CN110738250B - 果蔬新鲜度识别方法及相关产品 - Google Patents
果蔬新鲜度识别方法及相关产品 Download PDFInfo
- Publication number
- CN110738250B CN110738250B CN201910955954.0A CN201910955954A CN110738250B CN 110738250 B CN110738250 B CN 110738250B CN 201910955954 A CN201910955954 A CN 201910955954A CN 110738250 B CN110738250 B CN 110738250B
- Authority
- CN
- China
- Prior art keywords
- fruit
- vegetable
- image
- label
- target 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.)
- Active
Links
- 235000012055 fruits and vegetables Nutrition 0.000 title claims abstract description 332
- 238000000034 method Methods 0.000 title claims abstract description 63
- 241000132456 Haplocarpha Species 0.000 claims abstract description 79
- 238000003708 edge detection Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 8
- 235000013311 vegetables Nutrition 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 235000021022 fresh fruits Nutrition 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 4
- 241000220223 Fragaria Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 241000220324 Pyrus Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000021017 pears Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000021012 strawberries Nutrition 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 108700026244 Open Reading Frames Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种果蔬新鲜度识别方法及相关产品，该方法包括：在检测到设置于果蔬盛放装置上的标签时，获取目标图像；如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。本申请实施例增加了果蔬新鲜度的识别方式，有利于提高用户体验。
Description
技术领域
本申请涉及图像识别技术领域，具体涉及一种果蔬新鲜度识别方法及相关产品。
背景技术
随着人们生活水平的提高，对生活水平品质的要求逐渐增加，例如，在购买果蔬时，对果蔬的新鲜度以及安全性越来越重视。由于地域和气候的限制，有些果蔬需要长途运输，由于运输车是封闭的，在运输过程中人们只能凭借肉眼观察果蔬，以得到果蔬的新鲜度；另外，人们购买果蔬时，也只是单纯的以肉眼观察果蔬，根据果蔬的表面纹理特征判断果蔬的新鲜度。所以，无论是果蔬运输还是购买果蔬时，人们仅通过肉眼判断果蔬的新鲜度，判断方式单一，无数据支持，无法知晓果蔬的真实新鲜度，导致错误率高，进而影响用户体验。
发明内容
本申请实施例提供了一种果蔬新鲜度识别方法及相关产品，以期通过对果蔬图像进行识别，从而得到果蔬的真实新鲜度，进而提高用户体验。
第一方面，本申请实施例提供一种果蔬新鲜度识别方法，包括：
在检测到设置于果蔬盛放装置上的标签时，获取目标图像；
如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
第二方面，本申请实施例提供一种果蔬新鲜度识别装置，包括：
获取单元，用于在检测到设置于果蔬盛放装置上的标签时，获取目标图像；
第一识别单元，用于如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
截取单元，用于根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
第二识别单元，用于对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面，本申请实施例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，所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例，具有如下有益效果：
可以看出，在本申请实施例中，在检测果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像，并对标签图像进行标识信息提取，根据提取的标识信息截取果蔬图像，并对截取的果蔬图像进行识别，得到果蔬新鲜度，从而提供一种自动化、机器化识别果蔬新鲜度的方式，解决了目前人眼判断果蔬新鲜度带来的误判、识别率低的问题，进而提高了用户体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A为本申请实施例提供的一种果蔬新鲜度识别方法的流程示意图；
图1B为本申请实施例提供的一种的流程示意图；
图1C为本申请实施例提供的另一种截取图像的示意图；
