物料丢失，将船舶结构件特有的几何特征提取出来，存储在系统中，作为工人查找过程中的唯一标识，此方法省时省力，方便直观，对查找过程极为有利，避免物料丢失，提高船舶建造过程的效率，节约物料资源。
附图说明
图1为本发明物料清点系统基本组成示意图；
图2为结构件信息采集模块示意图；
图3为结构件几何特征提取模块示意图；
图4为结构件孔特征提取方法的神经网络模型图；
图5为结构件清点过程示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种考虑结构件几何特征的物料清点系统，如图1所示，包括：结构件信息采集模块，通过相机对结构件进行拍摄，采集到结构件的几何轮廓信息；结构件几何特征提取模块，对于采集到的几何信息按其突出的特征进行分类提取，并记录；存储与检索模块，将所有结构件突出的几何特征加以存储，方便进行系统检索；结构件清点模块，每个结构件上都有区别于其他结构件的突出几何特征，将提取出的船舶结构件特有几何特征作为唯一辨认标识，通过此类特殊的突出几何特征对结构件进行标注，来方便对物料进行清点查找。
如图2所示，通过相机对结构件进行拍摄，然后对拍摄的照相进行计算机预处理，经过图片处理之后来获取结构件的几何轮廓信息。具体过程是将相机拍摄的照片传给计算机来进行第一步的处理，计算机对图片经过分析采集到结构件的几何轮廓信息，方便提取其特征。
结构件几何特征提取模块是对采集到的结构件几何轮廓信息进行极为关键的几何特征提取。本发明来对结构件进行清点分辨的重要的特征就是其几何特征，几何特征提取相对方便，而且对于工人有更为直观的观察，方便对物料进行快速分辨。如图3所示，此物料清点系统中通过对比船舶结构件几何特征库，对于与其他部件明显不同的船舶部件的特有几何特征，提取出当前结构件与其它结构件差异性较大的几何特征，便于快速分辨出两个结构件，查找到装配过程中急需的部件。提取过程中要充分考虑结构件之间的差异性，选其明显不同的特征，如几何特征较多或差异性不大，可在考虑第一几何特征的基础中寻找第二几何特征，直到可以快速分辨为止。
所述结构件的几何特征包括结构件的边缘边界特征，形状特征，倒角，圆角和圆孔，同时船舶结构件不同于其他部件，有其特有的几何特征，包括其沟槽，切口，坡口等，这些特征对于结构件标识查找过程有重要作用。通常情况下，结构件是叠放在一起的，存在许多相似性。首先对结构件的大体形状进行初步分类，然后按其几何特征的区别进行放置，并进行标记。
对于结构件的孔特征提取方法如下：
步骤1：通过相机拍摄，获取结构件图片，格式为通用图片格式JPG，PNG，TIFF和BMP，最大格式支持1024*1024分辨率；
步骤2：建立卷积神经网络，基于AlexNet方法，获得船舶板架的基本结构特征，具体实现过程为：
●预处理输入：1024×1024大小，进行预处理为224×224大小的图片，3通道
●卷积分析流程：
■第一层卷积：5×5大小的卷积核96个，每个GPU上48个。
第一层max-pooling：2×2的核。
■第二层卷积：3×3卷积核256个，每个GPU上128个。
第二层max-pooling：2×2的核。
■第三层卷积：与上一层是全连接，3*3的卷积核384个。分到两个GPU上个192个。
■第四层卷积：3×3的卷积核384个，两个GPU各192个。该层与上一层连接没有经过pooling层。
■第五层卷积：3×3的卷积核256个，两个GPU上个128个。
第五层max-pooling：2×2的核。
其中，第一层全连接：4096维，将第五层max-pooling的输出连接成为一个一维向量，作为该层的输入。
第二层全连接：4096维
Softmax层：输出为1000，输出的每一维都是图片属于该类别的概率。
神经网络模型示意图如图4所示。
●特征识别和计算：依次将结构件所有几何特征识别出来，并记录相关几何特征的信息。
结构件上识别出的孔特征和现场信息系统关联起来，可以与当前现场在制品自动智能化匹配。不需要搜索整个系统数据，也不需要结构件的所有特征，更不需要用肉眼判断模糊特征，就可以快速精确识别和匹配当前板料，极大提高现场的管理能力。
存储与检索模块是对提取出的结构件的几何特征存储在计算机系统中，用标识符进行标记，方便检索。在进行存储时，对所有的结构件和其几何特征进行标号，在对应的两者之间建立关联，实现查找功能。存储过程中，当前结构件可能存在多个几何特征，按差异性大小进行排列，差异最大的标记为1，次之为2，依次进行标号，并与结构件建立联系。
结构件清点模块，每个结构件都有区别于其他结构件的突出几何特征，通过此类特殊的突出几何特征对结构件进行标注，来方便对物料进行清点查找。在进行清点时，结构件的几何特征作为识别的一个重要因素，方便直观的显示，对工人快速找到所需部件有极大帮助。
物料清点过程具体如下，如图5所示：在船舶建造加工过程中，需要将各个结构件组合装配到一起。工人在加工过程中，由于结构件全部存放在堆场中，体积大，数量多，如果查找过程烦琐，大大影响生产效率。对于急需用到的船舶结构件，可以通过物料清点系统，在系统中查找检索到之前存储的特有几何特征，作为查找过程中结构件的唯一标识，工人通过特征信息，在堆场中将能快速查找到所需要的部件，完成建造生产任务。船舶结构件几何特征信息直观明了，对于工人来说查找过程更为方便，只需要通过存储的特征信息，即可找到当前所需物料。整个清点过程省时省力，工人更能提高查找效率，避免结构件丢失的情况出现，节约资源。
Claims (5)
1.一种考虑结构件几何特征的物料清点系统，其特征在于，包括：结构件信息采集模块，用于采集结构件的几何轮廓信息；结构件几何特征提取模块，对于采集到的几何轮廓信息按其几何特征进行分类提取并记录；存储与检索模块，将所有结构件的几何特征加以存储，方便进行系统检索；结构件清点模块，每个结构件上都有区别于其他结构件的突出几何特征，将提取出的船舶结构件的突出几何特征作为唯一辨认标识，通过所述的突出几何特征对结构件进行标注，来方便对物料进行清点查找。
2.根据权利要求1所述的考虑结构件几何特征的物料清点系统，其特征在于，所述几何轮廓信息包括结构件的边缘轮廓信息、零件的几何特征轮廓信息和尺寸大小形状信息。
3.根据权利要求1所述的考虑结构件几何特征的物料清点系统，其特征在于，所述结构件几何特征提取模块通过建立卷积神经网络的方式将结构件所有几何特征识别出来，并记录相关几何特征的信息。
4.根据权利要求3所述的考虑结构件几何特征的物料清点系统，其特征在于，所述的卷积神经网络为五层卷积神经网络，其中，第一层卷积：5×5大小的卷积核96个，每个GPU上48个，第一层max-pooling：2×2的核；第二层卷积：3×3卷积核256个，每个GPU上128个，第二层max-pooling：2×2的核；第三层卷积：与上一层是全连接，3*3的卷积核384个，分到两个GPU上192个；第四层卷积：3×3的卷积核384个，两个GPU各192个，该层与上一层连接没有经过pooling层；第五层卷积：3×3的卷积核256个，两个GPU上128个，第五层max-pooling：2×2的核；其中，第一层全连接：4096维，将第五层max-pooling的输出连接成为一个一维向量，作为该层的输入；第二层全连接：4096维。
5.根据权利要求1所述的考虑结构件几何特征的物料清点系统，其特征在于，所述的突出的几何特征包括船舶结构件的沟槽、切口、坡口和出水孔的特征信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710964498.7A CN107742199A (zh) | 2017-10-17 | 2017-10-17 | 一种考虑结构件几何特征的物料清点系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710964498.7A CN107742199A (zh) | 2017-10-17 | 2017-10-17 | 一种考虑结构件几何特征的物料清点系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107742199A true CN107742199A (zh) | 2018-02-27 |
Family
ID=61236895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710964498.7A Pending CN107742199A (zh) | 2017-10-17 | 2017-10-17 | 一种考虑结构件几何特征的物料清点系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107742199A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102609564A (zh) * | 2012-01-12 | 2012-07-25 | 南京航空航天大学 | 一种加工特征与加工操作快速定位与对应方法 |
| CN104636559A (zh) * | 2015-02-11 | 2015-05-20 | 西北工业大学 | 一种利用三维检验模型对飞机零件进行检验的方法 |
| CA2674317C (fr) * | 2006-01-23 | 2015-05-26 | Jerome Grosbois | Procede et systeme permettant la prehension automatisee de piece(s) |
| CN106021677A (zh) * | 2016-05-12 | 2016-10-12 | 北京航空航天大学 | 零件表面特征提取方法和装置 |
| CN106709909A (zh) * | 2016-12-13 | 2017-05-24 | 重庆理工大学 | 一种基于深度学习的柔性机器人视觉识别与定位系统 |
-
2017
- 2017-10-17 CN CN201710964498.7A patent/CN107742199A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2674317C (fr) * | 2006-01-23 | 2015-05-26 | Jerome Grosbois | Procede et systeme permettant la prehension automatisee de piece(s) |
| CN102609564A (zh) * | 2012-01-12 | 2012-07-25 | 南京航空航天大学 | 一种加工特征与加工操作快速定位与对应方法 |
| CN104636559A (zh) * | 2015-02-11 | 2015-05-20 | 西北工业大学 | 一种利用三维检验模型对飞机零件进行检验的方法 |
| CN106021677A (zh) * | 2016-05-12 | 2016-10-12 | 北京航空航天大学 | 零件表面特征提取方法和装置 |
| CN106709909A (zh) * | 2016-12-13 | 2017-05-24 | 重庆理工大学 | 一种基于深度学习的柔性机器人视觉识别与定位系统 |
Non-Patent Citations (1)
| Title |
|---|
| 尹善胜: "NX6基于形状搜索的Geolus零部件管理及应用", 《航空精密制造技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | SIFT meets CNN: A decade survey of instance retrieval | |
| CN103530652B (zh) | 一种基于人脸聚类的视频编目方法、检索方法及其系统 | |
| CN110569390B (zh) | 基于区分存储介质的海量案件数据高效检索方法 | |
| CN102388392B (zh) | 模式识别设备 | |
| CN109241317A (zh) | 基于深度学习网络中度量损失的行人哈希检索方法 | |
| CN113379720B (zh) | 一种基于茶饼图像特征编码的茶饼防伪方法 | |
| CN110059206A (zh) | 一种基于深度表征学习的大规模哈希图像检索方法 | |
| CN110245249B (zh) | 一种基于双层深度残差网络的三维cad模型智能检索方法 | |
| CN108986168A (zh) | 一种基于深度度量学习结合词袋树模型的机器人回环检测方法和装置 | |
| CN106503121A (zh) | 一种x光安检图像的结构化描述方法及系统 | |
| CN113821674B (zh) | 一种基于孪生神经网络的智能货物监管方法及系统 | |
| CN110210567A (zh) | 一种基于卷积神经网络的服装图像分类与检索方法及系统 | |
| CN103810252A (zh) | 一种基于群稀疏特征选择的图像检索方法 | |
| CN105718555A (zh) | 一种基于层次化语义描述的图像检索方法 | |
| CN104615734B (zh) | 一种社区管理服务大数据处理系统及其处理方法 | |
| CN109800416A (zh) | 一种电力设备名称识别方法 | |
| CN103577840A (zh) | 物品识别方法 | |
| CN107742199A (zh) | 一种考虑结构件几何特征的物料清点系统 | |
| CN104866687B (zh) | 支持stl数据源的动态空间索引构建方法 | |
| CN115240115B (zh) | 一种语义特征和词袋模型相结合的视觉slam回环检测方法 | |
| CN114281945B (zh) | 基于绿色产品案例库的减碳策略知识库的构建方法 | |
| Wang et al. | Spatial matching of sketches without point correspondence | |
| CN102368241A (zh) | 多级指纹数据库检索方法 | |
| CN113702377A (zh) | 基于深度学习的葡萄糖度无损检测方法 | |
| CN112016448A (zh) | 一种用于仓储商品图像识别的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190308 Address after: 201620 No. 2999 North Renmin Road, Songjiang new town, Songjiang District, Shanghai. Applicant after: DONGHUA University Applicant after: JIANGNAN SHIPYARD (GROUP) Co.,Ltd. Address before: 201620 No. 2999 North Renmin Road, Songjiang new town, Songjiang District, Shanghai. Applicant before: Donghua University Applicant before: Shanghai Jiangnan Changxing Heavy Industry Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180227 |
|
| RJ01 | Rejection of invention patent application after publication |