CN110969037A - 一种信息处理方法、电子设备和信息处理系统 - Google Patents
一种信息处理方法、电子设备和信息处理系统 Download PDFInfo
- Publication number
- CN110969037A CN110969037A CN201911200780.3A CN201911200780A CN110969037A CN 110969037 A CN110969037 A CN 110969037A CN 201911200780 A CN201911200780 A CN 201911200780A CN 110969037 A CN110969037 A CN 110969037A
- Authority
- CN
- China
- Prior art keywords
- bar code
- image
- image set
- images
- detection model
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06K7/10821—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 further details of bar or optical code scanning devices
- G06K7/10861—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 further details of bar or optical code scanning devices sensing of data fields affixed to objects or articles, e.g. coded labels
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种信息处理方法，包括：图像采集设备在一段内对于扫描对象集合进行图像采集，获取到条码图像集，基于条码检测模型对于该条码图像集进行分析，判断其是否出现漏检和/或误检，并在无漏检和误检时，更新预设数据库中对于扫码对象的记录，保证条码检测模型能够正确识别该扫码对象；在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，而采用本方案中，在出现漏检和/或误检的情况时，根据该条码图像集训练条码检测模型，能够自动对于条码检测模型进行训练，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
Description
技术领域
本申请涉及电子设备领域，更具体的说，是涉及一种信息处理方法、电子设备和信息处理系统。
背景技术
随着制造产业的发展，为了更好的管理仓库资产和制定生产计划需要对现有仓库货物量实现精确统计和管理。
为了提高仓库中的货物入库和出库记录效率，现有技术中有一种可以实现批量扫码的扫码设备，但是该扫码设备大部分不支持设备的二次开发，一旦更改货物的类型，导致现有的扫码设备无法使用，无法对现有模型实现动态升级以适应更多应用场景。
发明内容
有鉴于此，本申请提供了一种信息处理方法，解决现有技术中扫码设备不支持设备的二次开发的问题。
为实现上述目的，本申请提供如下技术方案：
一种信息处理方法，包括：
在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
优选的，上述的方法，所述基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，包括：
基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检。
优选的，上述的方法，所述基于条码检测模型对所述条码图像集中的图像分析是否出现误检，包括：
基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。
优选的，上述的方法，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第一操作信息；
根据所述第一操作信息为所述满足累计条件的第一图像添加标识，所述标识用于标示出所述第一图像中未识别出的条码，得到训练图像。
优选的，上述的方法，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第二操作信息；
根据所述第二操作信息为所述满足累计条件的第二图像添加标识，所述标识用于标示出所述第二图像中识别错误的内容，得到训练图像。
优选的，上述的方法，所述在第一时刻获取条码图像集，包括：
在第一时刻接收视频，所述视频是图像采集设备在预设时间段内对于扫码对象集合进行图像采集得到的视频；
依据预设的采样规则，从所述视频中获取至少两帧图像，得到条码图像集。
优选的，上述的方法，还包括：
根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型同步至所述服务器网络中的服务器。
一种电子设备，包括：
获取模块，用于在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
分析模块，用于基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
更新模块，用于基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
训练模块，用于基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
优选的，上述的电子设备，还包括：
通信模块，用于根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型发送至所述服务器网络中的服务器。