图1D为本申请实施例提供的一种截取图像的示意图；
图1E为本申请实施例提供的一种果蔬盛放装置的示意图；
图1F为本申请实施例提供的一种标签的示意图
图1G为本申请实施例提供的一种获取目标图像的示意图；
图2为本申请实施例提供的另一种果蔬新鲜度识别方法的流程示意图；
图3为本申请实施例提供的另一种果蔬新鲜度识别方法的流程示意图；
图4为本申请实施例提供的一种果蔬新鲜度识别装置的结构示意图；
图5为本申请实施例提供的一种果蔬新鲜度识别装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请中的果蔬新鲜度识别装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(MobileInternet Devices，简称：MID)，在实际应用中，上述电子设备仅是举例，而非穷举，包含但不限于上述电子设备。
参阅图1A，图1A为本申请实施例提供的一种果蔬新鲜度识别方法，该方法应用于果蔬新鲜度识别装置，该方法包括但不限于以下步骤：
101：在检测到设置于果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像。
其中，上述果蔬盛放装置可以为托盘、礼物盒、包装盒，等等，本申请中主要以托盘为例做具体说明。
其中，上述果蔬盛放装置上设置有标签，该标签可以为二维码标签、程序码标签，当然还可以包括NFC标签、RFID标签，等等，该标签可以与该果蔬盛放装置一体成形，或者，额外张贴在该果蔬盛放装置上，等等。本申请不对标签以及标签与果蔬盛放装置的设置关系做唯一限定。
图1B为申请实施例提供的一种托盘的结构示意图，如图1B所示，托盘上设置有多个果蔬摆放区域，用于摆放果蔬。在托盘中央处设置有标签，应当说明的是，标签可设置于托盘的任何位置，此处仅是举例说明，不做唯一限定。
可选的，果蔬新鲜度识别装置上安装特定的识别应用，启动该识别应用，获取包含有果蔬盛放装置的预览图像(如通过扫一扫获取预览图像)，当检测到预览图像中包含有标签的标签图像时，进行图像拍摄，得到目标图像。
102：如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，果蔬新鲜度识别装置对所述标签图像进行识别，得到所述标签中存储的标识信息。
可选的，在该目标图像中既包含标签图像又包含果蔬图像时，提取该标签图像中存储的标识信息。
其中，该标识信息包括果蔬盛放装置的布局信息以及果蔬盛放装置盛放的果蔬信息，该布局信息包括果蔬盛放装置的尺寸、果蔬摆放位置以及摆放间距，等等，果蔬信息包括果蔬种类、果蔬产地、果蔬季节，等等。
103：果蔬新鲜度识别装置根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像。
可选的，果蔬新鲜度识别装置根据布局信息以及果蔬盛放装置盛放的果蔬信息对目标图像进行截取，得到至少一个果蔬图像。
104：果蔬新鲜度识别装置对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
果蔬新鲜度识别装置内存有果蔬在不同新鲜度状态下的图像信息库，识别装置对实时果蔬图像与图像信息库中的图像进行比对与特征识别，计算出图像信息库中最接近的图像，该图像信息库中的图像所对应的新鲜度即该实时果蔬的新鲜度。果蔬新鲜度用于表征该果蔬相对于采摘日期的质变程度，该果蔬新鲜度越高，表明质变程度越小，新鲜度越低，质变程度越大。
具体来讲，将每个果蔬图像输入到与该果蔬种类对应的预先训练好的神经网络模型，通过该神经网络提取每个果蔬图像的特征向量，并将该特征向量输入到SVM分类器中进行分类，得到每个果蔬的果新鲜度；然后，将至少一个果蔬图像对应的至少一个果蔬新鲜度平均值作为果蔬盛放装置中摆放的果蔬的果新鲜度。其中，该神经网络模型可以为CNN模型、RNN模型或者Fast-RNN等等，对神经网络模型的训练过程为现有技术，不再叙述。
可以看出，在本申请实施例中，在检测果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像，并对标签图像进行标识信息提取，根据提取的标识信息截取果蔬图像，并对截取的果蔬图像进行识别，得到果蔬新鲜度，从而提供一种自动化、机器化识别果蔬新鲜度的方式，解决了目前人眼判断果蔬新鲜度带来的误判、识别率低的问题，进而提高了用户体验。
在一些可能的实施方式中，获取目标图像的实现过程可以为：获取环境亮度和摄像头与所述果蔬盛放装置的相对距离；根据所述环境亮度调整所述摄像头的曝光参数；根据所述相对距离调整所述摄像头的焦距；根据调整后的曝光参数以及调整后的焦距获取所述目标图像。在获取目标图像时，调整到与当前亮度值匹配的曝光参数，以获取到的清晰的目标图像，另外，通过调整焦距，获取到包含果蔬盛放装置的全貌信息，以使目标图像中包含更多的果蔬图像。
在一些可能的实施方式中，根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像的实现过程可以为：根据所述标识信息，得到所述果蔬盛放装置的布局信息，所述布局信息包括所述果蔬盛放装置的果蔬摆放区域和果蔬摆放间距；根据所述标识信息，得到所述果蔬盛放装置盛放的果蔬种类；根据所述果蔬摆放区域、所述果蔬摆放间距以及所述果蔬种类确定截取窗口；通过所述截取窗口对所述目标图像进行截取，得到至少一个果蔬图像。
可选的，上述根据所述果蔬摆放区域、所述果蔬摆放间距以及所述果蔬种类确定截取窗口，以及通过所述截取窗口对所述目标图像进行截取，得到多个果蔬图像得实现过程可以为：将所述果蔬摆放区域的初始区域作为截取窗口的初始尺寸；根据所述果蔬种类调整所述初始尺寸，得到目标尺寸；根据所述果蔬摆放间距得到所述截取窗口的滑动步长；根据所述滑动步长控制所述截取窗口在所述目标图像上依次滑动，得到所述至少一个果蔬图像。
具体来说，在标签中预先存储有果蔬盛放装置的布局信息和果蔬盛放装置的用途，通过图像识别，提取出该有果蔬盛放装置的布局信息和用途，首先根据摆放区域得到截取窗口的尺寸，然后，用于摆放的果蔬不同，导致每个果蔬摆放区域可能会超区该果蔬摆放区域，所以需要根据用途动态调整该截取窗口的初始尺寸，得到目标尺寸。举例来说，如托盘的果蔬摆放区域为5*5区域，如用于摆放草莓，则可知摆放的草莓不会超过摆放区域，需缩小初始尺寸，得到目标尺寸，如用于摆放梨，则可知摆放的梨将会超区摆放区域，需增大初始尺寸，得到目标尺寸。
