CN110705533A - 一种用于检验报告的ai识别抓取系统 - Google Patents
一种用于检验报告的ai识别抓取系统 Download PDFInfo
- Publication number
- CN110705533A CN110705533A CN201910846189.9A CN201910846189A CN110705533A CN 110705533 A CN110705533 A CN 110705533A CN 201910846189 A CN201910846189 A CN 201910846189A CN 110705533 A CN110705533 A CN 110705533A
- Authority
- CN
- China
- Prior art keywords
- module
- recognition
- image
- font
- inspection report
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 12
- 239000013589 supplement Substances 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/141—Control of illumination
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/245—Font recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
- H04N23/671—Focus control based on electronic image sensor signals in combination with active ranging signals, e.g. using light or sound signals emitted toward objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Vascular Medicine (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种用于检验报告的AI识别抓取系统,包括图像采集端、AI识别处理平台、数据校正模块以及数据云端,所述图像采集端、AI识别处理平台、数据校正模块以及数据云端依次通过网络连接;所述图像采集端获取目标检验报告图像,再传输给AI识别处理平台,经过AI识别处理平台识别处理后得到预识别结果,再由数据校正模进行校正得到实际识别结果,最终将实际识别结果存储在数据云端。通过对摄像装置的焦距进行调整提高了拍照速度和成像的及时性,进而提高了图像识别的准确度;构建通用字体识别模型对目标检验报告图像进行数字化转换和识别,再经过数据校正模型的校正以达到高准确度的实际识别结果,无需对接HIS、LIS即可收集数据。
Description
技术领域
本发明涉及AI识别技术和医疗信息领域,尤其涉及一种用于检验报告的AI识别抓取系统。
背景技术
图像识别是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。随着科技地不断进步,图像识别的使用日益广泛,借助手机、平板电脑等移动终端也可以进行图像识别,不再局限于计算机。
图像识别不可缺少的一部分是拍照,随着科技的进步和社会的发展,拍照早已成为人们生活的日常,摄像装置也越来越亲民化,例如已经成为人们生活和工作中必需品的移动终端,随着移动终端的功能越来越强大,携带越来越方便,逐渐替代了相机的大部分用途,例如定时拍摄、全景拍摄等。然而目前,在相机或者移动终端等拍照设备进行拍照的过程中,都需要对目标物体的取景区域进行对焦,然后再拍摄,才能得到清晰的图片,其中,对焦是非常耗时间的,而且对焦位置对成像的图片中特定位置的清晰度有较大影响,而如果目标物体或者拍照设备在移动时,则很难对焦,从而造成拍照速度慢、且影响成像图片的清晰度,从而影响图像识别的准确度。
此外,现有的对于检验报告的图像识别一方面准确度不够,另一方面需要与HIS或LIS连接才能进行较为准确地识别与存储,比较耗时耗力。
发明内容
本发明的目的在于提供一种用于检验报告的AI识别抓取系统,该系统可弥补现有的系统图像拍照对焦耗时、麻烦,导致对于图像识别准确度不够的不足。
为实现上述目的,本发明的目的在于提供一种用于检验报告的AI识别抓取系统,包括图像采集端、AI识别处理平台、数据校正模块以及数据云端,所述图像采集端、AI识别处理平台、数据校正模块以及数据云端依次通过网络连接。
