CN110193465A - 一种条烟分拣智能纠错系统 - Google Patents

一种条烟分拣智能纠错系统 Download PDF

Info

Publication number
CN110193465A
CN110193465A CN201811051497.4A CN201811051497A CN110193465A CN 110193465 A CN110193465 A CN 110193465A CN 201811051497 A CN201811051497 A CN 201811051497A CN 110193465 A CN110193465 A CN 110193465A
Authority
CN
China
Prior art keywords
cigarette
image
error correction
server
cigarette sorting
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
CN201811051497.4A
Other languages
English (en)
Inventor
李继凯
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.)
Beijing Uwonders Technology Co ltd
Original Assignee
Beijing Uwonders 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 Beijing Uwonders Technology Co ltd filed Critical Beijing Uwonders Technology Co ltd
Priority to CN201811051497.4A priority Critical patent/CN110193465A/zh
Publication of CN110193465A publication Critical patent/CN110193465A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C3/00—Sorting according to destination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10712—Fixed beam scanning
    • G06K7/10722—Photodetector array or CCD scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Abstract

本发明公开了一种条烟分拣智能纠错系统，包括传送带、传送带控制器、光电耦合器、摄像头、订单机、条烟分拣纠错客户端、显示输出设备、互联网接口和服务器；条烟分拣智能纠错系统通过图像分割及深度学习识别技术来实现，主要包括以下步骤：建立训练模型；注册条烟；条烟分拣纠错客户端程序采集图像发送到服务器；服务器进行分割和识别，然后将条码发回给条烟分拣纠错客户端；条烟分拣纠错客户端接收到服务器返回的条码，和当前订单做比较，如发现异常，停机报警。本发明的有益效果是：识别率高、易操作、排除干扰性强，提高发货准确度和零售商户满意度。

Description

一种条烟分拣智能纠错系统
技术领域
本发明涉及一种智能识别与控制技术，具体地说，涉及一种条烟分拣智能纠错系统。
背景技术
在条烟零售市场方面，利用打码到条赋予每条卷烟唯一标识，通过零售户信息终端，实现零售户卷烟的到货确认和销售扫码，最终形成零售户进销存台账，从而自动获取卷烟实物社会库存和市场价格信息，将行业物流追踪延伸到零售户，将网建信息化的触角延伸到供应链的末端，为开展“需求采集、订单预测、网上自动配货”提供可靠的数据基础。
“机器视觉”是人工智能正在快速发展的一个分支。通过摄像头获取图像，通过机器视觉算法在图像中查找条烟的位置。而深度学习技术这几年发展迅速，不断的刷新物品识别的精度。深度学习比传统的特征提取算法鲁棒性更好，准确率更高。基于流水作业平台的物流车间烟条自动视觉检测与计数，是机器视觉在工业应用中的一个重要分支。在烟草行业中的物流中心，每天都需要根据用户订单分拣烟条。目前烟草行业中的物流中心分拣线，普遍使用机械自动分拣货物，在人工核对订单准确性。然而传动平台运行速度快，流量大，人工核对订单困难且准确度低。因此，可以使用机器视觉的方法自动检测条烟信息，将检测结果传送给图像识别模块进一步处理，完成订单的核对。
目前物流中心的自动化分拣线在件烟分拣和条烟分拣之处都存在差错，必须由人工进行判断和纠错，存在差错率较高，效率较低，人力投入多。特别是人工通过肉眼对差错的判断往往本身就存在差错。建立视频智能识别的方式实现分拣纠错，以最新计算机视频识别技术为技术出发点你，通过以实时视频识别为主，人工纠错为辅的方式进行。通过基于视频智能识别技术的分拣纠错系统，可以实现高可靠实时差错识别，取代人工肉眼识别，提高工作效率，降低生产成本，降低劳动强度，减少作业差错，提高用户满意度。切实提高仓储物流管理的运作效率，节约物流运营成本。
发明内容
本发明正是为了解决上述技术问题而设计的一种条烟分拣智能纠错系统。
本发明解决其技术问题所采用的技术方案是：
一种条烟分拣智能纠错系统，包括传送带、传送带控制器、光电耦合器、摄像头、订单机、条烟分拣纠错客户端、显示输出设备、互联网接口和服务器；条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后将数据传送给烟草条烟分拣纠错客户端，烟草条烟分拣纠错客户端通过网络通讯与服务器相连，条烟分拣智能纠错系统通过图像分割及深度学习识别技术来实现，主要包括以下步骤：
建立训练模型；
注册条烟；
条烟分拣纠错客户端程序采集图像发送到服务器，条烟与传送带运动方向的夹角不能超过30°
服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端；
条烟分拣纠错客户端接收到服务器返回的条码，和当前订单做比较，如发现异常，停机报警。
所述一种条烟分拣智能纠错系统，其步骤中建立训练模型的方法是：
A.每一种烟放在传送带上经过分拣纠错设备进行拍照，一种烟0度，180度各采集50-150张图像；
B.使用标注工具对步骤A采集到图像进行标注，获得条烟在原图像外接矩形的坐标；
C.截取目标并进行仿射变换；
D.对条烟图像进行数据增强，包括水平平移，垂直平移，水平镜像，垂直镜像，小幅度旋转；
E.把图像和对应的标签送进卷积神经网络进行学习获得模型。
所述一种条烟分拣智能纠错系统，其步骤中注册条烟的方法是：
F.将新条烟放在分拣纠错设备的摄像头下，拍摄6-20张不同位置、0度，180度，15度以内稍微倾斜的图像；
G.条烟分拣纠错客户端将图像发送到服务器；
H.服务器进行分割得到条烟图像后提取图像特征保存到数据库。
所述一种条烟分拣智能纠错系统，其步骤中得到条烟分拣纠错客户端程序采集图像发送到服务器的方法是：
I.条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后通过SDK回调函数通知应用程序；
J. 条烟分拣纠错客户端应用程序收到摄像头SDK通知接收图像原始数据，拷贝到缓冲区；
K. 条烟分拣纠错客户端应用程序将图像数据、帧号和时间戳通过ProtoBuf打包发送到服务器。
所述一种条烟分拣智能纠错系统，其步骤中服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端的方法是：
L.服务器在设定的端口进行侦听，条烟分拣纠错客户端启动的时候发送请求建立连接；
M.服务器收到条烟分拣纠错客户端发送过来的ProtoBuf数据包后进行解析，获得图像数据、帧号；
O.在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形；
P.根据O得到条烟的坐标和外接矩形，扣取条烟，然后进行仿射变换拉直；
Q.对P获得的条烟图像进行识别得到条烟的条码；
R.将O获得的条烟的外接矩形和P获得条烟的条码通过Protobuf打包发送给客户端。
所述一种条烟分拣智能纠错系统，其步骤O在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形的方法是：
结合条烟特性，采用基于边缘直线的图像分割算法；边缘直线分割主要依据香烟图像的边缘梯度变化，计算梯度幅值和方向，并采用区域生长的方式对梯度方向进行统计，找出直线外接矩形区域，从而进一步提取香烟的边缘直线，再依据这些边缘直线和香烟的矩形特性，分割出香烟图像；梯度计算公式如下：
其中为方向的梯度，为方向的梯度，为图像坐标处的像素值；梯度幅值计算公式如下：
梯度方向统计计算公式如下：
。
所述一种条烟分拣智能纠错系统，其步骤Q对条烟图像进行识别得到条烟条码的方法是：
a.对图像进行分割，得到条烟的外接矩形；
b.对分割的图像进行仿射变换；
c.提取图像的特征；
d.和所有注册条烟的特征计算相似度，相似度最高的就是识别出来的条烟。
所述一种条烟分拣智能纠错系统，其摄像头为工业用双摄像头。
本发明的有益效果是：
（1）识别率高，通过图像处理技术以及深度卷积神经网络训练识别率达到很高的准确度；
（2）易操作，注册新烟只需要摆拍10张图像，系统自动进行分割，提取特征，保存到数据库；
（3）排除干扰性强，一体化设备避免各种外界因素，特别是光照的影响，适用于环境复杂的场合；
（4）综合进行差错报警并停机，指导人工进行干预，在打码前将问题解决，保证零售户获得与订单一致的条烟品种和数量，减少条烟差错发生，提高发货准确度和零售商户满意度。
附图说明
图1为本发明一种条烟分拣智能纠错系统功能框图。
图2为一种条烟分拣智能纠错系统的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1和2所示，本发明一种条烟分拣智能纠错系统，包括传送带、传送带控制器、光电耦合器、摄像头、订单机、条烟分拣纠错客户端、显示输出设备、互联网接口和服务器；条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后将数据传送给烟草条烟分拣纠错客户端，烟草条烟分拣纠错客户端通过网络通讯与服务器相连，条烟分拣智能纠错系统通过图像分割及深度学习识别技术来实现，主要包括以下步骤：
建立训练模型；
注册条烟；
条烟分拣纠错客户端程序采集图像发送到服务器，条烟与传送带运动方向的夹角不能超过30°
服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端；
条烟分拣纠错客户端接收到服务器返回的条码，和当前订单做比较，如发现异常，停机报警。
所述一种条烟分拣智能纠错系统，其步骤中建立训练模型的方法是：
A.每一种烟放在传送带上经过分拣纠错设备进行拍照，一种烟0度，180度各采集100张图像；
B.使用标注工具对步骤A采集到图像进行标注，获得条烟在原图像外接矩形的坐标；
C.截取目标并进行仿射变换；
D.对条烟图像进行数据增强，包括水平平移，垂直平移，水平镜像，垂直镜像，小幅度旋转；
E.把图像和对应的标签送进卷积神经网络进行学习获得模型。
所述一种条烟分拣智能纠错系统，其步骤中注册条烟的方法是：
F.将新条烟放在分拣纠错设备的摄像头下，拍摄10张不同位置、0度，180度，15度以内稍微倾斜的图像；
G.条烟分拣纠错客户端将图像发送到服务器；
H.服务器进行分割得到条烟图像后提取图像特征保存到数据库。
所述一种条烟分拣智能纠错系统，其步骤中得到条烟分拣纠错客户端程序采集图像发送到服务器的方法是：
I.条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后通过SDK回调函数通知应用程序；
J. 条烟分拣纠错客户端应用程序收到摄像头SDK通知接收图像原始数据，拷贝到缓冲区；
K. 条烟分拣纠错客户端应用程序将图像数据、帧号和时间戳通过ProtoBuf打包发送到服务器。
所述一种条烟分拣智能纠错系统，其步骤中服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端的方法是：
L.服务器在设定的端口进行侦听，条烟分拣纠错客户端启动的时候发送请求建立连接；
M.服务器收到条烟分拣纠错客户端发送过来的ProtoBuf数据包后进行解析，获得图像数据、帧号；
O.在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形；
P.根据O得到条烟的坐标和外接矩形，扣取条烟，然后进行仿射变换拉直；
Q.对P获得的条烟图像进行识别得到条烟的条码；
R.将O获得的条烟的外接矩形和P获得条烟的条码通过Protobuf打包发送给客户端。
所述一种条烟分拣智能纠错系统，其步骤O在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形的方法是：
结合条烟特性，采用基于边缘直线的图像分割算法；边缘直线分割主要依据香烟图像的边缘梯度变化，计算梯度幅值和方向，并采用区域生长的方式对梯度方向进行统计，找出直线外接矩形区域，从而进一步提取香烟的边缘直线，再依据这些边缘直线和香烟的矩形特性，分割出香烟图像；梯度计算公式如下：
其中为方向的梯度，为方向的梯度，为图像坐标处的像素值；梯度幅值计算公式如下：
梯度方向统计计算公式如下：
。
所述一种条烟分拣智能纠错系统，其步骤Q对条烟图像进行识别得到条烟条码的方法是：
a.对图像进行分割，得到条烟的外接矩形；
b.对分割的图像进行仿射变换；
c.提取图像的特征；
d.和所有注册条烟的特征计算相似度，相似度最高的就是识别出来的条烟。
所述一种条烟分拣智能纠错系统，其摄像头为工业用双摄像头。
条烟分拣智能纠错系统进入打码前，通过高速摄像机对传送带上的条烟进行识别和计数，同时将识别的结果与分拣系统提供的零售户分户分拣信息进行对比。发现与当前零售户品牌、数量不一致时，则立即发出声光告警，并可触发停止分拣线，等待人工处理。人工处理完成后，人工恢复为正常的生产线模式。
1. 通过和订单机进行系统集成，获取当前商户的订单信息。当前商户的订单信息作为系统的第一个输入数据。
2. 传送带上方架设工业级摄像机，用于拍摄传送带上真实的实时条烟流水图像信息。利用最新智能图像识别技术，通过图像深度学习和深度识别技术,能在复杂环境下，将拍摄图像中的条烟上的标识和图案的快速、准确地自动识别。对于某些极个别品牌非常细微的差别，则采取针对性的特征识别技术。从生产线上摄取到的条烟图片信息，作为本系统的第二个输入数据。
3. 条烟分拣纠错系统将订单信息（当前零售户的品牌和数量）和传送带上方摄取的图像信息（品牌识别和计数），即第一输入数据与第二输入数据，进行比对和校验，确保订单信息与生产线上的条烟信息可以一一对应匹配，解决条烟打码前的差错问题。当生产线上条烟信息与商户订单信息发生不一致时，会有两种情况:
a) 误判，条烟在图像的深度学习过程，学习深度不够导致图像信息。
b) 真实的错误发生。流水线上条烟信息与订单信息，发生不一致，触发生产线传送带停机。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下得出的其他任何与本发明相同或相近似的产品，均落在本发明的保护范围之内。

Claims (8)

1.一种条烟分拣智能纠错系统，包括传送带、传送带控制器、光电耦合器、摄像头、订单机、条烟分拣纠错客户端、显示输出设备、互联网接口和服务器；其特征在于：条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后将数据传送给烟草条烟分拣纠错客户端，烟草条烟分拣纠错客户端通过网络通讯与服务器相连，条烟分拣智能纠错系统通过图像分割及深度学习识别技术来实现，主要包括以下步骤：
建立训练模型；
注册条烟；
条烟分拣纠错客户端程序采集图像发送到服务器，条烟与传送带运动方向的夹角不能超过30°；
服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端；
条烟分拣纠错客户端接收到服务器返回的条码，和当前订单做比较，如发现异常，停机报警。
2.根据权利要求1所述的一种条烟分拣智能纠错系统，其特征在于：步骤中建立训练模型的方法是：
A.每一种烟放在传送带上经过分拣纠错设备进行拍照，一种烟0度，180度各采集50-150张图像；
B.使用标注工具对步骤A采集到图像进行标注，获得条烟在原图像外接矩形的坐标；
C.截取目标并进行仿射变换；
D.对条烟图像进行数据增强，包括水平平移，垂直平移，水平镜像，垂直镜像，小幅度旋转；
E.把图像和对应的标签送进卷积神经网络进行学习获得模型。
3.根据权利要求1所述的一种条烟分拣智能纠错系统，其特征在于：步骤中注册条烟的方法是：
F.将新条烟放在分拣纠错设备的摄像头下，拍摄6-20张不同位置、0度，180度，15度以内稍微倾斜的图像；
G.条烟分拣纠错客户端将图像发送到服务器；
H.服务器进行分割得到条烟图像后提取图像特征保存到数据库。
4.根据权利要求1所述的一种条烟分拣智能纠错系统，其特征在于：步骤中得到条烟分拣纠错客户端程序采集图像发送到服务器的方法是：
I.条烟在传送带上经过光电耦合器触发电平信号，光电耦合器触发摄像头进行拍照，摄像头拍摄完成后通过SDK回调函数通知应用程序；
J. 条烟分拣纠错客户端应用程序收到摄像头SDK通知接收图像原始数据，拷贝到缓冲区；
K. 条烟分拣纠错客户端应用程序将图像数据、帧号和时间戳通过ProtoBuf打包发送到服务器。
5.根据权利要求1所述的一种条烟分拣智能纠错系统，其特征在于：步骤中服务器接收到条烟分拣纠错客户端发送过来的图像，进行分割和识别，然后将条码发回给条烟分拣纠错客户端的方法是：
L.服务器在设定的端口进行侦听，条烟分拣纠错客户端启动的时候发送请求建立连接；
M.服务器收到条烟分拣纠错客户端发送过来的ProtoBuf数据包后进行解析，获得图像数据、帧号；
O.在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形；
P.根据O得到条烟的坐标和外接矩形，扣取条烟，然后进行仿射变换拉直；
Q.对P获得的条烟图像进行识别得到条烟的条码；
R.将O获得的条烟的外接矩形和P获得条烟的条码通过Protobuf打包发送给客户端。
6.根据权利要求5所述的一种条烟分拣智能纠错系统，其特征在于：步骤O在图像中对设置的ROI区域进行分割，获得条烟的位置和外接矩形的方法是：
结合条烟特性，采用基于边缘直线的图像分割算法；边缘直线分割主要依据香烟图像的边缘梯度变化，计算梯度幅值和方向，并采用区域生长的方式对梯度方向进行统计，找出直线外接矩形区域，从而进一步提取香烟的边缘直线，再依据这些边缘直线和香烟的矩形特性，分割出香烟图像；梯度计算公式如下：
其中为方向的梯度，为方向的梯度，为图像坐标处的像素值；梯度幅值计算公式如下：
梯度方向统计计算公式如下：
。
7.根据权利要求5所述的一种条烟分拣智能纠错系统，其特征在于：步骤Q对条烟图像进行识别得到条烟条码的方法是：
a.对图像进行分割，得到条烟的外接矩形；
b.对分割的图像进行仿射变换；
c.提取图像的特征；
d.和所有注册条烟的特征计算相似度，相似度最高的就是识别出来的条烟。
8.根据权利要求1所述的一种条烟分拣智能纠错系统，其特征在于：摄像头为工业用双摄像头。
CN201811051497.4A 2018-09-10 2018-09-10 一种条烟分拣智能纠错系统 Pending CN110193465A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811051497.4A CN110193465A (zh) 2018-09-10 2018-09-10 一种条烟分拣智能纠错系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811051497.4A CN110193465A (zh) 2018-09-10 2018-09-10 一种条烟分拣智能纠错系统

Publications (1)

Publication Number Publication Date
CN110193465A true CN110193465A (zh) 2019-09-03

Family

ID=67751418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811051497.4A Pending CN110193465A (zh) 2018-09-10 2018-09-10 一种条烟分拣智能纠错系统

Country Status (1)

Country Link
CN (1) CN110193465A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646064A (zh) * 2019-09-24 2020-01-03 红云红河烟草(集团)有限责任公司 一种基于k波雷达物位成像技术的生产线阻料诊断的方法
CN114455255A (zh) * 2022-01-27 2022-05-10 山东仁功智能科技有限公司 基于多特征识别的异型烟分拣差错检测方法
CN114682938A (zh) * 2020-12-31 2022-07-01 北京中烟信息技术有限公司 条烟激光打码热感监控系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080164319A1 (en) * 2005-01-14 2008-07-10 C.M.C. S.P.A. Apparatus for Recognizing User Identifying Data, Stored on a Support, and for Joining this Support to a Corresponding Document to be Sent to the User
CN101464948A (zh) * 2009-01-14 2009-06-24 北京航空航天大学 一种基于关键点的仿射不变矩的目标识别方法
CN106407863A (zh) * 2016-09-22 2017-02-15 湘潭大学 一种条烟快速识别装置及方法
CN106733729A (zh) * 2017-01-25 2017-05-31 红塔烟草(集团)有限责任公司 图像检测装置及条烟图像检测装置
CN107077656A (zh) * 2014-10-13 2017-08-18 索利斯蒂克有限公司 用于识别被处理的包裹的装置
CN108470263A (zh) * 2018-03-19 2018-08-31 中国烟草总公司北京市公司物流中心 一种卷烟配送调度系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080164319A1 (en) * 2005-01-14 2008-07-10 C.M.C. S.P.A. Apparatus for Recognizing User Identifying Data, Stored on a Support, and for Joining this Support to a Corresponding Document to be Sent to the User
CN101464948A (zh) * 2009-01-14 2009-06-24 北京航空航天大学 一种基于关键点的仿射不变矩的目标识别方法
CN107077656A (zh) * 2014-10-13 2017-08-18 索利斯蒂克有限公司 用于识别被处理的包裹的装置
CN106407863A (zh) * 2016-09-22 2017-02-15 湘潭大学 一种条烟快速识别装置及方法
CN106733729A (zh) * 2017-01-25 2017-05-31 红塔烟草(集团)有限责任公司 图像检测装置及条烟图像检测装置
CN108470263A (zh) * 2018-03-19 2018-08-31 中国烟草总公司北京市公司物流中心 一种卷烟配送调度系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘铁根: "《光电检测技术与系统 第2版》", 30 September 2017, 天津大学出版社 *
张聪: "《果蔬采后处理机械设备及生产线设计》", 31 July 2017, 华南理工大学出版社 *
李涛: "《数字图像处理之红外弱目标分割方法研究》", 30 June 2016, 西南交通大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646064A (zh) * 2019-09-24 2020-01-03 红云红河烟草(集团)有限责任公司 一种基于k波雷达物位成像技术的生产线阻料诊断的方法
CN114682938A (zh) * 2020-12-31 2022-07-01 北京中烟信息技术有限公司 条烟激光打码热感监控系统
CN114682938B (zh) * 2020-12-31 2023-12-19 北京中烟信息技术有限公司 条烟激光打码热感监控系统
CN114455255A (zh) * 2022-01-27 2022-05-10 山东仁功智能科技有限公司 基于多特征识别的异型烟分拣差错检测方法

Similar Documents

Publication Publication Date Title
US11501523B2 (en) Goods sensing system and method for goods sensing based on image monitoring
CN107045641B (zh) 一种基于图像识别技术的货架识别方法
CN107463946B (zh) 一种结合模板匹配与深度学习的商品种类检测方法
CN108846621B (zh) 一种基于策略模块的库存管理系统
US20210012524A1 (en) Learning dataset creation method and device
CN110193465A (zh) 一种条烟分拣智能纠错系统
EP3447681A1 (en) Separation of objects in images from three-dimensional cameras
CN103150564A (zh) 板材表面喷码字符识别装置及其方法
CN110415295B (zh) 图像数据处理方法和图像数据处理设备
CN110245663A (zh) 一种用于钢卷信息识别的方法
CN108596137A (zh) 一种基于图像识别算法的商品扫描录入方法
CN105225225B (zh) 一种基于机器视觉的皮革自动划线方法和装置
WO2020134102A1 (zh) 物品识别方法、装置、售货系统和存储介质
CN109034694B (zh) 基于智能制造的生产原料智能存储方法及系统
CN110992305A (zh) 基于深度学习和多目标跟踪技术的包裹计数方法及系统
CN108550229A (zh) 一种人工智能自动收银方法
US11281888B2 (en) Separation of objects in images from three-dimensional cameras
CN114898249B (zh) 用于购物车内商品数量确认的方法、系统及存储介质
CN112446715B (zh) 一种基于工业互联网云平台的产品溯源方法
KR20100041177A (ko) 자동 물류 시스템 및 그 제어방법
CN109345733A (zh) 智能秤的计价方法及系统
CN111428743B (zh) 商品识别方法、商品处理方法、装置及电子设备
CN112163600B (zh) 一种基于机器视觉的商品识别方法
CN108985325A (zh) 一种分类方法、装置、设备和系统
CN109359706A (zh) 商品信息智能识别系统和方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190903