如图1C所示，通过识别标签图像，得到托盘用于摆放草莓，以及得到果蔬盛放装置的的果蔬摆放区域和果蔬摆放间距，然后根据得到的用途、果蔬摆放区域和果蔬摆放间距确定出截取窗口，根据截取窗口以及滑动步长在该目标图像上依次滑动，截取得到至少一个果蔬图像。
进一步地，由于不同季节下，同一种果蔬的体积不同，所以，先获取当前的季节信息，根据所述季节信息确定所述果蔬盛放装置摆放的果蔬对应的目标体积；根据所述目标体积调整所述截取窗口的初始尺寸。通过与季节信息匹配，使截取窗口的调整更加精确，使得到果蔬图像更加精确，便于后续新鲜度识别。
在一些可能的实施方式中，如图1D所示，所述果蔬盛放装置上设置有多干个边框，每个边框的边框线与果蔬盛放装置的颜色不同，故可以以边框的大小作为截取窗口，通过该截取窗口对目标图像进行截取，得到果蔬图像，其截取方式与上述一直不在叙述。
进一步地，由于该果蔬盛放装置所盛放的果蔬并不会占满整个边框区域，从而以边框线进行截取时，导致会截取过多的无效图像，不利于果蔬新鲜度的识别，故可将每个边框线所包含的区域作为候选区域，则基于该根据标识信息得到图像截取区域的实现过程可以为：
获取与所述果蔬类型对应的放大系数；
确定所述标签的面积；
根据所述面积、所述放大系数以及计算公式确定截取半径；
以每个候选区域的中心作为圆心、以所述截取半径为半径得到所述图像截取区域；
所述计算公式为：R＝α*ln2S+b；
其中，R为截取半径，α为放大系数，S为标签的面积，b为预设的偏置。
在一些可能的实施方式中，如图1E所示，所述果蔬盛放装置上设置有至少一个颜色参考区域，每个颜色参考区域对应一个颜色参考标签，所述在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像之前，所述方法还包括：获取所述目标图像中每个颜色参考标签的颜色参考图像；获取所述颜色参考图像对应的参考颜色数据；获取每个颜色参考标签对应的标准颜色数据；根据每个颜色参考标签对应的参考颜色数据以及标准颜色数据确定图像调整参数；根据所述图像调整参数对所述目标图像进行调整，得到调整后的目标图像。其中，该标准颜色数据为在标准光亮度环境下，对颜色参考标签进行拍摄，得到颜色数据。
在本示例中，根据颜色参考标签的颜色数据对目标图像进行调整，从而使调整后的目标图像更加还原实物色彩，排除环境因素对被摄图像色彩的影响，进而提高后续颜色识别的精确度。
其中，颜色数据中包每个像素点的RGB像素值、图像亮度值、图像分辨率、图像对比度等等，故将参考颜色数据中每个像素点RGB像素值与标准颜色数据中对应像素点的RGB像素值进行比较，得到多个RGB像素值偏移量，将多个RGB像素值偏移量的平均值作为目标RGB像素值偏移量，根据目标RGB像素值偏移量调整目标图像的RGB像素值；另外，可获取亮度值偏移量、分辨率偏移量以及对比度偏移量，并分别根据亮度值偏移量、分辨率偏移量以及对比度偏移量调整目标图像，得到调整后的目标图像。
在一些可能的实施方式中，如图1E所示，所述果蔬盛放装置上设置有至少一个颜色参考区域，每个颜色参考区域设置有一个颜色参考标签，该颜色参考标签的颜色与果蔬新鲜状态下的表面颜色相同(当然，该参考标签的颜色还可以与不同新鲜程度下果蔬的颜色对应)，在得到所述至少一个果蔬图像之前，所述方法还包括：获取所述至少一个颜色参考标签对应的标签图像；对所述标签进行识别，得到所述至少一个颜色参考标签的第二颜色；在得到第二颜色之后，则获取所述至少一个果蔬图像中果蔬的第一颜色；将所述第一颜色和所述第二颜色进行比对，得到颜色差值，根据所述颜色差值得到果蔬新鲜度。通过和新鲜状态下的颜色进行比对，快速判断出当前状态下的果蔬新鲜度，进而提高果蔬新鲜度识别效率。
在一些可能的实施方式中，如图1E所示，该果蔬盛放装置上设置有多个方向定位区域，在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像之前，所述方法还包括：获取所述多个方向定位区域在预设坐标系上的目标方向；获取所述目标方向相对于所述预设坐标系的角度偏移量；根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度；根据所述目标旋转方向和所述目标旋转角度调整所述目标图像相对于所述预设坐标系的方向，以将所述目标图像方向调整，便于后续快速截取出多个果蔬图像，进而提高果蔬新鲜度的识别效率。
下面详细叙述一种标签。
图1F为本申请提供的一种标签图像。如图1F所示，该标识包括2*2、3*3的宫格排列的正方形区域形。方案A(左部所示出的标签)包含4个功能区域，方案B(左部所示出的标签)包含9个功能区域。该标识还包括标识侦测区域，该标识侦测区域用于识别装置对该标识的侦测，标识中的其他功能区域的图案不得与标识侦测区域相同或接近，并且，标识中的除标识侦测区域外其他功能区域的图案为正方形。标识侦测区域同时可被用作果蔬识别装置对该标志图像的方位调整。该标签中可包含标识指示区域，即方案A中左上角图案与方案B中的“W”，“8”，“P”，“S”图案。其中，每个图案可代表一个具体含义属性或具体指令，例如，图1F中方案B的数字“8”表示图像截取区域的半径为8cm，“S”用于表征该果蔬为水果，“P”用于表征该水果为苹果，“W”用于表示当前季节为冬季。另外，可通过一个特定的图案指向一组具体含义属性或具体指令，如方案A中左上角图案即可代表图像截取区域的半径为8cm，水果为苹果，当前季节为冬季。该标签图像中可包含颜色校正区域，该颜色校正区域用于对果蔬实时被摄图像进行颜色较准与还原，或用作与图像中指定部份颜色的对比。该标签图像中可包含变色材料区域，如方案B的中央位置，通过变色材料的颜色感测与指示所对应的果蔬所在环境情况，从而推断果蔬新鲜度。变色材料区域后续具体说明，在此不做说明。该标签图像中还包含留白区域，留白区域位于标识的外围与子宫格间的间隙，留白区域的作用是区分被摄图像标志图像部份与果蔬图像部份。
可选的，该标签图像中可包含编码区域，如方案B的左上角图案，编码区域中设置有记录信息所需的载体，例如码原，故可在编码区域中编码果蔬信息(例如，截取半径)。其编码方式为现有的二维码编码方式，不在详细叙述。
需要说明的是，图1F所示的标签图像，可根据需要调整除标识侦测区域外的其他功能区域，包括其功能类型，具体的标签图像，具体宫格位置与宫格内使用的数量。具体的识别规则可以结合特定识别装置内的特定识别程序共同制定从而得以实施。同时，特定识别程序包含对被摄图像中子宫格的正方形图案进行形状校正的程序，校正因不同拍摄视角所带来的被摄形状差异。
在一些可能的实施方式中，在所述目标图像不包括所述标签对应的标签图像时，如图1G所示，拍摄时由于拍摄的原因(如拍摄时抖动)，导致未拍摄到标签图像，但拍摄到了果蔬图像，所以，则无法根据标识信息对目标图像进行截取，下面提供另一种截取方法，该方法包括但不限于以下步骤：
10：对所述目标图像进行边缘检测，得到多个边缘信息。
其中，获取所述目标图像的灰度图像，基于边缘检测算子对所述灰度图像进行边缘检测，得到边缘信息，其中，边缘检测算子可以为Sobel算子，Laplacian算子，Canny算子，等等。边缘检测过程为现有技术，不再赘述。
20：根据所述多个边缘信息确定所述目标图像中的至少一个果蔬区域。
其中，将相邻的边缘信息组成一个边缘区域，得到一个果蔬区域，另外，由于每个果蔬区域可能只包含部分果蔬图像，这种图像不利于新鲜度检测，所以获取每个果蔬区域的面积，忽略面积小于面积阈值的果蔬区域，得到至少一个果蔬区域，其中，该面积阈值与果蔬摆放区域的尺寸对应。
30：对所述至少一个果蔬区域包含的图像进行截取，得到至少一个果蔬图像。
在本示例中，当目标图像中不存在标签图像时，直接通过边缘检测算法进行果蔬图像的截取，无需重新获取目标图像，从而提高用户体验。
进一步地，得到至少一个果蔬图像后，对至少一个果蔬图像进行识别，得到果蔬盛放装置中摆放的果蔬的果蔬新鲜度。
在一些可能的实施方式中，在对所述目标图像进行边缘检测，得到多个边缘信息之前，所述方法还包括：获取所述目标图像的亮度值；如所述亮度值小于亮度阈值，对所述目标图像进行增强，得到增强后的目标图像；对所述增强后的目标图像进行边缘检测，得到至少一个边缘信息。
在一些可能的实施方式中，对所述目标图像进行增强处理的实现过程可以为：对所述目标图像中的每个像素点进行高频方向分解，得到每个像素点在水平方向上的第一分量、在竖直方向上的第二分量以及在对角方向上的第三分量；将所述目标图像中的所有像素点在水平方向上的第一分量对应组成第一分量图像、在竖直方向上的第二分量对应组成第二分量图像以及在对角方向上的第三分量对应组成第三分量图像；对所述第一分量图像、第二分量图像以及第三分量图像进行锐化处理，得到锐化后的第一分量图像、第二分量图像以及第三分量图像；将所述锐化后的第一分量图像、所述锐化后的第二分量图像以及所述锐化后的第三分量图像与所述目标图像进行像素叠加，得到增强后的目标图像。
参阅图2，图2为本申请实施例提供的另一种果蔬新鲜度识别方法，果蔬新鲜度识别方法，该方法应用于果蔬新鲜度识别装置，该方法包括但不限于以下步骤：
201：在检测到设置于果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像。
202：如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，果蔬新鲜度识别装置对所述标签图像进行识别，得到所述标签中存储的标识信息。
203：果蔬新鲜度识别装置获取所述目标图像中每个颜色参考标签的颜色参考图像，所述颜色参考标签果设置于所述蔬盛放装置上。
204：果蔬新鲜度识别装置获取所述颜色参考图像对应的参考颜色数据以及获取每个颜色参考标签对应的标准颜色数据。
205：果蔬新鲜度识别装置根据每个颜色参考标签对应的参考颜色数据以及标准颜色数据确定图像调整参数。
206：果蔬新鲜度识别装置根据所述图像调整参数对所述目标图像进行调整，得到调整后的目标图像。
207：果蔬新鲜度识别装置根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像。
208：果蔬新鲜度识别装置对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
可以看出，在本申请实施例中，在检测果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像，并对标签图像进行标识信息提取，根据提取的标识信息截取果蔬图像，并对截取的果蔬图像进行识别，得到果蔬新鲜度，从而提供一种自动化、机器化识别果蔬新鲜度的方式，解决了目前人眼判断果蔬新鲜度带来的误判、识别率低的问题，进而提高了用户体验；而且，根据颜色参考标签对目标图像进行调整，从而使调整后的目标图像更加符合实际情况，排出环境因素对拍摄过程的影响，提高新鲜度识别的精确度。
需要说明的是，图2所示的方法的各个步骤的具体实现过程可参见上述图1A所述方法的具体实现过程，在此不再叙述。
参阅图3，图3为本申请实施例提供的另一种果蔬新鲜度识别方法，果蔬新鲜度识别方法，该方法应用于果蔬新鲜度识别装置，该方法包括但不限于以下步骤：
301：在检测到设置于果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像。
302：果蔬新鲜度识别装置确定所述目标图像是否包括所述标签对应的标签图像；
如是，执行步骤303；
如否，执行步骤305。
303：果蔬新鲜度识别装置对所述标签图像进行识别，得到所述标签中存储的标识信息。
304：果蔬新鲜度识别装置根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像。
305：果蔬新鲜度识别装置对所述目标图像进行边缘检测，得到至少一个边缘信息。
306：果蔬新鲜度识别装置根据所述至少一个信息确定所述目标图像中的至少一个果蔬区域。
307：果蔬新鲜度识别装置对所述至少一个果蔬区域包含的图像进行截取，得到至少一个果蔬图像。
308：果蔬新鲜度识别装置对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
可以看出，在本申请实施例中，在检测果蔬盛放装置上的标签时，果蔬新鲜度识别装置获取目标图像，并对标签图像进行标识信息提取，根据提取的标识信息截取果蔬图像，并对截取的果蔬图像进行识别，得到果蔬新鲜度，从而提供一种自动化、机器化识别果蔬新鲜度的方式，解决了目前人眼判断果蔬新鲜度带来的误判、识别率低的问题，进而提高了用户体验；且当目标图像中不存在标签图像时，直接通过边缘检测算法进行果蔬图像的截取，无需重新获取目标图像，进一步地提高用户体验。
需要说明的是，图3所示的方法的各个步骤的具体实现过程可参见上述图1A所述方法的具体实现过程，在此不再叙述。
与上述图1A、图2、图3所示的实施例一致的，请参阅图4，图4为本申请实施例提供的一种果蔬新鲜度识别装置400的结构示意图，如图4所示，果蔬新鲜度识别装置400包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序不同于上述一个或多个应用程序，且上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
在检测到设置于果蔬盛放装置上的标签时，获取目标图像；
如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
在一些可能的实施方式中，在获取目标图像方面，上述程序具体用于执行以下步骤的指令：
获取环境亮度和摄像头与所述果蔬盛放装置的相对距离；
根据所述环境亮度调整所述摄像头的曝光参数；
根据所述相对距离调整所述摄像头的焦距；
根据调整后的曝光参数以及调整后的焦距获取所述目标图像。
在一些可能的实施方式中，在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像方面，上述程序具体用于执行以下步骤的指令：
根据所述标识信息，得到所述果蔬盛放装置的布局信息，所述布局信息包括所述果蔬盛放装置的果蔬摆放区域和果蔬摆放间距；
根据所述标识信息，得到所述果蔬盛放装置盛放的果蔬种类；
根据所述果蔬摆放区域、所述果蔬摆放间距以及所述果蔬种类确定截取窗口；
通过所述截取窗口对所述目标图像进行截取，得到至少一个果蔬图像。
在一些可能的实施方式中，所述果蔬盛放装置上设置有至少一个颜色参考标签，在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像之前，上述程序还用于执行以下步骤的指令：获取所述目标图像中每个颜色参考标签的颜色参考图像；获取所述颜色参考图像对应的参考颜色数据；获取每个颜色参考标签对应的标准颜色数据；根据每个颜色参考标签对应的参考颜色数据以及标准颜色数据确定图像调整参数；根据所述图像调整参数对所述目标图像进行调整，得到调整后的目标图像；在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像方面，上述程序具体用于执行以下步骤的指令：根据所述标识信息对所述调整后的目标图像进行截取，得到所述至少一个果蔬图像。
在一些可能的实施方式中，所述果蔬盛放装置上设置有至少一个颜色参考标签，所述颜色参考标签的颜色与果蔬新鲜状态下的表面颜色相同，在得到所述至少一个果蔬图像之前，上述程序还用于执行以下步骤的指令：
获取所述至少一个颜色参考标签对应的标签图像；
对所述标签进行识别，得到所述至少一个颜色参考标签的第二颜色；
在对所述至少一个果蔬图像进行识别，得到果蔬新鲜度方面，上述程序具体用于执行以下步骤的指令：
获取所述至少一个果蔬图像中果蔬的第一颜色；
将所述第一颜色和所述第二颜色进行比对，得到颜色差值，根据所述颜色差值得到果蔬新鲜度。
在一些可能的实施方式中，上述程序还用于执行以下步骤的指令：
如所述目标图像不包括所述标签图像，对所述目标图像进行边缘检测，得到至少一个边缘信息；
根据所述至少一个信息确定所述目标图像中的至少一个果蔬区域；
对所述至少一个果蔬区域包含的图像进行截取，得到至少一个果蔬图像。
参阅图5，图5示出了上述实施例中所涉及的果蔬新鲜度识别装置500的一种可能的功能单元组成框图，果蔬新鲜度识别装置500包括：获取单元510、第一识别单元520、截取单元530和第二识别单元540，其中：
获取单元510，用于在检测到设置于果蔬盛放装置上的标签时，获取目标图像；
第一识别单元520，用于如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
截取单元530，用于根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
第二识别单元540，用于对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
在一些可能的实施方式中，在获取目标图像方面，获取单元510，具体用于：
获取环境亮度和摄像头与所述果蔬盛放装置的相对距离；
根据所述环境亮度调整所述摄像头的曝光参数；
根据所述相对距离调整所述摄像头的焦距；
根据调整后的曝光参数以及调整后的焦距获取所述目标图像。
在一些可能的实施方式中，在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像方面，截取单元530，具体用于：
根据所述标识信息，得到所述果蔬盛放装置的布局信息，所述布局信息包括所述果蔬盛放装置的果蔬摆放区域和果蔬摆放间距；
根据所述标识信息，得到所述果蔬盛放装置盛放的果蔬种类；
根据所述果蔬摆放区域、所述果蔬摆放间距以及所述果蔬种类确定截取窗口；
通过所述截取窗口对所述目标图像进行截取，得到至少一个果蔬图像。
在一些可能的实施方式中，果蔬新鲜度识别装置500还包括调整单元550，所述果蔬盛放装置上设置有至少一个颜色参考标签，在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像之前，调整单元550，用于：获取所述目标图像中每个颜色参考标签的颜色参考图像；获取所述颜色参考图像对应的参考颜色数据；获取每个颜色参考标签对应的标准颜色数据；根据每个颜色参考标签对应的参考颜色数据以及标准颜色数据确定图像调整参数；根据所述图像调整参数对所述目标图像进行调整，得到调整后的目标图像；在根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像方面，截取单元530，具体用于：根据所述标识信息对所述调整后的目标图像进行截取，得到所述至少一个果蔬图像。
在一些可能的实施方式中，所述果蔬盛放装置上设置有至少一个颜色参考标签，所述颜色参考标签的颜色与果蔬新鲜状态下的表面颜色相同，在得到所述至少一个果蔬图像之前，获取单元510，还用于：
获取所述至少一个颜色参考标签对应的标签图像；
对所述标签进行识别，得到所述至少一个颜色参考标签的第二颜色；
在对所述至少一个果蔬图像进行识别，得到果蔬新鲜度方面，第二识别单元540，具体用于：
获取所述至少一个果蔬图像中果蔬的第一颜色；
将所述第一颜色和所述第二颜色进行比对，得到颜色差值，根据所述颜色差值得到果蔬新鲜度。
在一些可能的实施方式中，截取单元530，还用于,：
如所述目标图像不包括所述标签图像，对所述目标图像进行边缘检测，得到至少一个边缘信息；
根据所述至少一个信息确定所述目标图像中的至少一个果蔬区域；
对所述至少一个果蔬区域包含的图像进行截取，得到至少一个果蔬图像。
本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种果蔬新鲜度识别方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种果蔬新鲜度识别方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。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或者该技术方案的全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：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。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种果蔬新鲜度识别方法，其特征在于，包括：
在检测到设置于果蔬盛放装置上的标签时，获取目标图像；包括：获取环境亮度和摄像头与所述果蔬盛放装置的相对距离；根据所述环境亮度调整所述摄像头的曝光参数；根据所述相对距离调整所述摄像头的焦距；根据调整后的曝光参数以及调整后的焦距获取所述目标图像；
如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
所述果蔬盛放装置上设置有多干个边框，每个边框的边框线与果蔬盛放装置的颜色不同，所述标识信息包括果蔬类型，所述根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像，包括：
将每个边框线在所述目标图像上所包含的区域作为候选区域；
获取与所述果蔬类型对应的放大系数；确定所述标签的面积；根据所述面积、所述放大系数以及计算公式确定截取半径；以每个候选区域的中心作为圆心、以所述截取半径为半径进行图像截取，得到所述至少一个果蔬图像；所述计算公式为：R=α*ln2S+b；其中，R为截取半径，α为放大系数，S为标签的面积，b为预设的偏置；
对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
2.根据权利要求1所述的方法，其特征在于，所述果蔬盛放装置上设置有至少一个颜色参考标签，所述根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像之前，所述方法还包括：
获取所述目标图像中每个颜色参考标签的颜色参考图像；
获取所述颜色参考图像对应的参考颜色数据；
获取每个颜色参考标签对应的标准颜色数据；
根据每个颜色参考标签对应的参考颜色数据以及标准颜色数据确定图像调整参数；
根据所述图像调整参数对所述目标图像进行调整，得到调整后的目标图像；
所述根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像，包括：
根据所述标识信息对所述调整后的目标图像进行截取，得到所述至少一个果蔬图像。
3.根据权利要求1所述的方法，其特征在于，所述果蔬盛放装置上设置有至少一个颜色参考标签，所述颜色参考标签的颜色与果蔬新鲜状态下的表面颜色相同，在得到所述至少一个果蔬图像之前，所述方法还包括：
获取所述至少一个颜色参考标签对应的标签图像；
对所述标签进行识别，得到所述至少一个颜色参考标签的第二颜色；
所述对所述至少一个果蔬图像进行识别，得到果蔬新鲜度，包括：
获取所述至少一个果蔬图像中果蔬的第一颜色；
将所述第一颜色和所述第二颜色进行比对，得到颜色差值，根据所述颜色差值得到果蔬新鲜度。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如所述目标图像不包括所述标签图像，对所述目标图像进行边缘检测，得到至少一个边缘信息；
根据所述至少一个信息确定所述目标图像中的至少一个果蔬区域；
对所述至少一个果蔬区域包含的图像进行截取，得到至少一个果蔬图像。
5.一种果蔬新鲜度识别装置，其特征在于，所述装置用于执行权利要求1-4任一项所述的方法，所述装置包括：
获取单元，用于在检测到设置于果蔬盛放装置上的标签时，获取目标图像；具体用于：获取环境亮度和摄像头与所述果蔬盛放装置的相对距离；根据所述环境亮度调整所述摄像头的曝光参数；根据所述相对距离调整所述摄像头的焦距；根据调整后的曝光参数以及调整后的焦距获取所述目标图像；
第一识别单元，用于如所述目标图像包括所述标签对应的标签图像和至少一个果蔬图像，对所述标签图像进行识别，得到所述标签中存储的标识信息；
截取单元，用于根据所述标识信息对所述目标图像进行截取，得到所述至少一个果蔬图像；
第二识别单元，用于对所述至少一个果蔬图像进行识别，得到果蔬新鲜度。
6.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-4任一项方法中的步骤的指令。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910955954.0A CN110738250B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910955954.0A CN110738250B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110738250A CN110738250A (zh) | 2020-01-31 |
| CN110738250B true CN110738250B (zh) | 2024-02-27 |
Family
ID=69268639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910955954.0A Active CN110738250B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110738250B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5054094A (en) * | 1990-05-07 | 1991-10-01 | Eastman Kodak Company | Rotationally impervious feature extraction for optical character recognition |
| CN1648935A (zh) * | 2005-02-04 | 2005-08-03 | 浙江大学 | 基于极光谱图像的三维人脸识别方法 |
| CN106709492A (zh) * | 2016-12-15 | 2017-05-24 | 网易（杭州）网络有限公司 | 试卷图像处理方法、设备和计算机可读存储介质 |
| 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 |
| CN107895142A (zh) * | 2017-10-26 | 2018-04-10 | 湖南考神信息科技有限责任公司 | 一种基于视觉标记的试卷试题内容自动分割方法及系统 |
| CN108388885A (zh) * | 2018-03-16 | 2018-08-10 | 南京邮电大学 | 面向大型直播场景的多人特写实时识别与自动截图方法 |
| CN108520593A (zh) * | 2018-03-23 | 2018-09-11 | 合肥美的智能科技有限公司 | 一种无人售货机 |
| WO2018195741A1 (zh) * | 2017-04-24 | 2018-11-01 | 李卓希 | 一种驾驶环境识别方法和系统 |
| CN108802042A (zh) * | 2018-04-11 | 2018-11-13 | 江苏阿瑞斯智能设备有限公司 | 一种陶瓷催化剂载体缺陷检测方法、装置及电子设备 |
| WO2019052329A1 (zh) * | 2017-09-12 | 2019-03-21 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
| CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
| CN109711416A (zh) * | 2018-11-23 | 2019-05-03 | 西安天和防务技术股份有限公司 | 目标识别方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006080239A1 (ja) * | 2005-01-31 | 2006-08-03 | Olympus Corporation | 画像処理装置、顕微鏡システム、及び領域特定プログラム |
| US20150371375A1 (en) * | 2014-06-24 | 2015-12-24 | Kabushiki Kaisha Toshiba | Merchandise identification apparatus, method of recognizing discount of merchandise, and freshness degree label |
-
2019
- 2019-10-09 CN CN201910955954.0A patent/CN110738250B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5054094A (en) * | 1990-05-07 | 1991-10-01 | Eastman Kodak Company | Rotationally impervious feature extraction for optical character recognition |
| CN1648935A (zh) * | 2005-02-04 | 2005-08-03 | 浙江大学 | 基于极光谱图像的三维人脸识别方法 |
| CN106709492A (zh) * | 2016-12-15 | 2017-05-24 | 网易（杭州）网络有限公司 | 试卷图像处理方法、设备和计算机可读存储介质 |
| 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 |
| WO2018195741A1 (zh) * | 2017-04-24 | 2018-11-01 | 李卓希 | 一种驾驶环境识别方法和系统 |
| WO2019052329A1 (zh) * | 2017-09-12 | 2019-03-21 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
| CN107895142A (zh) * | 2017-10-26 | 2018-04-10 | 湖南考神信息科技有限责任公司 | 一种基于视觉标记的试卷试题内容自动分割方法及系统 |
| CN108388885A (zh) * | 2018-03-16 | 2018-08-10 | 南京邮电大学 | 面向大型直播场景的多人特写实时识别与自动截图方法 |
| CN108520593A (zh) * | 2018-03-23 | 2018-09-11 | 合肥美的智能科技有限公司 | 一种无人售货机 |
