CN109447150A - 一种植物观赏方法、装置、电子设备和存储介质 - Google Patents
一种植物观赏方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN109447150A CN109447150A CN201811259981.6A CN201811259981A CN109447150A CN 109447150 A CN109447150 A CN 109447150A CN 201811259981 A CN201811259981 A CN 201811259981A CN 109447150 A CN109447150 A CN 109447150A
- Authority
- CN
- China
- Prior art keywords
- ornamental
- plant
- place
- target
- target user
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种植物观赏方法、装置、电子设备和存储介质,包括:步骤S11,观赏开始,获取目标用户的第一位置;步骤S12,确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来;步骤S13,规划从所述第一位置依次经过各个观赏地点的观赏路线;步骤S14,获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型识别出所述植物图片对应的植物种类;步骤S15,若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,返回执行步骤S14,直至所有观赏地点均以第二方式标记出来,结束观赏。本发明可以解决现有技术中植物观赏时体验不佳的问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种植物观赏方法、装置、电子设备和计算机可读存储介质。
背景技术
目前,越来越多的人喜欢到户外如公园、植物园等地观赏植物,而公园或植物园中通常种植有多种植物,且分布于不同的位置。若人们对公园或植物园内植物分布不熟悉,那么就需要花费较多时间去寻找欲观赏的植物所在的位置,导致在进行植物观赏时体验不佳。
发明内容
本发明的目的在于提供一种植物观赏方法、装置、电子设备和计算机可读存储介质,以解决现有技术中人们在进行植物观赏时体验不佳的问题。
为解决上述技术问题,本发明提供了一种植物观赏方法,包括:
步骤S11,获取目标用户的第一位置;
步骤S12,确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置;
步骤S13,规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
步骤S14,获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
步骤S15,若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,返回执行步骤S14,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,步骤S15还包括:
若识别出的所述植物图片对应的植物种类属于所述目标植物种类,则显示识别出的植物种类的属性信息。
可选的,步骤S15还包括:
若识别出的所述植物图片对应的植物种类不属于所述目标植物种类,则显示识别出的植物种类的属性信息以及当前观赏地点处的目标植物种类的区别特征,以便所述目标用户找到当前观赏地点处的目标植物种类,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,步骤S15还包括:
在所述区域地图上将当前观赏地点以第二方式标记出来之后,若所述当前观赏地点不是所述观赏路线上当前应到达的观赏地点,则重新规划从所述当前观赏地点依次经过其余未到达的观赏地点的观赏路线,并将重新规划的观赏路线在所述区域地图上标记出来。
可选的,步骤S14识别出所述植物图片对应的植物种类,包括:
结合所述植物识别模型的识别结果及所述第一位置所在区域和/或当前所处的季节,识别所述植物图片对应的植物种类。
可选的,步骤S13规划从所述第一位置依次经过各个观赏地点的观赏路线,包括:
采用插点算法或迪杰斯特拉算法,计算从所述第一位置依次经过各个观赏地点的观赏路线。
可选的,步骤S12还包括:
在确定所述目标用户选定的欲观赏的目标植物种类之前,根据预设时间段内所述第一位置所在区域内用户上传的植物图片通过所述植物识别模型识别出植物种类及其生理周期,确定当前处于观赏期内的植物种类并向所述目标用户推送,以使所述目标用户从当前处于观赏期内的植物种类中选定欲观赏的目标植物种类。
可选的,所述植物识别模型是基于神经网络的模型,所述植物识别模型通过如下过程得到:
对植物图片样本训练集中的每个植物图片样本进行标注处理,以标注出每个植物图片样本对应的植物种类及其生理周期;
通过经过所述标注处理的所述植物图片样本训练集,对神经网络进行训练,以得到所述植物识别模型。
可选的,对神经网络进行训练还包括:
基于植物图片样本测试集,对经过训练的所述神经网络的输出准确率进行测试;
若输出准确率小于预定的阈值,则增加所述植物图片样本训练集中的植物图片样本的数量,所增加的植物图片样本中的每个植物图片样本均经过所述标注处理;
通过增加了植物图片样本的数量之后的植物图片样本训练集,重新对所述神经网络进行训练。
可选的,所述神经网络为深度卷积神经网络或深度残差网络。
本发明还提供一种植物观赏装置,包括:
获取模块,用于获取目标用户的第一位置;
第一标记模块,用于确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置;
规划模块,用于规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
识别模块,用于获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
第二标记模块,用于若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,触发所述识别模块,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,所述第二标记模块,还用于若识别出的所述植物图片对应的植物种类属于所述目标植物种类,则显示识别出的植物种类的属性信息。
可选的,所述第二标记模块,还用于若识别出的所述植物图片对应的植物种类不属于所述目标植物种类,则显示识别出的植物种类的属性信息以及当前观赏地点处的目标植物种类的区别特征,以便所述目标用户找到当前观赏地点处的目标植物种类,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,所述第二标记模块,还用于在所述区域地图上将当前观赏地点以第二方式标记出来之后,若所述当前观赏地点不是所述观赏路线上当前应到达的观赏地点,则重新规划从所述当前观赏地点依次经过其余未到达的观赏地点的观赏路线,并将重新规划的观赏路线在所述区域地图上标记出来。
可选的,所述识别模块具体用于:
结合所述植物识别模型的识别结果及所述第一位置所在区域和/或当前所处的季节,识别所述植物图片对应的植物种类。
可选的,所述规划模块,具体用于:
采用插点算法或迪杰斯特拉算法,计算从所述第一位置依次经过各个观赏地点的观赏路线。
可选的,所述第一标记模块,还用于在确定所述目标用户选定的欲观赏的目标植物种类之前,根据预设时间段内所述第一位置所在区域内用户上传的植物图片通过所述植物识别模型识别出植物种类及其生理周期,确定当前处于观赏期内的植物种类并向所述目标用户推送,以使所述目标用户从当前处于观赏期内的植物种类中选定欲观赏的目标植物种类。
可选的,所述植物识别模型是基于神经网络的模型,所述装置还包括:
训练模块,用于通过如下过程得到所述植物识别模型:
对植物图片样本训练集中的每个植物图片样本进行标注处理,以标注出每个植物图片样本对应的植物种类及其生理周期;
通过经过所述标注处理的所述植物图片样本训练集,对神经网络进行训练,以得到所述植物识别模型。
可选的,所述训练模块还用于:基于植物图片样本测试集,对经过训练的所述神经网络的输出准确率进行测试;若输出准确率小于预定的阈值,则增加所述植物图片样本训练集中的植物图片样本的数量,所增加的植物图片样本中的每个植物图片样本均经过所述标注处理;通过增加了植物图片样本的数量之后的植物图片样本训练集,重新对所述神经网络进行训练。
可选的,所述神经网络为深度卷积神经网络或深度残差网络。
本发明还提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口、存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的植物观赏方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的植物观赏方法的步骤。
与现有技术相比,本发明提供的方案,在观赏时先获取目标用户的第一位置,确定目标用户选定的欲观赏的目标植物种类,在区域地图上将目标用户欲观赏的各个观赏地点标记出来,规划出从第一位置依次经过各个观赏地点的观赏路线,目标用户按照该观赏路线依次前往各个观赏地点,当目标用户到达某一观赏地点时,拍摄植物图片并上传,表示目标用户已到达该观赏地点,通过预先训练的植物识别模型识别出植物图片对应的植物种类,将该植物图片的拍摄位置对应的观赏地点再次标记出来,当所有观赏地点均被再次标记出来后,表示目标用户已到达过所有观赏地点,此时可以结束观赏。可见本发明在植物观赏过程中,首先根据目标用户选定的欲观赏的目标植物种类标记出各个观赏地点,再规划出观赏路线供目标用户使用,在各个观赏地点处根据目标用户上传的植物图片智能识别植物种类,从而确定目标用户是否到达观赏地点,整个观赏过程中为目标用户规划好观赏路线,不需要目标用户自行寻找观赏地点,提高了用户体验。
附图说明
图1是本发明一实施例提供的一种植物观赏方法的流程示意图;
图2是本发明一实施例提供的一种植物观赏装置的结构框图;
图3是本发明一实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种植物观赏方法、装置、电子设备和计算机可读存储介质作进一步详细说明。根据权利要求书和下面说明,本发明的优点和特征将更清楚。
为解决现有技术的问题,本发明实施例提供了一种植物观赏方法、装置、电子设备及计算机可读存储介质,可以用于推荐用户观赏植物并在观赏过程中进行导航。
图1是本发明一实施例提供的一种植物观赏方法的流程示意图,请参考图1,一种植物观赏方法可以包括如下步骤:
步骤S11,获取目标用户的第一位置。
其中,第一位置可以是所述目标用户的当前位置或者所述目标用户指定的位置。
在实际应用中,用户位置定位可通过两种方式进行:GPS定位和网络定位,网络定位又包括WiFi定位和基站定位两种方式。基站定位服务又叫做移动位置服务(LocationBased Service,LBS),它是通过电信移动运营商的网络(如全球移动通信系统(GlobalSystem for Mobile Communication,GSM))获取移动终端用户的位置信息(如经纬度坐标),LBS定位的优势是方便、成本低,理论上说,只要计算三个基站的信号差异,就可以判断出用户所在的位置。WiFi定位主要是在室内或公共场所等具有无线网络信号连接的区域,通过无线保真(wi-fi)技术,对人或物体进行精细准确的定位。
步骤S12,确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置。