一种信息处理系统，包括：至少两个服务器、至少两个图像采集设备、所述至少两个服务器之间设置有信息传输通道；
图像采集设备，用于对于扫码对象集合进行图像采集得到的图像集合；
服务器，用于执行上述任一项所述的信息处理方法。
经由上述的技术方案可知，与现有技术相比，本申请提供了一种信息处理方法，包括：图像采集设备在一段内对于扫描对象集合进行图像采集并上传给执行本方案的设备，在获取到条码图像集后，基于条码检测模型对于该条码图像集中的图像分别进行分析，判断其是否出现漏检和/或误检，并采用在未漏检和误检的情况时，更新预设数据库中对于扫码对象的记录，保证了条码检测模型能够正确识别该扫码对象；在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，而采用本方案中，在出现漏检和/或误检的情况时，根据该条码图像集训练条码检测模型，能够自动对于条码检测模型进行训练，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种信息处理方法实施例1的流程图；
图2为本申请提供的一种信息处理方法实施例1的场景示意图；
图3为本申请提供的一种信息处理方法实施例2的流程图；
图4为本申请提供的一种信息处理方法实施例3的流程图；
图5为本申请提供的一种信息处理方法实施例3中添加标识示意图；
图6为本申请提供的一种信息处理方法实施例4的流程图；
图7为本申请提供的一种信息处理方法实施例5的流程图；
图8为本申请提供的一种信息处理方法实施例5中添加标识示意图；
图9为本申请提供的一种信息处理方法实施例6的流程图；
图10为本申请提供的一种信息处理方法实施例6中服务器网络拓扑图；
图11为本申请提供的一种电子设备实施例的结构示意图；
图12为本申请提供的一种信息处理系统实施例的结构示意图。
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，所描述的实施例仅仅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，都属于本申请保护的范围。
如图1所示的，为本申请提供的一种信息处理方法实施例1的流程图，该方法应用于一电子设备，该方法包括以下步骤：
步骤S101：在第一时刻获取条码图像集；
其中，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
具体的，该扫码对象集合可以包含多个扫码对象，该扫码对象集合中扫码对象的个数可以是定值，但是该定值是可以设置的，如针对某一批/种货物，一个扫码对象对应一个货物，一次扫码对应的扫码对象集合中可以有固定个数的货物，如10个，当换成另一批/种货物时，一次扫码扫码对应的扫码对象集合中的货物可以是另一固定个数，如8个。
具体应用中，该扫码对象可以是固定位置的，该图像采集设备为可移动装置，如扫码对象是放置在货物架上，图像采集设备为工人手持的扫码枪；
体应用中，该扫码对象可以是移动的，该图像采集设备为固定位置的装置，如扫码对象是放置在传送带上，随着传送带移动位置，图像采集设备为设置在传送带旁固定位置的扫码枪。
具体实施中，该图像采集设备采集得到的可以是视频，也可以是图像集合，该图像采集设备可以将采集的图像集合发送给本电子设备，也可以将采集的视频发送给电子设备，以使得电子设备从该视频中获取图像集合。
具体实施中，当有货物进入该图像采集设备的图像采集区域，触发该图像采集设备开始进行采集，当图像采集设备的图像采集区域中无货物时，该图像采集设备停止采集。
其中，该步骤S101具体包括：在第一时刻接收视频，所述视频是图像采集设备在预设时间段内对于扫码对象集合进行图像采集得到的视频；依据预设的采样规则，从所述视频中获取至少两帧图像，得到条码图像集。
其中，该图像采集设备将其采集的视频发送给电子设备，该电子设备从中选择多帧图像，得到条码图像集。
具体的，该电子设备可以按照设定周期从视频中获取图像，如每1秒采集一帧；电子设备还可以先对视频中的各个图像进行初步分析，得到包含扫码对象大于预设个数的视频段，再从该视频段中按照设定周期获取图像。
其中，如图2所示的为一场景示意图，该场景中，扫码对象201是放置在传送带202上的货物，该传送带旁设置有图像采集设备203，货物以5个为一组依次经过图像采集设备的采集区域。该图像采集设备将采集的视频传输给电子设备204。
步骤S102：基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
其中，电子设备中设置有条码检测模型，基于该条码检测模型对于该条码图像集中的图像进行分析，分析该条码图像集是否出现漏检和/或误检的情况。
后续实施例中会针对该漏检误检分析过程做详细解释，本实施例中不做详述。
步骤S103：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
其中，如果该条码图像集未出现漏检，也未出现误检，则根据该条码图像集中包含的扫码对象更新预设数据库。
其中，该预设数据库中是对于该货物的相关信息记录的数据库。
具体实施中，条码检测模型对于该条码图像中任一图像分析处理能够得到其中包含的条码，如果该条码图像集未出现漏检以及误检时，该图像中的条码能够被准确的识别出来，根据识别出的信息该预设数据库。
作为一个具体示例，识别得到条码图像集的图像中包含有5个条码，分别为货物A的条码，则更新该预设数据库中货物A的个数，增加5个。
步骤S104：基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
其中，如果分析得到该条码图像集中出现漏检或者误检或者二者皆有时，则根据该条码图像集训练该条码检测模型，以使得基于训练后的条码检测模型能够对于后续时刻获取的条码图像集进行分析，以使得后续时间条码检测模型能够正确识别该扫码对象。
具体实施中，将条码图像集加入到模型数据集中，在新的数据集上对条码检测模型进行迁移学习。
具体的，设置模型终止条件：计算连续多次epoch(迭代计算)的Loss function(损失函数)的方差小于预设值，训练终止。
具体实施中，在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，出现识别错误，而根据当前获取条码图像集，训练条码检测模型，基于该漏检/误检的条码图像集训练该条码检测模型，使得该条码检测模型能够对于新货物条码进行适应性调整。
综上，本实施例提供的一种信息处理方法中，图像采集设备在一段内对于扫描对象集合进行图像采集并上传给执行本方案的设备，在获取到条码图像集后，基于条码检测模型对于该条码图像集中的图像分别进行分析，判断其是否出现漏检和/或误检，并采用在未漏检和误检的情况时，更新预设数据库中对于扫码对象的记录，保证了条码检测模型能够正确识别该扫码对象；在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，而采用本方案中，在出现漏检和/或误检的情况时，根据该条码图像集训练条码检测模型，能够自动对于条码检测模型进行训练，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
如图3所示的，为本申请提供的一种信息处理方法实施例2的流程图，该方法应用于一电子设备，该方法包括以下步骤：
步骤S301：在第一时刻获取条码图像集；
其中，步骤S301与实施例1中的步骤S101一致，本实施例中不做赘述。
步骤S302：基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
其中，该条码检测模型对于该条码图像集中的每个图像进行分析。本实施例中以其中一个图像为例进行说明。
具体的，条码检测模型对于第一图像进行分析，得到该第一图像中条码的个数。
需要说明的是，该条码检测模型可以采用图像分析算法，对于该第一图像中的内容进行分析，得到其中包含的条码个数。
步骤S303：基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件；
其中，所述预设个数与所述扫码对象集合中条码个数相同。
其中，如果分析得到该第一图像中的条码个数小于预设个数，则该第一图像中包含的条码个数小于一批中货物的个数，该第一图像作为异常图像需要进行累计。
例如，一批货物为10个，而分析第一图像，得到其中的条码个数为9个，则判断该第一图像满足累计条件。
需要说明的是，由于该条码检测模型中算法的原因，该第一图像中可能有某个条码未被识别出来，则导致该第一图像中条码个数小于预设个数。
步骤S304：累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检；
具体实施中，拍摄过程中可能会有误差，如，可能会出现由于拍摄角度等因素导致某条码未被拍摄到，所以，为了提高判断的准确度，允许条码图像集中的某些图像出现条码个数小于预设个数的情况。
本实施例中，对于同一条码图像集中出现该条码个数小于预设个数的图像个数进行累计。
其中，如果计算累计的图像个数大于第一预设阈值，则判断该条码图像集中的图像出现漏检。
例如，该第一预设阈值可以是百分率，可以是比值，还可以是具体个数。
例如，第一预设阈值是20％，预设个数为10，条码图像集中有20张图像，而其中有18张图像条码个数为10，1张图像条码个数为9，1张图像条码个数为8，则该条码图像集未出现漏检情况。
步骤S305：基于条码检测模型对所述条码图像集中的图像分析是否出现误检，得到分析结果；
步骤S306：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
步骤S307：基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
其中，步骤S306-307与实施例1中的步骤S103-104一致，本实施例中不做赘述。
综上，本实施例提供的一种信息处理方法中，基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，包括：基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检。本实施例中，分别对条码图像集中每张图像进行分析，在其包含的条码个数小于预设个数时，累计该图像，当该条码图像集中累计图像大于第一预设阈值时，则判定该条码图像集出现漏检，准确度较高。
如图4所示的，为本申请提供的一种信息处理方法实施例3的流程图，该方法应用于一电子设备，该方法包括以下步骤：
步骤S401：在第一时刻获取条码图像集；
步骤S402：基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
步骤S403：基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；
步骤S404：累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检；
步骤S405：基于条码检测模型对所述条码图像集中的图像分析是否出现误检，得到分析结果；
步骤S406：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
其中，步骤S401-406与实施例2中的步骤S301-306一致，本实施例中不做赘述。
步骤S407：基于所述分析结果表征所述条码图像集出现漏检，接收第一操作信息；
步骤S408：根据所述第一操作信息为所述满足累计条件的第一图像添加标识，所述标识用于标示出所述第一图像中未识别出的条码，得到训练图像；
需要说明的是，基于条码图像集出现了漏检，该条码图像集的图像中包含有一条码，由于条码检测模型准确度较低，使得该图像中的该条码未被识别出来，需要提高该条码检测模型的准确度，为此，对于该未识别出的条码区域进行标识，标识该区域为一条码。
具体的，用户可以执行第一操作，基于该第一操作对于该图像中的条码区域进行标识，该第一操作信息是该第一操作生成的信息。