| CN108802042A (zh) * | 2018-04-11 | 2018-11-13 | 江苏阿瑞斯智能设备有限公司 | 一种陶瓷催化剂载体缺陷检测方法、装置及电子设备 |
| CN109711416A (zh) * | 2018-11-23 | 2019-05-03 | 西安天和防务技术股份有限公司 | 目标识别方法、装置、计算机设备和存储介质 |
| CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
Non-Patent Citations (4)
| Title |
|---|
| QR Code在多种类物体识别与操作中的应用;穴洪涛等;山东大学学报(工学版);第37卷(第06期);第25-30页 * |
| 基于数字图像及随机最小二乘的红提串果粒尺寸检测分级方法;肖壮等;食品科学;第39卷(第15期);第60-66页 * |
| 机器人基于QR code的物体定位和抓取;章建森等;现代计算机(专业版)(第15期);第64-68页 * |
| 王培.基于高光谱和图像处理技术的圆叶菠菜新鲜度检测.中国硕士学位论文全文数据库工程科技I.辑.2019,(第07期),正文第37页第1段-第61页第4段，图4-8，图4-17. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110738250A (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11922646B2 (en) | Tracking surgical items with prediction of duplicate imaging of items | |
| CN106372629B (zh) | 一种活体检测方法和装置 | |
| CN106991654A (zh) | 基于深度的人体美化方法和装置及电子装置 | |
| CN107808120A (zh) | 眼镜定位方法、装置及存储介质 | |
| US9053537B2 (en) | Classifier for use in generating a diffuse image | |
| CN107203990A (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
| US9007481B2 (en) | Information processing device and method for recognition of target objects within an image | |
| US10796141B1 (en) | Systems and methods for capturing and processing images of animals for species identification | |
| CN106709909A (zh) | 一种基于深度学习的柔性机器人视觉识别与定位系统 | |
| CN105260750B (zh) | 一种奶牛识别方法及系统 | |
| US20200333504A1 (en) | Millimeter Wave Image Based Human Body Foreign Object Detection Method and System | |
| CN111080537B (zh) | 水下机器人智能控制方法、介质、设备及系统 | |
| CN111178252A (zh) | 多特征融合的身份识别方法 | |
| CN106881716A (zh) | 基于3d摄像头机器人的人体跟随方法及系统 | |
| WO2012121167A1 (ja) | 個体識別システム、個体識別方法及びそれらに用いられる装置、プログラム | |
| CN112784712B (zh) | 一种基于实时监控的失踪儿童预警实现方法、装置 | |
| CN106997457A (zh) | 人物肢体识别方法、人物肢体识别装置及电子装置 | |
| CN112017231A (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
| KR20180086745A (ko) | 식물 영상 처리 장치 및 방법 | |
| CN104091173A (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
| WO2016067573A1 (ja) | 姿勢推定方法および姿勢推定装置 | |
| CN113936010A (zh) | 货架定位方法、装置、货架搬运设备及存储介质 | |
| CN109840453B (zh) | 一种人脸匹配方法及装置 | |
| CN110738250B (zh) | 果蔬新鲜度识别方法及相关产品 | |
| CN113128428A (zh) | 基于深度图预测的活体检测方法和相关设备 |
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 | ||
| CB02 | Change of applicant information |
Address after: 29a-2a, dongle garden, 1023 Buxin Road, Luohu District, Shenzhen, Guangdong 518021 Applicant after: Chen Haoneng Address before: 518000 513, building 11, Shenzhen Bay science and technology ecological park, No.16, Keji South Road, high tech community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Chen Haoneng |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |