CN110879954A - 计算机整体数据识别方法 - Google Patents
计算机整体数据识别方法 Download PDFInfo
- Publication number
- CN110879954A CN110879954A CN201910061148.9A CN201910061148A CN110879954A CN 110879954 A CN110879954 A CN 110879954A CN 201910061148 A CN201910061148 A CN 201910061148A CN 110879954 A CN110879954 A CN 110879954A
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- point
- equipment
- value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本发明涉及一种整体数据识别方法,该方法包括使用一种整体数据识别平台来识别整体数据。本发明的整体数据识别平台应用面广,便于实用。由于是在针对性图像处理的基础上,对计算机库房内植物整体枯萎度进行有效判断,能够为浇水时间提供有价值的参考数据,从而在浇水次数和生长效果之间达到平衡。
Description
技术领域
本发明涉及计算机维护领域,具体地说,本发明涉及一种计算机整体数据识别方法。
背景技术
计算机微型处理器以晶体管为基本元件,随着处理器的不断完善和更新换代的速度加快,计算机结构和元件也会发生很大的变化。随着光电技术、量子技术和生物技术的发展,对新型计算机的发展具有极大的推动作用。
20世纪80年代以来ALU和控制单元(二者合成中央处理器,即CPU)逐渐被整合到一块集成电路上,称作微处理器。这类计算机的工作模式十分直观:在一个时钟周期内,计算机先从存储器中获取指令和数据,然后执行指令,存储数据,再获取下一条指令。这个过程被反复执行,直至得到一个终止指令。由控制器解释,运算器执行的指令集是一个精心定义的数目十分有限的简单指令集合。
发明内容
本发明的目的是提供一种整体数据识别方法,该方法包括使用一种整体数据识别平台来识别整体数据,所述整体数据识别平台包括:最近邻插值设备,用于接收来自计算机库房现场的库房捕获图像,基于所述库房捕获图像分辨率距离预设分辨率阈值的远近将所述库房捕获图像平均分割成相应块大小的各个分块,对每一个分块,基于该分块的像素值方差选择对应的不同力度的最近邻插值处理以获得校正分块,将获得的各个校正分块拼接以获得最近邻插值图像。
更具体地,在所述整体数据识别平台中,所述平台还包括:亮度分析设备,与所述最近邻插值设备连接,用于接收所述最近邻插值图像,对所述最近邻插值图像中的各个对象进行解析,以获得各个对象分别对应的对象区域,将亮度值大于第一预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点,还用于将亮度值小于第二预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点。
更具体地,在所述整体数据识别平台中,所述平台还包括:像素点辨识设备,与所述亮度分析设备连接,用于接收所述最近邻插值图像中的各个干扰点,并对每一个干扰点执行以下操作:将每一个干扰点作为目标点,当所述目标点周围不存在亮度值大于第一预设亮度阈值或亮度值小于第二预设亮度阈值的像素点时,将所述目标点识别为处理点。
更具体地,在所述整体数据识别平台中,所述平台还包括:像素点处理设备,分别与所述亮度分析设备和所述像素点辨识设备连接,用于对所述最近邻插值图像中每一个处理点执行以下操作:确认所述处理点各个周围像素点是否为处理点,对所述各个周围像素点的各个亮度值执行加权中值滤波处理,以获得所述处理点的处理后亮度值;数据汇并设备,与所述像素点处理设备连接,用于接收各个处理点的各个处理后亮度值,以及接收各个非处理点的各个亮度值,基于各个处理点的各个处理后亮度值以及各个非处理点的各个亮度值获取所述最近邻插值图像对应的数据汇并图像;几何均值去噪设备,与所述数据汇并设备连接,用于接收所述数据汇并图像,对所述数据汇并图像执行几何均值去噪处理,以获得对应的几何均值去噪图像;第一分割设备,用于识别所述几何均值去噪图像中的各个对象,对所述各个对象的尺寸进行比较,以确定其中的最大尺寸的对象,并基于所述最大尺寸的对象的尺寸对所述几何均值去噪图像进行图像分割,以获得各个尺寸相同的图像分块,其中,所述最大尺寸的目标的尺寸越大,获得的图像分块越大;第二分割设备,分别与所述第一分割设备和所述几何均值去噪设备连接,对所述数据汇并图像执行与所述第一分割设备相同尺寸的图像分块处理,以获得各个尺寸相同的图像分块。