在一种实现方式中,步骤S12在确定所述目标用户选定的欲观赏的目标植物种类之前,还可以根据预设时间段内用户上传的所述第一位置所在区域内的植物图片通过所述植物识别模型识别出植物种类及其生理周期,确定当前处于观赏期内的植物种类并向所述目标用户推送,以使所述目标用户从当前处于观赏期内的植物种类中选定欲观赏的目标植物种类。实际应用中,系统获取目标用户当前位置(即第一位置)所在区域的植物种类信息,并在区域地图上将所有处于观赏期的植物种类标记出来,具体就是当用户打开软件获取到第一位置信息后,直接在界面的区域地图上显示所有处于观赏期的植物的图标,然后用户可以选择点击某一种或几种植物图标进行观赏。举例而言,预设时间段可以为最近一个月,若最近一个月内有其他用户在第一位置所在区域内进行植物观赏,则根据其他用户上传的植物图片通过智能识别,可以得知当前区域内存在的植物种类以及对应的生理周期,例如其他用户上传的植物图片包含玫瑰花且生理周期为开花期,表示当前区域内存在玫瑰花且当前正处于观赏期,此时可以将玫瑰花这一植物种类向目标用户推送,由目标用户决定是否观赏,如果其他用户上传的植物图片包含玫瑰花但生理周期为枯萎期,表示当前区域内存在玫瑰花但当前正处于不佳观赏期,此时就不需要向目标用户推送玫瑰花。
步骤S13,规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类。
在一种实现方式中,可以采用插点(Floyd)算法或迪杰斯特拉(Dijkstra)算法,计算从所述第一位置依次经过各个观赏地点的观赏路线,其中,插点(Floyd)算法用于寻找给定的加权图中多源点之间最短路径,迪杰斯特拉(Dijkstra)算法用于计算一个节点到其他所有节点的最短路径。可以理解的是,此观赏路线为依次经过各个观赏地点的最短路线。在实际应用中,观赏路线模式除了上述的最短路线模式外,还可以分为经典路线模式、畅游路线模式和自定义路线模式。经典路线模式通过计算目标用户观赏最多的路线并将该路线存储为经典路线。畅游路线模式是通过获取目标用户观赏最多的观赏地点并结合当前各个地点人流量信息后计算出的最佳观赏路线。自定义路线模式是根据目标用户的需求,通过在各个观赏地点处设置虚拟可拖拽点,支持目标用户对虚拟可拖拽点的自定义拖拽,形成新的用户自定义路线。
步骤S14,获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类。
目标用户在到达某一观赏地点后,可以拍摄该观赏地点处的植物作为植物图片。目标用户将拍摄的植物图片进行上传,则执行主体可以对上传的植物图片通过植物识别模型进行识别处理,识别出植物图片对应的植物种类,所述植物识别模型可以是基于神经网络的模型。
实际应用中,由于拍摄角度或光线的影响会导致植物图片不清楚或者不能使植物识别模型准确的识别出来,因此为了提高植物识别的准确度,步骤S14识别出所述植物图片对应的植物种类,可以包括:结合所述植物识别模型的识别结果及所述第一位置所在区域和/或当前所处的季节,识别所述植物图片对应的植物种类。举例而言,用户拍摄的植物图片为桃花,所述第一位置所在区域内存在桃花这一植物种类,当前所处的季节为春天,若植物识别模型对该植物图片识别处理后不能准确的判断出所对应的植物种类是否为桃花,但是此时结合所述第一位置所在区域和当前所处的季节进行综合判断,就可以准确判断出所对应的植物种类即为桃花。
步骤S15,若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,返回执行步骤S14,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可以理解的是,在返回执行步骤S14之前,还可以对当前的观赏路线进行更新,将当前观赏路线中目标用户已经观赏过的子路径与尚未观赏的子路径进行区分,例如观赏路线为A-B-C,目标用户已经观赏过的子路径为A-B,则可以将子路径A-B以不同于子路径B-C的方式显示,比如观赏路线为A-B-C为高亮显示,更新后子路径A-B为非高亮显示,子路径B-C仍为高亮显示。
其中,第一方式可以为非高亮显示,第二方式为高亮显示,这样可以便于用户查看已观赏过的地点和尚未观赏的地点。或者,第一方式和第二方式为两种不同的高亮显示方式,只要能突出两种标记方式的不同以使用户能够区分即可。
进一步的,步骤S15还可以包括:若识别出的所述植物图片对应的植物种类属于所述目标植物种类,则显示识别出的植物种类的属性信息,其中,所述属性信息可以包括:植物种类的形态特征、生长习性、生理周期等相关的介绍信息,以便于目标用户对该植物种类进行深入了解。
另外,若识别出的所述植物图片对应的植物种类不属于所述目标植物种类,表示目标用户未找到当前所在的观赏地点处的目标植物种类,此时步骤S15还可以包括:显示识别出的植物种类的属性信息以及当前观赏地点处的目标植物种类的区别特征,以便所述目标用户找到当前观赏地点处的目标植物种类。同时会将用户拍摄的当前植物图片更新存储到服务器中,记录植物种类信息、位置信息和生理周期信息,以便后续使用。
在一种实现方式中,若目标用户没有根据步骤S13所规划的观赏路线前往各个观赏地点,则可以对当前的观赏路线进行重新规划以便于更好的为目标用户导航。因此,在所述区域地图上将当前观赏地点以第二方式标记出来之后,若所述当前观赏地点不是所述观赏路线上当前应到达的观赏地点,则重新规划从所述当前观赏地点依次经过其余未到达的观赏地点的观赏路线,并将重新规划的观赏路线在所述区域地图上标记出来。举例而言,例如按照观赏路线,目标用户从第一位置开始应当按照地点A、B、C的顺序依次前往这三个观赏地点,则目标用户首先应当前往地点A进行观赏,若步骤S14识别出的植物图片对应的植物种类属于目标植物种类,且该植物图片的拍摄位置对应的观赏地点为地点B,则表示目标用户当前处于地点B(即目标用户直接由第一位置到达地点B),步骤S15将地点B以第二方式标记出来,但此时由于目标用户未按照观赏路线进行观赏,因此对观赏路线进行重新规划可以便于目标用户前往其余未到达的观赏地点进行观赏。
需要说明的是,若目标用户上传的植物图片识别为目标植物种类,但该植物图片的拍摄位置并非是区域地图上标记出的观赏地点时,目标用户可以将该拍摄位置以及该植物种类在区域地图上新增标注,同时将植物信息、位置信息和生理周期信息更新存储到数据库中,以便后续使用,同时更新当前的观赏路线。类似的,若观赏地点B处出现了观赏地点C应该出现的植物种类,也可以进行标注、更新存储等处理。
在步骤S15观赏结束后,还可以根据所述目标用户上传的植物图片,生成本次观赏的观赏记录。例如在植物观赏行程结束后根据目标用户上传的植物图片自动整理成册,生成观赏记录。当目标用户观赏完所有观赏地点后,还可以向用户发放奖励。
在实际应用中,还可以将目标用户所拍摄的植物照片存储到该植物的模型训练样本库中,并且记录到当前观赏地点处的植物的生理周期和形态信息中,以便后续用户使用,存储时也可以记录照片的拍摄位置信息、日期信息和时间信息。用户拍摄的其他植物照片也可以进行存储利用。
下面再对所述植物模型的训练进行介绍。所述植物识别模型可以是基于神经网络的模型,所述植物模型可以通过如下过程得到:对植物图片样本训练集中的每个植物图片样本进行标注处理,以标注出每个植物图片样本对应的植物种类及其生理周期;通过经过所述标注处理的所述植物图片样本训练集,对神经网络进行训练,以得到所述植物识别模型。
需要说明的是,上述训练得到的植物识别模型可以同时识别出植物图片中的植物种类及其生理周期。实际应用中,也可以通过标注处理后的所述植物图片样本训练集对神经网络进行训练得到两个识别模型,分别为植物类别识别模型和生理周期识别模型,将这两个识别模型结合作为植物识别模型。
另外,标注处理时也可以标注植物图片样本的拍摄位置信息、拍摄时间(因为不同时间或者季节时,植物形态可能会有所不同),还可以标注拍摄植物图片时的天气信息。通过获取大量不同拍摄角度、不同时间、不同季节的植物图片进行训练可以提高植物识别模型的识别准确性。
所述神经网络可以为深度卷积神经网络或深度残差网络。深度卷积神经网络模型为深度前馈神经网络,其利用卷积核扫描植物图片,提取出植物图片中待识别的特征,进而对植物待识别的特征进行识别;另外,在对植物图片进行识别的过程中,可以直接将原始植物图片输入深度卷积神经网络模型,而无需对植物图片进行预处理;卷积神经网络模型相比于其他的识别模型,具备更高的识别准确率以及识别效率。残差网络模型相比于深度卷积神经网络模型多了恒等映射层,可以避免随着网络深度(网络中叠层的数量)的增加,深度卷积神经网络造成的准确率饱和、甚至下降的现象;残差网络模型中恒等映射层的恒等映射函数需要满足:恒等映射函数与残差网络模型的输入之和等于残差网络模型的输出。引入恒等映射以后,残差网络模型对输出的变化更加明显,因此可以大大提高植物生理期识别的识别准确率和识别效率,进而提高植物的识别准确率和识别效率。
进一步的,可以在神经网络训练过程中增加对其准确率的测试,以进一步提高模型识别效果。具体的,对神经网络进行训练还可以包括:
基于植物图片样本测试集,对经过训练的所述神经网络的输出准确率进行测试;
若输出准确率小于预定的阈值,则增加所述植物图片样本训练集中的植物图片样本的数量,所增加的植物图片样本中的每个植物图片样本均经过所述标注处理;
通过增加了植物图片样本的数量之后的植物图片样本训练集,重新对所述神经网络进行训练。
举例而言,在一种具体实施方式中,所述植物识别模型的训练过程如下:
S1、为每一个植物种类准备一定数量的标注有对应的名称信息和生理周期(也可标注拍摄位置信息、拍摄时间、天气信息等)的图片样本,各个植物种类的图片数量可以相等,也可以不等;
S2、从标注图片中挑选一定比例的图片作为测试集,挑选可以是人工,也可以是自动随机,比例一般为5%到20%,测试集占总图片数量的比例可以视结果调整,剩下的图片作为训练集;
S3、利用所述训练集训练所述植物识别模型,并利用所述测试集对经所述训练集训练完成后的所述植物识别模型的准确率进行验证;
S4、若准确率大于或者等于预设准确率,则训练结束;
S5、若准确率小于预设准确率,则增加训练集对应的图片样本的数量,或者调整测试集的比例进行再次训练。
综上所述,与现有技术相比,本发明提供的方案,在观赏时先获取目标用户的第一位置,确定目标用户选定的欲观赏的目标植物种类,在区域地图上将目标用户欲观赏的各个观赏地点标记出来,规划出从第一位置依次经过各个观赏地点的观赏路线,目标用户按照该观赏路线依次前往各个观赏地点,当目标用户到达某一观赏地点时,拍摄植物图片并上传,表示目标用户已到达该观赏地点,通过预先训练的植物识别模型识别出植物图片对应的植物种类,将该植物图片的拍摄位置对应的观赏地点再次标记出来,当所有观赏地点均被再次标记出来后,表示目标用户已到达过所有观赏地点,此时可以结束观赏。可见本发明在植物观赏过程中,首先根据目标用户选定的欲观赏的目标植物种类标记出各个观赏地点,再规划出观赏路线供目标用户使用,在各个观赏地点处根据目标用户上传的植物图片智能识别植物种类,从而确定目标用户是否到达观赏地点,整个观赏过程中为目标用户规划好观赏路线,不需要目标用户自行寻找观赏地点,提高了用户体验。
与上述的植物观赏方法相对应,本发明还提供了一种植物观赏装置,如图2所示,所述装置包括:
获取模块21,用于获取目标用户的第一位置;
第一标记模块22,用于确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,所述观赏地点为所述目标植物种类的所在位置;
规划模块23,用于规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
识别模块24,用于获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
第二标记模块25,用于若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,触发所述识别模块24,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,所述第二标记模块25,还用于若识别出的所述植物图片对应的植物种类属于所述目标植物种类,则显示识别出的植物种类的属性信息。
可选的,所述第二标记模块25,还用于若识别出的所述植物图片对应的植物种类不属于所述目标植物种类,则显示识别出的植物种类的属性信息以及当前观赏地点处的目标植物种类的区别特征,以便所述目标用户找到当前观赏地点处的目标植物种类,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
可选的,所述第二标记模块25,还用于在所述区域地图上将当前观赏地点以第二方式标记出来之后,若所述当前观赏地点不是所述观赏路线上当前应到达的观赏地点,则重新规划从所述当前观赏地点依次经过其余未到达的观赏地点的观赏路线,并将重新规划的观赏路线在所述区域地图上标记出来。
可选的,所述识别模块24具体用于:
结合所述植物识别模型的识别结果及所述第一位置所在区域和/或当前所处的季节,识别所述植物图片对应的植物种类。
可选的,所述规划模块23,具体用于:
采用插点算法或迪杰斯特拉算法,计算从所述第一位置依次经过各个观赏地点的观赏路线。
可选的,所述第一标记模块22,还用于在确定所述目标用户选定的欲观赏的目标植物种类之前,根据预设时间段内所述第一位置所在区域内用户上传的植物图片通过所述植物识别模型识别出植物种类及其生理周期,确定当前处于观赏期内的植物种类并向所述目标用户推送,以使所述目标用户从当前处于观赏期内的植物种类中选定欲观赏的目标植物种类。
可选的,所述植物识别模型是基于神经网络的模型,所述装置还包括:
训练模块,用于通过如下过程得到所述植物识别模型:
对植物图片样本训练集中的每个植物图片样本进行标注处理,以标注出每个植物图片样本对应的植物种类及其生理周期;
通过经过所述标注处理的所述植物图片样本训练集,对神经网络进行训练,以得到所述植物识别模型。
可选的,所述训练模块还用于:基于植物图片样本测试集,对经过训练的所述神经网络的输出准确率进行测试;若输出准确率小于预定的阈值,则增加所述植物图片样本训练集中的植物图片样本的数量,所增加的植物图片样本中的每个植物图片样本均经过所述标注处理;通过增加了植物图片样本的数量之后的植物图片样本训练集,重新对所述神经网络进行训练。
可选的,所述神经网络为深度卷积神经网络或深度残差网络。
对于本实施例公开的植物观赏装置而言,由于其基本相似于上述植物观赏方法实施例,所以描述的比较简单,相关之处参见上述植物观赏方法实施例的部分说明即可。
本发明还提供了一种电子设备,如图3所示,包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301、通信接口302、存储器303通过通信总线304完成相互间的通信,
存储器303,用于存放计算机程序;
处理器301,用于执行存储器303上所存放的程序时,实现如下步骤:
步骤S11,获取目标用户的第一位置;
步骤S12,确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置;
步骤S13,规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
步骤S14,获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
步骤S15,若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,返回执行步骤S14,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图1所示的方法实施例,在此不做赘述。
另外,处理器301执行存储器303上所存放的程序而实现的植物观赏方法的其他实现方式,与前述方法实施例部分所提及的实现方式相同,这里也不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,该计算机程序被处理器执行时实现上述的植物观赏方法的方法步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (13)
1.一种植物观赏方法,其特征在于,包括:
步骤S11,获取目标用户的第一位置;
步骤S12,确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置;
步骤S13,规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
步骤S14,获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
步骤S15,若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,返回执行步骤S14,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
2.如权利要求1所述的植物观赏方法,其特征在于,步骤S15还包括:
若识别出的所述植物图片对应的植物种类属于所述目标植物种类,则显示识别出的植物种类的属性信息。
3.如权利要求1所述的植物观赏方法,其特征在于,步骤S15还包括:
若识别出的所述植物图片对应的植物种类不属于所述目标植物种类,则显示识别出的植物种类的属性信息以及当前观赏地点处的目标植物种类的区别特征,以便所述目标用户找到当前观赏地点处的目标植物种类,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
4.如权利要求1所述的植物观赏方法,其特征在于,步骤S15还包括:
在所述区域地图上将当前观赏地点以第二方式标记出来之后,若所述当前观赏地点不是所述观赏路线上当前应到达的观赏地点,则重新规划从所述当前观赏地点依次经过其余未到达的观赏地点的观赏路线,并将重新规划的观赏路线在所述区域地图上标记出来。
5.如权利要求1所述的植物观赏方法,其特征在于,步骤S14识别出所述植物图片对应的植物种类,包括:
结合所述植物识别模型的识别结果及所述第一位置所在区域和/或当前所处的季节,识别所述植物图片对应的植物种类。
6.如权利要求1所述的植物观赏方法,其特征在于,步骤S13规划从所述第一位置依次经过各个观赏地点的观赏路线,包括:
采用插点算法或迪杰斯特拉算法,计算从所述第一位置依次经过各个观赏地点的观赏路线。
7.如权利要求1所述的植物观赏方法,其特征在于,步骤S12还包括:
在确定所述目标用户选定的欲观赏的目标植物种类之前,根据预设时间段内所述第一位置所在区域内用户上传的植物图片通过所述植物识别模型识别出植物种类及其生理周期,确定当前处于观赏期内的植物种类并向所述目标用户推送,以使所述目标用户从当前处于观赏期内的植物种类中选定欲观赏的目标植物种类。
8.如权利要求1-7任一项所述的植物观赏方法,其特征在于,所述植物识别模型是基于神经网络的模型,所述植物识别模型通过如下过程得到:
对植物图片样本训练集中的每个植物图片样本进行标注处理,以标注出每个植物图片样本对应的植物种类及其生理周期;
通过经过所述标注处理的所述植物图片样本训练集,对神经网络进行训练,以得到所述植物识别模型。
9.如权利要求8所述的植物观赏方法,其特征在于,对神经网络进行训练还包括:
基于植物图片样本测试集,对经过训练的所述神经网络的输出准确率进行测试;
若输出准确率小于预定的阈值,则增加所述植物图片样本训练集中的植物图片样本的数量,所增加的植物图片样本中的每个植物图片样本均经过所述标注处理;
通过增加了植物图片样本的数量之后的植物图片样本训练集,重新对所述神经网络进行训练。
10.如权利要求8所述的植物观赏方法,其特征在于,所述神经网络为深度卷积神经网络或深度残差网络。
11.一种植物观赏装置,其特征在于,包括:
获取模块,用于获取目标用户的第一位置;
第一标记模块,用于确定所述目标用户选定的欲观赏的目标植物种类,在区域地图上将所述第一位置所在区域内的各个观赏地点以第一方式标记出来,其中,所述观赏地点为所述目标植物种类的所在位置;
规划模块,用于规划从所述第一位置依次经过各个观赏地点的观赏路线,并将所述观赏路线在所述区域地图上显示出来,以便所述目标用户按照所述观赏路线前往各个观赏地点观赏对应的目标植物种类;
识别模块,用于获取所述目标用户上传的植物图片,并通过预先训练的植物识别模型进行识别处理,识别出所述植物图片对应的植物种类;
第二标记模块,用于若识别出的植物种类属于所述目标植物种类,则在所述区域地图上将当前观赏地点以第二方式标记出来,触发所述识别模块,直至所有观赏地点均以第二方式标记出来之后,结束观赏,其中,所述当前观赏地点为所述植物图片的拍摄位置对应的观赏地点。
12.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口、存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的方法步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811259981.6A CN109447150B (zh) | 2018-10-26 | 2018-10-26 | 一种植物观赏方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811259981.6A CN109447150B (zh) | 2018-10-26 | 2018-10-26 | 一种植物观赏方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447150A true CN109447150A (zh) | 2019-03-08 |
CN109447150B CN109447150B (zh) | 2020-12-18 |
Family
ID=65548315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811259981.6A Active CN109447150B (zh) | 2018-10-26 | 2018-10-26 | 一种植物观赏方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447150B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378303A (zh) * | 2019-07-25 | 2019-10-25 | 杭州睿琪软件有限公司 | 用于对象识别的方法及系统 |
CN110490086A (zh) * | 2019-07-25 | 2019-11-22 | 杭州睿琪软件有限公司 | 一种用于对象识别结果二次确认的方法及系统 |
CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
CN110674805A (zh) * | 2019-10-11 | 2020-01-10 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
CN110808970A (zh) * | 2019-10-28 | 2020-02-18 | 上海掌门科技有限公司 | 一种用于提供植物生长信息的方法与设备 |
CN110852376A (zh) * | 2019-11-11 | 2020-02-28 | 杭州睿琪软件有限公司 | 用于识别生物种类的方法及系统 |
CN110851638A (zh) * | 2019-11-06 | 2020-02-28 | 杭州睿琪软件有限公司 | 获取物种识别名称的方法及装置 |
CN110941987A (zh) * | 2019-10-10 | 2020-03-31 | 北京百度网讯科技有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN111291689A (zh) * | 2020-02-14 | 2020-06-16 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
CN111931070A (zh) * | 2020-09-29 | 2020-11-13 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游目的地推荐方法、装置、可读存储介质及计算机设备 |
CN113468353A (zh) * | 2021-07-20 | 2021-10-01 | 柒久园艺科技(北京)有限公司 | 一种基于图形的游客互动方法、装置、电子设备及介质 |
WO2023071869A1 (zh) * | 2021-11-01 | 2023-05-04 | 杭州睿胜软件有限公司 | 植物推荐方法、可读存储介质和电子设备 |
WO2023093480A1 (zh) * | 2021-11-23 | 2023-06-01 | 杭州睿胜软件有限公司 | 物种游览方法、游览系统及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
CN103781020A (zh) * | 2013-12-27 | 2014-05-07 | 一派视觉(北京)数字科技有限公司 | 一种具有照相合成功能的终端导游方法及系统 |
CN104634343A (zh) * | 2015-01-27 | 2015-05-20 | 杭州格文数字技术有限公司 | 一种基于多目标优化的景区路线自动规划方法 |
CN105354252A (zh) * | 2015-10-19 | 2016-02-24 | 联想(北京)有限公司 | 一种信息处理方法和装置 |
JP2017032654A (ja) * | 2015-07-29 | 2017-02-09 | アイシン・エィ・ダブリュ株式会社 | 情報案内システム、情報案内方法及びコンピュータプログラム |
CN107967457A (zh) * | 2017-11-27 | 2018-04-27 | 全球能源互联网研究院有限公司 | 一种适应视觉特征变化的地点识别与相对定位方法及系统 |
-
2018
- 2018-10-26 CN CN201811259981.6A patent/CN109447150B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102788752A (zh) * | 2012-08-08 | 2012-11-21 | 江苏大学 | 基于光谱技术的农作物内部信息无损检测装置及方法 |
CN103781020A (zh) * | 2013-12-27 | 2014-05-07 | 一派视觉(北京)数字科技有限公司 | 一种具有照相合成功能的终端导游方法及系统 |
CN104634343A (zh) * | 2015-01-27 | 2015-05-20 | 杭州格文数字技术有限公司 | 一种基于多目标优化的景区路线自动规划方法 |
JP2017032654A (ja) * | 2015-07-29 | 2017-02-09 | アイシン・エィ・ダブリュ株式会社 | 情報案内システム、情報案内方法及びコンピュータプログラム |
CN105354252A (zh) * | 2015-10-19 | 2016-02-24 | 联想(北京)有限公司 | 一种信息处理方法和装置 |
CN107967457A (zh) * | 2017-11-27 | 2018-04-27 | 全球能源互联网研究院有限公司 | 一种适应视觉特征变化的地点识别与相对定位方法及系统 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490086A (zh) * | 2019-07-25 | 2019-11-22 | 杭州睿琪软件有限公司 | 一种用于对象识别结果二次确认的方法及系统 |
CN110490086B (zh) * | 2019-07-25 | 2021-08-20 | 杭州睿琪软件有限公司 | 一种用于对象识别结果二次确认的方法及系统 |
CN110378303B (zh) * | 2019-07-25 | 2021-07-09 | 杭州睿琪软件有限公司 | 用于对象识别的方法及系统 |
CN110378303A (zh) * | 2019-07-25 | 2019-10-25 | 杭州睿琪软件有限公司 | 用于对象识别的方法及系统 |
US11335087B2 (en) | 2019-07-25 | 2022-05-17 | Hangzhou Glority Software Limited | Method and system for object identification |
CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
CN110941987B (zh) * | 2019-10-10 | 2023-04-07 | 北京百度网讯科技有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN110941987A (zh) * | 2019-10-10 | 2020-03-31 | 北京百度网讯科技有限公司 | 目标对象识别方法、装置、电子设备及存储介质 |
CN110674805A (zh) * | 2019-10-11 | 2020-01-10 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
US11663802B2 (en) | 2019-10-11 | 2023-05-30 | Hangzhou Glority Software Limited | Insect identification method and system |
CN110674805B (zh) * | 2019-10-11 | 2022-04-15 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
CN110808970A (zh) * | 2019-10-28 | 2020-02-18 | 上海掌门科技有限公司 | 一种用于提供植物生长信息的方法与设备 |
CN110851638A (zh) * | 2019-11-06 | 2020-02-28 | 杭州睿琪软件有限公司 | 获取物种识别名称的方法及装置 |
CN110852376A (zh) * | 2019-11-11 | 2020-02-28 | 杭州睿琪软件有限公司 | 用于识别生物种类的方法及系统 |
CN110852376B (zh) * | 2019-11-11 | 2023-05-26 | 杭州睿琪软件有限公司 | 用于识别生物种类的方法及系统 |
CN111291689A (zh) * | 2020-02-14 | 2020-06-16 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
CN111291689B (zh) * | 2020-02-14 | 2024-02-27 | 杭州睿琪软件有限公司 | 植物花期播报方法、系统及计算机可读存储介质 |
CN111931070B (zh) * | 2020-09-29 | 2021-01-01 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游目的地推荐方法、装置、可读存储介质及计算机设备 |
CN111931070A (zh) * | 2020-09-29 | 2020-11-13 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游目的地推荐方法、装置、可读存储介质及计算机设备 |
CN113468353A (zh) * | 2021-07-20 | 2021-10-01 | 柒久园艺科技(北京)有限公司 | 一种基于图形的游客互动方法、装置、电子设备及介质 |
WO2023071869A1 (zh) * | 2021-11-01 | 2023-05-04 | 杭州睿胜软件有限公司 | 植物推荐方法、可读存储介质和电子设备 |
WO2023093480A1 (zh) * | 2021-11-23 | 2023-06-01 | 杭州睿胜软件有限公司 | 物种游览方法、游览系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109447150B (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447150A (zh) | 一种植物观赏方法、装置、电子设备和存储介质 | |
CN106709606B (zh) | 个性化场景预测方法及装置 | |
CN110868689B (zh) | 常住人口确定方法、装置和电子设备 | |
CN104408043B (zh) | 一种信息处理方法及服务器 | |
CN108271120A (zh) | 目标区域及目标用户的确定方法、装置及设备 | |
KR20180101472A (ko) | 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스 | |
US20220358772A1 (en) | Plant blooming period broadcast method and system, and computer-readable storage medium | |
CN110378303A (zh) | 用于对象识别的方法及系统 | |
CN109357683A (zh) | 一种基于兴趣点的导航方法、装置、电子设备和存储介质 | |
CN104254865A (zh) | 凭经验的专家确定和问题路由系统和方法 | |
CN105531746A (zh) | 为流量分析而收集的数据的管理 | |
CN109428929A (zh) | 目标对象的位置信息的确定方法、服务器及用户客户端 | |
CN107861992A (zh) | 一种跑步路线处理方法和装置 | |
CN106157192A (zh) | 一种行程服务方法和装置 | |
CN106403971A (zh) | 信息交互方法及装置 | |
CN110428114A (zh) | 果树产量预测方法、装置、设备及计算机可读存储介质 | |
CN106709840B (zh) | 一种基于移动网络数据的城市常住人口估算方法 | |
CN109165786A (zh) | 一种导游方案的规划方法及服务器 | |
CN106487828A (zh) | 新闻推送方法及装置 | |
CN110490086A (zh) | 一种用于对象识别结果二次确认的方法及系统 | |
JP2021102070A (ja) | データ収集装置、データ収集方法およびプログラム | |
CN109636868A (zh) | 基于WebGIS和深度学习的高精度影像地图在线构建方法及设备 | |
CN106850106A (zh) | 基于移动群智感知的无线电环境地图数据收集系统及方法 | |
CN107291784B (zh) | 地理围栏类别的获取方法、装置及业务设备 | |
CN109784653A (zh) | 一种备餐方法、装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |