CN110414422A - 食品品质的检测方法及装置 - Google Patents
食品品质的检测方法及装置 Download PDFInfo
- Publication number
- CN110414422A CN110414422A CN201910678363.3A CN201910678363A CN110414422A CN 110414422 A CN110414422 A CN 110414422A CN 201910678363 A CN201910678363 A CN 201910678363A CN 110414422 A CN110414422 A CN 110414422A
- Authority
- CN
- China
- Prior art keywords
- food
- image
- scoring
- mouth region
- described image
- 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
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 235000012054 meals Nutrition 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000015654 memory Effects 0.000 claims description 18
- 235000013550 pizza Nutrition 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000007480 spreading Effects 0.000 claims description 5
- 238000003892 spreading Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 244000099147 Ananas comosus Species 0.000 description 1
- 235000007119 Ananas comosus Nutrition 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G06T5/80—
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
Abstract
本申请提供了一种食品品质的检测方法及装置，其中，该方法包括：在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。采用上述方案，自动拍摄出餐口区域的食品的图像，然后使用预设模型分析该图像，最终得到当前食品的品质分数，不再需要人工进行监控食品品质，解决了相关技术中对食品的品质监测过程耗费大量资源的问题。
Description
技术领域
本申请涉及但不限于食品监测领域，具体而言，涉及一种食品品质的检测方法及装置。
背景技术
在相关技术中，目前披萨出餐的品质把控主要依赖于人工做检查；需要首先对人员进行培训，消耗时间和人力；由于每个人对品质要求的细节认知存在偏差，不能保证各个门店的品质达成一致；总部无法对所有门店的出餐品质进行有效监控。
针对相关技术中对食品的品质监测过程耗费大量资源的问题，目前还没有有效的解决方案。
发明内容
本申请实施例提供了一种食品品质的检测方法及装置，以至少解决相关技术中对食品的品质监测过程耗费大量资源的问题。
根据本申请的一个实施例，提供了一种食品品质的检测方法，包括：
在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
根据本申请的另一个实施例，还提供了一种食品品质的检测装置，包括：
拍摄模块，用于在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
评估模块，用于调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
获取模块，用于依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
根据本申请的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本申请，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。采用上述方案，自动拍摄出餐口区域的食品的图像，然后使用预设模型分析该图像，最终得到当前食品的品质分数，不再需要人工进行监控食品品质，解决了相关技术中对食品的品质监测过程耗费大量资源的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请实施例的一种食品品质的检测方法的移动终端的硬件结构框图；
图2是根据本申请实施例的食品品质的检测方法的流程图；
图3是根据本申请实施例的系统架构示意图；
图4是根据本申请实施例中的识别披萨的示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例一
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本申请实施例的一种食品品质的检测方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的食品品质的检测方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的食品品质的检测方法，图2是根据本申请实施例的食品品质的检测方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
步骤S204，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
通过分析图像得到多个维度的子评分，是从食品的外观去分析。
步骤S206，依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
步骤S206也可以由预设模型自动执行。
上述方法步骤的执行主体可以是移动终端，或者计算机终端，可以设置在出餐口区域附近。
通过上述步骤，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。采用上述方案，自动拍摄出餐口区域的食品的图像，然后使用预设模型分析该图像，最终得到当前食品的品质分数，不再需要人工进行监控食品品质，解决了相关技术中对食品的品质监测过程耗费大量资源的问题。
可选地，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像之后，对所述图像进行畸变校正，获取修正后的图像。采用上述方案，对图像进行畸变校正处理后，使得图像更容易被模型识别。
可选地，所述食品为披萨，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分，包括：调度所述预设模型从以下维度至少之一分别评估所述图像：所述食品的边宽、所述食品撒料是否均匀，所述食品是否缺乏水果，所述食品的颜色。采用上述方案，可以使用该方案识别披萨的制作品质，从多个维度来评估披萨的制作品质。
可选地，依据所述多个子评分和对应的权重，得到所述图像的整体评分之后，收集不同出餐口区域的多个食品的图像，和对应的整体评分；依据收集内容调整所述预设模型中的参数，生成新的评估模型；推送所述新的评估模型至各个出餐口对应的计算机。采用上述方案，在使用模型的过程中收集到大量新的数据，可以使用新的数据进一步完善模型，调整模型中的参数。
可选地，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分之前，使用机器学习的方式基于多组数据训练出所述预设模型，其中，每组数据包括：一份食品的图像，对应的人工品质评分。采用该方案，通过机器学习的方法训练预设模型，在拥有足够多的训练数据的情况下，可以保证训练的模型的识别的准确率。
可选地，依据所述多个子评分和对应的权重，得到所述图像的整体评分，包括：对每个子评分和对应权重进行乘积运算，获取乘积值；将所有子评分对应的乘积值进行相加，得到所述图像的整体评分。采用该方案，为不同维度的子评分设置不同的权重，进行加权平均后相加，得到该份食品的整体得分。
本申请实施例中以对披萨的品质检测为例，包括检测采集系统，评估系统，迭代系统，具体功能如下：
图3是根据本申请实施例的系统架构示意图，如图3所示，店面端包括区域检测，图像采集，图像矫正，披萨识别，指标评估，结果回传，总部端包括结果汇总，模型迭代，自动下发。
检测采集系统：
步骤一，需要在披萨的出餐口安装图像采集装置
步骤二，使用检测算法，当出餐区发生内容变化的时候，例如检测到披萨出餐，进行图像高清采集，相当于图3中的区域检测和图像采集；
步骤三，对采集到的图像进行畸变校正，得到正常的图像，相当于图3中的图像矫正；
步骤四，把修正后的图像传递至评估系统。
评估系统：
步骤五，使用训练好的模型进行一系列特征的评估，特征例如：边宽边窄、撒料均匀、缺菠萝缺橄榄，颜色深浅；该步骤相当于上述图3中的披萨识别；
图4是根据本申请实施例中的识别披萨的示意图，如图4所示，左上角为采集的披萨的原图，其余三张是从虾仁分布情况，香菇分布情况，边宽检测等维度去分析披萨的品质，每个维度对应的处理方式不同，例如增加图像对比度，增加图像饱和度等。
步骤六，通过系列评估结果生成最终整体评分；总共评估计算方式是对于每个检测的评估值进行加权求和。相当于上述图3中的指标评估；
步骤七，回传图像和结果至总部服务器。相当于上述图3的结果回传。
迭代系统：
步骤八，总部收集各个门店的图片和结果，相当于图3中的结果汇总；
步骤九，整体对各个参数进行调整，生成新的评估模型，相当于图3中的模型迭代；
步骤十，自动推送到门店的评估系统。相当于图3中的自动下发。
采用上述方案，总部可以根据各个门店的结果，对门店的情况进行把控；释放培训的人力和资源；节省成本；各个门店统一检测；统一标准；总部能实时了解各个门店的出餐质量；便于奖惩。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
实施例二
在本实施例中还提供了一种食品品质的检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
根据本申请的一个实施例，提供了一种食品品质的检测装置，包括：
拍摄模块，用于在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
评估模块，用于调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
获取模块，用于依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
可选地，所述拍摄模块在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像之后，还用于对所述图像进行畸变校正，获取修正后的图像。
可选地，所述食品为披萨，所述评估模块还用于调度所述预设模型从以下维度至少之一分别评估所述图像：所述食品的边宽、所述食品撒料是否均匀，所述食品是否缺乏水果，所述食品的颜色。
可选地，所述获取模块依据所述多个子评分和对应的权重，得到所述图像的整体评分之后，还用于收集不同出餐口区域的多个食品的图像，和对应的整体评分；还用于依据收集内容调整所述预设模型中的参数，生成新的评估模型；以及用于推送所述新的评估模型至各个出餐口对应的计算机。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例三
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
S2，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
S3，依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输装置以及输入输出设备，其中，该传输装置和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
S2，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
S3，依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种食品品质的检测方法，其特征在于，包括：
在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
2.根据权利要求1所述的方法，其特征在于，在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像之后，所述方法还包括：
对所述图像进行畸变校正，获取修正后的图像。
3.根据权利要求1所述的方法，其特征在于，所述食品为披萨，调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分，包括：
调度所述预设模型从以下维度至少之一分别评估所述图像：所述食品的边宽、所述食品撒料是否均匀，所述食品是否缺乏水果，所述食品的颜色。
4.根据权利要求1所述的方法，其特征在于，依据所述多个子评分和对应的权重，得到所述图像的整体评分之后，所述方法还包括：
收集不同出餐口区域的多个食品的图像，和对应的整体评分；
依据收集内容调整所述预设模型中的参数，生成新的评估模型；
推送所述新的评估模型至各个出餐口对应的计算机。
5.一种食品品质的检测装置，其特征在于，包括：
拍摄模块，用于在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像；
评估模块，用于调度预设模型从多个维度评估所述图像，得到所述多个维度的多个子评分；
获取模块，用于依据所述多个子评分和对应的权重，得到所述图像的整体评分，其中，所述整体评分用于表示所述食品的品质高低。
6.根据权利要求5所述的装置，其特征在于，
所述拍摄模块在检测到出餐口区域出现食品时，拍摄所述出餐口区域的图像之后，还用于对所述图像进行畸变校正，获取修正后的图像。
7.根据权利要求5所述的装置，其特征在于，所述食品为披萨，所述评估模块还用于调度所述预设模型从以下维度至少之一分别评估所述图像：所述食品的边宽、所述食品撒料是否均匀，所述食品是否缺乏水果，所述食品的颜色。
8.根据权利要求5所述的装置，其特征在于，所述获取模块依据所述多个子评分和对应的权重，得到所述图像的整体评分之后，还用于收集不同出餐口区域的多个食品的图像，和对应的整体评分；
还用于依据收集内容调整所述预设模型中的参数，生成新的评估模型；
以及用于推送所述新的评估模型至各个出餐口对应的计算机。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910678363.3A CN110414422A (zh) | 2019-07-25 | 2019-07-25 | 食品品质的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910678363.3A CN110414422A (zh) | 2019-07-25 | 2019-07-25 | 食品品质的检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110414422A true CN110414422A (zh) | 2019-11-05 |
Family
ID=68363214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910678363.3A Pending CN110414422A (zh) | 2019-07-25 | 2019-07-25 | 食品品质的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110414422A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241680A (zh) * | 2020-01-10 | 2020-06-05 | 秒针信息技术有限公司 | 基于冷库温度变化的冷冻物品品质分析方法及装置 |
| CN112581005A (zh) * | 2020-12-25 | 2021-03-30 | 云南知宝科技成果转化有限公司 | 一种食品监测装置及方法 |
| CN114170624A (zh) * | 2021-10-05 | 2022-03-11 | 三信贸易株式会社 | 锦鲤品评会系统及其实施装置及方法、程序、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828988A (en) * | 2006-12-22 | 2008-07-01 | Altek Corp | System and method for image evaluation |
| CN201156043Y (zh) * | 2008-02-26 | 2008-11-26 | 浙江大学 | 食品综合品质无损检测装置 |
| CN101561402A (zh) * | 2009-05-07 | 2009-10-21 | 浙江大学 | 基于机器视觉的猪肉外观品质实时检测分级方法与装置 |
| CN102075786A (zh) * | 2011-01-19 | 2011-05-25 | 宁波大学 | 一种图像客观质量评价方法 |
| CN108427971A (zh) * | 2018-04-19 | 2018-08-21 | 云南佳叶现代农业发展有限公司 | 基于移动终端的烟叶评级的方法及系统 |
| CN109615635A (zh) * | 2018-12-06 | 2019-04-12 | 厦门理工学院 | 基于图像识别对草莓进行品质分拣的方法及装置 |
-
2019
- 2019-07-25 CN CN201910678363.3A patent/CN110414422A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200828988A (en) * | 2006-12-22 | 2008-07-01 | Altek Corp | System and method for image evaluation |
| CN201156043Y (zh) * | 2008-02-26 | 2008-11-26 | 浙江大学 | 食品综合品质无损检测装置 |
| CN101561402A (zh) * | 2009-05-07 | 2009-10-21 | 浙江大学 | 基于机器视觉的猪肉外观品质实时检测分级方法与装置 |
| CN102075786A (zh) * | 2011-01-19 | 2011-05-25 | 宁波大学 | 一种图像客观质量评价方法 |
| CN108427971A (zh) * | 2018-04-19 | 2018-08-21 | 云南佳叶现代农业发展有限公司 | 基于移动终端的烟叶评级的方法及系统 |
| CN109615635A (zh) * | 2018-12-06 | 2019-04-12 | 厦门理工学院 | 基于图像识别对草莓进行品质分拣的方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111241680A (zh) * | 2020-01-10 | 2020-06-05 | 秒针信息技术有限公司 | 基于冷库温度变化的冷冻物品品质分析方法及装置 |
| CN111241680B (zh) * | 2020-01-10 | 2023-12-08 | 秒针信息技术有限公司 | 基于冷库温度变化的冷冻物品品质分析方法及装置 |
| CN112581005A (zh) * | 2020-12-25 | 2021-03-30 | 云南知宝科技成果转化有限公司 | 一种食品监测装置及方法 |
| CN114170624A (zh) * | 2021-10-05 | 2022-03-11 | 三信贸易株式会社 | 锦鲤品评会系统及其实施装置及方法、程序、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110414422A (zh) | 食品品质的检测方法及装置 | |
| CN113110207A (zh) | 基于物联网传感器的虫害远程监测方法、系统及存储介质 | |
| CN107742125A (zh) | 预测和防止在结构资产处的不利状况的深度机器学习 | |
| CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
| CN110769195B (zh) | 输电线路施工现场违章智能监控识别系统 | |
| CN109891436A (zh) | 基于深度学习神经网络的安保系统及其控制方法 | |
| CN107437094A (zh) | 基于机器学习的木板分拣方法及系统 | |
| CN107944327A (zh) | 一种人数统计方法及装置 | |
| CN105554079A (zh) | 一种基于移动终端的产品质量远程人工检测方法 | |
| CN107818133A (zh) | 一种基于大数据的居民区网络能力分析方法及系统 | |
| CN110363166A (zh) | 洗手情况的监控方法及装置 | |
| CN109190545A (zh) | 输电线路中的鸟巢自动识别系统及其方法和应用 | |
| CN104954528B (zh) | 终端设备的耗电信息的检测方法和装置 | |
| CN109189762A (zh) | 一种工业物联网数据分析方法、系统及相关设备 | |
| CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
| CN110490331A (zh) | 知识图谱中节点的处理方法及装置 | |
| CN110830772A (zh) | 一种厨房视频分析资源调度方法、装置及系统 | |
| CN108596014A (zh) | 牲畜行为分析方法及装置 | |
| CN115238237A (zh) | 虫情监测方法、装置及系统 | |
| CN109284740A (zh) | 对鼠情进行统计的方法、装置、设备以及存储介质 | |
| CN113269039A (zh) | 一种在岗人员行为识别方法和系统 | |
| CN104007733A (zh) | 一种对农业集约化生产进行监控的系统及方法 | |
| CN113349188B (zh) | 一种基于云端杀草谱的草坪及牧草精准除草方法 | |
| CN110460814A (zh) | 指示信息的发送方法及装置、存储介质、电子装置 | |
| CN111723785A (zh) | 一种动物发情确定方法及装置 |
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: 20191105 |
|
| RJ01 | Rejection of invention patent application after publication |