本发明至少具备以下几处关键的发明点:
(1)基于计算机库房内针对性处理后图像中每一个植物区域的像素点的绿色分量值实现对相应植物区域的枯萎度判断,进而实现对整个计算机库房的绿植枯萎度判断,为后续确定是否进行植物浇水提供整体参考数据;
(2)在对图像执行几何均值去噪处理后,对几何均值去噪处理前后图像进行选定区域的随机噪声幅度对比分析;
(3)基于几何均值去噪处理前后图像进行选定区域的随机噪声幅度对比分析结果,确定是否需要对几何均值去噪处理后图像执行后续维纳去噪处理;
(4)将亮度值大于第一预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点,还用于将亮度值小于第二预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点,并进一步从各个干扰点中识别出需要进行滤波处理的各个处理点,从而提高图像信号处理效果。
本发明的整体数据识别平台应用面广,便于实用。由于是在针对性图像处理的基础上,对计算机库房内植物整体枯萎度进行有效判断,能够为浇水时间提供有价值的参考数据,从而在浇水次数和生长效果之间达到平衡。
具体实施方式
一些绿色植物可以有效地吸收由房屋装修而产生的有毒的化学物质,比如吊兰、虎尾兰、一叶兰、龟背竹吸收甲醛的能力就特别强;而金鱼草、牵牛花、石竹则能通过将毒性很强的二氧化硫经过氧化作用转化为无毒或低毒性的硫酸盐化合物;铁树、菊花、石榴、山茶等能有效地清楚二氧化硫、氯、一氧化碳过氧化氮等有害物质。
一般来说,室内的相对湿度不应低于30%,如果湿度过低或过高都会对人体健康产生不良影响。在室内种植一些对水分有高度要求的要求,比如绿萝、常春藤、杜鹃、蕨类植物等,会使室内的湿度以自然的方式增加,成为天然的加湿器。
有研究显示,兰花、花叶芋、红背桂等是天然的除尘器,他们植株上的纤毛能截取并吸附空气中漂浮的微粒及烟尘。如果房间内有足够数量的此类植物,那么房间中的漂游微生物和浮尘的含量都会降低。
目前,计算机库房内通常放置多株植物以降低库房内由于计算机太多带来的环境恶化程度,然而,植物放置过久必然引起一定程度的枯萎,每一种植物甚至同一种植物下的不同株植物枯萎程度都是时刻变化而且不尽相同的,如何判断库房内植物的整体枯萎程度,以降低浇水次数的同时保证植物的健康成长,是目前需要解决的难题之一。
为了克服上述不足,本发明提出一种整体数据识别方法,该方法包括使用一种整体数据识别平台来识别整体数据,所述整体数据识别平台有效解决相应的技术问题。
以下实施例用于说明本发明,但不用来限制本发明的范围。
整体数据识别平台包括:
最近邻插值设备,用于接收来自计算机库房现场的库房捕获图像,基于所述库房捕获图像分辨率距离预设分辨率阈值的远近将所述库房捕获图像平均分割成相应块大小的各个分块,对每一个分块,基于该分块的像素值方差选择对应的不同力度的最近邻插值处理以获得校正分块,将获得的各个校正分块拼接以获得最近邻插值图像。
接着,继续对本发明的整体数据识别平台的具体结构进行进一步的说明。
所述整体数据识别平台中还可以包括:
亮度分析设备,与所述最近邻插值设备连接,用于接收所述最近邻插值图像,对所述最近邻插值图像中的各个对象进行解析,以获得各个对象分别对应的对象区域,将亮度值大于第一预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点,还用于将亮度值小于第二预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点。
所述整体数据识别平台中还可以包括:
像素点辨识设备,与所述亮度分析设备连接,用于接收所述最近邻插值图像中的各个干扰点,并对每一个干扰点执行以下操作:将每一个干扰点作为目标点,当所述目标点周围不存在亮度值大于第一预设亮度阈值或亮度值小于第二预设亮度阈值的像素点时,将所述目标点识别为处理点。
所述整体数据识别平台中还可以包括:
像素点处理设备,分别与所述亮度分析设备和所述像素点辨识设备连接,用于对所述最近邻插值图像中每一个处理点执行以下操作:确认所述处理点各个周围像素点是否为处理点,对所述各个周围像素点的各个亮度值执行加权中值滤波处理,以获得所述处理点的处理后亮度值;
