CN108279891A - 一种树形结构图像算法的处理方法及系统 - Google Patents
一种树形结构图像算法的处理方法及系统 Download PDFInfo
- Publication number
- CN108279891A CN108279891A CN201810087898.9A CN201810087898A CN108279891A CN 108279891 A CN108279891 A CN 108279891A CN 201810087898 A CN201810087898 A CN 201810087898A CN 108279891 A CN108279891 A CN 108279891A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- tree structure
- node
- image algorithm
- tool
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种树形结构图像算法的处理方法,其包括:系统创建树形结构的图像算法集;系统配置对应的算法工具;系统对算法工具之间的数据进行交互与并行处理。一种树形结构图像算法的处理系统,其包括:创建算法集模块、配置工具模块、数据处理模块。本发明提供的树形结构图像算法的处理方法及系统,从敏捷开发和可视化操作两个关键点出发,通过对图像算法的一般性描述与封装,建立一种可视化的框架,解决任意图像算法组合与管理,同时可并行处理的问题。对比编程式软件,其在统一的框架下进行敏捷开发,有效缩短开发周期;对于可视化软件,本发明能够显式启动并行处理,不需再进行编程设计,同时适当减少费用,广泛应用于图像处理领域。
Description
技术领域
本发明涉及图像处理领域,具体为树形结构图像算法的处理方法及系统。
背景技术
在复杂缺陷检测项目中往往同时会有多种检测需求,比如目标存在与否判定,面积/灰度判定,尺寸测量等,而且可能同时存在多个不同检测需求的区域,即整个图像算法集合中可能会存在任意个图像算法工具,而且这些算法工具之间的关系不固定,如并列关系或从属关系,需要根据实际检测项目进行设定。
在构建图像算法集合过程中,通常采用第三方图像处理软件,一类是编程式软件,如Halcon,opencv等,这类软件在使用过程中,开发者使用计算机编程语言,如C++,C#,VB等,根据实际项目调用算法工具/函数进行定制性开发;另一类是可视化软件,如VisionPro,Sherlock等,这类软件在使用过程中,开发者只需要进行可视化的拖拽操作,就可以快速的构建一个针对于具体项目的图像检测算法集合。
对于编程式软件而言,需要根据实际项目,调用算法工具/函数进行定制性开发,这种方式依赖于具体项目,很难有一个统一的框架进行敏捷开发。对于可视化软件而言,一般这类软件授权费用也相应较高,同时这种方式一般情况下是串行处理,对于并行处理的情况,仍然需要进行定制性程序开发。
综上,该技术有必要进行改进。
发明内容
为了解决上述技术问题,本发明的目的是提供一种快速便捷的树形结构图像算法的处理方法及系统。
本发明所采用的技术方案是:
本发明提供一种树形结构图像算法的处理方法,其包括以下步骤:
系统创建树形结构的图像算法集;
系统配置对应的算法工具;
系统对算法工具之间的数据进行交互与并行处理。
作为该技术方案的改进,所述步骤系统创建树形结构的图像算法集,其具体包括:
创建算法集合树;
依次添加若干根节点,并从算法库中选择相关算法映射到对应节点;
保存/更新算法集。
作为该技术方案的改进,其还包括选定指定根节点,设置嵌套子节点,并从算法库中选择相关算法映射至该子节点。
作为该技术方案的改进,所述步骤系统配置对应的算法工具,其具体包括:
系统选择目标节点;
系统控制所述目标节点对应的算法参数关联至对应属性框;
系统加载测试图像,并在属性框中修改/配置算法的工具参数,同时测试算法;
设置用户配置并保存。
进一步,所述步骤系统对算法工具之间的数据进行交互与并行处理,其具体包括:
系统控制上层节点及子节点分别配置输入/输出可选配信息类型;
系统控制上层节点执行,并将结果信息压入数据堆栈中;
所述子节点根据输入选配信息类型,从数据堆栈中提取数据,作为输入参数;
系统控制子节点执行,并将结果信息压入数据堆栈中;
系统保存各层节点的输入/输出可选配信息类型。
进一步,所述方法还包括:
根据检测需求,划分具体检测区域并编号;
载入图像,创建新的图像算法集;
根据不同检测区的检测需求,创建相关的图像算法子集;
创建和配置各个图像算法子集中的算法工具组合;
设置各算法工具的参数与数据交互方式;
执行各算法集,得到总的判定结果与各区域的判定子结果;
保存整个图像算法集。
另一方面,本发明还提供一种树形结构图像算法的处理系统,其包括:
创建算法集模块,用于执行步骤系统创建树形结构的图像算法集;
配置工具模块,用于执行步骤系统配置对应的算法工具;
数据处理模块,用于执行步骤系统对算法工具之间的数据进行交互与并行处理。
本发明的有益效果是:本发明提供的树形结构图像算法的处理方法及系统,从敏捷开发和可视化操作两个关键点出发,通过对图像算法的一般性描述与封装,建立一种可视化的框架,解决任意图像算法组合与管理,同时可并行处理的问题。对比编程式软件,本发明能够在统一的框架下进行敏捷开发,有效缩短开发周期;对于可视化软件,本发明能够显式启动并行处理,不需再进行编程设计,同时适当减少费用。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明:
图1是本发明第一实施例的可视化树形结构的图像算法集处理流程图;
图2是本发明第二实施例的可视化的算法工具配置示意图;
图3是本发明第三实施例的算法工具之间的数据交互与并行处理示意图;
图4是本发明第四实施例的复杂检测项目中的方法应用示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明提供一种树形结构图像算法的处理方法,其包括以下步骤:
系统创建树形结构的图像算法集;
系统配置对应的算法工具;
系统对算法工具之间的数据进行交互与并行处理。
所述步骤系统创建树形结构的图像算法集,其具体包括:
创建算法集合树;
依次添加若干根节点,并从算法库中选择相关算法映射到对应节点;
保存/更新算法集。
作为该技术方案的改进,其还包括选定指定根节点,设置嵌套子节点,并从算法库中选择相关算法映射至该子节点。
参照图1,为可视化树形结构的图像算法集处理流程图。具体的,其包括:
A.创建一个算法集合树;
B.添加根节点,并从算法库中选择相关算法映射到该节点;
C.添加其他根节点,并从算法库中选择相关算法映射到节点;
D.选择指定根节点,添加节点,从算法库中选择相关算法映射到该节点,并挂靠到指定根节点上;
E.选定指定子节点,添加节点,从算法库中选择相关算法映射到该节点,并挂靠到指定子节点上;以此类推;
F.保存/更新算法集。
实施例1:以创建两个根节点,每个根节点两层嵌套为例:
1)新建一个算法集合树,AlgsTree;
2)添加第1个根节点,Obj1,并从算法库中选择其关联算法,轮廓定位算法;
3)添加第2个根节点,Obj2,并从算法库中选择其关联算法,轮廓定位算法;
4)选择第1个根节点Obj1,添加一个子节点Joint1,并从算法库中选择其关联算法,Blob分析算法,并挂靠在Obj1下面;
5)选择第2个根节点Obj2,添加一个子节点Joint2,并从算法库中选择其关联算法,Blob分析算法,并挂靠在Obj2下面;
6)选择子节点Joint1,添加一个子节点Cell1,并从算法库中选择其关联算法,灰度统计算法,并挂靠在Joint1下面;
7)选择子节点Joint2,添加一个子节点Cell2,并从算法库中选择其关联算法,灰度统计算法,并挂靠在Joint2下面;
8)保存算法集为AlgsTree。
其中,所述步骤系统配置对应的算法工具,其具体包括:
系统选择目标节点;
系统控制所述目标节点对应的算法参数关联至对应属性框;
系统加载测试图像,并在属性框中修改/配置算法的工具参数,同时测试算法;
设置用户配置并保存。
参照图2,为可视化的算法工具配置图。所述可视化的算法工具配置,包括:
A.选择目标节点;
B.节点对应的算法参数自动关联到可视化的属性框;
C.加载测试图像;
D.在属性框中修改/配置算法的工具参数,并测试算法;
E.显示/隐藏可视化属性框中的参数项,详细化/简单化用户配置;
F.确认并保存生效;
实施例2:以配置根节点Obj1的轮廓定位工具为例子;
1)在树形结构上,选择节点Obj1;
2)显示Obj1节点关联的轮廓定位工具参数在属性框中;
3)加载测试图像;
4)在属性框中,将颗粒度设为3,点击“训练区域”,在图像上会出现一个矩形训练区域,将矩形训练区域拖放/缩放到感兴趣区域,然后点击“训练”,可得到训练轮廓;点击“搜索区域”,在图像上会出现一个矩形搜索区域,将矩形搜索区域拖放/缩放到感兴趣区域,然后点击“设置”;“搜索个数”设置为1,“搜索分数”设置为0.8;点击“搜索”,可得到轮廓定位匹配结果;
5)确认参数无误,保存生效。
进一步,所述步骤系统对算法工具之间的数据进行交互与并行处理,其具体包括:
系统控制上层节点及子节点分别配置输入/输出可选配信息类型;
系统控制上层节点执行,并将结果信息压入数据堆栈中;
所述子节点根据输入选配信息类型,从数据堆栈中提取数据,作为输入参数;
系统控制子节点执行,并将结果信息压入数据堆栈中;
系统保存各层节点的输入/输出可选配信息类型。
参照图3,算法工具之间的数据交互与并行处理:
A.上层节点配置输入/输出可选配信息类型;
B.子节点配置输入/输出可选配信息类型;
C.上层节点执行,并结果信息压入数据堆栈中;
D.子节点根据输入选配信息类型,从数据堆栈中提取数据,作为输入参数;
E.子节点执行,并结果信息压入数据堆栈中;
F.保存各层节点的输入/输出可选配信息类型;
实施例3:以配置根节点Obj1关联轮廓定位工具,子节点Cir1关联圆拟合工具,子节点Cir2关联圆拟合工具为例子
1)在树形结构上,选中根节点Obj1,并右击选择“端口配置”项;在“端口配置”的“输出元素”列表中,选择“坐标偏移”,作为输出选配信息类型;
2)在树形结构上,选中根节点Obj1下面的子节点Cir1,并右击选择“端口配置”项;在“端口配置”的“输入元素”列表中,选择“坐标偏移”,作为输入选配信息类型;在“输出元素”列表中,选择“位置点”;使能“并行处理”要素;
3)在树形结构上,选中根节点Obj1下面的子节点Cir2,并右击选择“端口配置”项;在“端口配置”的“输入元素”列表中,选择“坐标偏移”,作为输入选配信息类型;在“输出元素”列表中,选择“位置点”;使能“并行处理”要素;
4)选中根节点Obj1,右击选择“执行工具集”,执行Obj1的工具集;根据上述配置,Obj1工具执行后,会将“坐标偏移”压入数据堆栈中;然后Cir1和Cir2节点工具在执行前会先从数据堆栈中提取“坐标偏移”,更新输入参数并执行工具,得到圆心结果后将其压入数据堆栈中;
5)测试完成,保存算法配置。
进一步,所述方法还包括:
根据检测需求,划分具体检测区域并编号;
载入图像,创建新的图像算法集;
根据不同检测区的检测需求,创建相关的图像算法子集;
创建和配置各个图像算法子集中的算法工具组合;
设置各算法工具的参数与数据交互方式;
执行各算法集,得到总的判定结果与各区域的判定子结果;
保存整个图像算法集。
其中复杂检测项目中的方法应用,包括:在有些检测项目中,存在多区域同步检测的需求;不同区域需配置不同图像算法集,为了提高处理效率,需所有区域并行执行,而非串行执行,这就对整个图像算法集的快速组合,管理,修改,调试提出较高的要求。本方案可快速组合管理图像算法集合,以实现敏捷开发的目的。步骤如下:
A.根据检测需求,划分具体检测区域,编号;
B.载入图像,创建一个新的图像算法集;
C.根据不同检测区中的检测需求,创建相关的图像算法子集,以编号命名;
D.创建和配置各个图像算法子集中的算法工具组合,并列/嵌套逻辑关系;
E.设置所有算法工具的参数与数据交互方式;
F.执行整个算法集,得到整个的判定结果与各个区域判定子结果;
G.保存整个图像算法集。
参照图4,为复杂检测项目中的方法应用步骤。
实施例4:以检测一个锂电池连接器产品质量缺陷为例。
1)分析缺陷检测需求:在连接器上存在5个检测区域;
A:①②区域的形状和检测指标相同,需检测区域中的金属片是否变形,以及金属片周围的塑料是否异常,如异物或划痕;
B:③区域需检测区域中是否有划痕以及凸台矩形的尺寸;
C:④⑤区域的形状和检测指标相同,需检测区域中的金属片是否变形,以及金属片周围的塑料是否异常,如异物或划痕;与①②是镜像关系;
由此,将检测区域划分为5个区域,分别命名为Reg1,Reg2,Reg3,Reg4,Reg5;
2)载入图像,创建一个图像算法集,命名为ConnInsp,并关联到树形结构上;添加根节点Location,关联算法工具为轮廓定位,训练图像上连接器的部分轮廓特征作为定位模板,配置相关的搜索参数,节点输出类型为坐标偏移。
3)在Location根节点上添加子节点,命名为Reg1,关联的图像工具为空,节点输入/输出类型均为坐标偏移,启用本节点并行处理功能,设置内部子节点运行逻辑为并行逻辑;在节点Reg1中,添加子节点Metal,关联算法工具为Blob亮斑探测,设置阈值/探测区域/过滤参数/质心位置合格区域,节点输入类型为坐标偏移,输出类型为质心坐标+结果判定;在节点Reg1中,添加子节点scratch1,关联算法工具为Blob亮斑探测,设置阈值/探测区域/过滤参数/亮斑合法数量,节点输入类型为坐标偏移,输出类型为亮斑数量+结果判定;在节点Reg1中,添加子节点scratch2,关联算法工具为Blob亮斑探测,设置阈值/探测区域/过滤参数/亮斑合法数量,节点输入类型为坐标偏移,输出类型为亮斑数量+结果判定;
4)在Location根节点上选择Reg1节点,执行节点复制,并命名为Reg2;节点Reg2中,拥有与Reg1相同的工具,手动逐个更新Reg2中各个节点关联算法工具的探测区域;
5)在Location根节点上添加子节点,命名为Reg3,关联的图像工具为空,节点输入/输出类型为坐标偏移,启用本节点并行处理功能,设置内部子节点运行逻辑为并行逻辑;在节点Reg3中,添加子节点RectSize,关联算法工具为多线拟合,设置线拟合类型/拟合参数/矩形长宽范围,节点输入类型为坐标偏移,输出类型为尺寸数值+结果判定;在节点Reg3中,添加子节点scratch,关联算法工具为Blob亮斑探测,设置阈值/探测区域/过滤参数/亮斑合法数量,节点输入类型为坐标偏移,输出类型为亮斑数量+结果判定;
6)在Location根节点上选择Reg1节点,执行节点复制,并命名为Reg4;节点Reg4中,拥有与Reg1相同的工具,手动逐个更新Reg4中各个节点关联算法工具的探测区域以及探测方向;
7)在Location根节点上选择Reg4节点,执行节点复制,并命名为Reg5;节点Reg5中,拥有与Reg4相同的工具,手动逐个更新Reg4中各个节点关联算法工具的探测区域;
8)执行整个图像算法集,得到这个产品的判定结果,以及Reg1至Reg5的区域各自结果,若某个区域不合格,则该区域被标记为红色,并提示相关的错误类型;
9)确认设置无误后保存整个图像算法集。
另一方面,本发明还提供一种树形结构图像算法的处理系统,其包括:
创建算法集模块,用于执行步骤系统创建树形结构的图像算法集;
配置工具模块,用于执行步骤系统配置对应的算法工具;
数据处理模块,用于执行步骤系统对算法工具之间的数据进行交互与并行处理。
本发明提供的树形结构图像算法的处理方法及系统,从敏捷开发和可视化操作两个关键点出发,通过对图像算法的一般性描述与封装,建立一种可视化的框架,解决任意图像算法组合与管理,同时可并行处理的问题。对比编程式软件,本发明能够在统一的框架下进行敏捷开发,有效缩短开发周期;对于可视化软件,本发明能够显式启动并行处理,不需再进行编程设计,同时适当减少费用。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.一种树形结构图像算法的处理方法,其特征在于,其包括以下步骤:
系统创建树形结构的图像算法集;
系统配置对应的算法工具;
系统对算法工具之间的数据进行交互与并行处理。
2.根据权利要求1所述的树形结构图像算法的处理方法,其特征在于,所述步骤系统创建树形结构的图像算法集,其具体包括:
创建算法集合树;
依次添加若干根节点,并从算法库中选择相关算法映射到对应节点;
保存/更新算法集。
3.根据权利要求2所述的树形结构图像算法的处理方法,其特征在于,其还包括选定指定根节点,设置嵌套子节点,并从算法库中选择相关算法映射至该子节点。
4.根据权利要求1至3任一项所述的树形结构图像算法的处理方法,其特征在于:所述步骤系统配置对应的算法工具,其具体包括:
系统选择目标节点;
系统控制所述目标节点对应的算法参数关联至对应属性框;
系统加载测试图像,并在属性框中修改/配置算法的工具参数,同时测试算法;
设置用户配置并保存。
5.根据权利要求4所述的树形结构图像算法的处理方法,其特征在于,所述步骤系统对算法工具之间的数据进行交互与并行处理,其具体包括:
系统控制上层节点及子节点分别配置输入/输出可选配信息类型;
系统控制上层节点执行,并将结果信息压入数据堆栈中;
所述子节点根据输入选配信息类型,从数据堆栈中提取数据,
作为输入参数;
系统控制子节点执行,并将结果信息压入数据堆栈中;
系统保存各层节点的输入/输出可选配信息类型。
6.根据权利要求1或5所述的树形结构图像算法的处理方法,其特征在于,所述方法还包括:
根据检测需求,划分具体检测区域并编号;
载入图像,创建新的图像算法集;
根据不同检测区的检测需求,创建相关的图像算法子集;
创建和配置各个图像算法子集中的算法工具组合;
设置各算法工具的参数与数据交互方式;
执行各算法集,得到总的判定结果与各区域的判定子结果;
保存整个图像算法集。
7.一种树形结构图像算法的处理系统,其特征在于,其包括:
创建算法集模块,用于执行步骤系统创建树形结构的图像算法集;
配置工具模块,用于执行步骤系统配置对应的算法工具;
数据处理模块,用于执行步骤系统对算法工具之间的数据进行交互与并行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810087898.9A CN108279891A (zh) | 2018-01-30 | 2018-01-30 | 一种树形结构图像算法的处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810087898.9A CN108279891A (zh) | 2018-01-30 | 2018-01-30 | 一种树形结构图像算法的处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108279891A true CN108279891A (zh) | 2018-07-13 |
Family
ID=62805688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810087898.9A Pending CN108279891A (zh) | 2018-01-30 | 2018-01-30 | 一种树形结构图像算法的处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108279891A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208996A (zh) * | 2019-12-31 | 2020-05-29 | 上海爱仕达机器人有限公司 | 一种机器视觉软件开发方法及视觉软件开发平台 |
CN111563885A (zh) * | 2020-04-29 | 2020-08-21 | 广东利元亨智能装备股份有限公司 | 视觉检测方法、装置及电子设备 |
CN113076155A (zh) * | 2020-01-03 | 2021-07-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN114257701A (zh) * | 2020-09-23 | 2022-03-29 | 北京字节跳动网络技术有限公司 | 视频处理算法的接入配置方法、设备及存储介质 |
CN115033156A (zh) * | 2022-06-10 | 2022-09-09 | 上海美嘉林信息技术有限公司 | 一种图形效果应用的预览方法和系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599218A (zh) * | 2016-12-16 | 2017-04-26 | 北京奇虎科技有限公司 | 一种树形结构的处理方法和装置 |
-
2018
- 2018-01-30 CN CN201810087898.9A patent/CN108279891A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599218A (zh) * | 2016-12-16 | 2017-04-26 | 北京奇虎科技有限公司 | 一种树形结构的处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
TANGGANGQIAN: ""康耐视VisionPro操作手册V1.0"", 《豆丁网》 * |
周达凯 等: ""基于VisionPro的太阳能电池片外观检测系统"", 《机电一体化》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208996A (zh) * | 2019-12-31 | 2020-05-29 | 上海爱仕达机器人有限公司 | 一种机器视觉软件开发方法及视觉软件开发平台 |
CN113076155A (zh) * | 2020-01-03 | 2021-07-06 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN113076155B (zh) * | 2020-01-03 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN111563885A (zh) * | 2020-04-29 | 2020-08-21 | 广东利元亨智能装备股份有限公司 | 视觉检测方法、装置及电子设备 |
CN114257701A (zh) * | 2020-09-23 | 2022-03-29 | 北京字节跳动网络技术有限公司 | 视频处理算法的接入配置方法、设备及存储介质 |
CN115033156A (zh) * | 2022-06-10 | 2022-09-09 | 上海美嘉林信息技术有限公司 | 一种图形效果应用的预览方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108279891A (zh) | 一种树形结构图像算法的处理方法及系统 | |
Nazif et al. | Low level image segmentation: an expert system | |
US20200133929A1 (en) | Intelligent data quality | |
CN104268006B (zh) | 键鼠脚本的回放方法及装置 | |
CN109409835A (zh) | 可视化流程配置方法、装置、计算机设备及存储介质 | |
CN109697500B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110554957B (zh) | 测试用户界面的方法、装置、电子设备及可读存储介质 | |
CN104583925B (zh) | 图像处理设备、方法及程序 | |
CN110442510A (zh) | 一种页面属性获取方法、装置及计算机设备、存储介质 | |
CN107977624A (zh) | 一种语义分割方法、装置以及系统 | |
US9262310B2 (en) | Methods, apparatuses and computer program products for bulk assigning tests for execution of applications | |
CN109242363A (zh) | 一种基于多种质量控制模型的全生命周期测试管理平台 | |
CN113568833A (zh) | 测试用例确定方法、装置、计算机设备及可读存储介质 | |
CN115908715A (zh) | 建筑信息模型的加载方法及装置、设备、存储介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN112199715B (zh) | 基于区块链和云计算的对象生成方法及数字金融服务中心 | |
Basirati et al. | Towards systematic inconsistency identification for product service systems | |
CN105102607A (zh) | 图像处理装置、程序、存储介质和图像处理方法 | |
CN111680236A (zh) | 菜单显示方法、装置、终端设备及存储介质 | |
Lai et al. | Recognition of virtual loops on 3D CAD models based on the B-rep model | |
US20150242786A1 (en) | Integrating process context from heterogeneous workflow containers to optimize workflow performance | |
US20170330305A1 (en) | System and method for generating interactive 2d projection of 3d model | |
US10521332B1 (en) | Parametrization of a simulation model | |
CN113657179A (zh) | 图像识别及建模方法、装置、电子设备及存储介质 | |
CN114691094A (zh) | 视频结构化系统设计引擎、方法、计算机设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |
|
RJ01 | Rejection of invention patent application after publication |