基于该第一操作信息，对于该条码图像集中出现未识别出的图像中添加标识。
如图5所示的为添加标识示意图，该为条码图像集中的图像，条码检测模型对于该图像进行识别，得到其中的4个条码501，实际上有5个扫码对象，也就是说有一个扫码对象的条码502因为亮度原因，导致未被识别出来，图中用虚线表示该条码503，对于该条码502进行标识。本示意图中，采用画“○”的方式，表示该图像中区域对应一个条码。
具体实施中，由于同一条码图像集中的图像相似度较高，为了减少条码检测模型的训练难度，将该条码图像集中出现异常的图像(条码个数小于预设个数的图像)进行相似度计算，将相似度较高的异常图像进行化简，如相似度大于90％的两张图像，仅选择一张以用于后续训练条码检测模型。
具体实施中，为了增加条码检测模型的准确度，还可以对于该异常图像进行数据增强处理，如进行仿射变换、亮度调整、噪点处理等，得到各种条件下，该异常图像对应的扫码对象集合可能会得到的图像，并采用该图像训练该条码检测模型。
步骤S409：根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
其中，步骤S409与实施例2中的步骤S307一致，本实施例中不做赘述。
综上，本实施例提供的一种信息处理方法中，基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检；并基于接收到的第一操作信息对于条码图像集中的异常图像进行标识，以使得就以标识后的图像训练条码检测模型，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
如图6所示的，为本申请提供的一种信息处理方法实施例4的流程图，该方法应用于一电子设备，该方法包括以下步骤：
步骤S601：在第一时刻获取条码图像集；
其中，步骤S601与实施例1中的步骤S101一致，本实施例中不做赘述。
步骤S602：基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，得到分析结果；
具体实施中，可以在未出现漏检时，再执行后续步骤判断是否出现误检，也可以同时进行判断是否出现漏检和误检。
步骤S603：基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
其中，该条码检测模型对于该条码图像集中的每个图像进行分析。本实施例中以其中一个图像为例进行说明。
具体的，条码检测模型对于第二图像进行分析，得到该第二图像中条码的个数。
需要说明的是，该条码检测模型可以采用图像分析算法，对于该第一图像中的内容进行分析，得到其中包含的条码个数。
步骤S604：基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
其中，如果分析得到该第二图像中的条码个数大于预设个数，则该第二图像中包含的条码个数大于一批中货物的个数，该条码检测模型分析结果出现错误，该第二图像作为异常图像需要进行累计。
步骤S605：基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
步骤S606：基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
其中，如果分析得到该第二图像中的条码个数等于预设个数，则该第二图像中包含的条码个数等于一批中货物的个数，进一步对于该第二图像中的条码进行解析，如果解析结果在预设数据库中有相应的条码内容，该条码检测模型分析结果无误；如果解码结果表征所述条码无法识别，则该条码检测模型对于条码的个数分析出现错误；如果解码结果表征预设数据库中无相应的条码内容，则该条码检测模型对于条码的个数分析出现错误，该第二图像作为异常图像需要进行累计。
例如，一批货物为10个，而分析第二图像，得到其中的条码个数为11个，则判断该第二图像满足累计条件。
例如，一批货物为10个，而分析第二图像，得到其中的条码个数为10个，但是其中一个条码无法识别，则判断该第二图像满足累计条件。
具体实施中，还可以在条码个数大于预设个数时，对于第二图像中的条码进行解析识别。
步骤S607：累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检；
具体实施中，拍摄过程中可能会有误差，如，可能会出现由于光照条件或者拍摄角度等因素导致某条码拍摄不清楚，所以，为了提高判断的准确度，允许条码图像集中的某些图像出现条码无法识别的情况。
本实施例中，对于同一条码图像集中出现该图像中条码个数大于预设个数、条码无法识别或者预设数据库中无相应的条码内容的图像个数进行累计。
其中，如果计算累计的图像个数大于第二预设阈值，则判断该条码图像集中的图像出现误检。
例如，该第二预设阈值可以是百分率，可以是比值，还可以是具体个数。
例如，第一预设阈值是20％，预设个数为10，条码图像集中有20张图像，而其中有18张图像条码个数为19，1张图像条码个数为21，该19张图像中1张图像中的一条码无法识别，则该条码图像集未出现漏检情况。
步骤S608：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
步骤S609：基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
其中，步骤S608-609与实施例1中的步骤S103-104一致，本实施例中不做赘述。
综上，本实施例提供的一种信息处理方法中，该基于条码检测模型对所述条码图像集中的图像分析是否出现误检，包括：基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。本实施例中，分别对条码图像集中每张图像进行分析，在其包含的条码个数大于预设个数时、或者在条码个数与预设个数一致而其中条码无法识别或者预设数据库中无相应的条码内容，累计该图像，当该条码图像集中累计图像大于第二预设阈值时，则判定该条码图像集出现误检，准确度较高。