数据汇并设备,与所述像素点处理设备连接,用于接收各个处理点的各个处理后亮度值,以及接收各个非处理点的各个亮度值,基于各个处理点的各个处理后亮度值以及各个非处理点的各个亮度值获取所述最近邻插值图像对应的数据汇并图像;
几何均值去噪设备,与所述数据汇并设备连接,用于接收所述数据汇并图像,对所述数据汇并图像执行几何均值去噪处理,以获得对应的几何均值去噪图像;
第一分割设备,用于识别所述几何均值去噪图像中的各个对象,对所述各个对象的尺寸进行比较,以确定其中的最大尺寸的对象,并基于所述最大尺寸的对象的尺寸对所述几何均值去噪图像进行图像分割,以获得各个尺寸相同的图像分块,其中,所述最大尺寸的目标的尺寸越大,获得的图像分块越大;
第二分割设备,分别与所述第一分割设备和所述几何均值去噪设备连接,对所述数据汇并图像执行与所述第一分割设备相同尺寸的图像分块处理,以获得各个尺寸相同的图像分块;
锐化识别设备,分别与所述第一分割设备和所述第二分割设备连接,用于将所述第一分割设备输出的各个图像分块中处于所述几何均值去噪图像内L形上的多个图像分块的多个随机噪声幅度的均值作为第一锐化均值,将所述第二分割设备输出的各个图像分块中处于所述数据汇并图像内L形上的多个图像分块的多个随机噪声幅度的均值作为第二锐化均值;
维纳处理设备,分别与所述锐化识别设备和所述几何均值去噪设备连接,用于在所述第一锐化均值为所述第二锐化均值的1.2倍以下时,对所述几何均值去噪图像执行维纳去噪处理,以获得维纳去噪图像;
枯萎度识别设备,与所述维纳处理设备连接,用于基于植物成像特征从接收到的维纳去噪图像中识别出各个植物区域,基于每一个植物区域内各个像素点的各个绿色分量值的均值确定所述指纹区域的枯萎度,并对各个植物区域的各个枯萎度进行均值计算以获得对应的库房绿植枯萎度;
语音播放设备,与所述枯萎度识别设备连接,用于在库房绿植枯萎度低于预设枯萎度阈值时,发出库房浇水信号并播放与库房浇水信号对应的语音通知文件;
其中,在所述维纳处理设备中,还用于在所述第一锐化均值为所述第二锐化均值的1.2倍以上时,停止对所述几何均值去噪图像执行维纳去噪处理,将所述几何均值去噪图像作为维纳去噪图像输出;
其中,在所述枯萎度识别设备中,基于每一个植物区域内各个像素点的各个绿色分量值的均值确定所述指纹区域的枯萎度包括:每一个植物区域内各个像素点的各个绿色分量值的均值越大,确定的所述指纹区域的枯萎度越低。
所述整体数据识别平台中还可以包括:
光纤收发设备,与所述维纳处理设备连接,用于接收所述维纳去噪图像,并通过光纤通信链路发送所述维纳去噪图像;
所述整体数据识别平台中:
在所述像素点辨识设备中,当所述目标点周围存在亮度值大于第一预设亮度阈值或亮度值小于第二预设亮度阈值的像素点时,将所述目标点识别为非处理点。
所述整体数据识别平台中:
在所述像素点辨识设备中,将所述最近邻插值图像中的各个干扰点之外的各个像素点确认为非干扰点。
所述整体数据识别平台中:
在所述像素点处理设备中,周围像素点距离所述处理点的距离越远,其参与加权中值滤波处理所使用的加权值越小,以及周围像素点是干扰点时,其参与加权中值滤波处理所使用的加权值小于周围像素点是非干扰点参与加权中值滤波处理所使用的加权值。
所述整体数据识别平台中:
在所述最近邻插值设备中,所述库房捕获图像分辨率距离所述预设分辨率阈值越近,将所述库房捕获图像平均分割成的相应块越大;
其中,在所述像素点辨识设备中,所述第二预设亮度阈值小于所述第一预设亮度阈值。
所述整体数据识别平台中:
在所述最近邻插值设备中,对每一个分块,该分块的像素值方差越大,选择的最近邻插值处理的强度越小;
其中,所述像素点处理设备由信号接收子设备、信号处理子设备和信号发送子设备组成,所述信号处理子设备分别与所述信号接收子设备和所述信号发送子设备连接。
另外,光纤是光导纤维的简写,是一种由玻璃或塑料制成的纤维,可作为光传导工具。传输原理是光的全反射。微细的光纤封装在塑料护套中,使得它能够弯曲而不至于断裂。通常,光纤的一端的发射装置使用发光二极管(light emitting diode,LED)或一束激光将光脉冲传送至光纤,光纤的另一端的接收装置使用光敏元件检测脉冲。
在多模光纤中,芯的直径是50μm和62.5μm两种,大致与人的头发的粗细相当。而单模光纤芯的直径为8μm~10μm,常用的是9/125μm。芯外面包围着一层折射率比芯低的玻璃封套,俗称包层,包层使得光线保持在芯内。再外面的是一层薄的塑料外套,即涂覆层,用来保护包层。光纤通常被扎成束,外面有外壳保护。纤芯通常是由石英玻璃制成的横截面积很小的双层同心圆柱体,他质地脆,易断裂,因此需要外加一保护层。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种整体数据识别方法,该方法包括使用一种整体数据识别平台来识别整体数据,所述整体数据识别平台包括:
最近邻插值设备,用于接收来自计算机库房现场的库房捕获图像,基于所述库房捕获图像分辨率距离预设分辨率阈值的远近将所述库房捕获图像平均分割成相应块大小的各个分块,对每一个分块,基于该分块的像素值方差选择对应的不同力度的最近邻插值处理以获得校正分块,将获得的各个校正分块拼接以获得最近邻插值图像。
2.如权利要求1所述的方法,其特征在于,所述平台还包括:
亮度分析设备,与所述最近邻插值设备连接,用于接收所述最近邻插值图像,对所述最近邻插值图像中的各个对象进行解析,以获得各个对象分别对应的对象区域,将亮度值大于第一预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点,还用于将亮度值小于第二预设亮度阈值且不在任何对象区域的边界线上的像素点确认为干扰点。
3.如权利要求2所述的方法,其特征在于,所述平台还包括:
像素点辨识设备,与所述亮度分析设备连接,用于接收所述最近邻插值图像中的各个干扰点,并对每一个干扰点执行以下操作:将每一个干扰点作为目标点,当所述目标点周围不存在亮度值大于第一预设亮度阈值或亮度值小于第二预设亮度阈值的像素点时,将所述目标点识别为处理点。
4.如权利要求3所述的方法,其特征在于,所述平台还包括:
像素点处理设备,分别与所述亮度分析设备和所述像素点辨识设备连接,用于对所述最近邻插值图像中每一个处理点执行以下操作:确认所述处理点各个周围像素点是否为处理点,对所述各个周围像素点的各个亮度值执行加权中值滤波处理,以获得所述处理点的处理后亮度值;
数据汇并设备,与所述像素点处理设备连接,用于接收各个处理点的各个处理后亮度值,以及接收各个非处理点的各个亮度值,基于各个处理点的各个处理后亮度值以及各个非处理点的各个亮度值获取所述最近邻插值图像对应的数据汇并图像;
几何均值去噪设备,与所述数据汇并设备连接,用于接收所述数据汇并图像,对所述数据汇并图像执行几何均值去噪处理,以获得对应的几何均值去噪图像;
第一分割设备,用于识别所述几何均值去噪图像中的各个对象,对所述各个对象的尺寸进行比较,以确定其中的最大尺寸的对象,并基于所述最大尺寸的对象的尺寸对所述几何均值去噪图像进行图像分割,以获得各个尺寸相同的图像分块,其中,所述最大尺寸的目标的尺寸越大,获得的图像分块越大;
第二分割设备,分别与所述第一分割设备和所述几何均值去噪设备连接,对所述数据汇并图像执行与所述第一分割设备相同尺寸的图像分块处理,以获得各个尺寸相同的图像分块;
锐化识别设备,分别与所述第一分割设备和所述第二分割设备连接,用于将所述第一分割设备输出的各个图像分块中处于所述几何均值去噪图像内L形上的多个图像分块的多个随机噪声幅度的均值作为第一锐化均值,将所述第二分割设备输出的各个图像分块中处于所述数据汇并图像内L形上的多个图像分块的多个随机噪声幅度的均值作为第二锐化均值;
维纳处理设备,分别与所述锐化识别设备和所述几何均值去噪设备连接,用于在所述第一锐化均值为所述第二锐化均值的1.2倍以下时,对所述几何均值去噪图像执行维纳去噪处理,以获得维纳去噪图像;
枯萎度识别设备,与所述维纳处理设备连接,用于基于植物成像特征从接收到的维纳去噪图像中识别出各个植物区域,基于每一个植物区域内各个像素点的各个绿色分量值的均值确定所述指纹区域的枯萎度,并对各个植物区域的各个枯萎度进行均值计算以获得对应的库房绿植枯萎度;
语音播放设备,与所述枯萎度识别设备连接,用于在库房绿植枯萎度低于预设枯萎度阈值时,发出库房浇水信号并播放与库房浇水信号对应的语音通知文件;
其中,在所述维纳处理设备中,还用于在所述第一锐化均值为所述第二锐化均值的1.2倍以上时,停止对所述几何均值去噪图像执行维纳去噪处理,将所述几何均值去噪图像作为维纳去噪图像输出;
其中,在所述枯萎度识别设备中,基于每一个植物区域内各个像素点的各个绿色分量值的均值确定所述指纹区域的枯萎度包括:每一个植物区域内各个像素点的各个绿色分量值的均值越大,确定的所述指纹区域的枯萎度越低。
5.如权利要求4所述的方法,其特征在于,所述平台还包括:
光纤收发设备,与所述维纳处理设备连接,用于接收所述维纳去噪图像,并通过光纤通信链路发送所述维纳去噪图像。
6.如权利要求5所述的方法,其特征在于:
在所述像素点辨识设备中,当所述目标点周围存在亮度值大于第一预设亮度阈值或亮度值小于第二预设亮度阈值的像素点时,将所述目标点识别为非处理点。
7.如权利要求6所述的方法,其特征在于:
在所述像素点辨识设备中,将所述最近邻插值图像中的各个干扰点之外的各个像素点确认为非干扰点。
8.如权利要求7所述的方法,其特征在于:
在所述像素点处理设备中,周围像素点距离所述处理点的距离越远,其参与加权中值滤波处理所使用的加权值越小,以及周围像素点是干扰点时,其参与加权中值滤波处理所使用的加权值小于周围像素点是非干扰点参与加权中值滤波处理所使用的加权值。
9.如权利要求8所述的方法,其特征在于:
在所述最近邻插值设备中,所述库房捕获图像分辨率距离所述预设分辨率阈值越近,将所述库房捕获图像平均分割成的相应块越大;
其中,在所述像素点辨识设备中,所述第二预设亮度阈值小于所述第一预设亮度阈值。
10.如权利要求9所述的方法,其特征在于:
在所述最近邻插值设备中,对每一个分块,该分块的像素值方差越大,选择的最近邻插值处理的强度越小;
其中,所述像素点处理设备由信号接收子设备、信号处理子设备和信号发送子设备组成,所述信号处理子设备分别与所述信号接收子设备和所述信号发送子设备连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910061148.9A CN110879954A (zh) | 2019-01-23 | 2019-01-23 | 计算机整体数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910061148.9A CN110879954A (zh) | 2019-01-23 | 2019-01-23 | 计算机整体数据识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110879954A true CN110879954A (zh) | 2020-03-13 |
Family
ID=69727341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910061148.9A Pending CN110879954A (zh) | 2019-01-23 | 2019-01-23 | 计算机整体数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879954A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918368A (zh) * | 2017-04-28 | 2017-07-04 | 无锡北斗星通信息科技有限公司 | 智能化环境检测和维护装置 |
CN107047251A (zh) * | 2017-04-28 | 2017-08-18 | 无锡北斗星通信息科技有限公司 | 一种定时控制方法 |
CN108156447A (zh) * | 2017-11-09 | 2018-06-12 | 吴英 | 基于光点检测的相机成像管理系统 |
CN109033416A (zh) * | 2018-08-06 | 2018-12-18 | 钱文浩 | 电子审核自动触发方法 |
CN110517217B (zh) * | 2019-01-23 | 2020-04-28 | 莱芜职业技术学院 | 计算机整体数据识别装置 |
-
2019
- 2019-01-23 CN CN201910061148.9A patent/CN110879954A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918368A (zh) * | 2017-04-28 | 2017-07-04 | 无锡北斗星通信息科技有限公司 | 智能化环境检测和维护装置 |
CN107047251A (zh) * | 2017-04-28 | 2017-08-18 | 无锡北斗星通信息科技有限公司 | 一种定时控制方法 |
CN108156447A (zh) * | 2017-11-09 | 2018-06-12 | 吴英 | 基于光点检测的相机成像管理系统 |
CN109033416A (zh) * | 2018-08-06 | 2018-12-18 | 钱文浩 | 电子审核自动触发方法 |
CN110517217B (zh) * | 2019-01-23 | 2020-04-28 | 莱芜职业技术学院 | 计算机整体数据识别装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517217B (zh) | 计算机整体数据识别装置 | |
Kurtser et al. | In-field grape cluster size assessment for vine yield estimation using a mobile robot and a consumer level RGB-D camera | |
CN110852187B (zh) | 一种周界入侵事件的识别方法与系统 | |
CN107248252B (zh) | 一种高效的森林火灾探测系统 | |
CN102269710A (zh) | 基于多光谱成像的生鲜猪肉有效期的快速无损预测装置 | |
CN110944111B (zh) | 基于通道检测的大数据分析平台、方法及存储介质 | |
US11756136B2 (en) | Upward facing light sensor for plant detection | |
Bérubé-Deschênes et al. | Quantifying competition in white spruce (Picea glauca) plantations | |
CN110879954A (zh) | 计算机整体数据识别方法 | |
CN116110042A (zh) | 一种基于YOLOv7的CBAM注意力机制番茄检测方法 | |
CN115169969A (zh) | 生态环境状况综合评价方法、装置、电子设备及存储介质 | |
Holder | Leaf water repellency as an adaptation to tropical montane cloud forest environments | |
CN107656298A (zh) | 一种获取方位信息的方法及相关设备 | |
CN102661920B (zh) | 一种对杂草进行分类识别的装置和方法 | |
CN104833378B (zh) | 光纤周界系统干扰信号识别方法 | |
Chang et al. | Using deep learning to identify maturity and 3D distance in pineapple fields | |
CN115294472A (zh) | 果实产量估计方法、模型训练方法、设备及存储介质 | |
CN112511725B (zh) | 一种内窥镜圈的自动识别方法、装置、存储介质及终端 | |
CN113347497B (zh) | 目标用户识别方法、装置、电子设备以及存储介质 | |
Tirelli et al. | Multispectral image analysis for grapevine diseases automatic detection in field conditions | |
CN105551165B (zh) | 基于动态阈值检测的光纤周界安防系统扰动判断方法 | |
CN114689534B (zh) | 一种海洋微生物监测方法及相关设备 | |
CN113284098B (zh) | 作物氮含量缺乏分级判别的方法、装置及电子设备 | |
CN204168433U (zh) | 森林监控图像数字预处理器 | |
CN116758060B (zh) | 一种电池片立式花篮视觉检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
DD01 | Delivery of document by public notice | ||
DD01 | Delivery of document by public notice |
Addressee: Liu Dongmei Document name: Notice of Priority in Review Procedure |
|
DD01 | Delivery of document by public notice | ||
DD01 | Delivery of document by public notice |
Addressee: Liu Dongmei Document name: Notice of review |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |