CN109567600B - 家用净水机的配件自动识别方法 - Google Patents
家用净水机的配件自动识别方法 Download PDFInfo
- Publication number
- CN109567600B CN109567600B CN201811477267.4A CN201811477267A CN109567600B CN 109567600 B CN109567600 B CN 109567600B CN 201811477267 A CN201811477267 A CN 201811477267A CN 109567600 B CN109567600 B CN 109567600B
- Authority
- CN
- China
- Prior art keywords
- picture
- value
- function
- color
- cloud server
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000010295 mobile communication Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000000108 ultra-filtration Methods 0.000 description 4
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 3
- 235000017491 Bambusa tulda Nutrition 0.000 description 3
- 241001330002 Bambuseae Species 0.000 description 3
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 3
- 239000011425 bamboo Substances 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 239000008399 tap water Substances 0.000 description 3
- 235000020679 tap water Nutrition 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J31/00—Apparatus for making beverages
- A47J31/44—Parts or details or accessories of beverage-making apparatus
- A47J31/4403—Constructional details
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J31/00—Apparatus for making beverages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/565—Conversion or adaptation of application format or content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/565—Conversion or adaptation of application format or content
- H04L67/5651—Reducing the amount or size of exchanged application data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Food Science & Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种便于自动化进行图片内容匹配进而帮助消费者自助地实现家用净水机配件自动识别的方法，包括：（1）采集待识别的配件图片数据；（2）将图片数据传输到云服务器；（3）进行图片识别；（4）信息反馈。本发明克服了现有技术中消费者缺乏专业知识无法判断故障配件的问题，且图片数据处理方面具有识别率高、识别错误率低的优点。经1000次试验，成功次数为895次；而且相比其他的图像识别方法具有需要的数据量小，尤其适合于消费者上传图片质量不清晰、解析度不高、尺寸小等情况。
Description
技术领域
本发明属于净水机检测技术领域，具体涉及一种家用净水机的配件自动识别方法。
背景技术
家用净水机的款式是非常的多。随着净水机更新换代的频率不断提高、专业维修费用不断攀升，有些型号难以在购买3年后获得专业的维修服务。例如，净水机出现的常见故障包括：1、净水机可以正常使用，但是出水量变的越来越小。这种情况消费者首先要观察是否家里水压是否有变化，如果家里水压变小，可以采用增加增压泵解决。如果水压没任何变化，可以观察水的自来水质量是否变差，接杯水静置半小时观察，如果水质量变差请增加前置过滤器给自来水一个粗过滤。如果水没问题消费者可以考虑更换净水机滤芯了，应该是PP棉滤芯和活性炭滤芯使用超过时间有堵塞现象，更换滤芯就可以解决了。2、净水机可以正常使用，但是出来的水比较浑浊。这种情况下消费者首先观察进来的自来水是不是质量变差很多，如果变差很多请增加前置过滤系统，假如没有，是超滤净水机的可以检查超滤膜是否破裂，如果破裂请更换。还可以检查超滤膜的密封圈是否完好有没变型，假如有这些情况请重新安装一下或者更换。也就是说，消费者如何能够高效地自己维修一些故障就成为了一种市场上的迫切需求。
经检索，申请号为中国实用新型专利CN201620273065.8公开了一种能够自动检测并及时提醒修复的净水机，包括设有独立的第一腔体和第二腔体的壳体，第一腔体内安装水箱、电机、电气元件和控制装置，水箱下侧安装伸出壳体底部的出水管，第二腔体内安装一组通过管道串联的滤筒，每个滤筒内均设有一个滤芯，每个管道内均设有TDS探头，其中一侧的滤筒通过另一管道连接水箱，第一腔体的敞口处连接盖板，在盖板上安装控制控制面板和提醒屏，控制装置电连接控制面板、提醒屏和TDS探头。然而，这种技术需要净水机自身设置有一定的辅助用器件，不符合现有市面上存在的绝大多数净水机的配置。
发明内容
鉴于以上分析，本发明的主要目的在于提供一种便于自动化进行图片内容匹配进而帮助消费者自助地实现家用净水机配件自动识别的方法，包括：
(1)采集待识别的配件图片数据；
(2)将图片数据传输到云服务器；
(3)进行图片识别；
(4)信息反馈。
进一步地，所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片。
进一步地，所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器。
进一步地，所述步骤(3)包括对云服务器接收到的各图片进行粗处理，特征值的求取、特征值比较。
进一步地，所述智能移动通信设备包括智能手机。
进一步地，对图片进行粗处理包括：对图片进行光强平均操作，将各幅图片的共有图片区域保留，去掉图片左右两边的图片片段；
其中，图片特征值的求取包括：对云服务器接收到的图片之一进行压缩转换，生成解析度不小于128*128像素尺寸的彩色图片I，并构建单一颜色图片I’，该单一颜色图片I’为图片I在某种灰度下的对应图片,单一颜色图片I’的灰度值g由彩色空间线性表示为：
g＝αrIr+αgIg+αbIb
其中αr≥0，αg≥0，αb≥0，αr+αg+αb＝1
式中αr，αg，αb为待定参数，Ir，Ig，Ib是图片I的颜色通道值；
构建如下函数：
式中，x，y为像素点，l’为图片I的所有像素的集合，gx，gy分别为x和y的灰度值，δx，y为图片I转化为色彩模型空间的x，y像素点的欧几里得度量；
由像素点x，y和δx，y设置如下目标函数：
其中，Δgx，y＝gx-gy，σ为尺度因子且为预设值，gx，y表示像素点(x，y)处的灰度值；
计算目标函数E(g)为最大值时的参数αr，αg，αb；
特征值的提取包括：为了降低云服务器接收到的各图片中光强对图片的影响，采用对比延伸函数模拟光强对图片的影响，利用哈里斯矩阵提取特征值，具体包括如下步骤：
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x,y,σ)，并构造L函数如下：
L(x，y，σ，ρ)＝ρ·I(x，y)·G(x，y，σ)
式中，(x，y)表示上述单一颜色图片的像素点，各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商，ρ为缩放经验因子且等于目标函数E(g)为最大值时的αr，αg，αb的平方和，I′(x，y)为上述单一颜色图片的光强；
建立对比延伸函数，即：
其中，c为对比延伸中心且该中心为上述(x，y)表示的像素点之一，λ为预设的对比延伸斜率且等于ρ/max；利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵：
其中x,y为像素点坐标，N为图片分辨率，则对比延伸图片特征响应函数为：
R(x，y，c)＝detA(x，y，fc)-k(traceA(x，y，fc))2
其中，k为常数因子，det()函数表示求取方阵A的行列式的值的函数，trace()函数表示求矩阵的迹的函数；
以(x，y)为变量，求取函数R的定积分在x和y各自在0-255之间变化期间时的值，并将该值进行累加得到累加和，将该累加和作为彩色图片I的特征值Rt；
图片特征值比较包括：将上述彩色图片I记作待比较图片X’，设参考图片X与待比较图片X’之间的变换关系表示为如下转换矩阵H，所述参考图片X为云服务器中预先存储的净水机的各个配件的图片：
其中，
(x′，y′)是参考图像的点，(x，y)是待比较图像中与上述点相对应的点；
计算(x’，y’)和(x,y)两点之间的欧式距离和Hamming距离，当这两个距离之间的比较差值小于预设阈值时进行信息反馈，否则将待比较图片X’替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算，若小于预设阈值时进行信息反馈；如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况，则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算，直到所述比较差值小于预设阈值为止。
本发明具有如下有益效果：
本发明克服了现有技术中消费者缺乏专业知识无法判断故障配件的问题，且图片数据处理方面具有识别率高、识别错误率低的优点。经1000次试验，成功次数为895次；而且相比其他的图像识别方法具有需要的数据量小，尤其适合于消费者上传图片质量不清晰、解析度不高、尺寸小等情况。
附图说明
附图1为本发明的方法的流程图。
具体实施方式
如图1所示，根据本发明的优选实施例，提供了一种便于自动化进行图片内容匹配进而帮助消费者自助地实现家用净水机配件自动识别的方法，包括：
(1)采集待识别的配件图片数据；
(2)将图片数据传输到云服务器；
(3)进行图片识别；
(4)信息反馈。
优选地，所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片。
优选地，所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器。
优选地，所述步骤(3)包括对云服务器接收到的各图片进行粗处理，特征值的求取、特征值比较。
优选地，所述智能移动通信设备包括智能手机。
优选地，对图片进行粗处理包括：对图片进行光强平均操作，将各幅图片的共有图片区域保留，去掉图片左右两边的图片片段；
其中，图片特征值的求取包括：对云服务器接收到的图片之一进行压缩转换，生成解析度不小于128*128像素尺寸的彩色图片I，并构建单一颜色图片I’，该单一颜色图片I’为图片I在某种灰度下的对应图片,单一颜色图片I’的灰度值g由彩色空间线性表示为：
g＝αrIr+αgIg+αbIb
其中αr≥0，αg≥0，αb≥0，αr+αg+αb＝1
式中αr，αg，αb为待定参数，Ir，Ig，Ib是图片I的颜色通道值；
构建如下函数：
式中，x，y为像素点，l’为图片I的所有像素的集合，gx，gy分别为x和y的灰度值，δx，y为图片I转化为色彩模型空间的x，y像素点的欧几里得度量；
由像素点x，y和δx，y设置如下目标函数：
其中，Δgx，y＝gx-gy，σ为尺度因子且为预设值，gx，y表示像素点(x，y)处的灰度值；
计算目标函数E(g)为最大值时的参数αr，αg，αb；
特征值的提取包括：为了降低云服务器接收到的各图片中光强对图片的影响，采用对比延伸函数模拟光强对图片的影响，利用哈里斯矩阵提取特征值，具体包括如下步骤：
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x,y,σ)，并构造L函数如下：
L(x，y，σ，ρ)＝ρ·I(x，y)·G(x，y，σ)
式中，(x，y)表示上述单一颜色图片的像素点，各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商，ρ为缩放经验因子且等于目标函数E(g)为最大值时的αr，αg，αb的平方和，I′(x，y)为上述单一颜色图片的光强；
建立对比延伸函数，即：
其中，c为对比延伸中心且该中心为上述(x，y)表示的像素点之一，λ为预设的对比延伸斜率且等于ρ/max；利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵：
其中x,y为像素点坐标，N为图片分辨率，则对比延伸图片特征响应函数为：
R(x，y，c)＝detA(x，y，fc)-k(traceA(x，y，fc))2
其中，k为常数因子，det()函数表示求取方阵A的行列式的值的函数，trace()函数表示求矩阵的迹的函数；
以(x，y)为变量，求取函数R的定积分在x和y各自在0-255之间变化期间时的值，并将该值进行累加得到累加和，将该累加和作为彩色图片I的特征值Rt；
图片特征值比较包括：将上述彩色图片I记作待比较图片X’，设参考图片X与待比较图片X’之间的变换关系表示为如下转换矩阵H，所述参考图片X为云服务器中预先存储的净水机的各个配件的图片：
其中，
(x′，y′)是参考图像的点，(x，y)是待比较图像中与上述点相对应的点；
计算(x’，y’)和(x,y)两点之间的欧式距离和Hamming距离，当这两个距离之间的比较差值小于预设阈值时进行信息反馈，否则将待比较图片X’替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算，若小于预设阈值时进行信息反馈；如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况，则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算，直到所述比较差值小于预设阈值为止。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种家用净水机的配件自动识别方法，包括：
(1)采集待识别的配件图片数据；
(2)将图片数据传输到云服务器；
(3)进行图片识别；
(4)信息反馈；
所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片；
所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器；
所述步骤(3)包括对云服务器接收到的各图片进行粗处理，特征值的求取、特征值比较；
所述智能移动通信设备包括智能手机；
其特征在于，对图片进行粗处理包括：对图片进行光强平均操作，将各幅图片的共有图片区域保留，去掉图片左右两边的图片片段；
其中，图片特征值的求取包括：对云服务器接收到的图片之一进行压缩转换，生成解析度不小于128*128像素尺寸的彩色图片I，并构建单一颜色图片I’，该单一颜色图片I’为图片I在某种灰度下的对应图片，单一颜色图片I’的灰度值g由彩色空间线性表示为：
g＝αrIr+αgIg+αbIb其中αr≥0，αg≥0，αb≥0，αr+αg+αb＝1
式中αr，αg，αb为待定参数，Ir，Ig，Ib是图片I的颜色通道值；
构建如下函数：
式中，x，y为像素点，I’为图片I的所有像素的集合，gx，gy分别为x和y的灰度值，δx，y为图片I转化为色彩模型空间的x，y像素点的欧几里得度量；
由像素点x，y和δx，y设置如下目标函数：
其中，Δgx，y＝gx-gy，σ为尺度因子且为预设值；
计算目标函数E(g)为最大值时的参数αr，αg，αb；
特征值的提取包括：为了降低云服务器接收到的各图片中光强对图片的影响，采用对比延伸函数模拟光强对图片的影响，利用哈里斯矩阵提取特征值，具体包括如下步骤：
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x，y，σ)，并构造L函数如下：
L(x，y，σ，ρ)＝ρ·I′(x，y)·G(x，y，σ)
式中，(x，y)表示上述单一颜色图片的像素点，各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商，ρ为缩放经验因子且等于目标函数E(g)为最大值时的αrαg，αb的平方和，I′(x，y)为上述单一颜色图片的光强；
建立对比延伸函数，即：
其中，c为对比延伸中心且该中心为上述(x，y)表示的像素点之一，λ为预设的对比延伸斜率且等于ρ/max；利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵：
其中x，y为像素点坐标，N为图片分辨率，则对比延伸图片特征响应函数为：
R(x，y，c)＝detA(x，y，fc)-k(traceA(x，y，fc))2
其中，k为常数因子，det()函数表示求取方阵A的行列式的值的函数，trace()函数表示求矩阵的迹的函数；
以(x，y)为变量，求取函数R的定积分在x和y各自在0-255之间变化期间时的值，并将该值进行累加得到累加和，将该累加和作为彩色图片I的特征值Rt；
图片特征值比较包括：将上述彩色图片I记作待比较图片X′，设参考图片X与待比较图片X′之间的变换关系表示为如下转换矩阵H，所述参考图片X为云服务器中预先存储的净水机的各个配件的图片：
其中，
(x′，y′)是参考图像的点，(x，y)是待比较图像中与上述点相对应的点；
计算(x′，y′)和(x，y)两点之间的欧式距离和Hamming距离，当这两个距离之间的比较差值小于预设阈值时进行信息反馈，否则将待比较图片X′替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算，若小于预设阈值时进行信息反馈；如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况，则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算，直到所述比较差值小于预设阈值为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811477267.4A CN109567600B (zh) | 2018-12-05 | 2018-12-05 | 家用净水机的配件自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811477267.4A CN109567600B (zh) | 2018-12-05 | 2018-12-05 | 家用净水机的配件自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109567600A CN109567600A (zh) | 2019-04-05 |
| CN109567600B true CN109567600B (zh) | 2020-12-01 |
Family
ID=65927425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811477267.4A Active CN109567600B (zh) | 2018-12-05 | 2018-12-05 | 家用净水机的配件自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109567600B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109553140A (zh) * | 2018-12-05 | 2019-04-02 | 江西书源科技有限公司 | 家用净水机的远程控制方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7382897B2 (en) * | 2004-04-27 | 2008-06-03 | Microsoft Corporation | Multi-image feature matching using multi-scale oriented patches |
| CN103279952B (zh) * | 2013-05-17 | 2017-10-17 | 华为技术有限公司 | 一种目标跟踪方法和装置 |
| CN103407464B (zh) * | 2013-08-14 | 2016-06-15 | 中国神华能源股份有限公司 | 基于视频图像识别的机车电子闸楼设备 |
| US9838635B2 (en) * | 2014-09-30 | 2017-12-05 | Qualcomm Incorporated | Feature computation in a sensor element array |
| CN105677728A (zh) * | 2015-12-28 | 2016-06-15 | 广东正美家具科技有限公司 | 物体图像识别分类管理方法 |
| CN105718531B (zh) * | 2016-01-14 | 2019-12-17 | 广州市万联信息科技有限公司 | 图像数据库的建立方法及图像识别方法 |
| CN106056046B (zh) * | 2016-05-20 | 2019-01-18 | 北京集创北方科技股份有限公司 | 从图像中提取特征的方法和装置 |
| CN107122375B (zh) * | 2016-12-12 | 2020-11-06 | 南京理工大学 | 基于图像特征的图像主体的识别方法 |
| CN108921181B (zh) * | 2018-08-02 | 2022-05-10 | 广东工业大学 | 一种局部图像特征提取方法、装置、系统及可读存储介质 |
-
2018
- 2018-12-05 CN CN201811477267.4A patent/CN109567600B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844737A (zh) * | 2016-09-19 | 2018-03-27 | 北京眼神科技有限公司 | 虹膜图像的检测方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109567600A (zh) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103955694B (zh) | 图像识别抄表系统及方法 | |
| CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
| CN109635806B (zh) | 基于残差网络的电表数值识别方法 | |
| CN110134826B (zh) | 一种污水处理厂生物反应池曝气状况视频智能识别分析系统及方法 | |
| CN101605272B (zh) | 一种部分参考型图像客观质量评价方法 | |
| CN109567600B (zh) | 家用净水机的配件自动识别方法 | |
| CN109635799B (zh) | 一种燃气表字轮数字的识别方法 | |
| CN207571608U (zh) | 一种智能阀门控制系统 | |
| CN109534415A (zh) | 智能网络化净水机 | |
| CN104809735B (zh) | 基于傅里叶变换实现图像雾霾评价的系统及方法 | |
| CN114740708A (zh) | 一种基于图像识别的pid参数整定方法 | |
| CN104958950B (zh) | 净水器及滤芯管理方法 | |
| CN102547363B (zh) | 基于轮廓波变换域图像特征的无参考图像质量评测方法 | |
| CN109553140A (zh) | 家用净水机的远程控制方法 | |
| CN113705350A (zh) | 变电站的指针仪表读数识别方法、装置、介质和电子设备 | |
| CN109389132A (zh) | 一种基于图像的雾浓度检测预警方法及系统 | |
| CN105488788A (zh) | 汽车液体余量检测方法 | |
| KR102170963B1 (ko) | 계측기기의 블루투스 및 와이파이 방식을 이용해 원격 진단서비스가 가능한 스마트 타입의 계측제어 및 원격감시시스템 | |
| CN102496162B (zh) | 基于非张量积小波滤波器的部分参考图像质量评价方法 | |
| CN109345483A (zh) | 基于图像三色分割的厨房油烟浓度标识方法 | |
| EP3132384A1 (de) | Bereitstellung von daten zu einer anlage | |
| DE102022116434A1 (de) | Systeme, Verfahren, Computerprogramme und Vorrichtungen zur automatischen Ablesung von Zählern für intelligente Feldpatrouillen | |
| CN112070791B (zh) | 一种提升畜牧个体点数精度和效率的方法和系统 | |
| CN105242646A (zh) | 基于物联网的分散式污水处理装置的监控系统及监控方法 | |
| CN110713275B (zh) | 净水机故障检测方法、装置、系统及净水机 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240511 Address after: 344000 301 Wuyang building, Linchuan Avenue, Linchuan District, Fuzhou City, Jiangxi Province Patentee after: Fuzhou Linchuan Ruihe Technology Co.,Ltd. Country or region after: China Address before: No. 16 Wenzhou Road, Yuanshangang Industrial Park, Economic Development Zone, Dongxiang District, Fuzhou City, Jiangxi Province, 331800 Patentee before: JIANGXI SOWING SCIENCE & TECHNOLOGY Co.,Ltd. Country or region before: China |