如图7所示的，为本申请提供的一种信息处理方法实施例5的流程图，该方法应用于一电子设备，该方法包括以下步骤：
步骤S701：在第一时刻获取条码图像集；
步骤S702：基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，得到分析结果；
步骤S703：基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
步骤S704：基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
步骤S705：基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
步骤S706：基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
步骤S707：累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。
步骤S708：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
其中，步骤S701-708与实施例4中的步骤S601-608一致，本实施例中不做赘述。
步骤S709：基于所述分析结果表征所述条码图像集出现误检，接收第二操作信息；
步骤S710：根据所述第二操作信息为所述满足累计条件的第二图像添加标识，所述标识用于标示出所述第二图像中识别错误的内容，得到训练图像；
需要说明的是，基于条码图像集出现了误检，该条码图像集的图像中未包含一条码或者有一条码但是无法识别，由于条码检测模型准确度较低，使得该图像中的某一区域被误识别为条码或者条码未被识别出来，需要提高该条码检测模型的准确度，为此，对于该未识别出的条码区域进行标识，标识该区域为一条码，对于识别错误的区域进行标识，标识该区域不是条码。
具体的，用户可以执行第二操作，基于该第二操作对于该图像中的条码区域进行标识，该第二操作信息是该第二操作生成的信息。
基于该第二操作信息，在该条码图像集中异常图像中，对于该未识别出的条码区域进行标识，标识该区域为一条码，对于识别错误的区域进行标识，标识该区域不是条码。
如图8所示的为添加标识示意图，其中(a)该为条码图像集中的图像1，其中(b)该为条码图像集中的图像2。
条码检测模型对于该图像1进行识别，得到其中的6个条码，分别为条码801和条码802，其中，条码802并不是条码，标识该条码802，本示意图中采用画“×”的方式，标识该图像中区域并不对应一个条码。
条码检测模型对于该图像2进行识别，得到其中的5个条码，分别为条码801和条码803，其中，条码803无法识别，标识该条码803，本示意图中采用画“○”的方式，标识该图像中区域对应一个条码。
具体实施中，由于同一条码图像集中的图像相似度较高，为了减少条码检测模型的训练难度，将该条码图像集中出现异常的图像(图像中条码个数大于预设个数、条码无法识别或者预设数据库中无相应的条码内容)进行相似度计算，将相似度较高的异常图像进行化简，如相似度大于95％的两张图像，仅选择一张以用于后续训练条码检测模型。
具体实施中，为了增加条码检测模型的准确度，还可以对于该异常图像进行数据增强处理，如进行仿射变换、亮度调整、噪点处理等，得到各种条件下，该异常图像对应的扫码对象集合可能会得到的图像，并采用该图像训练该条码检测模型。
步骤S711：根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
其中，步骤S711与实施例5中的步骤S609一致，本实施例中不做赘述。
综上，本实施例提供的一种信息处理方法中，基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。并基于接收到的第二操作信息对于出现误检的条码图像集中的异常图像进行标识，以使得就以标识后的图像训练条码检测模型，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
如图9所示的，为本申请提供的一种信息处理方法实施例6的流程图，该方法包括以下步骤：
步骤S901：在第一时刻获取条码图像集；
步骤S902：基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
步骤S903：基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
步骤S904：基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析；
其中，步骤S901-904与实施例1中的步骤S101-104一致，本实施例中不做赘述。
步骤S905：根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型同步至所述服务器网络中的服务器。
其中，应用本实施例的电子设备，是一台服务器，是属于一服务器网络的服务器，该服务器网络中服务器之间具有信息传输通道。
具体的，该服务器网络采用Star型(星型)的集中式多终端的网络架构。
具体实施中，该服务器网络中，可以基于各个服务器的CPU(central processingunit，中央处理器)占用率、GPU(Graphics processing unit，图形处理器)占用率、内存资源、存储资源的使用情况实现条码检测任务的动态分配，提升服务器群资源利用率和网络可靠性。
图10所示的为服务器网络拓扑图，其中，包括：5个图像采集设备1001和3个服务器1002，本拓扑图中，图像采集设备具体为扫码枪，该服务器是本申请中涉及的电子设备。该扫码枪完成扫码后，将扫码得到的内容(图像/视频)上传给服务器，服务器根据使用情况进行条码检测任务的动态分配。
综上，本实施例提供的一种信息处理方法中，还包括：根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型同步至所述服务器网络中的服务器。通过在服务器网络中同步该完成训练的条码检测模型，使得服务器范围中的每个服务器均能够采用完成训练的条码检测模型后续对条码图像集合进行分析，，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
与上述本申请提供的一种信息处理方法实施例相对应的，本申请还提供了应用该信息处理方法的电子设备以及系统实施例。
如图11所示的为本申请提供的一种电子设备实施例的结构示意图，该电子设备包括以下结构：获取模块1101、分析模块1102、更新模块1103和训练模块1104；
其中，该获取模块1101，用于在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
其中，该分析模块1102，用于基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
其中，该更新模块1103，用于基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
其中，该训练模块1104，用于基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
优选的，所述分析模块基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，包括：
基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检。
优选的，所述分析模块基于条码检测模型对所述条码图像集中的图像分析是否出现误检，包括：
基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。
优选的，还包括：
第一标识模块，用于接收第一操作信息；根据所述第一操作信息为所述满足累计条件的第一图像添加标识，所述标识用于标示出所述第一图像中未识别出的条码，得到训练图像。
优选的，还包括：
第二标识模块，用于接收第二操作信息；根据所述第二操作信息为所述满足累计条件的第二图像添加标识，所述标识用于标示出所述第二图像中识别错误的内容，得到训练图像。
优选的，所述获取模块具体用于：
在第一时刻接收视频，所述视频是图像采集设备在预设时间段内对于扫码对象集合进行图像采集得到的视频；
依据预设的采样规则，从所述视频中获取至少两帧图像，得到条码图像集。
优选的，还包括：
通信模块，用于根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型发送至所述服务器网络中的服务器。
本申请提供了一种电子设备，包括：图像采集设备在一段内对于扫描对象集合进行图像采集并上传给执行本方案的设备，在获取到条码图像集后，基于条码检测模型对于该条码图像集中的图像分别进行分析，判断其是否出现漏检和/或误检，并采用在未漏检和误检的情况时，更新预设数据库中对于扫码对象的记录，保证了条码检测模型能够正确识别该扫码对象；在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，而采用本方案中，在出现漏检和/或误检的情况时，根据该条码图像集训练条码检测模型，能够自动对于条码检测模型进行训练，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
如图12所示的为本申请提供的一种信息处理系统实施例的结构示意图，该系统包括：至少两个服务器1201、至少两个图像采集设备1202、所述至少两个服务器之间设置有信息传输通道1203；
图像采集设备，用于对于扫码对象集合进行图像采集得到的图像集合；
服务器，用于在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
优选的，所述基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，包括：
基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检。
优选的，所述基于条码检测模型对所述条码图像集中的图像分析是否出现误检，包括：
基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。
优选的，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第一操作信息；
根据所述第一操作信息为所述满足累计条件的第一图像添加标识，所述标识用于标示出所述第一图像中未识别出的条码，得到训练图像。
优选的，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第二操作信息；
根据所述第二操作信息为所述满足累计条件的第二图像添加标识，所述标识用于标示出所述第二图像中识别错误的内容，得到训练图像。
优选的，所述在第一时刻获取条码图像集，包括：
在第一时刻接收视频，所述视频是图像采集设备在预设时间段内对于扫码对象集合进行图像采集得到的视频；
依据预设的采样规则，从所述视频中获取至少两帧图像，得到条码图像集。
优选的，还包括：
根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型同步至所述服务器网络中的服务器。
其中，该信息处理系统中各个服务器组成服务器网络，该服务器网络采用Star型的集中式多终端的网络架构。
具体实施中，该服务器网络中，可以基于各个服务器的CPU占用率、GPU占用率、内存资源、存储资源的使用情况实现条码检测任务的动态分配，提升服务器群资源利用率和网络可靠性。
本申请提供了一种信息处理系统，包括：图像采集设备在一段内对于扫描对象集合进行图像采集并上传给服务器，在获取到条码图像集后，基于条码检测模型对于该条码图像集中的图像分别进行分析，判断其是否出现漏检和/或误检，并采用在未漏检和误检的情况时，更新预设数据库中对于扫码对象的记录，保证了条码检测模型能够正确识别该扫码对象；在从一种货物更改为另一种货物时，由于货物的条码发生变化，而条码检测模型仍是按照之前的货物情况进行识别，很容易将正确的条码图像集识别为漏检/误检的情况，而采用本方案中，在出现漏检和/或误检的情况时，根据该条码图像集训练条码检测模型，能够自动对于条码检测模型进行训练，以实现对于新货物条码的正确识别，实现了对现有模型实现动态升级。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的装置而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所提供的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所提供的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种信息处理方法，包括：
在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
2.根据权利要求1所述的方法，所述基于条码检测模型对所述条码图像集中的图像分析是否出现漏检，包括：
基于所述条码检测模型对所述条码图像集中第一图像进行分析，得到所述第一图像中条码个数；
基于所述第一图像中条码个数小于预设个数，判定所述第一图像满足累计条件，所述预设个数与所述扫码对象集合中条码个数相同；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第一预设阈值，所述条码图像集中的图像出现漏检。
3.根据权利要求1所述的方法，所述基于条码检测模型对所述条码图像集中的图像分析是否出现误检，包括：
基于所述条码检测模型对所述条码图像集中第二图像进行分析，得到所述第二图像中条码个数；
基于所述第二图像中条码个数大于预设个数，判断所述第二图像满足累计条件；
基于所述第二图像中条码个数等于预设个数，基于所述条码检测模型对所述第二图像中的条码进行解析，得到解析结果；
基于所述解码结果表征所述条码无法识别或者预设数据库中无相应的条码内容，判断所述第二图像满足累计条件；
累计所述条码图像集中满足累计条件的图像个数，基于所述图像个数大于第二预设阈值，所述条码图像集中的图像出现误检。
4.根据权利要求2所述的方法，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第一操作信息；
根据所述第一操作信息为所述满足累计条件的第一图像添加标识，所述标识用于标示出所述第一图像中未识别出的条码，得到训练图像。
5.根据权利要求3所述的方法，所述根据所述条码图像集训练所述条码检测模型，包括：
接收第二操作信息；
根据所述第二操作信息为所述满足累计条件的第二图像添加标识，所述标识用于标示出所述第二图像中识别错误的内容，得到训练图像。
6.根据权利要求1所述的方法，所述在第一时刻获取条码图像集，包括：
在第一时刻接收视频，所述视频是图像采集设备在预设时间段内对于扫码对象集合进行图像采集得到的视频；
依据预设的采样规则，从所述视频中获取至少两帧图像，得到条码图像集。
7.根据权利要求1所述的方法，还包括：
根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型同步至所述服务器网络中的服务器。
8.一种电子设备，包括：
获取模块，用于在第一时刻获取条码图像集，所述条码图像集是预设时间段内图像采集设备对于扫码对象集合进行图像采集得到的条码图像集合，所述条码图像集包括至少两张图像，任意图像中至少包括两个扫码对象；
分析模块，用于基于条码检测模型对所述条码图像集中的图像分析是否出现漏检和/或误检，得到分析结果；
更新模块，用于基于所述分析结果表征所述条码图像集未出现漏检以及误检，根据所述条码图像集中包含的扫码对象更新预设数据库；
训练模块，用于基于所述分析结果表征所述条码图像集出现漏检和/或误检，根据所述条码图像集训练所述条码检测模型，得到训练后的条码检测模型，以使得基于训练后的条码检测模型对于在第二时刻获取的条码图像集进行分析。
9.根据权利要求8所述的电子设备，还包括：
通信模块，用于根据预设的服务器网络中任意两个服务器之间的信息传输通道，将完成训练的条码检测模型发送至所述服务器网络中的服务器。
10.一种信息处理系统，包括：至少两个服务器、至少两个图像采集设备、所述至少两个服务器之间设置有信息传输通道；
图像采集设备，用于对于扫码对象集合进行图像采集得到的图像集合；
服务器，用于执行如权利要求1-7任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200780.3A CN110969037B (zh) | 2019-11-29 | 2019-11-29 | 一种信息处理方法、电子设备和信息处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911200780.3A CN110969037B (zh) | 2019-11-29 | 2019-11-29 | 一种信息处理方法、电子设备和信息处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110969037A true CN110969037A (zh) | 2020-04-07 |
| CN110969037B CN110969037B (zh) | 2021-05-18 |
Family
ID=70032112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911200780.3A Active CN110969037B (zh) | 2019-11-29 | 2019-11-29 | 一种信息处理方法、电子设备和信息处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969037B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111931530A (zh) * | 2020-07-01 | 2020-11-13 | 上海视界纵横智能科技有限公司 | 基于深度学习的工业条码识别装置及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008410A (zh) * | 2014-06-05 | 2014-08-27 | 广州鑫宝软件科技有限公司 | 标签信息检测方法及装置 |
| CN109975321A (zh) * | 2019-03-29 | 2019-07-05 | 深圳市派科斯科技有限公司 | 一种用于fpc的缺陷检测方法和装置 |
| US20190347803A1 (en) * | 2018-05-09 | 2019-11-14 | Microsoft Technology Licensing, Llc | Skeleton-based supplementation for foreground image segmentation |
-
2019
- 2019-11-29 CN CN201911200780.3A patent/CN110969037B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008410A (zh) * | 2014-06-05 | 2014-08-27 | 广州鑫宝软件科技有限公司 | 标签信息检测方法及装置 |
| US20190347803A1 (en) * | 2018-05-09 | 2019-11-14 | Microsoft Technology Licensing, Llc | Skeleton-based supplementation for foreground image segmentation |
| CN109975321A (zh) * | 2019-03-29 | 2019-07-05 | 深圳市派科斯科技有限公司 | 一种用于fpc的缺陷检测方法和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111931530A (zh) * | 2020-07-01 | 2020-11-13 | 上海视界纵横智能科技有限公司 | 基于深度学习的工业条码识别装置及方法 |
| CN111931530B (zh) * | 2020-07-01 | 2021-05-28 | 上海视界纵横智能科技有限公司 | 基于深度学习的工业条码识别装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110969037B (zh) | 2021-05-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109644255B (zh) | 标注包括一组帧的视频流的方法和装置 | |
| CN110458256B (zh) | 一种基于rfid的货物管理方法、电子设备及系统 | |
| CN111915020B (zh) | 检测模型的更新方法、装置及存储介质 | |
| CN108579094B (zh) | 一种用户界面检测方法及相关装置、系统和存储介质 | |
| US20100131445A1 (en) | Method of data transmission with differential data fusion | |
| CN110969037B (zh) | 一种信息处理方法、电子设备和信息处理系统 | |
| CN111626225B (zh) | 一种工位车辆的车牌识别方法、装置、设备及存储介质 | |
| US10853829B2 (en) | Association method, and non-transitory computer-readable storage medium | |
| CN104243969A (zh) | 图像条纹检测方法及装置 | |
| CN112052702A (zh) | 一种识别二维码的方法和装置 | |
| CN110334568B (zh) | 轨迹生成与监控方法、装置、设备及存储介质 | |
| CN111191481B (zh) | 车辆识别方法及系统 | |
| CN114724378B (zh) | 一种基于深度学习的车辆追踪统计系统及方法 | |
| CN110992426A (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
| CN111339949A (zh) | 车牌识别的方法、装置及巡检车 | |
| CN113888865B (zh) | 电子设备及车辆信息获取方法 | |
| CN111553408B (zh) | 视频识别软件自动测试的方法 | |
| CN109101646B (zh) | 数据处理方法、装置、系统及计算机可读介质 | |
| CN113076983A (zh) | 一种图像的识别方法和装置 | |
| CN112214629A (zh) | 基于图像识别的回环检测方法及可移动设备 | |
| CN112862798B (zh) | 一种黑白摄像头成像情况检测方法和装置 | |
| CN112529028B (zh) | 一种用于安检机图像的联网接入方法及装置 | |
| CN112835954B (zh) | 一种确定目标服务对象的方法和装置及设备 | |
| CN116091553B (zh) | 轨迹的确定方法、装置、电子设备、车辆和存储介质 | |
| CN112734802B (zh) | 一种轨迹获取方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |