CN109753980A - 一种用于检测的方法和装置 - Google Patents

一种用于检测的方法和装置 Download PDF

Info

Publication number
CN109753980A
CN109753980A CN201711072715.8A CN201711072715A CN109753980A CN 109753980 A CN109753980 A CN 109753980A CN 201711072715 A CN201711072715 A CN 201711072715A CN 109753980 A CN109753980 A CN 109753980A
Authority
CN
China
Prior art keywords
target object
type
sent
display device
classifier
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
CN201711072715.8A
Other languages
English (en)
Inventor
林崇仰
邓晖
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.)
Hongsoft Technology Co Ltd
Original Assignee
Hongsoft Technology 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 Hongsoft Technology Co Ltd filed Critical Hongsoft Technology Co Ltd
Priority to CN201711072715.8A priority Critical patent/CN109753980A/zh
Priority to US16/180,036 priority patent/US11120310B2/en
Publication of CN109753980A publication Critical patent/CN109753980A/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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0036—Checkout procedures
    • G07G1/0045—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader
    • G07G1/0054—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles
    • G07G1/0063—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles with means for detecting the geometric dimensions of the article of which the code is read, such as its size or height, for the verification of the registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种用于检测的方法和装置，应用于图像处理领域，该方法包括：接收目标物体的图像，根据第一分类器以及所述目标物体的图像获取所述目标物体的种类，将包括所述目标物体的种类的信息发送给显示装置。上述方法能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。

Description

一种用于检测的方法和装置
技术领域
本发明涉及一种用于图像处理的方法和装置，具体地，涉及一种通过图像处理的方法进行检测的方法和装置。
背景技术
目前，商场或超市中对于需要计量重量的商品需要手动输入商品种类，不仅耗时耗力，而且容易出错。现有技术中缺少能够自动提示商品种类的智能化方法和装置。
发明内容
本发明提供的一种用于检测的方法和装置，能够解决现有技术中缺少能够自动提示商品种类的智能化方法和装置的问题。
本发明的第一方面提供一种用于检测的方法，所述方法包括：接收目标物体的图像；根据第一分类器以及所述目标物体的图像获取所述目标物体的种类；将包括所述目标物体的种类的信息发送给显示装置。
根据本发明的第一方面，在本发明的第一方面的第一执行方式中，所述将包括所述目标物体的种类的信息发送给显示装置，包括：将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
根据本发明的第一方面，在本发明的第一方面的第二可执行方式中，所述方法还包括：将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
根据本发明的第一方面或本发明的第一方面的第一可执行方式或第二可执行方式，在本发明的第一方面的第三执行方式中，所述方法还包括：将所述目标物体的种类的相关的属性信息发送给所述显示装置。
根据本发明的第一方面或本发明的第一方面的第一可执行方式到第三可执行方式中任一，在本发明的第一方面的第四执行方式中，所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
根据本发明的第一方面或本发明的第一方面的第一可执行方式到第四可执行方式中任一，在本发明的第一方面的第五执行方式中，所述保质期根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
根据本发明的第一方面的第五可执行方式，在本发明的第一方面的第六执行方式中，所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
根据本发明的第一方面的第四可执行方式到第六可执行方式中任一，在本发明的第一方面的第七执行方式中，所述方法还包括：将所述保质期打印出来。
根据本发明的第一方面或本发明的第一方面的第一可执行方式到第七可执行方式中任一，在本发明的第一方面的第八执行方式中，所述方法还包括：根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
根据本发明的第一方面的第八可执行方式，在本发明的第一方面的第九执行方式中，根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置，包括：
根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
本发明的第二方面提供一种用于检测的装置，所述方法包括：所述装置包括：接收模块，用于接收目标物体的图像；种类获取模块，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类；发送模块，用于将包括所述目标物体的种类的信息发送给显示装置。
根据本发明的第二方面，在本发明的第二方面的第一执行方式中，所述发送模块，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
根据本发明的第二方面，在本发明的第二方面的第二可执行方式中，所述发送模块，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
根据本发明的第二方面或本发明的第二方面的第一可执行方式或第二可执行方式，在本发明的第二方面的第三执行方式中，所述发送模块，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。
根据本发明的第二方面或本发明的第二方面的第一可执行方式到第三可执行方式中任一，在本发明的第二方面的第四执行方式中，所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
根据本发明的第二方面或本发明的第二方面的第一可执行方式到第四可执行方式中任一，在本发明的第二方面的第五执行方式中，所述保质期根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
根据本发明的第二方面的第五可执行方式，在本发明的第二方面的第六执行方式中，所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
根据本发明的第二方面的第四可执行方式到第六可执行方式中任一，在本发明的第二方面的第七执行方式中，所述装置还包括打印模块，所述打印模块，用于将所述保质期打印出来。
根据本发明的第二方面或本发明的第二方面的第一可执行方式到第七可执行方式中任一，在本发明的第二方面的第八执行方式中，所述装置还包括检测模块，所述检测模块，用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
根据本发明的第二方面的第八可执行方式，在本发明的第二方面的第九执行方式中，所述检测模块，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
本发明的第三方面提供一种用于检测的系统，所述系统包括：摄像装置、称重装置、显示装置以及第二处理器，所述摄像装置用于获取目标物体的图像，并且所述称重装置用于获取所述目标物体的重量；所述第二处理器，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类，并将所述目标物体的种类以及所述目标物体的重量发送给显示装置；所述显示装置，用于显示所述目标物体的种类以及所述目标物体的重量。
根据本发明的第三方面，在本发明的第三方面的第一执行方式中，所述第二处理器，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
根据本发明的第三方面，在本发明的第三方面的第二可执行方式中，所述第二处理器，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
根据本发明的第三方面或本发明的第一方面的第一可执行方式或第二可执行方式，在本发明的第三方面的第三执行方式中，所述第二处理器，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。
根据本发明的第三方面或本发明的第一方面的第一可执行方式到第三可执行方式中任一，在本发明的第三方面的第四执行方式中，所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
根据本发明的第三方面或本发明的第三方面的第一可执行方式到第四可执行方式中任一，在本发明的第三方面的第五执行方式中，所述保质期根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
根据本发明的第一方面的第五可执行方式，在本发明的第一方面的第六执行方式中，所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
根据本发明的第一方面的第四可执行方式到第六可执行方式中任一，在本发明的第一方面的第七执行方式中，所述系统还包括打印装置，所述打印装置将所述保质期打印出来。
根据本发明的第一方面或本发明的第一方面的第一可执行方式到第七可执行方式中任一，在本发明的第一方面的第八执行方式中，所述第二处理器，还用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
根据本发明的第一方面的第八可执行方式，在本发明的第一方面的第九执行方式中，所述第二处理器，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被第三处理器执行时实现如本发明的第一方面、本发明的第一方面的第一可执行方式到本发明的第一方面的第九可执行方式中任一可执行方式中所述方法的步骤。
本发明的第五方面提供一种用于标定的装置，包括存储器、第四处理器以及存储在所述存储器中并可在所述第四处理器上运行的计算机程序，所述计算机程序被第四处理器执行时实现如本发明的第一方面、本发明的第一方面的第一可执行方式到本发明的第一方面的第九可执行方式中任一可执行方式所述方法的步骤。
本发明提供的一种用于检测的方法和装置，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
附图说明
图1为本发明实施例一提供的一种用于检测的方法的流程图；
图2为本发明实施例二提供的一种用于检测的装置结构示意图；
图3为本发明实施例三提供的一种用于检测的系统结构示意图；
图4为本发明实施例四提供的再一种用于检测的装置结构示意图；
图5为本发明实施例五提供的还一种用于检测的装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细地描述。
本发明的说明书和权利要求书中上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于限定特定顺序。
其中，本发明实施例中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或“例如”的任何实施例或设计方案不应该被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
应当说明的是，为了图示的简洁和清楚起见，附图中所示的元件没有必要按照比例进行绘制。例如，为了清楚，可以相对于其他元件，增大一些元件的尺寸。另外，在认为合适的地方，可以在附图间重复附图标记，以指示相对应或类似的元件。
下面结合附图1对本发明实施例一提供的一种用于检测的方法进行详细阐述。如图1所示，该方法包括：
步骤101，接收目标物体的图像。
该目标物体的图像可以为普通二维图像，如彩色图像或黑白图像，该彩色图像可以为RGB(red green blue红绿蓝)图像。
可选的，上述的接收的动作可以为从存储装置中接收该图像，该存储装置可以为RAM(Random Access Memory随机存取存储器)或闪存Flash Memory等，上述图像可以为由摄像装置拍摄后存储在上述的存储装置中。
上述目标物体的数量可以为多个，如可以为一袋子苹果。
步骤102，根据第一分类器以及所述目标物体的图像获取所述目标物体的种类。
所述第一分类器可以为神经网络分类器，或贝叶斯网络分类器。上述的神经网络分类器或贝叶斯网络分类器可以预先训练好，其输出可以为种类，也可以是至少一个种类以及与该至少一个种类对应的置信水平。
步骤103，将包括所述目标物体的种类的信息发送给显示装置。
可选的，所述将包括所述目标物体的种类的信息发送给显示装置，包括：将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。具体地，当上述分类器的输出为至少一个种类以及与该至少一个种类对应的置信水平时，该第一阈值可以预先进行设置，如可以设置为0，即可以将有可能的种类信息都发送给显示装置以显示出来供工作人员进行选择；该第一阈值也可以设置为其他数值，以缩小选择的范围；也可以只将置信水平最高的种类信息发送给显示装置；也可以将置信水平最高的种类所属的大类下的子类信息发送给所述显示装置，如置信水平最高的种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为贝叶斯网络分类器。
可选的，所述方法还包括：将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。具体地，当上述第一分类器的输出为种类信息时，可以将输出的种类所属的大类下的子类信息发送给所述显示装置，如种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为神经网络分类器。上述的子类信息可以和目标物体的种类的信息一起发送。
所述方法还包括：将所述目标物体的种类的相关的属性信息发送给所述显示装置。所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。具体地，根据获得的种类信息在数据库中查找相关的属性信息，并将查找到的属性信息发送到显示装置。如，当需要发送的种类信息包括红富士苹果和国光苹果，则查找其价格、产地、编号、入库时间以及保质期等信息发送给显示装置。上述的属性信息可以和下述中的至少一个一起发送：上述的子类信息和/或目标物体的种类的信息。
优选的，上述的保质期可以根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。具体地，可以预先通过拍摄的水果等目标物体的不同新鲜度种类的照片训练所述第二分类器，上述的新鲜度种类的划分可以按照水果或蔬菜等从刚新鲜到腐败之间的不同放置时间来划分，如放置时间每隔一周分为一类。这样，当得到分类时还可以估计出保质期。同时，还可以考虑气温对水果或蔬菜等新鲜度的影响，适当调整上述保质期，如通过统计方法得到调整值。本方法还包括：将上述的保质期打印出来。
所述方法还包括：根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。具体地，当上述第一分类器的输出为至少一个种类以及与该至少一个种类对应的置信水平时，根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。可选的，上述的偏离可以为方差或其等同的参数。可选的，上述第一分类器可以为贝叶斯网络分类器。当上述第一分类器的输出直接为种类时，当该种类为两个或两个以上时，将报警信息发送给显示装置。可选的，上述第一分类器可以为神经网络分类器。这样，当顾客错拿了不同种类的货品，如水果，在一个袋子里进行价格计算时可以进行提醒。
上述的第一分类器可以通过不同种类目标物体，如水果类里的苹果、梨等，不同种类的蔬菜等，的图像预先训练得到并存储。
本发明方法可以应用于超市的电子称重装置上，只需要在电子称重装置上加装摄像装置即可。本发明方法也可以应用于其他装置上，本发明不做限制。
通过本发明实施例提供的用于检测的方法，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
下面结合图2具体描述本发明实施例二提供的一种用于检测的装置200，该装置200包括:接收模块201、种类获取模块202以及发送模块203，
接收模块201，用于接收目标物体的图像；
该目标物体的图像可以为普通二维图像，如彩色图像或黑白图像，该彩色图像可以为RGB图像。
可选的，上述的接收的动作可以为从存储装置中接收该图像，该存储装置可以为RAM或闪存Flash Memory等，上述图像可以为由摄像装置拍摄后存储在上述的存储装置中。
上述目标物体的数量可以为多个，如可以为一袋子苹果。
种类获取模块202，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类。
所述第一分类器可以为神经网络分类器，或贝叶斯网络分类器。上述的神经网络分类器或贝叶斯网络分类器可以预先训练好，其输出可以为种类，也可以是至少一个种类以及与该至少一个种类对应的置信水平。
发送模块203，用于将包括所述目标物体的种类的信息发送给显示装置。
可选的，所述发送模块，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。具体地，当上述分类器的输出为至少一个种类以及与该至少一个种类对应的置信水平时，该第一阈值可以预先进行设置，如可以设置为0，即可以将有可能的种类信息都发送给显示装置以显示出来供工作人员进行选择；该第一阈值也可以设置为其他数值，以缩小选择的范围；也可以只将置信水平最高的种类信息发送给显示装置；也可以将置信水平最高的种类所属的大类下的子类信息发送给所述显示装置，如置信水平最高的种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为贝叶斯网络分类器。
可选的，所述发送模块，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。具体地，当上述第一分类器的输出为种类信息时，可以将输出的种类所属的大类下的子类信息发送给所述显示装置，如种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为神经网络分类器。上述的子类信息可以和目标物体的种类的信息一起发送。
可选的，所述发送模块，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。具体地，根据获得的种类信息在数据库中查找相关的属性信息，并将查找到的属性信息发送到显示装置。如，当需要发送的种类信息包括红富士苹果和国光苹果，则查找其价格、产地、编号、入库时间以及保质期等信息发送给显示装置。上述的属性信息可以和下述中的至少一个一起发送：上述的子类信息和/或目标物体的种类的信息。
优选的，所述保质期根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。具体地，可以预先通过拍摄的水果等目标物体的不同新鲜度种类的照片训练所述第二分类器，上述的新鲜度种类的划分可以按照水果或蔬菜等从刚新鲜到腐败之间的不同放置时间来划分，如放置时间每隔一周分为一类。这样，当得到分类时还可以估计出保质期。同时，还可以考虑气温对水果或蔬菜等新鲜度的影响，适当调整上述保质期，如通过统计方法得到调整值。所述装置还包括打印模块，所述打印模块，用于将所述保质期打印出来。
所述装置还包括检测模块，所述检测模块，用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。所述检测模块，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。可选的，上述的偏离可以为方差或其等同的参数。可选的，上述第一分类器可以为贝叶斯网络分类器。当上述第一分类器的输出直接为种类时，当该种类为两个或两个以上时，将报警信息发送给显示装置。可选的，上述第一分类器可以为神经网络分类器。这样，当顾客错拿了不同种类的货品，如水果，在一个袋子里进行价格计算时可以进行提醒。
上述的第一分类器可以通过不同种类目标物体，如水果类里的苹果、梨等，不同种类的蔬菜等，的图像预先训练得到并存储。
本发明方法可以应用于超市的电子称重装置上，只需要在电子称重装置上加装摄像装置即可。本发明方法也可以应用于其他装置上，本发明不做限制。
通过本发明实施例提供的用于检测的方法，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
下面结合图3具体描述本发明实施例三提供的一种用于检测的系统300，该系统300包括:摄像装置301、称重装置302、显示装置303以及第二处理器304，
所述摄像装置301用于获取目标物体的图像，并且所述称重装置302用于获取所述目标物体的重量。
该目标物体的图像可以为普通二维图像，如彩色图像或黑白图像，该彩色图像可以为RGB图像。
上述目标物体的数量可以为多个，如可以为一袋子苹果。
所述第二处理器304，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类，并将所述目标物体的种类以及所述目标物体的重量发送给显示装置。
所述第一分类器可以为神经网络分类器，或贝叶斯网络分类器。上述的神经网络分类器或贝叶斯网络分类器可以预先训练好，其输出可以为种类，也可以是至少一个种类以及与该至少一个种类对应的置信水平。
所述显示装置303，用于显示所述目标物体的种类以及所述目标物体的重量。
所述第二处理器，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。上述的发送动作可以是所述第二处理器通过接口将信息发送给显示装置。具体地，当上述分类器的输出为至少一个种类以及与该至少一个种类对应的置信水平时，该第一阈值可以预先进行设置，如可以设置为0，即可以将有可能的种类信息都发送给显示装置以显示出来供工作人员进行选择；该第一阈值也可以设置为其他数值，以缩小选择的范围；也可以只将置信水平最高的种类信息发送给显示装置；也可以将置信水平最高的种类所属的大类下的子类信息发送给所述显示装置，如置信水平最高的种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为贝叶斯网络分类器。
所述第二处理器，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。具体地，当上述第一分类器的输出为种类信息时，可以将输出的种类所属的大类下的子类信息发送给所述显示装置，如种类为红富士苹果，则将属于苹果的子类，如红富士苹果以及国光苹果等，的种类信息发送给显示装置以供工作人员参考或选择。可选的，该分类器可以为神经网络分类器。上述的子类信息可以和目标物体的种类的信息一起发送。
所述第二处理器，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。具体地，根据获得的种类信息在数据库中查找相关的属性信息，并将查找到的属性信息发送到显示装置。如，当需要发送的种类信息包括红富士苹果和国光苹果，则查找其价格、产地、编号、入库时间以及保质期等信息发送给显示装置。上述的属性信息可以和下述中的至少一个一起发送：上述的子类信息和/或目标物体的种类的信息。
优选的，所述保质期根据下述中的至少一个计算得到：所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。具体地，可以预先通过拍摄的水果等目标物体的不同新鲜度种类的照片训练所述第二分类器，上述的新鲜度种类的划分可以按照水果或蔬菜等从刚新鲜到腐败之间的不同放置时间来划分，如放置时间每隔一周分为一类。这样，当得到分类时还可以估计出保质期。同时，还可以考虑气温对水果或蔬菜等新鲜度的影响，适当调整上述保质期，如通过统计方法得到调整值。所述系统还包括打印装置，所述打印装置将所述保质期打印出来。
所述第二处理器，还用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。所述第二处理器，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。可选的，上述的偏离可以为方差或其等同的参数。可选的，上述第一分类器可以为贝叶斯网络分类器。当上述第一分类器的输出直接为种类时，当该种类为两个或两个以上时，将报警信息发送给显示装置。可选的，上述第一分类器可以为神经网络分类器。这样，当顾客错拿了不同种类的货品，如水果，在一个袋子里进行价格计算时可以进行提醒。
上述的第一分类器可以通过不同种类目标物体，如水果类里的苹果、梨等，不同种类的蔬菜等，的图像预先训练得到并存储。
本发明方法可以应用于超市的电子称重装置上，只需要在电子称重装置上加装摄像装置即可。本发明方法也可以应用于其他装置上，本发明不做限制。
通过本发明实施例提供的用于检测的系统，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
下面结合图4具体描述本发明实施例四提供的一种用于检测的装置400，该装置400包括一种计算机可读存储介质401，所述计算机可读存储介质401存储有计算机程序，所述计算机程序被第三处理器402执行时实现如实施例一的方法的步骤。如图4所示，可选的，该装置400可以包括总线。
通过本发明实施例提供的用于检测的装置，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
下面结合图5具体描述本发明实施例五提供的一种用于检测的系统500，该装置500包括存储器501、第四处理器502以及存储在所述存储器501中并可在所述第四处理器502上运行的计算机程序，所述计算机程序被第四处理器502执行时实现如实施例一所述方法的步骤。可选的，如图5所示，该装置500还包括总线。
通过本发明实施例提供的用于检测的系统，能够自动提示商品种类，减少人工识别的时间，增加识别的准确率。
在上述的实施例中，可以在上述标定过程加入深度值检验，拍摄红外图像和彩色图像的同时获得深度图。对深度图中无任何旋转的标定板的深度值与实际测量值比较，如果小于规定的误差范围可继续标定；如果大于规定的误差范围则需修正深度传感器，然后重新标定。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述装置/终端设备中的执行过程。
所述装置/终端设备可以是手机、平板电脑、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述装置/终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，本发明的示意图仅仅是装置/终端设备的示例，并不构成对装置/终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述装置/终端设备还可以包括输入输出设备、网络接入设备、总线等。
上述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述装置/终端设备的控制中心，利用各种接口和线路连接整个装置/终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述装置/终端设备的各种功能。所述存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述装置/终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
上述各个实施例中的目标物体的成像可以目标物体的局部成像，也可以整体成像。无论是局部成像，或整体成像都适用或对局部成像，或整体成像相应做出调整后适用本发明提供的方法或装置，上述调整本领域普通技术人员不需要付出创造性劳动，应属于本发明的保护范围。

Claims (32)

1.一种用于检测的方法，其特征在于，所述方法包括：
接收目标物体的图像；
根据第一分类器以及所述目标物体的图像获取所述目标物体的种类；
将包括所述目标物体的种类的信息发送给显示装置。
2.根据权利要求1所述的方法，其特征在于，
所述将包括所述目标物体的种类的信息发送给显示装置，包括：
将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
4.根据权利要求1-3任一权利要求所述的方法，其特征在于，所述方法还包括：
将所述目标物体的种类的相关的属性信息发送给所述显示装置。
5.根据权利要求1-4任一权利要求所述的方法，其特征在于，
所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
6.根据权利要求1-5任一权利要求所述的方法，其特征在于，
所述保质期根据下述中的至少一个计算得到：
所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
7.根据权利要求6所述的方法，其特征在于，
所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
8.根据权利要求5-7任一所述的方法，其特征在于，所述方法还包括：
将所述保质期打印出来。
9.根据权利要求1-8任一权利要求所述的方法，其特征在于，所述方法还包括：
根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
10.根据权利要求9所述的方法，其特征在于，
根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置，包括：
根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
11.一种用于检测的装置，其特征在于，所述装置包括：
接收模块，用于接收目标物体的图像；
种类获取模块，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类；
发送模块，用于将包括所述目标物体的种类的信息发送给显示装置。
12.根据权利要求11所述的装置，其特征在于，
所述发送模块，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
13.根据权利要求11所述的装置，其特征在于，
所述发送模块，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
14.根据权利要求11-13任一权利要求所述的装置，其特征在于，
所述发送模块，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。
15.根据权利要求11-14任一权利要求所述的装置，其特征在于，
所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
16.根据权利要求11-15任一权利要求所述的装置，其特征在于，
所述保质期根据下述中的至少一个计算得到：
所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
17.根据权利要求16所述的装置，其特征在于，
所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
18.根据权利要求15-17任一所述的装置，其特征在于，所述装置还包括打印模块，
所述打印模块，用于将所述保质期打印出来。
19.根据权利要求11-18任一权利要求所述的装置，其特征在于，所述装置还包括检测模块，
所述检测模块，用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
20.根据权利要求19所述的装置，其特征在于，
所述检测模块，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
21.一种用于检测的系统，其特征在于，所述系统包括：摄像装置、称重装置、显示装置以及第二处理器，
所述摄像装置用于获取目标物体的图像，并且所述称重装置用于获取所述目标物体的重量；
所述第二处理器，用于根据第一分类器以及所述目标物体的图像获取所述目标物体的种类，并将所述目标物体的种类以及所述目标物体的重量发送给显示装置；
所述显示装置，用于显示所述目标物体的种类以及所述目标物体的重量。
22.根据权利要求21所述的系统，其特征在于，
所述第二处理器，具体用于将置信水平在第一阈值以上的所述目标物体的种类的信息发送给所述显示装置。
23.根据权利要求21所述的系统，其特征在于，
所述第二处理器，还用于将所述目标物体所属种类的所属的大类下的子类信息发送给所述显示装置。
24.根据权利要求21-23任一权利要求所述的系统，其特征在于，
所述第二处理器，还用于将所述目标物体的种类的相关的属性信息发送给所述显示装置。
25.根据权利要求21-24任一权利要求所述的系统，其特征在于，
所述属性信息包括下述中的至少一个：所述目标物体的价格、产地、编号、入库时间以及保质期。
26.根据权利要求21-25任一权利要求所述的系统，其特征在于，
所述保质期根据下述中的至少一个计算得到：
所述目标物体的种类、所述目标物体的入库时间、所述目标物体当前的新鲜度、以及气温。
27.根据权利要求26所述的系统，其特征在于，
所述目标物体当前的新鲜度根据第二分类器以及所述目标物体的图像计算得到。
28.根据权利要求25-27任一所述的系统，其特征在于，所述系统还包括打印装置，
所述打印装置将所述保质期打印出来。
29.根据权利要求21-28任一权利要求所述的系统，其特征在于，
所述第二处理器，还用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体的种类的个数，当所述目标物体的种类的个数大于或等于两个，将报警信息发送给显示装置。
30.根据权利要求29所述的系统，其特征在于，
所述第二处理器，具体用于根据所述第一分类器以及所述目标物体的图像检测所述目标物体中的至少一个的种类，当满足下述条件中的至少一个时：至少有两个种类的置信水平大于或等于第二阈值，至少有两个种类的置信水平与其他种类的置信水平的差大于或等于第三阈值，以及至少有两个种类的置信水平与其他种类的置信水平的偏离大于或等于第四阈值，将所述报警信息发送给显示装置。
31.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被第三处理器执行时实现如权利要求1-10任一权利要求所述方法的步骤。
32.一种用于图像处理的装置，包括存储器、第四处理器以及存储在所述存储器中并可在所述第四处理器上运行的计算机程序，其特征在于，所述计算机程序被第四处理器执行时实现如权利要求1-10任一权利要求所述方法的步骤。
CN201711072715.8A 2017-11-03 2017-11-03 一种用于检测的方法和装置 Pending CN109753980A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711072715.8A CN109753980A (zh) 2017-11-03 2017-11-03 一种用于检测的方法和装置
US16/180,036 US11120310B2 (en) 2017-11-03 2018-11-05 Detection method and device thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711072715.8A CN109753980A (zh) 2017-11-03 2017-11-03 一种用于检测的方法和装置

Publications (1)

Publication Number Publication Date
CN109753980A true CN109753980A (zh) 2019-05-14

Family

ID=66328673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711072715.8A Pending CN109753980A (zh) 2017-11-03 2017-11-03 一种用于检测的方法和装置

Country Status (2)

Country Link
US (1) US11120310B2 (zh)
CN (1) CN109753980A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287824A (zh) * 2019-06-10 2019-09-27 秒针信息技术有限公司 识别食物的方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201900016229A1 (it) * 2019-09-13 2021-03-13 Antares Vision S P A Bilancia e metodo per il riconoscimento automatico di un oggetto

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005959A (en) * 1995-02-17 1999-12-21 International Business Machines Corporation Produce size recognition system
CN1837760A (zh) * 2005-03-23 2006-09-27 比茨巴有限公司 秤
CN101144780A (zh) * 2006-09-14 2008-03-19 郭培源 猪肉新鲜度智能检测装置
CN101657704A (zh) * 2007-06-01 2010-02-24 梅特勒-托莱多（阿尔布施塔特）股份公司 对称重货物进行称重的方法和用于执行所述方法的秤
CN104240411A (zh) * 2014-07-23 2014-12-24 南京工程学院 一种超市散装商品智能购物装置
CN104296852A (zh) * 2014-07-17 2015-01-21 赵肖肖 果蔬商品的自助称量方法及装置
CN104361698A (zh) * 2014-11-25 2015-02-18 湖南大学 自助式智能电子称重结算方法及系统
CN105222503A (zh) * 2014-07-02 2016-01-06 博西华电器（江苏）有限公司 冰箱及其控制方法
CN105891112A (zh) * 2016-03-31 2016-08-24 江苏大学 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法
CN106340137A (zh) * 2016-11-14 2017-01-18 贵州师范学院 一种基于深度学习的自动称重机及其程序控制方法
CN106991427A (zh) * 2017-02-10 2017-07-28 海尔优家智能科技（北京）有限公司 果蔬新鲜度的识别方法及装置
CN107024433A (zh) * 2016-02-02 2017-08-08 苏州三星电子有限公司 一种检测冰箱内食物新鲜度的方法及系统
CN107084780A (zh) * 2017-05-12 2017-08-22 智锐达仪器科技南通有限公司 一种智能电子秤及相应的称重方法
CN107767590A (zh) * 2016-08-16 2018-03-06 深圳仪普生科技有限公司 物品自动识别商用条码电子秤及物品自动识别方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8599437B2 (en) * 2009-08-21 2013-12-03 Seiko Epson Corporation Printing control device, printer driver, conversion device, printer, printing system, control method for a printing control device, and control method for a printer
US20160110791A1 (en) * 2014-10-15 2016-04-21 Toshiba Global Commerce Solutions Holdings Corporation Method, computer program product, and system for providing a sensor-based environment
US20170249339A1 (en) * 2016-02-25 2017-08-31 Shutterstock, Inc. Selected image subset based search
US10664722B1 (en) * 2016-10-05 2020-05-26 Digimarc Corporation Image processing arrangements
US10408748B2 (en) * 2017-01-26 2019-09-10 ClariFruit System and method for evaluating fruits and vegetables
US10275687B2 (en) * 2017-02-16 2019-04-30 International Business Machines Corporation Image recognition with filtering of image classification output distribution
US11531994B2 (en) * 2017-07-21 2022-12-20 Vispera Bilgi Teknolojileri Sanayi Ic Ve Disticaret A.S. Electronic detection of products and arrangement of products in a display structure, electronic detection of objects and arrangement of objects on and around the display structure, electronic detection of conditions of and around the display structure, and electronic scoring of the detected product and object arrangements and of the detected conditions
WO2019048924A1 (en) * 2017-09-06 2019-03-14 Trax Technology Solutions Pte Ltd. USING THE INCREASED REALITY FOR IMAGE CAPTURE OF A RETAIL UNIT

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005959A (en) * 1995-02-17 1999-12-21 International Business Machines Corporation Produce size recognition system
CN1837760A (zh) * 2005-03-23 2006-09-27 比茨巴有限公司 秤
CN101144780A (zh) * 2006-09-14 2008-03-19 郭培源 猪肉新鲜度智能检测装置
CN101657704A (zh) * 2007-06-01 2010-02-24 梅特勒-托莱多（阿尔布施塔特）股份公司 对称重货物进行称重的方法和用于执行所述方法的秤
CN105222503A (zh) * 2014-07-02 2016-01-06 博西华电器（江苏）有限公司 冰箱及其控制方法
CN104296852A (zh) * 2014-07-17 2015-01-21 赵肖肖 果蔬商品的自助称量方法及装置
CN104240411A (zh) * 2014-07-23 2014-12-24 南京工程学院 一种超市散装商品智能购物装置
CN104361698A (zh) * 2014-11-25 2015-02-18 湖南大学 自助式智能电子称重结算方法及系统
CN107024433A (zh) * 2016-02-02 2017-08-08 苏州三星电子有限公司 一种检测冰箱内食物新鲜度的方法及系统
CN105891112A (zh) * 2016-03-31 2016-08-24 江苏大学 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法
CN107767590A (zh) * 2016-08-16 2018-03-06 深圳仪普生科技有限公司 物品自动识别商用条码电子秤及物品自动识别方法
CN106340137A (zh) * 2016-11-14 2017-01-18 贵州师范学院 一种基于深度学习的自动称重机及其程序控制方法
CN106991427A (zh) * 2017-02-10 2017-07-28 海尔优家智能科技（北京）有限公司 果蔬新鲜度的识别方法及装置
CN107084780A (zh) * 2017-05-12 2017-08-22 智锐达仪器科技南通有限公司 一种智能电子秤及相应的称重方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287824A (zh) * 2019-06-10 2019-09-27 秒针信息技术有限公司 识别食物的方法及装置

Also Published As

Publication number Publication date
US20190138845A1 (en) 2019-05-09
US11120310B2 (en) 2021-09-14

Similar Documents

Publication Publication Date Title
US11151427B2 (en) Method and apparatus for checkout based on image identification technique of convolutional neural network
US9734426B2 (en) Automated food recognition and nutritional estimation with a personal mobile electronic device
US10441112B1 (en) Food preparation system and method using a scale that allows and stores modifications to recipes based on a measured change to one of its ingredients
US11443133B2 (en) Computer vision system for industrial equipment gauge digitization and alarms
US10217083B2 (en) Apparatus, method, and program for managing articles
CN109447169A (zh) 图像处理方法及其模型的训练方法、装置和电子系统
CN110378420A (zh) 一种图像检测方法、装置及计算机可读存储介质
JP6549558B2 (ja) 売上登録装置、プログラム及び売上登録方法
US20130108152A1 (en) Image quality analysis for searches
US20200258033A1 (en) Information processing apparatus, information processing system, control method, and program
CN104052979B (zh) 用于图像处理的装置和技术
CN105975612A (zh) 一种图片处理方法、装置及设备
CN111008561A (zh) 一种牲畜的数量确定方法、终端及计算机存储介质
CN111160450A (zh) 一种基于神经网络的果蔬称重方法及储存介质、装置
CN109753980A (zh) 一种用于检测的方法和装置
CN107941202A (zh) 一种航空摄影飞行质量即时检查方法及装置
CN111612000B (zh) 一种商品分类方法、装置、电子设备及存储介质
CN110647931A (zh) 物体检测方法、电子设备、系统及介质
EP3901818A1 (en) Method and system for analyzing commodities on supermarket shelf
US20220121852A1 (en) System and method for three dimensional object counting
Suhadi et al. Mobile-based fish quality detection system using k-nearest neighbors method
KR20200036314A (ko) 식품 정보 추정을 위한 가이드 카드, 이를 이용한 식품 정보 추정 시스템 및 방법
US10506109B2 (en) Information processing apparatus, method of controlling the same, and non-transitory computer-readable storage medium
CN111783574B (zh) 膳食图像识别方法、装置以及存储介质
KR20220083347A (ko) 영상을 이용한 물건 부피의 측정 장치, 방법, 및 컴퓨터 프로그램

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