进一步的,所述图像采集端获取目标检验报告图像,通过网络将所述目标检验报告图像传输给AI识别处理平台,经过AI识别处理平台识别处理后得到预识别结果,再由数据校正模块对所述预识别结果进行校正得到实际识别结果,最终将所述实际识别结果存储在数据云端。
进一步的,所述图像采集端包括摄像装置、距离传感器、红外模块、检测模块、第一确定模块、初识别模块、焦距调整模块、第二确定模块以及第一传输模块,所述距离传感器和红外模块均设置于摄像装置内,所述红外模块可发出红外光线,所述摄像装置、检测模块、第一确定模块、初识别模块、焦距调整模块、第二确定模块、第一传输模块依次电连接;其中,
所述检测模块用于通过距离传感器检测摄像装置与目标检验报告之间的拍摄距离;
所述第一确定模块用于根据检测到的所述拍摄距离确定摄像装置对目标检验报告的拍摄区域;
所述初识别模块用于通过所述摄像装置对拍摄区域中红外模块发出的红外线进行识别,获得所述红外线在拍摄区域中的相对坐标;
所述焦距调整模块用于根据所述相对坐标对所述摄像装置的焦距进行调整,以完成对所述拍摄区域的对焦;
所述第二确定模块用于根据调整后的所述焦距,通过所述摄像装置生成所述拍摄区域对应的区域图像;
所述第一传输模块将第二确定模块生成的区域图像传输至AI识别处理平台。
进一步的,所述AI识别处理平台包括第一构建模块、第二构建模块、图像获取模块、转换存储模块、输入识别模块以及第二传输模块,所述图像获取模块与第一传输模块通过网络连接;其中,
所述第一构建模块用于根据通用字体数据集构建通用字体识别模型;
所述第二构建模块用于构建字体识别验证数据集;
所述图像获取模块用于获取第一传输模块传输的区域图像;
所述转换存储模块用于将所述区域图像转换为通用字体识别模型可以识别的规范数据,并将转换后的规范数据发送至字体识别验证数据集存储;
所述输入识别模块用于将从字体识别验证数据集提取的数据输入通用字体识别模型,所述通用字体识别模型的输出作为预识别结果;
第二传输模块将所述预识别结果传输至数据校正模块。
进一步的,所述数据校正模块获取预识别结果后,对所述预识别结果进行校正得到实际识别结果,并将所述实际识别结果传输给数据云端存储。
进一步的,所述摄像装置还包括光线检测模块和补光模块,其中,
所述光线检测模块用于对目标检验报告所处的环境光线进行检测;
所述补光模块包括闪光灯,所述补光模块用于当检测到所述环境光线低于预设的光线阈值时,开启所述闪光灯对目标检验报告进行补光。
进一步的,所述AI识别处理平台还包括判断模块,所述判断模块被配置为对通用字体识别模型的准确率进行计算判断。
进一步的,所述判断模块对通用字体识别模型的准确率进行计算判断的步骤包括:
计算通用字体识别模型的准确率;
判断通用字体识别模型的准确率是否低于用户设定的阈值;
若是,则继续采集样本字体图像构建新的通用字体数据集,再根据所述新的通用字体数据集构建新的通用字体识别模型;
若否,则将当前通用字体识别模型作为可用的字体识别模型,通过输入从字体识别验证数据集提取的数据输出预识别结果。
进一步的,所述通用字体识别模型通过将采集的大量所述样本字体图像经过训练和深度学习构建。
与现有技术相比,本发明的有益效果是:
第一,本发明通过检测摄像装置与目标检验报告之间的拍摄距离,根据检测到的拍摄距离确定摄像装置对目标检验报告的拍摄区域,通过摄像装置对拍摄区域中红外线进行识别,获得红外线在拍摄区域中的相对坐标,根据相对坐标对摄像装置的焦距进行调整,以完成对拍摄区域对焦,根据调整后的焦距,通过摄像装置生成并存储拍摄区域对应的区域图像,从而提高了拍照速度和成像的及时性,且提高了拍摄照片的清晰度以及保证照片清晰的稳定性,进而提高了图像识别的准确度。
第二,本发明基于通用字体数据集构建通用字体识别模型,随后利用采集并处理的字体图像训练通用手写字体识别模型,直至使用通用字体识别模型的验证准确率不低于设定的阈值时,即完成了可用的字体识别模型的训练,利用该模型,即可对目标检验报告图像进行数字化转换和识别,再经过数据校正模型的校正以达到准确度较高的实际识别结果,无需对接HIS、LIS即可收集数据。
附图说明
下面结合附图对本发明进一步说明。
图1为本发明一种用于检验报告的AI识别抓取系统的结构示意图;
图2为本发明一种用于检验报告的AI识别抓取系统中图像采集端的结构示意图;
图3为本发明一种用于检验报告的AI识别抓取系统中AI识别处理平台的结构示意图一;
图4为本发明一种用于检验报告的AI识别抓取系统中摄像装置的结构示意图;
图5为本发明一种用于检验报告的AI识别抓取系统中AI识别处理平台的结构示意图二;
图6为本发明一种用于检验报告的AI识别抓取系统中判断模块的工作流程示意图。
图中:1-图像采集端、2-AI识别处理平台、3-数据校正模块、4-数据云端、11-摄像装置、12-距离传感器、13-红外模块、14-检测模块、15-第一确定模块、16-初识别模块、17-焦距调整模块、18-第二确定模块、19-第一传输模块、21-第一构建模块、22-第二构建模块、23-图像获取模块、24-转换存储模块、25-输入识别模块、26-第二传输模块、27-判断模块、111-光线检测模块、112-补光模块。
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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明的目的在于提供一种用于检验报告的AI识别抓取系统,包括图像采集端1、AI识别处理平台2、数据校正模块3以及数据云端4,所述图像采集端1、AI识别处理平台2、数据校正模块3以及数据云端4依次通过网络连接。
所述图像采集端1获取目标检验报告图像,通过网络将所述目标检验报告图像传输给AI识别处理平台2,经过AI识别处理平台2识别处理后得到预识别结果,再由数据校正模块3对所述预识别结果进行校正得到实际识别结果,最终将所述实际识别结果存储在数据云端4。
请参阅图2,所述图像采集端1包括摄像装置11、距离传感器12、红外模块13、检测模块14、第一确定模块15、初识别模块16、焦距调整模块17、第二确定模块18以及第一传输模块19,所述距离传感器12和红外模块13均设置于摄像装置11内,所述红外模块13可发出红外光线,所述摄像装置11、检测模块14、第一确定模块15、初识别模块16、焦距调整模块17、第二确定模块18、第一传输模块19依次电连接;其中,
所述检测模块14用于通过距离传感器12检测摄像装置11与目标检验报告之间的拍摄距离;
所述第一确定模块15用于根据检测到的所述拍摄距离确定摄像装置11对目标检验报告的拍摄区域;
所述初识别模块16用于通过所述摄像装置11对拍摄区域中红外模块13发出的红外线进行识别,获得所述红外线在拍摄区域中的相对坐标;
所述焦距调整模块17用于根据所述相对坐标对所述摄像装置11的焦距进行调整,以完成对所述拍摄区域的对焦;
所述第二确定模块18用于根据调整后的所述焦距,通过所述摄像装置11生成所述拍摄区域对应的区域图像;
所述第一传输模块19将第二确定模块18生成的区域图像传输至AI识别处理平台2。
在一实施例中,在根据检测到的拍摄距离确定摄像装置对目标物体拍摄的拍摄区域时,当检测到的拍摄距离低于预设的距离阈值,例如20厘米时,根据拍摄距离确定摄像装置对目标物体拍摄的拍摄区域,从而避免拍摄距离超过距离阈值时导致拍摄的照片成像不清晰、效果差。
请参阅图3,所述AI识别处理平台2包括第一构建模块21、第二构建模块22、图像获取模块23、转换存储模块24、输入识别模块25以及第二传输模块26,所述图像获取模块23与第一传输模块19通过网络连接;其中,
所述第一构建模块21用于根据通用字体数据集构建通用字体识别模型;
所述第二构建模块22用于构建字体识别验证数据集;
所述图像获取模块23用于获取第一传输模块19传输的区域图像;
所述转换存储模块24用于将所述区域图像转换为通用字体识别模型可以识别的规范数据,并将转换后的规范数据发送至字体识别验证数据集存储;
所述输入识别模块25用于将从字体识别验证数据集提取的数据输入通用字体识别模型,所述通用字体识别模型的输出作为预识别结果;
第二传输模块26将所述预识别结果传输至数据校正模块3。
所述数据校正模块3获取预识别结果后,对所述预识别结果进行校正得到实际识别结果,并将所述实际识别结果传输给数据云端4存储。
请参阅图4,所述摄像装置11还包括光线检测模块111和补光模块112,其中,
所述光线检测模块111用于对目标检验报告所处的环境光线进行检测;
所述补光模块112包括闪光灯,所述补光模块111用于当检测到所述环境光线低于预设的光线阈值时,开启所述闪光灯对目标检验报告进行补光。
请参阅图5~6,所述AI识别处理平台2还包括判断模块27,所述判断模块27被配置为对通用字体识别模型的准确率进行计算判断。
所述判断模块27对通用字体识别模型的准确率进行计算判断的步骤包括:
计算通用字体识别模型的准确率;
判断通用字体识别模型的准确率是否低于用户设定的阈值;
若是,则继续采集样本字体图像构建新的通用字体数据集,再根据所述新的通用字体数据集构建新的通用字体识别模型;
若否,则将当前通用字体识别模型作为可用的字体识别模型,通过输入从字体识别验证数据集提取的数据输出预识别结果。
所述通用字体识别模型通过将采集的大量所述样本字体图像经过训练和深度学习构建。
AI识别也称为智能图像识别技术,图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别,以识别各种不同模式的目标和对像的技术。图像识别技术可能是以图像的主要特征为基础的。每个图像都有它的特征,如字母A有个尖,P有个圈、而Y的中心有个锐角等。对图像识别时眼睛动作的研究表明,视线总是集中在图像的主要特征上,也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方,这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特征上。由此可见,在图像识别过程中,知觉机制需排除输入的多余信息,抽出关键的信息。同时,在大脑里必定有一个负责整合信息的机制,它能把分阶段获得的信息整理成一个完整的知觉映象。
本发明的工作原理是:
第一,本发明通过检测摄像装置11与目标检验报告之间的拍摄距离,根据检测到的拍摄距离确定摄像装置11对目标检验报告的拍摄区域,通过摄像装置11对拍摄区域中红外线进行识别,获得红外线在拍摄区域中的相对坐标,根据相对坐标对摄像装置11的焦距进行调整,以完成对拍摄区域对焦,根据调整后的焦距,通过摄像装置11生成并存储拍摄区域对应的区域图像,从而提高了拍照速度和成像的及时性,且提高了拍摄照片的清晰度以及保证照片清晰的稳定性,进而提高了图像识别的准确度。
第二,本发明基于通用字体数据集构建通用字体识别模型,随后利用采集并处理的字体图像训练通用手写字体识别模型,直至使用通用字体识别模型的验证准确率不低于设定的阈值时,即完成了可用的字体识别模型的训练,利用该模型,即可对目标检验报告图像进行数字化转换和识别,再经过数据校正模型的校正以达到准确度较高的实际识别结果,无需对接HIS、LIS即可收集数据。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (9)
1.一种用于检验报告的AI识别抓取系统,其特征在于,包括图像采集端(1)、AI识别处理平台(2)、数据校正模块(3)以及数据云端(4),所述图像采集端(1)、AI识别处理平台(2)、数据校正模块(3)以及数据云端(4)依次通过网络连接。
2.根据权利要求1所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述图像采集端(1)获取目标检验报告图像,通过网络将所述目标检验报告图像传输给AI识别处理平台(2),经过AI识别处理平台(2)识别处理后得到预识别结果,再由数据校正模块(3)对所述预识别结果进行校正得到实际识别结果,最终将所述实际识别结果存储在数据云端(4)。
3.根据权利要求2所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述图像采集端(1)包括摄像装置(11)、距离传感器(12)、红外模块(13)、检测模块(14)、第一确定模块(15)、初识别模块(16)、焦距调整模块(17)、第二确定模块(18)以及第一传输模块(19),所述距离传感器(12)和红外模块(13)均设置于摄像装置(11)内,所述红外模块(13)可发出红外光线,所述摄像装置(11)、检测模块(14)、第一确定模块(15)、初识别模块(16)、焦距调整模块(17)、第二确定模块(18)、第一传输模块(19)依次电连接;其中,
所述检测模块(14)用于通过距离传感器(12)检测摄像装置(11)与目标检验报告之间的拍摄距离;
所述第一确定模块(15)用于根据检测到的所述拍摄距离确定摄像装置(11)对目标检验报告的拍摄区域;
所述初识别模块(16)用于通过所述摄像装置(11)对拍摄区域中红外模块(13)发出的红外线进行识别,获得所述红外线在拍摄区域中的相对坐标;
所述焦距调整模块(17)用于根据所述相对坐标对所述摄像装置(11)的焦距进行调整,以完成对所述拍摄区域的对焦;
所述第二确定模块(18)用于根据调整后的所述焦距,通过所述摄像装置(11)生成所述拍摄区域对应的区域图像;
所述第一传输模块(19)将第二确定模块(18)生成的区域图像传输至AI识别处理平台(2)。
4.根据权利要求3所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述AI识别处理平台(2)包括第一构建模块(21)、第二构建模块(22)、图像获取模块(23)、转换存储模块(24)、输入识别模块(25)以及第二传输模块(26),所述图像获取模块(23)与第一传输模块(19)通过网络连接;其中,
所述第一构建模块(21)用于根据通用字体数据集构建通用字体识别模型;
所述第二构建模块(22)用于构建字体识别验证数据集;
所述图像获取模块(23)用于获取第一传输模块(19)传输的区域图像;
所述转换存储模块(24)用于将所述区域图像转换为通用字体识别模型可以识别的规范数据,并将转换后的规范数据发送至字体识别验证数据集存储;
所述输入识别模块(25)用于将从字体识别验证数据集提取的数据输入通用字体识别模型,所述通用字体识别模型的输出作为预识别结果;
第二传输模块(26)将所述预识别结果传输至数据校正模块(3)。
5.根据权利要求4所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述数据校正模块(3)获取预识别结果后,对所述预识别结果进行校正得到实际识别结果,并将所述实际识别结果传输给数据云端(4)存储。
6.根据权利要求5所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述摄像装置(11)还包括光线检测模块(111)和补光模块(112),其中,
所述光线检测模块(111)用于对目标检验报告所处的环境光线进行检测;
所述补光模块(112)包括闪光灯,所述补光模块(111)用于当检测到所述环境光线低于预设的光线阈值时,开启所述闪光灯对目标检验报告进行补光。
7.根据权利要求6所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述AI识别处理平台(2)还包括判断模块(27),所述判断模块(27)被配置为对通用字体识别模型的准确率进行计算判断。
8.根据权利要求7所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述判断模块(27)对通用字体识别模型的准确率进行计算判断的步骤包括:
计算通用字体识别模型的准确率;
判断通用字体识别模型的准确率是否低于用户设定的阈值;
若是,则继续采集样本字体图像构建新的通用字体数据集,再根据所述新的通用字体数据集构建新的通用字体识别模型;
若否,则将当前通用字体识别模型作为可用的字体识别模型,通过输入从字体识别验证数据集提取的数据输出预识别结果。
9.根据权利要求8所述的一种用于检验报告的AI识别抓取系统,其特征在于,所述通用字体识别模型通过将采集的大量所述样本字体图像经过训练和深度学习构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846189.9A CN110705533A (zh) | 2019-09-09 | 2019-09-09 | 一种用于检验报告的ai识别抓取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846189.9A CN110705533A (zh) | 2019-09-09 | 2019-09-09 | 一种用于检验报告的ai识别抓取系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705533A true CN110705533A (zh) | 2020-01-17 |
Family
ID=69196233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910846189.9A Pending CN110705533A (zh) | 2019-09-09 | 2019-09-09 | 一种用于检验报告的ai识别抓取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705533A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023138447A1 (zh) * | 2022-01-20 | 2023-07-27 | 索尼半导体解决方案公司 | Ai称重系统和利用多种数据集增加ai模型的精度的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109257537A (zh) * | 2018-09-05 | 2019-01-22 | 广东小天才科技有限公司 | 基于智能笔的拍照方法、装置、智能笔及存储介质 |
WO2019071662A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 电子装置、票据信息识别方法和计算机可读存储介质 |
CN109977957A (zh) * | 2019-03-04 | 2019-07-05 | 苏宁易购集团股份有限公司 | 一种基于深度学习的发票识别方法及系统 |
CN110033052A (zh) * | 2019-04-19 | 2019-07-19 | 济南浪潮高新科技投资发展有限公司 | 一种ai识别手写字体的自训练方法及自训练平台 |
-
2019
- 2019-09-09 CN CN201910846189.9A patent/CN110705533A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019071662A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 电子装置、票据信息识别方法和计算机可读存储介质 |
CN109257537A (zh) * | 2018-09-05 | 2019-01-22 | 广东小天才科技有限公司 | 基于智能笔的拍照方法、装置、智能笔及存储介质 |
CN109977957A (zh) * | 2019-03-04 | 2019-07-05 | 苏宁易购集团股份有限公司 | 一种基于深度学习的发票识别方法及系统 |
CN110033052A (zh) * | 2019-04-19 | 2019-07-19 | 济南浪潮高新科技投资发展有限公司 | 一种ai识别手写字体的自训练方法及自训练平台 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023138447A1 (zh) * | 2022-01-20 | 2023-07-27 | 索尼半导体解决方案公司 | Ai称重系统和利用多种数据集增加ai模型的精度的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446873B (zh) | 人脸检测方法及装置 | |
JP6338595B2 (ja) | モバイルデバイスベースのテキスト検出および追跡 | |
EP3650807A1 (en) | Handheld large-scale three-dimensional measurement scanner system simultaneously having photography measurement and three-dimensional scanning functions | |
CN105335722B (zh) | 一种基于深度图像信息的检测系统及方法 | |
US20110025834A1 (en) | Method and apparatus of identifying human body posture | |
CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN105740775B (zh) | 一种三维人脸活体识别方法及其装置 | |
CN105740778B (zh) | 一种改进的三维人脸活体检测方法及其装置 | |
JP2018163096A (ja) | 情報処理方法および情報処理装置 | |
US10491880B2 (en) | Method for identifying objects, in particular three-dimensional objects | |
TWI509466B (zh) | 物件辨識方法與裝置 | |
US20170004355A1 (en) | Apparatus, system, method and computer program product for recognizing face | |
CN104143084A (zh) | 一种针对视力障碍人群的辅助阅读眼镜 | |
CN110059579B (zh) | 用于活体检验的方法和装置,电子设备和存储介质 | |
CN112801061A (zh) | 一种体态识别方法及系统 | |
CN109753925A (zh) | 一种虹膜特征提取的方法和设备 | |
CN113536895A (zh) | 一种圆盘指针表计识别方法 | |
CN115346256A (zh) | 机器人寻人方法及系统 | |
CN115035546B (zh) | 三维人体姿态检测方法、装置及电子设备 | |
JP4517003B2 (ja) | 道路標識自動認識システム | |
CN110705533A (zh) | 一种用于检验报告的ai识别抓取系统 | |
CN115937971B (zh) | 一种举手投票识别方法及装置 | |
CN112990187B (zh) | 一种基于手持终端图像的目标位置情报生成方法 | |
CN116506731A (zh) | 跟焦拍摄方法、装置和存储介质及电子设备 | |
CN109143260A (zh) | 一种三维固态面阵激光雷达人脸识别装置及方法 |
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 |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |