CN108446717A - 一种基于图像识别的机台状态采集方法及系统 - Google Patents

一种基于图像识别的机台状态采集方法及系统 Download PDF

Info

Publication number
CN108446717A
CN108446717A CN201810124995.0A CN201810124995A CN108446717A CN 108446717 A CN108446717 A CN 108446717A CN 201810124995 A CN201810124995 A CN 201810124995A CN 108446717 A CN108446717 A CN 108446717A
Authority
CN
China
Prior art keywords
image
curve
template
data
area
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
Application number
CN201810124995.0A
Other languages
English (en)
Inventor
崔鹏飞
田春华
杨亚磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Industrial Data Innovation Center Co Ltd
Original Assignee
Suzhou Industrial Data Innovation Center Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Industrial Data Innovation Center Co Ltd filed Critical Suzhou Industrial Data Innovation Center Co Ltd
Priority to CN201810124995.0A priority Critical patent/CN108446717A/zh
Publication of CN108446717A publication Critical patent/CN108446717A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图像识别的机台状态采集方法及系统，该方法包括以下步骤：实时地捕获机台显示器的图像；将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；提取多个识别区域中的曲线识别区域；通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。本发明的方法及系统，能够将机台状态信息格式化输出以方便监测并且成本低，还能够将不同的曲线识别转换为数据，方便查询。

Description

一种基于图像识别的机台状态采集方法及系统
技术领域
本发明涉及数据采集技术领域，尤其涉及一种基于图像识别的机台状态采集方法及系统。
背景技术
在印刷或制造车间包括MES实施、大数据分析或AI改造的智能化改造过程中，有不少机台的重要状态数据由于原厂商不提供数据接口等而无法直接采集。然而，机台状态信息是工艺参数优化、产品质量稳定性优化的基础，机台状态信息的采集是必需的。
目前，机台状态信息的采集包括两种方式：第一，在机台上安装数据采集装置，通过破解协议将机台状态信息采集出来；第二，通过机台屏幕捕获将机台状态信息采集出来。
然而，以上两种方式具有以下缺陷：第一种方式需要额外加装装置，还需要破解协议，成本太高；第二种方式仅能得到大量的图片，所需存储空间大、同时不方便监测。
另外，采集到的图片通常包括多种曲线，这些曲线不易识别转化为数据。
因此，需要一种能够将机台状态信息格式化输出以方便监测并且能够识别多种曲线转化为数据的基于图像识别的机台状态采集方法及系统。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于图像识别的机台状态采集方法及系统。
本发明的一个方面，提供了一种基于图像识别的机台状态采集方法，包括以下步骤：
实时地捕获机台显示器的图像；将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；提取多个识别区域中的曲线识别区域；通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
所述基于图像识别的机台状态采集方法，还包括：捕获机台显示器的图像模板，并对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储。
当典型图像区域为曲线识别区域时，对该曲线模板中曲线坐标系及坐标轴刻度和坐标系下数据点的数据格式及存储方式进行定义。
数据点的数据格式为结构化表格或结构化的标记语言。
曲线识别区域为线条图、柱状图和饼状图中任一。
曲线类型参数包括：数值来源、数值更新周期、坐标系量纲、坐标系刻度更新周期、坐标系刻度与坐标值的映射关系。
所述通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型，具体包括：
以曲线坐标系的0点为起点，记录屏幕像素点；通过OCR技术识别坐标轴刻度；记录曲线的图像点；通过屏幕像素点、坐标轴刻度和曲线的图像点判断曲线识别区域中的曲线类型。
所述将曲线识别区域中的图像点转换为数据填入监测数据表，具体包括：
针对连续两帧曲线识别区域做差分，若无差异，则继续等待下一帧；若有差异，则将当前时刻作为最新数据点的计算机记录时间；识别当前曲线变化的最新数据点的屏幕像素点坐标；根据该屏幕像素点坐标计算最新数据点的输出数据填入监测数据表。
本发明的另一个方面，提供了一种基于图像识别的机台状态采集系统，包括：
机台显示器图像采集装置，用于实时地捕获机台显示器的图像，并将该图像发送至模板匹配模块；模板匹配模块，用于将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；曲线识别区域提取模块，用于提取多个识别区域中的曲线识别区域；曲线类型判断模块，用于通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；曲线识别模块，用于根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
所述基于图像识别的机台状态采集系统，还包括：模板定义向导模块，用于接收图像模板，对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储；其中，机台显示器图像采集装置，还用于捕获机台显示器的图像模板，机台初始化时将该图像模板发送至模板定义向导模块。
本发明的基于图像识别的机台状态采集方法及系统通过建立模板数据库来在线匹配每帧机台状态图片，根据所匹配的图像模板将每帧机台状态图片划分为各识别区域，并针对曲线识别区域进行曲线类型的判断并对曲线识别区域进行内容识别，以得到曲线点等可查询的数据，不仅所占存储空间小，而且便于监测，成本低。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例的基于图像识别的机台状态采集方法的步骤图；
图2为本发明实施例的基于图像识别的机台状态采集系统连接框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
本发明根据数值表示方式、数值更新周期、x/y轴更新频率等因素将曲线分为若干种类型进行识别，针对给定类型，根据更新点的屏幕像素点坐标，进行当前值识别。
图1为本发明实施例的基于图像识别的机台状态采集方法的步骤图，如图1所示，本发明提供的基于图像识别的机台状态采集方法，包括以下步骤：
S1，实时地捕获机台显示器的图像。
S2，将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域。
S3，提取多个识别区域中的曲线识别区域。
在实际应用中，曲线识别区域为线条图、柱状图和饼状图中任一。
S4，通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型。
曲线类型参数包括：数值来源、数值更新周期、坐标系量纲、坐标系刻度更新周期、坐标系刻度与坐标值的映射关系。具体地，曲线类型通过图像模板中的曲线模板来区分，图像模板包括曲线和坐标系。曲线即数值部分，包括数值来源和数值更新周期，其中，数值来源为点、柱状y高度、柱状x长度等。坐标系包括坐标系量纲、坐标系刻度更新周期以及坐标系刻度与坐标值的映射关系。
曲线模板的示例如下：
所述通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型，具体包括：
以曲线坐标系的0点为起点，向右向上为正，记录屏幕像素点，将屏幕像素点设置为(li+1，hi+1)；通过OCR(Optical Character Recognition，光学字符识别)技术识别坐标轴刻度；记录曲线的图像点，将图像点设置为(x，y)，x和y为刻度数值差或像素点差；通过屏幕像素点、坐标轴刻度和曲线的图像点判断曲线识别区域中的曲线类型。
S5，根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
可以通过Python，R，JAVA，C等编程语言将曲线识别区域中的图像点转换为数据填入监测数据表。
所述将曲线识别区域中的图像点转换为数据填入监测数据表，具体包括：
针对连续两帧曲线识别区域做差分，若无差异，则继续等待下一帧；若有差异，则将当前时刻作为最新数据点(i+1)的计算机记录时间；识别当前曲线变化的最新数据点的屏幕像素点坐标(li+1，hi+1)；根据该屏幕像素点坐标计算最新数据点的输出数据(x·li+1，y·hi+1)填入监测数据表。若x轴为时间轴，则当x轴单位像素点对应的时间分辨率大于平均计算机更新周期，则以计算机记录时间为准，否则，两个时间都保留。其中，在这里，数值的分辨率指的是每个像素点对应的数值刻度。其中，当x轴为时间轴时，若x轴单位像素点对应的时间分辨率大于计算机平均更新周期，则时间戳以计算机记录时间为准，例如，x轴单位像素点更新周期为5s，计算机更新周期为2s，则时间戳以计算机记录时间为准，每隔2s记录一次，即，2s、4s、6s、8s……；若x轴单位像素点对应的时间分辨率小于计算机平均更新周期，则时间戳包括x轴单位像素点对应的时间分辨率和计算机平均更新周期，例如，x轴单位像素点更新周期为3s，计算机更新周期为10s，则时间戳每隔3s记录一次并且每隔10s也记录一次，即，3s、6s、9s、10s、12s、15s、18s、20s……。
表1为不同曲线的处理逻辑。
表1
表1中的m和n均为整数，本发明的基于图像识别的机台状态采集方法及系统包括但不限于表1中所列举的曲线，其中，A型曲线的x轴刻度为周期性的，y轴刻度为一定范围内的；B型曲线的x轴刻度为周期性的，y轴刻度不在固定范围内；C型曲线的x轴刻度为固定的，y轴刻度变化，例如，x轴刻度为北京、上海、天津三个城市名，y轴刻度为分别与这三个城市相对应的数据；D型曲线的x轴刻度为周期性的，y轴刻度变化；E型曲线相当于将C型曲线的x轴刻度和y轴刻度进行调换；F型曲线相当于将D型曲线的x轴刻度和y轴刻度进行调换。
对于一个曲线图中包含多个曲线的情况，在曲线模板中通过增加图例信息例如颜色、实线和虚线来进行定义所述多个曲线，在曲线识别过程中，通过特定颜色、实线和虚线分别提取各曲线，并通过前述基于图像识别的机台状态采集方法进行数据识别。
对于一个曲线图中包含多个坐标的情况，在曲线模板中通过增加图例信息例如颜色、实线和虚线和坐标对应关系来进行定义所述多个坐标，在曲线识别过程中，通过特定颜色、实线和虚线分别提取各坐标对应关系，并通过前述基于图像识别的机台状态采集方法进行数据识别。
对于静态曲线，还可以通过角点或者人工标记点进行数据采集，当通过角点进行数据采集时，应用角点采集技术识别曲线的角点，根据像素与数值对应关系对该静态曲线进行识别。
对于饼状图，在曲线模板中通过增加图例信息例如颜色来进行定义不同类别，对每个类别的数据有数字标识直接识别数字即可，若无标注可根据每种颜色面积进行折算。
所述基于图像识别的机台状态采集方法，还包括：捕获机台显示器的图像模板，并对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储。其中，当典型图像区域为曲线识别区域时，对该曲线模板中曲线坐标系及坐标轴刻度和坐标系下数据点的数据格式及存储方式进行定义。数据点的数据格式为结构化表格或结构化的标记语言，其中结构化的标记语言例如为XML，Jason等。
本发明的基于图像识别的机台状态采集方法通过建立模板数据库来在线匹配每帧机台状态图片，根据所匹配的图像模板将每帧机台状态图片划分为各识别区域，并针对曲线识别区域进行曲线类型的判断并对曲线识别区域进行内容识别，以得到曲线点等可查询的数据，不仅所占存储空间小，而且便于监测，成本低。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
图2为本发明实施例的基于图像识别的机台状态采集系统连接框图，如图2所示，本发明提供的基于图像识别的机台状态采集系统，包括：
机台显示器图像采集装置，用于实时地捕获机台显示器的图像，并将该图像发送至模板匹配模块；模板匹配模块，用于将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；曲线识别区域提取模块，用于提取多个识别区域中的曲线识别区域；曲线类型判断模块，用于通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；曲线识别模块，用于根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
所述基于图像识别的机台状态采集系统，还包括：模板定义向导模块，用于接收图像模板，对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储；其中，机台显示器图像采集装置，还用于捕获机台显示器的图像模板，机台初始化时将该图像模板发送至模板定义向导模块。
机台显示器图像采集装置电连接至模板定义向导模块，模板定义向导模块电连接至模板数据库，模板数据库连接至模板匹配模块，机台显示器图像采集装置电连接至模板匹配模块，模板匹配模块电连接至曲线识别区域提取模块，曲线识别区域提取模块电连接至曲线类型判断模块，曲线类型判断模块电连接至曲线识别模块，曲线识别模块电连接至存储数据库。
在本发明的整个系统中，输入为图片+曲线模板的信息，输出为监测数据表。
对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明的基于图像识别的机台状态采集系统通过建立模板数据库来在线匹配每帧机台状态图片，根据所匹配的图像模板将每帧机台状态图片划分为各识别区域，并针对曲线识别区域进行曲线类型的判断并对曲线识别区域进行内容识别，以得到曲线点等可查询的数据，不仅所占存储空间小，而且便于监测，成本低。
以上所描述的系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于图像识别的机台状态采集方法，其特征在于，包括以下步骤：
实时地捕获机台显示器的图像；
将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；
提取多个识别区域中的曲线识别区域；
通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；
根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
2.根据权利要求1所述的基于图像识别的机台状态采集方法，其特征在于，还包括：
捕获机台显示器的图像模板，并对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储。
3.根据权利要求2所述的基于图像识别的机台状态采集方法，其特征在于，当典型图像区域为曲线识别区域时，对该曲线模板中曲线坐标系及坐标轴刻度和坐标系下数据点的数据格式及存储方式进行定义。
4.根据权利要求3所述的基于图像识别的机台状态采集方法，其特征在于，数据点的数据格式为结构化表格或结构化的标记语言。
5.根据权利要求4所述的基于图像识别的机台状态采集方法，其特征在于，曲线识别区域为线条图、柱状图和饼状图中任一。
6.根据权利要求5所述的基于图像识别的机台状态采集方法，其特征在于，曲线类型参数包括：数值来源、数值更新周期、坐标系量纲、坐标系刻度更新周期、坐标系刻度与坐标值的映射关系。
7.根据权利要求6所述的基于图像识别的机台状态采集方法，其特征在于，所述通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型，具体包括：
以曲线坐标系的0点为起点，记录屏幕像素点；
通过OCR技术识别坐标轴刻度；
记录曲线的图像点；
通过屏幕像素点、坐标轴刻度和曲线的图像点判断曲线识别区域中的曲线类型。
8.根据权利要求7所述的基于图像识别的机台状态采集方法，其特征在于，所述将曲线识别区域中的图像点转换为数据填入监测数据表，具体包括：
针对连续两帧曲线识别区域做差分，若无差异，则继续等待下一帧；
若有差异，则将当前时刻作为最新数据点的计算机记录时间；
识别当前曲线变化的最新数据点的屏幕像素点坐标；
根据该屏幕像素点坐标计算最新数据点的输出数据填入监测数据表。
9.一种基于图像识别的机台状态采集系统，其特征在于，包括：
机台显示器图像采集装置，用于实时地捕获机台显示器的图像，并将该图像发送至模板匹配模块；
模板匹配模块，用于将图像与模板数据库中的图像模板进行对比，并调用与图像相匹配的图像模板，按照该匹配的图像模板将接收到的图像划分为多个识别区域；
曲线识别区域提取模块，用于提取多个识别区域中的曲线识别区域；
曲线类型判断模块，用于通过曲线坐标系及坐标轴刻度判断曲线识别区域中的曲线类型；
曲线识别模块，用于根据匹配的图像模板对该曲线类型所定义的图像点的数据格式及存储方式将曲线识别区域中的图像点转换为数据填入监测数据表并发送至存储数据库。
10.根据权利要求9所述的基于图像识别的机台状态采集系统，其特征在于，还包括：
模板定义向导模块，用于接收图像模板，对该图像模板中典型图像区域进行框选，并定义该典型图像区域与监测数据表之间的映射关系以及该典型图像区域的数据格式和存储方式，将定义好的图像模板发送至模板数据库进行存储；
其中，
机台显示器图像采集装置，还用于捕获机台显示器的图像模板，机台初始化时将该图像模板发送至模板定义向导模块。
CN201810124995.0A 2018-02-07 2018-02-07 一种基于图像识别的机台状态采集方法及系统 Pending CN108446717A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810124995.0A CN108446717A (zh) 2018-02-07 2018-02-07 一种基于图像识别的机台状态采集方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810124995.0A CN108446717A (zh) 2018-02-07 2018-02-07 一种基于图像识别的机台状态采集方法及系统

Publications (1)

Publication Number Publication Date
CN108446717A true CN108446717A (zh) 2018-08-24

Family

ID=63191786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810124995.0A Pending CN108446717A (zh) 2018-02-07 2018-02-07 一种基于图像识别的机台状态采集方法及系统

Country Status (1)

Country Link
CN (1) CN108446717A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241892A (zh) * 2018-08-27 2019-01-18 Oppo广东移动通信有限公司 一种仪表盘读取方法、仪表盘读取装置及电子设备
CN109272000A (zh) * 2018-09-10 2019-01-25 广东电网有限责任公司 一种机器人仪表对准和调焦方法及装置
CN110378248A (zh) * 2019-06-25 2019-10-25 平安科技（深圳）有限公司 饼状图识别方法、装置、设备及计算机可读存储介质
CN110716513A (zh) * 2019-09-17 2020-01-21 国网河北能源技术服务有限公司 一种基于excel的间接式模拟量原始数据采集方法
WO2020155757A1 (zh) * 2019-01-28 2020-08-06 平安科技（深圳）有限公司 柱状图数据转换控制方法、装置、计算机设备及存储介质
CN111593151A (zh) * 2020-04-30 2020-08-28 柳州钢铁股份有限公司 高炉开铁口深度在线检测方法
CN113642408A (zh) * 2021-07-15 2021-11-12 杭州玖欣物联科技有限公司 一种工业互联网实时处理解析图片数据的方法
CN113841156A (zh) * 2019-05-27 2021-12-24 西门子股份公司 基于图像识别的控制方法与装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929387A (zh) * 2012-09-25 2013-02-13 长安大学 一种基于普通纸笔的人机交互方法及人机交互系统
CN105488313A (zh) * 2014-09-15 2016-04-13 博雅网络游戏开发（深圳）有限公司 曲线趋势识别方法和装置
CN105727457A (zh) * 2014-12-11 2016-07-06 苏州雷泰医疗科技有限公司 一种放射治疗参数验证装置和放射治疗设备及验证方法
CN106575360A (zh) * 2014-08-21 2017-04-19 微软技术许可有限责任公司 图表数据的增强识别
CN107545240A (zh) * 2017-07-07 2018-01-05 杰为软件系统(深圳)有限公司 一种工控设备显示屏输出画面采集系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929387A (zh) * 2012-09-25 2013-02-13 长安大学 一种基于普通纸笔的人机交互方法及人机交互系统
CN106575360A (zh) * 2014-08-21 2017-04-19 微软技术许可有限责任公司 图表数据的增强识别
CN105488313A (zh) * 2014-09-15 2016-04-13 博雅网络游戏开发（深圳）有限公司 曲线趋势识别方法和装置
CN105727457A (zh) * 2014-12-11 2016-07-06 苏州雷泰医疗科技有限公司 一种放射治疗参数验证装置和放射治疗设备及验证方法
CN107545240A (zh) * 2017-07-07 2018-01-05 杰为软件系统(深圳)有限公司 一种工控设备显示屏输出画面采集系统及方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241892A (zh) * 2018-08-27 2019-01-18 Oppo广东移动通信有限公司 一种仪表盘读取方法、仪表盘读取装置及电子设备
CN109241892B (zh) * 2018-08-27 2021-01-15 Oppo广东移动通信有限公司 一种仪表盘读取方法、仪表盘读取装置及电子设备
CN109272000A (zh) * 2018-09-10 2019-01-25 广东电网有限责任公司 一种机器人仪表对准和调焦方法及装置
WO2020155757A1 (zh) * 2019-01-28 2020-08-06 平安科技（深圳）有限公司 柱状图数据转换控制方法、装置、计算机设备及存储介质
CN113841156A (zh) * 2019-05-27 2021-12-24 西门子股份公司 基于图像识别的控制方法与装置
CN110378248A (zh) * 2019-06-25 2019-10-25 平安科技（深圳）有限公司 饼状图识别方法、装置、设备及计算机可读存储介质
CN110378248B (zh) * 2019-06-25 2023-07-21 平安科技（深圳）有限公司 饼状图识别方法、装置、设备及计算机可读存储介质
CN110716513A (zh) * 2019-09-17 2020-01-21 国网河北能源技术服务有限公司 一种基于excel的间接式模拟量原始数据采集方法
CN111593151A (zh) * 2020-04-30 2020-08-28 柳州钢铁股份有限公司 高炉开铁口深度在线检测方法
CN111593151B (zh) * 2020-04-30 2022-03-22 柳州钢铁股份有限公司 高炉开铁口深度在线检测方法
CN113642408A (zh) * 2021-07-15 2021-11-12 杭州玖欣物联科技有限公司 一种工业互联网实时处理解析图片数据的方法

Similar Documents

Publication Publication Date Title
CN108446717A (zh) 一种基于图像识别的机台状态采集方法及系统
CN110363102B (zh) 一种pdf文件的对象识别处理方法及装置
WO2021051885A1 (zh) 目标标注的方法及装置
CN103295034B (zh) 一种基于dsp的嵌入式图书乱架清点系统及方法
CN102360419B (zh) 计算机扫描阅读管理方法及系统
US8045791B2 (en) System and method for measuring digital images of a workpiece
CN101908136A (zh) 一种表格识别处理方法及系统
US20180061263A1 (en) Image forming apparatus and grading assistance method
CN104079587A (zh) 证书识别装置及证书检验系统
CN109886257B (zh) 一种ocr系统中采用深度学习矫正发票图片分割结果的方法
CN113901933A (zh) 基于人工智能的电子发票信息抽取方法、装置及设备
CN110569774A (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
CN114648776B (zh) 一种财务报销数据处理方法和处理系统
CN112861861A (zh) 识别数码管文本的方法、装置及电子设备
CN109726369A (zh) 一种基于标准文献的智能模板化题录技术实现方法
CN115100657A (zh) 电气cad图纸扫描图的字符与带宽度的线条识别方法
CN103399854B (zh) 数据定位识别和存储方法及系统
CN112101336A (zh) 一种基于计算机视觉的智能数据采集方式
CN110363092B (zh) 柱状图识别方法、装置、设备及计算机可读存储介质
CN107861931B (zh) 模板文件处理方法、装置、计算机设备和存储介质
CN116758550A (zh) 表单图像的文本识别方法及其装置、电子设备、存储介质
CN107092907B (zh) 面向血液细菌培养的生长曲线处理方法、装置及系统
CN111241955B (zh) 一种票据信息提取方法及系统
CN115376139A (zh) 基于ocr高速图像识别的标签采集分析系统
CN109783681B (zh) 一种农产品价格信息采集及处理装置和方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180824

RJ01 Rejection of invention patent application after publication