CN109558868A - 图像自动采集和标注设备及方法 - Google Patents

图像自动采集和标注设备及方法 Download PDF

Info

Publication number
CN109558868A
CN109558868A CN201811125164.1A CN201811125164A CN109558868A CN 109558868 A CN109558868 A CN 109558868A CN 201811125164 A CN201811125164 A CN 201811125164A CN 109558868 A CN109558868 A CN 109558868A
Authority
CN
China
Prior art keywords
commodity
turntable
image
picture
angle
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
CN201811125164.1A
Other languages
English (en)
Inventor
陈子林
王良旗
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to PCT/CN2018/107957 priority Critical patent/WO2019062811A1/zh
Publication of CN109558868A publication Critical patent/CN109558868A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图像自动采集和标注设备及方法，图像自动采集和标注设备包括支撑部、图像采集部和计算机；支撑部包括转盘和触发部；图像采集部包括图像传感器；触发部与图像传感器电连接；计算机与图像传感器和触发部电连接。本申请还公开了一种商品图像自动采集和标注的方法，包括步骤：(a)将商品置于旋转平台上，获得同一商品不同角度的图片组；(b)对步骤(a)获得的图片组中的至少一幅图片标注信息。该图像自动采集和标注设备可以对物体进行多角度可控自动拍照。得到的物品多角度图片，为图片后期处理提供更多素材。本申请的另一方面还提供了一种商品图像自动采集和标注的方法。

Description

图像自动采集和标注设备及方法
技术领域
本申请涉及一种图像自动采集和标注设备及方法，属于商品识别领域。
背景技术
现有通用采集标注流程是：进行样本拍摄、在计算机上通过相应标记程序手工标注出图片中不同商品的位置和分类信息。样本的数量质量直接影响最后的学习结果，正常情况下样本数据量越多越准确，最后训练出来的结果更好。但靠手工标注的方法，不仅工作量巨大，而且容易出错，成本也极高。
现有的一些自动化的方法是用算法实现，利用一些先验性的结果对目标进行二次分类标注，结果并不十分准确。但如以上所说，样本的数量和质量对机器训练学习至关重要，我们需要一些高可用和便于实现的方法来解决问题。
而对于数量巨大的处理需求，人工拍照和/或对拍照的图像后续处理难以胜任，时间成本和人工成本也特别高。
发明内容
根据本申请的一个方面，提供了一种图像自动采集和标注设备，该图像自动采集和标注设备可以对物体进行多角度可控自动拍照。得到的物品多角度图片，为图片后期处理提供更多素材。
图像自动采集和标注设备包括支撑部、图像采集部和计算机；
支撑部包括转盘和触发部；图像采集部包括图像传感器；
触发部与图像传感器电连接；
计算机与图像传感器和触发部电连接。
优选地，触发部包括至少两个触发位点；
触发位点固定于转盘的边缘并随转盘同步转动。
作为一个优选的方案，触发位点向转盘外部伸出。
作为一个优选的方案，转盘边缘具有凸起结构形成触发位点。
作为一个优选的方案，触发位点为转盘边缘的图像和/或可识别编码。
进一步优选地，触发位点为安装在转盘边缘的凸起结构；触发位点在转盘边缘等间距排布。
进一步优选地，触发位点在转盘边缘的位置可调。优选地，触发位点选自螺丝、木条、铁钉、塑料杆中的至少一种构成，转盘边缘具有数量大于触发位点的与螺丝、木条、铁钉、塑料杆中的至少一种相匹配的固定结构，使得触发位点可以在多种固定位置间调整，以适应多种不同形状特点的待采集图像的物体。
进一步优选地，触发部包括触发传感器；
触发传感器在转盘转动时位置固定，触发传感器设置于触发位点随转盘转动平面的边缘；
所述触发传感器向所述转台外部伸出。
进一步优选地，触发传感器为槽型光电传感器，触发传感器固定在转盘侧边，触发位点在随转盘转动时通过槽型光电传感器的槽型结构。
优选地，图像采集部包括支架，支架具有图像传感器连接点；图像传感器与支架上的图像传感器连接点连接；
支架以其位置和高度可调的方式完成图像传感器的空间位置设置。
优选地，图像传感器选自相机、CCD传感器中的至少一种。本申请中，CCD传感器是指电荷藕合器件图像传感器，英文为Charge Coupled Device。
优选地，图像自动采集和标注设备包括图像采集计算机；图像采集计算机与图像传感器和触发部电连接。
优选地，所述图像自动采集和标注设备包括：支撑部、图像采集部和标注装置；
所述支撑部包括转台，所述转台转动触发所述图像采集部进行图像采集得到图片；
所述标注装置与所述图像采集部数据连接并在采集图片的同时标注所述图片。
根据本申请的又一个方面，提供了一种全角度商品自动拍照装置，该全角度商品自动拍照装置可以对商品的外表面进行多角度可控自动拍照。得到的商品外表面的多角度图片，为商品图像识别提供更多素材。
该全角度商品自动拍照装置，包括上述图像自动采集和标注设备中的至少一种；
商品位于转盘之上；
图像传感器朝向转盘之上的商品。
优选地，所述触发传感器为槽型光电传感器，所述触发传感器固定在所述转盘侧边，所述触发位点在随所述转盘转动时通过所述槽型光电传感器的槽型结构。
根据本申请的又一个方面，提供了一种商品图像自动采集和标注的方法，该方法实现自动化采集和标注，极大提高采集的效率和准确率。
方法包括步骤：
(a)将商品置于旋转平台上，获得同一商品不同角度的图片组；
(b)对步骤(a)获得的图片组中的至少一幅图片标注信息。
优选地，步骤(a)中旋转平台设定旋转到第一角度时获取商品第一图片，旋转到第N角度时获取商品第N图片，直至旋转360度，获取全部图片。
优选地，所述步骤(a)包括以下步骤：
(a1)设定商品旋转次数N和每次旋转的旋转角度θ；
(a2)所述商品从起始位置开始转过所述旋转角度θ记为旋转第i次，获取所述商品的商品单面图像，摄像装置相对所述商品位置固定且与所述商品起始位置平齐；取i＝i+1后，所述商品继续转过所述旋转角度θ，直至i＝N时停止，得到N幅所述商品单面图像。
优选地，所述步骤(b)包括以下步骤：
(b1)获取步骤：获取拍摄第i幅所述商品单面图像时所述商品相对所述商品的所述起始位置转过的角度δ；
(b2)标注步骤：将所述角度δ与第i幅所述单面图像一一对应存储；取i＝i+1后，重复所述获取步骤和所述标注步骤，直至i＝N时停止，得到N幅标注所述角度δ的所述标注图像。
优选地，所述标注步骤中还包括对第i幅所述单面图像标注第N信息，所述第N信息包括商品信息。
可选的，第N信息还包括摄像装置与商品的拍摄距离或拍摄商品的光影信息。
优选地，所述旋转角度θ与所述旋转次数N的乘积为360°。
优选地，步骤(b)为步骤(a)中获取全部图片后，标注第一图片的信息，根据预设算法自动标注第N图片的信息。
进一步优选地，预设算法根据商品外形特点、N的数值、步骤(a)中图片获取顺序、商品信息建立标注规则。
优选地，方法包括步骤：
(a1)将商品置于旋转平台上，设定需要获取N张图片的第一角度至第N角度；
当商品随旋转平台转动至第一角度时，获取第一图片；
当商品旋转到第N角度时获取商品第N图片，直至旋转360度，获取全部图片；
(b1)对步骤(a1)获得的第一图片标注第一信息；根据预设算法，由第一信息和第N角度，依次获得第N信息，依次将第N图片标注第N信息。
进一步优选地，第N信息包括第一信息中的商品信息和第N角度信息。
进一步优选地，预设算法为根据商品外形将第N角度转化为商品的第N视角；
将第一信息中的商品信息与第N视角组合，作为第N信息。
优选地，在标注全部图片信息后，还包括步骤：
(c)采用标注信息后的图片训练第一神经网络，得到第二神经网络。
进一步优选地，步骤(c)中第一神经网络和第二神经网络为基于区域卷积神经网络的图像识别神经网络；
进一步优选地，步骤(c)中训练第一神经网络的方法为：通过反向传播的随机梯度下降方法，对标注信息后的图片进行监督学习训练，得到第二神经网络。
进一步优选地，步骤(c)中训练第一神经网络的方法为：
(c1)通过反向传播的随机梯度下降方法，用标注信息后的图片对第一神经网络进行监督学习训练；
(c2)用步骤(c1)监督学习训练后的第一神经网络识别商品，将识别正确的样本标记信息，通过反向传播的随机梯度下降方法，对第一神经网络进行无监督学习训练，得到第二神经网络。
本申请能产生的有益效果包括：
1)本申请所提供的图像自动采集和标注设备，能有效提高工作效率，摄像机固定一次可以拍摄物品多角度图片。
2)本申请所提供的图像自动采集和标注设备，能有效提高拍摄角度的精度，可对被拍物品角度进行精准控制，手动拍摄多角度时无法对物品角度进行控制。
3)本申请所提供的图像自动采集和标注设备，能节省劳动力，只需一个人即可进行多角度拍摄，手动拍照则需要摄像师和物品摆放人员。
4)本申请所提供的图像自动采集和标注的方法，结合定制装置和计算机软件系统实现样本采集和标注的自动化，提高该类工作的效率。对比之前的工作模式，采集标注原来8个人的工作量变成一个人可以完成，并且标注由计算机自动完成，同时避免了8个人完成统一工作中可能存在的风险。
附图说明
图1为本申请一种实施方式中图像自动采集和标注设备组装示意图。
图2为本申请一种实施方式中转盘立体示意图。
图3为本申请一种实施方式中转盘局部放大触发位点示意图。
图4为本申请一种实施方式中槽型光电传感器立体示意图。
图5为本申请一种实施方式中相机和支架立体示意图。
图6为本申请一种实施方式中图像自动采集和标注方法流程图。
部件和附图标记列表。
附图标记 部件
2 支撑部
20 转盘
22 触发部
220 触发位点
222 触发传感器
4 图像采集部
40 图像传感器
42 支架
6 图像采集计算机
具体实施方式
下面结合实施例详述本申请，但本申请并不局限于这些实施例。
如无特别说明，本申请的实施例中的元器件和设备均通过商业途径购买。
参见图1～5，本申请提供的图像自动采集和标注设备包括：支撑部2、图像采集部4和计算机；
支撑部2包括转台20和触发部22；图像采集部4包括图像传感器40；
触发部22与图像传感器40电连接；
计算机与图像传感器40和触发部22电连接。
参见图4，优选地，触发部22包括至少两个触发位点220；
触发位点220固定于转台20的边缘并随转台20同步转动。
作为一个优选的方案，触发位点220向转台20外部伸出。
作为一个优选的方案，转台20边缘具有凸起结构形成触发位点220。
作为一个优选的方案，触发位点220为转台20边缘的图像和/或可识别编码。
进一步优选地，触发位点220为安装在转台20边缘的凸起结构；触发位点220在转台20边缘等间距排布或间距可调。通过使触发位点220的位置可调，可根据物品形状调整触发位点220所处位置和拍摄角度。
进一步优选地，触发位点220在转台20边缘的位置可调。优选地，触发位点220选自螺丝、木条、铁钉、塑料杆中的至少一种构成，转台20边缘具有数量大于触发位点220的与螺丝、木条、铁钉、塑料杆中的至少一种相匹配的固定结构，使得触发位点220可以在多种固定位置间调整，以适应多种不同形状特征的待采集图像的物体。转台20的边缘是指
进一步优选地，触发部22包括触发传感器222；
触发传感器222在转台20转动时位置固定，触发传感器222设置于触发位点220随转台20转动平面的边缘。
进一步优选地，触发传感器222为槽型光电传感器，触发传感器222固定在转台20侧边，触发位点220在随转台20转动时通过槽型光电传感器的槽型结构。
优选地，图像采集部4包括支架42，支架42具有图像传感器40连接点；图像传感器40与支架42上的图像传感器40连接点连接；
支架42以其位置和高度可调的方式完成图像传感器40的空间位置设置。
优选地，图像传感器40选自相机、CCD传感器中的至少一种。本申请中，CCD传感器是指电荷藕合器件图像传感器40，英文为Charge Coupled Device。
优选地，多角度图像自动采集标注装置包括图像采集计算机；图像采集计算机与图像传感器40和触发部22电连接。该全角度商品自动拍照装置可以对商品的外表面进行多角度可控自动拍照。得到的商品外表面的多角度图片，为商品图像识别提供更多素材。
该全角度商品自动拍照装置，包括上述多角度图像自动采集标注装置中的至少一种；
商品位于转台20之上；
图像传感器40朝向转台20之上的商品。
本申请的又一方面还提供了图像自动采集和标注方法，包括以下步骤：
(a1)设定商品旋转次数N和每次旋转的旋转角度θ；
(a2)所述商品从起始位置开始转过所述旋转角度θ记为旋转第i次，获取所述商品的商品单面图像，摄像装置相对所述商品位置固定且与所述商品起始位置平齐；取i＝i+1后，所述商品继续转过所述旋转角度θ，直至i＝N时停止，得到N幅所述商品单面图像；
(b1)获取步骤：获取拍摄第i幅所述商品单面图像时所述商品相对所述商品的所述起始位置转过的角度δ；
(b2)标注步骤：将所述角度δ与第i幅所述单面图像一一对应存储；取i＝i+1后，重复所述获取步骤和所述标注步骤，直至i＝N时停止，得到N幅标注所述角度δ的所述标注图像。
通过预设旋转次数N和每次旋转的旋转角度θ，可实现自动获取待拍摄物品多角度图像，并在拍摄图像中标注相对起始位置转动角度信息，节约标注时间，减少标注过程人工投入量。所获得大量图像，可以用于无人值守便利店，有助于提高结算效率，缩短结算时间，无需使用条码即可实现准确识别商品的各个面。避免图像识别过程中遗漏的发生。同时可实现人工标注一次，即可完成对其他所有角度图片的标注，且标注准确率较高。该方法尤其适用于获取无人值守便利店中，各类商品的完整信息。且能同时保持同一物品不同角度的图片，从而便于运用于识别结算时，不同角度的物品。比对步骤中比对的内容，包括但不限于为物品外形和物品的旋转角度。确定第N图片获取时相对第一图片转动的角度，将该转动角度信息也作为第N信息对第N图片进行标注。
以下结合具体实例对本申请进行详细说明。
实施例1
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备如图1所示，包括支撑部2和图像采集部4，支撑部2与图像采集部4相邻设置且电信号连接(图中未示出)。
具体而言，如图2所示，支撑部2包括转盘20和触发部22。
具体而言，如图5所示，图像采集部4包括图像传感器40和支架42。
触发部22与图像传感器40之间电信号连接。
本申请的图像自动采集和标注设备工作时，将物品放置在转盘20上，转盘20为电动转盘，调整图像传感器40和支架42到适合的角度位置，开启转盘20，转盘20转到一定位置，触发部22发出触发信号，图像传感器40收到触发信号后自动拍照。转盘20转动一圈后，即可获得水平面180度各个角度的图片。然后将物品翻转90度，再将转盘20转动一圈并自动拍照，最终获得物品的360度全角度照片。
实施例2
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备如图1所示，包括支撑部2和图像采集部4，支撑部2与图像采集部4相邻设置且电信号连接(图中未示出)。
具体而言，如图2所示，支撑部2包括转盘20和触发部22。图像采集部4包括图像传感器40和支架42，如图5所示。
具体而言，触发部22包括三个触发位点220和触发传感器222。三个触发位点220等间距分布在转盘20的边缘外侧并随转盘20一起转动，触发位点220的局部放大图见图3。触发传感器222为槽型光电传感器，其槽型区域为光电识别区，随转台转动的角度采集点正好通过槽型光电识别区。触发传感器222位置固定，不与转盘20一起转动，当触发位点220随转盘20转动经过触发传感器222时，触发传感器222产生触发信号。触发传感器222与图像传感器40之间电信号连接，图像传感器40收到触发传感器222的触发信号时，触发拍照，图像传感器40获得一幅图片。
本实施例图像自动采集和标注设备工作时，将物品放置在转盘20上，转盘20为电动转盘，调整图像传感器40和支架42到适合的角度位置，开启转盘20，触发位点220转动经过触发传感器222的槽型光电传感器中的槽结构时，向图像传感器40发送触发信号，触发拍照。转盘20转动一圈后，即可获得水平面180度各个角度的图片。然后将物品翻转90度，再将转盘20转动一圈并自动拍照，最终获得物品的360度全角度照片。
实施例3
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备与实施例2类似，不同之处只是其中的触发位点220由转盘20边缘的凸起结构形成，凸起结构随转盘20转动经过触发传感器222时，触发传感器222产生触发信号。
本实施例图像自动采集和标注设备工作方式与实施例2相同。
实施例4
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备与实施例2类似，不同之处只是其中的触发位点220为四个，且其在转盘20上固定的位置可以调整。具体为，转盘20边缘侧面一圈具有大量螺纹孔，四个触发位点220均为一端具有螺纹的棍状物，可以螺纹固定在任意一个螺纹孔上并伸出另一端。
本实施例图像自动采集和标注设备每次工作时，将物品放置在转盘20上，首先根据物品的形状特点，将各个触发位点220固定在需要拍照的角度位置上，调整图像传感器40和支架42到适合的角度位置，开启转盘20，触发位点220转动经过触发传感器222的槽型光电传感器中的槽结构时，向图像传感器40发送触发信号，触发拍照。转盘20转动一圈后，即可获得水平面180度各个角度的图片。然后将物品翻转90度，再将转盘20转动一圈并自动拍照，最终获得物品的360度全角度照片。
实施例5
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备与实施例2类似，不同之处是包括图像采集计算机、其中的图像传感器40由相机替换为CCD传感器。触发传感器222与图像采集计算机6(图中未示出)电连接，图像采集计算机6与CCD传感器电连接。
本实施例图像自动采集和标注设备工作时，将物品放置在转盘20上，转盘20为电动转盘，调整图像传感器40和支架42到适合的角度位置，开启转盘20，触发位点220转动经过触发传感器222的槽型光电传感器中的槽结构时，向图像采集计算机6发送触发信号，图像采集计算机6收到触发信号后控制CCD传感器获取图像并储存在图像采集计算机6中。转盘20转动一圈后，图像采集计算机6即可获得水平面180度各个角度的图片。然后将物品翻转90度，再将转盘20转动一圈并自动拍照，最终图像采集计算机6获得物品的360度全角度照片。
实施例6
作为本申请的一个具体的实施方案，本申请提供的图像自动采集和标注设备与实施例5类似，不同之处是：
触发位点220为密集分布在转盘20边缘侧面一周的条码，条码存储角度信息，触发传感器222为条形码识别装置，当转盘20转动时，触发传感器222可以持续获得图像传感器40正对的转盘20的角度。根据摆放在转盘20上的商品的特点，通过在图像采集计算机6设定拍照的角度值，即可自动获得各角度的照片，提高了效率。
实施例7商品识别和标注
作为本申请的一个具体的实施方案，本申请提供的商品图像自动采集和标注的方法。图6为本实施方式中商品图像自动采集和标注流程图。商品外形为一个长方体。实施步骤如下：
步骤a：将商品置于实施例1中的转盘上，获得同一商品不同角度的图片组；
本步骤中，旋转平台设定旋转到第一角度时获取商品第一图片，旋转到第N角度时获取商品第N图片，直至旋转360度，获取全部图片。
步骤b：对步骤a获得的图片组中的至少一幅图片标注信息。
本步骤中，另一种具体的实现方式是，步骤a中获取全部图片后，标注第一图片的信息，根据预设算法自动标注第N图片的信息。
本步骤中，预设算法根据商品外形特点、N的数值、步骤a中图片获取顺序、商品信息建立标注规则。
实施例8商品识别和标注
作为本申请的一个具体的实施方案，本申请提供的商品图像自动采集和标注的方法。图6为本实施方式中商品图像自动采集和标注流程图。商品外形为一个长方体。实施步骤如下：
步骤a1：将商品置于旋转平台上，设定需要获取N张图片的第一角度至第N角度；
本步骤中，当商品随旋转平台转动至第一角度时，获取第一图片；
本步骤中，当商品旋转到第N角度时获取商品第N图片，直至旋转360度，获取全部图片；
步骤b1：对步骤a1获得的第一图片标注第一信息；根据预设算法，由第一信息和第N角度，依次获得第N信息，依次将第N图片标注第N信息。
本步骤中，第N信息包括第一信息中的商品信息和第N角度信息。
本步骤中，另一种具体的实现方式是，预设算法为根据商品外形将第N角度转化为商品的第N视角；
将第一信息中的商品信息与第N视角组合，作为第N信息。
实施例9基于神经网络的商品采集和标注
作为本申请的一个具体的实施方案，本申请提供的商品图像自动采集和标注的方法。图6为本实施方式中商品图像自动采集和标注流程图。商品外形为一个长方体。实施步骤如下：
步骤a1：将商品置于旋转平台上，设定需要获取N张图片的第一角度至第N角度；
本步骤中，当商品随旋转平台转动至第一角度时，获取第一图片；
本步骤中，当商品旋转到第N角度时获取商品第N图片，直至旋转360度，获取全部图片；
步骤b1：对步骤a1获得的第一图片标注第一信息；根据预设算法，由第一信息和第N角度，依次获得第N信息，依次将第N图片标注第N信息。
本步骤中，第N信息包括第一信息中的商品信息和第N角度信息。
本步骤中，另一种具体的实现方式是，预设算法为根据商品外形将第N角度转化为商品的第N视角；
将第一信息中的商品信息与第N视角组合，作为第N信息。
步骤c：采用标注信息后的图片训练第一神经网络，得到第二神经网络。
本步骤中，另一种具体的实现方式是，步骤(c)中第一神经网络和第二神经网络为基于区域卷积神经网络的图像识别神经网络；
本步骤中，另一种具体的实现方式是，步骤(c)中训练第一神经网络的方法为：通过反向传播的随机梯度下降方法，对标注信息后的图片进行监督学习训练，得到第二神经网络。
本步骤中，另一种具体的实现方式是，步骤(c)中训练第一神经网络的方法为：
(c1)通过反向传播的随机梯度下降方法，用标注信息后的图片对第一神经网络进行监督学习训练；
(c2)用步骤(c1)监督学习训练后的第一神经网络识别商品，将识别正确的样本标记信息，通过反向传播的随机梯度下降方法，对第一神经网络进行无监督学习训练，得到第二神经网络。
第二神经网络具备同时对大量商品批量识别的能力。
以上，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。

Claims (10)

1.一种图像自动采集和标注设备，其特征在于，所述图像自动采集和标注设备包括：支撑部、图像采集部和标注装置；
所述支撑部包括转台，所述转台转动触发所述图像采集部进行图像采集得到图片；
所述标注装置与所述图像采集部数据连接并在采集图片的同时标注所述图片。
2.根据权利要求1所述的设备，其特征在于，所述触发部包括至少两个触发位点；
所述触发位点固定于所述转盘的边缘并随转盘同步转动；
优选地，所述触发位点为安装在所述转台边缘的凸起结构，所述触发位点向所述转台外部伸出；
优选地，所述触发位点在所述转盘边缘等间距排布，或者所述触发位点在所述转盘边缘的位置可调；
优选地，所述转盘边缘具有凸起结构，所述凸起结构形成所述触发位点；
优选地，所述触发位点为所述转盘边缘的图像和/或可识别编码；
优选地，所述图像采集部包括支架，所述支架具有图像传感器连接点；
所述图像传感器与所述支架上的图像传感器连接点连接；
所述支架以其位置和高度可调的方式完成所述图像传感器的空间位置设置；
优选地，所述图像传感器选自相机、CCD传感器中的至少一种。
3.根据权利要求2任一项所述的设备，其特征在于，所述触发部包括触发传感器；
所述触发传感器在所述转盘转动时位置固定，所述触发传感器设置于所述触发位点随所述转盘转动平面的边缘；
所述触发传感器向所述转台外部伸出。
4.根据权利要求3所述的设备，其特征在于，所述触发传感器为槽型光电传感器，所述触发传感器固定在所述转盘侧边，所述触发位点在随所述转盘转动时通过所述槽型光电传感器的槽型结构。
5.一种商品图像自动采集和标注的方法，其特征在于，包括步骤：
(a)将商品置于旋转平台上，获得同一商品不同角度的图片组；
(b)对步骤(a)获得的图片组中的至少一幅图片标注信息。
6.根据权利要求5所述的方法，其特征在于，所述步骤(a)包括以下步骤：
(a1)设定商品旋转次数N和每次旋转的旋转角度θ；
(a2)所述商品从起始位置开始转过所述旋转角度θ记为旋转第i次，获取所述商品的商品单面图像，摄像装置相对所述商品位置固定且与所述商品起始位置平齐；取i＝i+1后，所述商品继续转过所述旋转角度θ，直至i＝N时停止，得到N幅所述商品单面图像。
7.根据权利要求6所述的方法，其特征在于，所述步骤(b)包括以下步骤：
(b1)获取步骤：获取拍摄第i幅所述商品单面图像时所述商品相对所述商品的所述起始位置转过的角度δ；
(b2)标注步骤：将所述角度δ与第i幅所述单面图像一一对应存储；取i＝i+1后，重复所述获取步骤和所述标注步骤，直至i＝N时停止，得到N幅标注所述角度δ的所述标注图像；
优选地，所述旋转角度θ与所述旋转次数N的乘积为360°。
8.根据权利要求7所述的方法，其特征在于，所述标注步骤中还包括对第i幅所述单面图像标注第N信息，所述第N信息包括商品信息。
9.根据权利要求5至8任一项所述的方法，其特征在于，还包括步骤：
(c)采用标注信息后的图片训练所述第一神经网络，得到第二神经网络。
10.根据权利要求9所述的方法，其特征在于，
所述步骤(c)中第一神经网络和第二神经网络为基于区域卷积神经网络的图像识别神经网络；
优选地，所述步骤(c)中训练所述第一神经网络的方法为：通过反向传播的随机梯度下降方法，对标注信息后的图片进行监督学习训练，得到第二神经网络；
优选地，所述步骤(c)中训练所述第一神经网络的方法为：
(c1)通过反向传播的随机梯度下降方法，用标注信息后的图片对第一神经网络进行监督学习训练；
(c2)用步骤(c1)监督学习训练后的第一神经网络识别商品，将识别正确的样本标记信息，通过反向传播的随机梯度下降方法，对第一神经网络进行无监督学习训练，得到第二神经网络。
CN201811125164.1A 2017-09-27 2018-09-26 图像自动采集和标注设备及方法 Pending CN109558868A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/107957 WO2019062811A1 (zh) 2017-09-27 2018-09-27 图像自动采集和标注设备及方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710889839 2017-09-27
CN2017108898399 2017-09-27

Publications (1)

Publication Number Publication Date
CN109558868A true CN109558868A (zh) 2019-04-02

Family

ID=65864713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811125164.1A Pending CN109558868A (zh) 2017-09-27 2018-09-26 图像自动采集和标注设备及方法

Country Status (2)

Country Link
CN (1) CN109558868A (zh)
WO (1) WO2019062811A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110058398A (zh) * 2019-04-25 2019-07-26 深圳市声光行科技发展有限公司 一种vr望远镜
CN111402334A (zh) * 2020-03-16 2020-07-10 深圳前海达闼云端智能科技有限公司 数据生成方法、装置及计算机可读存储介质
CN111861987A (zh) * 2020-06-09 2020-10-30 中国船舶重工集团公司第七一三研究所 一种基于x光机的危险品样本图像构造方法
TWI744000B (zh) * 2020-09-21 2021-10-21 財團法人資訊工業策進會 影像標記裝置、方法及其電腦程式產品
CN113569841A (zh) * 2021-09-23 2021-10-29 上海启迪睿视智能科技有限公司 一种用于线阵相机的数据采集与标注装置及其标注方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112149461A (zh) * 2019-06-27 2020-12-29 中科智云科技有限公司 用于识别对象的方法和设备
CN115393639B (zh) * 2022-08-16 2023-08-11 广州市玄武无线科技股份有限公司 商品智能打标方法、系统、终端设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937167A (zh) * 2009-07-02 2011-01-05 陈键 一种立体成像装置
CN201917759U (zh) * 2010-12-31 2011-08-03 翔德电子科技(深圳)有限公司 多角度拍摄装置
CN103196925A (zh) * 2013-03-27 2013-07-10 广东顺德三扬科技有限公司 一种采用摄像识别检测拉头的装置
CN203482294U (zh) * 2013-06-26 2014-03-12 林铷 多角度全景商品拍摄装置
CN105827986A (zh) * 2016-05-27 2016-08-03 张卫东 一种自动多维拍摄系统和全景图片采集生成系统
CN106863355A (zh) * 2016-12-27 2017-06-20 北京光年无限科技有限公司 一种用于机器人的物体识别方法以及机器人
CN107045641A (zh) * 2017-04-26 2017-08-15 广州图匠数据科技有限公司 一种基于图像识别技术的货架识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102238327A (zh) * 2010-05-06 2011-11-09 上海百一网络科技有限公司 360度12位自动拍照系统方法
CN203827429U (zh) * 2014-05-17 2014-09-10 通汇国际（香港）有限公司 物体外观拍摄系统
CN204462609U (zh) * 2015-03-10 2015-07-08 浙江绿浪信息技术有限公司 一种自动化静物拍摄装置
CN204578641U (zh) * 2015-04-21 2015-08-19 密良燕 电动转盘及使用该电动转盘的拍照系统
CN104811625A (zh) * 2015-05-11 2015-07-29 常州新艺叁迪打印技术有限公司 自动拍摄装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937167A (zh) * 2009-07-02 2011-01-05 陈键 一种立体成像装置
CN201917759U (zh) * 2010-12-31 2011-08-03 翔德电子科技(深圳)有限公司 多角度拍摄装置
CN103196925A (zh) * 2013-03-27 2013-07-10 广东顺德三扬科技有限公司 一种采用摄像识别检测拉头的装置
CN203482294U (zh) * 2013-06-26 2014-03-12 林铷 多角度全景商品拍摄装置
CN105827986A (zh) * 2016-05-27 2016-08-03 张卫东 一种自动多维拍摄系统和全景图片采集生成系统
CN106863355A (zh) * 2016-12-27 2017-06-20 北京光年无限科技有限公司 一种用于机器人的物体识别方法以及机器人
CN107045641A (zh) * 2017-04-26 2017-08-15 广州图匠数据科技有限公司 一种基于图像识别技术的货架识别方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110058398A (zh) * 2019-04-25 2019-07-26 深圳市声光行科技发展有限公司 一种vr望远镜
CN111402334A (zh) * 2020-03-16 2020-07-10 深圳前海达闼云端智能科技有限公司 数据生成方法、装置及计算机可读存储介质
CN111402334B (zh) * 2020-03-16 2024-04-02 达闼机器人股份有限公司 数据生成方法、装置及计算机可读存储介质
CN111861987A (zh) * 2020-06-09 2020-10-30 中国船舶重工集团公司第七一三研究所 一种基于x光机的危险品样本图像构造方法
TWI744000B (zh) * 2020-09-21 2021-10-21 財團法人資訊工業策進會 影像標記裝置、方法及其電腦程式產品
CN113569841A (zh) * 2021-09-23 2021-10-29 上海启迪睿视智能科技有限公司 一种用于线阵相机的数据采集与标注装置及其标注方法
CN113569841B (zh) * 2021-09-23 2021-12-28 上海启迪睿视智能科技有限公司 一种用于线阵相机的数据采集与标注装置及其标注方法

Also Published As

Publication number Publication date
WO2019062811A1 (zh) 2019-04-04

Similar Documents

Publication Publication Date Title
CN109558868A (zh) 图像自动采集和标注设备及方法
CN103995889B (zh) 图片分类方法及装置
CN110298249A (zh) 人脸识别方法、装置、终端及存储介质
CN102521560B (zh) 高鲁棒仪表指针图像识别方法
CN110503077B (zh) 一种基于视觉的实时人体动作分析方法
CN108921203A (zh) 一种指针式水表的检测与识别方法
CN111695431A (zh) 一种人脸识别方法、装置、终端设备及存储介质
CN108090922A (zh) 智能目标跟踪轨迹记录方法
CN105423975B (zh) 一种大型工件的标定系统及方法
CN113822882A (zh) 基于深度学习的电路板表面缺陷检测方法与检测装置
CN113501167A (zh) 一种基于双目视觉的中药小包装定位方法
CN107464279A (zh) 一种基于条纹图像的三维重建系统及其方法
Yang et al. It's about time: analog clock reading in the wild
CN103824083B (zh) 基于叶片完备局部二值特征的Web在线物种识别方法
JP7308421B2 (ja) 学習装置、学習システム、及び学習方法
CN110600101A (zh) 一种中药自动配药设备的信息化监管系统及方法
CN102216161B (zh) 用于对正容器的方法
CN110390694A (zh) 一种用于物品三维重建的摄影定位方法
CN205486182U (zh) 圆柱表面文字识别系统
CN111601418B (zh) 色温调节方法、装置、存储介质和处理器
CN112633410A (zh) 中药材炒制过程监测装置及中药材炒制判断方法
CN108916592A (zh) 一种图像处理设备支架
CN110853080A (zh) 一种田间果实尺寸的测量方法
CN112790760A (zh) 一种三维运动姿态捕捉方法、装置、处理设备及系统
CN110175643A (zh) 基于神经网络的直线匹配方法、装置和存储介质

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: 20190402

RJ01 Rejection of invention patent application after publication