CN111307798A - 采用多种采集技术的物品查验方法 - Google Patents

采用多种采集技术的物品查验方法 Download PDF

Info

Publication number
CN111307798A
CN111307798A CN201811511460.5A CN201811511460A CN111307798A CN 111307798 A CN111307798 A CN 111307798A CN 201811511460 A CN201811511460 A CN 201811511460A CN 111307798 A CN111307798 A CN 111307798A
Authority
CN
China
Prior art keywords
article
intelligent terminal
data
linear regression
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.)
Granted
Application number
CN201811511460.5A
Other languages
English (en)
Other versions
CN111307798B (zh
Inventor
王俊杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Zhisou Intelligent Technology Co ltd
Original Assignee
Chengdu Zhisou Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Zhisou Intelligent Technology Co ltd filed Critical Chengdu Zhisou Intelligent Technology Co ltd
Priority to CN201811511460.5A priority Critical patent/CN111307798B/zh
Publication of CN111307798A publication Critical patent/CN111307798A/zh
Application granted granted Critical
Publication of CN111307798B publication Critical patent/CN111307798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了采用多种采集技术的物品查验方法，包括以下步骤：S1、在服务平台训练各分类物品的深度学习模型；S2、对智能终端收纳物品进行多方面的基础数据采集，并提取出特征数据；S3、对特征数据进行线性回归处理，生成物品线性回归模型；S4、智能终端将将生成的物品线性回归模型进行打包传输至服务平台；S5、服务平台将物品线性回归模型与各分类物品的深度学习模型进行匹配，得到收纳物品的最终分类；S6、智能终端根据收纳物品的最终分类，将物品收进对应的储存容器中。其应用时，可以利用多种采集技术对物品进行多方面的的数据信息采集，并对特征数据进行线性回归处理得到线性回归模型，与深度学习模型进行匹配，以完成物品的查验分类。

Description

采用多种采集技术的物品查验方法
技术领域
本发明涉及物品检测技术领域，具体涉及采用多种采集技术的物品查验方法。
背景技术
随着移动互联网和智能终端技术的快速发展，市面上开始出现各种各样的物品智能收纳终端，可用于收纳快递物品、废旧回收物品、生活垃圾等。而这些物品收纳终端在收纳物品时，大多只是通过安装的电子摄像头和X光扫描装置进行初步的人员监控和危险品检测，然后将集中收纳的物品运抵分拣中心进行人工分拣，并不能根据物品的特征对物品进行智能分类收纳。要实现对物品的智能分类就需要从多个方面来对物品的特征数据进行采集，然后对采集的特征数据进行处理，以完成类型确认，而现有技术还没有实现这一过程的有效手段。
发明内容
本发明针对现有技术存在的不足，提供采用多种采集技术的物品查验方法，其应用时，可以利用多种采集技术对物品进行多方面的的数据信息采集，并将采集的物品特征数据用线性回归处理方法进行量化处理，然后与训练好的分类物品深度学习模型进行匹配，以完成物品的查验分类。
本发明通过以下技术方案实现：
采用多种采集技术的物品查验方法，包括以下步骤：
S1、获取目标领域现有物品的训练数据，并利用训练数据在服务平台训练各分类物品的深度学习模型，将训练好的深度学习模型分类保存至数据库；
S2、通过智能终端对收纳物品进行外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的基础数据采集，然后从基础数据中提取物品的特征数据；
S3、智能终端采用线性回归处理方法对物品特征数据进行量化处理，生成物品的线性回归模型；
S4、智能终端将物品的线性回归模型进行编码打包，然后通过数据传输单元远程传输至服务平台；
S5、服务平台对接收的数据包进行解码，获得物品的线性回归模型，然后将线性回归模型与数据库中存储的各分类物品的深度学习模型进行匹配，得出物品的最终分类，并将该分类对应的分类号通过数据传输单元远程传输至智能终端；
S6、智能终端收到分类号后，将物品收纳进分类号所对应的储存容器中。
优选地，在步骤S2中，智能终端通过安装的外部摄像头、X光检测仪、防爆探测器、液体检测仪、重量传感器和红外温度探测器分别实现对物品的外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的采集。
优选地，智能终端对采集的物品基础数据进行分析处理，当判定物品的大小、重量或/和温度超过对应设定值时，智能终端发出相应现场提示，并拒收物品，当判定物品有危险液体或/和易爆气体时，智能终端发出相应现场警示，拒收物品，同时向服务平台发出预警，并将外部摄像头拍摄画面实时传输至服务平台。
优选地，在步骤S2中，智能终端从基础数据中提取的特征数据包括物品的外形图像和X光扫描图像。
优选地，智能终端采用HOG特征提取算法进行特征点提取，其过程包括：
S51、对原始的外部图像、X光图像进行灰度处理；
S52、采用Gamma校正法对灰度处理后的图像进行颜色空间的标准化处理；
S53、计算处理后的图像每个像素的梯度；
S54、再将图像进行单元划分；
S55、统计每个单元的梯度直方图，形成每个单元的描述符；
S56、然后将设定数量的单元组成图像区块，将图像区块内所有单元的描述符串联起来得到图像区块的HOG特征描述符；
S57、将图像内所有图像区块的HOG特征描述符串联起来得到特征图像。
优选地，在步骤S3中，智能终端对物品特征数据进行线性回归处理时，先将特征数据生成数据集，并根据数据集绘制散点图，然后计算损失函数，并进行梯度下降计算，最终获得线性回归模型参数。
优选地，智能终端对物品的线性回归模型进行编码打包时，植入智能终端的对应编号，并进行加密打包，服务平台对接收数据包采用设定的密钥进行解码，并获得智能终端的对应编号。
优选地，智能终端与服务平台之间用于数据传输的数据传输单元为无线网络模块。
本发明具有如下的优点和有益效果：
1、本发明采用多种采集技术的物品查验方法，可以利用多种采集技术完成对物品的多方面数据信息采集，以提高对物品检测查验的全面性和准确性。
2、本发明采用多种采集技术的物品查验方法，可以根据采集的物品信息完成对物品的规格和危险品查验，当物品超规格时发出相应提示，当物品包含危险物时，发出相应预警，并进行监控处理。
3、本发明采用多种采集技术的物品查验方法，可以将采集的物品特征数据用线性回归处理方法进行量化处理，然后与训练好的分类物品深度学习模型进行匹配，以完成物品的查验分类。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的实施步骤框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如图1所示，采用多种采集技术的物品查验方法，包括以下步骤：
S1、获取目标领域现有物品的训练数据，并利用训练数据在服务平台训练各分类物品的深度学习模型，将训练好的深度学习模型分类保存至数据库；
S2、通过智能终端对收纳物品进行外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的基础数据采集，然后从基础数据中提取物品的特征数据；
S3、智能终端采用线性回归处理方法对物品特征数据进行量化处理，生成物品的线性回归模型；
S4、智能终端将物品的线性回归模型进行编码打包，然后通过数据传输单元远程传输至服务平台；
S5、服务平台对接收的数据包进行解码，获得物品的线性回归模型，然后将线性回归模型与数据库中存储的各分类物品的深度学习模型进行匹配，得出物品的最终分类，并将该分类对应的分类号通过数据传输单元远程传输至智能终端；
S6、智能终端收到分类号后，将物品收纳进分类号所对应的储存容器中。
在步骤S2中，智能终端通过安装的外部摄像头、X光检测仪、防爆探测器、液体检测仪、重量传感器和红外温度探测器分别实现对物品的外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的采集。
智能终端对采集的物品基础数据进行分析处理，当判定物品的大小、重量或/和温度超过对应设定值时，智能终端发出相应现场提示，并拒收物品，当判定物品有危险液体或/和易爆气体时，智能终端发出相应现场警示，拒收物品，同时向服务平台发出预警，并将外部摄像头拍摄画面实时传输至服务平台。
在步骤S2中，智能终端从基础数据中提取的特征数据包括物品的外形图像和X光扫描图像。
智能终端采用HOG特征提取算法进行特征点提取，其过程包括：
S51、对原始的外部图像、X光图像进行灰度处理；
S52、采用Gamma校正法对灰度处理后的图像进行颜色空间的标准化处理；
S53、计算处理后的图像每个像素的梯度；
S54、再将图像进行单元划分；
S55、统计每个单元的梯度直方图，形成每个单元的描述符；
S56、然后将设定数量的单元组成图像区块，将图像区块内所有单元的描述符串联起来得到图像区块的HOG特征描述符；
S57、将图像内所有图像区块的HOG特征描述符串联起来得到特征图像。
在步骤S3中，智能终端对物品特征数据进行线性回归处理时，先将特征数据生成数据集，并根据数据集绘制散点图，然后计算损失函数，并进行梯度下降计算，最终获得线性回归模型参数。
智能终端对物品的线性回归模型进行编码打包时，植入智能终端的对应编号，并进行加密打包，服务平台对接收数据包采用设定的密钥进行解码，并获得智能终端的对应编号。
智能终端与服务平台之间用于数据传输的数据传输单元为无线网络模块。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.采用多种采集技术的物品查验方法，其特征在于，包括以下步骤：
S1、获取目标领域现有物品的训练数据，并利用训练数据在服务平台训练各分类物品的深度学习模型，将训练好的深度学习模型分类保存至数据库；
S2、通过智能终端对收纳物品进行外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的基础数据采集，然后从基础数据中提取物品的特征数据；
S3、智能终端采用线性回归处理方法对物品特征数据进行量化处理，生成物品的线性回归模型；
S4、智能终端将物品的线性回归模型进行编码打包，然后通过数据传输单元远程传输至服务平台；
S5、服务平台对接收的数据包进行解码，获得物品的线性回归模型，然后将线性回归模型与数据库中存储的各分类物品的深度学习模型进行匹配，得出物品的最终分类，并将该分类对应的分类号通过数据传输单元远程传输至智能终端；
S6、智能终端收到分类号后，将物品收纳进分类号所对应的储存容器中。
2.根据权利要求1所述的采用多种采集技术的物品查验方法，其特征在于，在步骤S2中，智能终端通过安装的外部摄像头、X光检测仪、防爆探测器、液体检测仪、重量传感器和红外温度探测器分别实现对物品的外部图像、X光图像、防爆参数、液体参数、重量数据和温度数据的采集。
3.根据权利要求2所述的采用多种采集技术的物品查验方法，其特征在于，智能终端对采集的物品基础数据进行分析处理，当判定物品的大小、重量或/和温度超过对应设定值时，智能终端发出相应现场提示，并拒收物品，当判定物品有危险液体或/和易爆气体时，智能终端发出相应现场警示，拒收物品，同时向服务平台发出预警，并将外部摄像头拍摄画面实时传输至服务平台。
4.根据权利要求1所述的采用多种采集技术的物品查验方法，其特征在于，在步骤S2中，智能终端从基础数据中提取的特征数据包括物品的外形图像和X光扫描图像。
5.根据权利要求4所述的采用多种采集技术的物品查验方法，其特征在于，智能终端采用HOG特征提取算法进行特征点提取，其过程包括：
S51、对原始的外部图像、X光图像进行灰度处理；
S52、采用Gamma校正法对灰度处理后的图像进行颜色空间的标准化处理；
S53、计算处理后的图像每个像素的梯度；
S54、再将图像进行单元划分；
S55、统计每个单元的梯度直方图，形成每个单元的描述符；
S56、然后将设定数量的单元组成图像区块，将图像区块内所有单元的描述符串联起来得到图像区块的HOG特征描述符；
S57、将图像内所有图像区块的HOG特征描述符串联起来得到特征图像。
6.根据权利要求1所述的采用多种采集技术的物品查验方法，其特征在于，在步骤S3中，智能终端对物品特征数据进行线性回归处理时，先将特征数据生成数据集，并根据数据集绘制散点图，然后计算损失函数，并进行梯度下降计算，最终获得线性回归模型参数。
7.根据权利要求1所述的采用多种采集技术的物品查验方法，其特征在于，智能终端对物品的线性回归模型进行编码打包时，植入智能终端的对应编号，并进行加密打包，服务平台对接收数据包采用设定的密钥进行解码，并获得智能终端的对应编号。
8.根据权利要求1所述的采用多种采集技术的物品查验方法，其特征在于，智能终端与服务平台之间用于数据传输的数据传输单元为无线网络模块。
CN201811511460.5A 2018-12-11 2018-12-11 采用多种采集技术的物品查验方法 Active CN111307798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811511460.5A CN111307798B (zh) 2018-12-11 2018-12-11 采用多种采集技术的物品查验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811511460.5A CN111307798B (zh) 2018-12-11 2018-12-11 采用多种采集技术的物品查验方法

Publications (2)

Publication Number Publication Date
CN111307798A true CN111307798A (zh) 2020-06-19
CN111307798B CN111307798B (zh) 2023-03-17

Family

ID=71148531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811511460.5A Active CN111307798B (zh) 2018-12-11 2018-12-11 采用多种采集技术的物品查验方法

Country Status (1)

Country Link
CN (1) CN111307798B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114427878A (zh) * 2020-10-29 2022-05-03 清华大学 查验装置及查验方法

Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101221136A (zh) * 2006-09-29 2008-07-16 通用电气保安公司 用于分类物质的系统和方法
CN101551864A (zh) * 2009-05-13 2009-10-07 西安电子科技大学 基于频域方向特征相关性的图像分类方法
US20100070441A1 (en) * 2007-03-27 2010-03-18 Fujitsu Limited Method, apparatus, and program for generating prediction model based on multiple regression analysis
US20120136585A1 (en) * 2010-02-18 2012-05-31 Bae Systems Information And Electronic Systems Integration Inc. Method and system for the detection and identification of explosives and/or contraband
CN102564964A (zh) * 2011-12-29 2012-07-11 南京林业大学 基于光谱图像的肉品品质可视化非接触检测方法
CN102663448A (zh) * 2012-03-07 2012-09-12 北京理工大学 一种基于网络的增强现实物体识别分析方法
CN103605984A (zh) * 2013-11-14 2014-02-26 厦门大学 基于超图学习的室内场景分类方法
CN103761295A (zh) * 2014-01-16 2014-04-30 北京雅昌文化发展有限公司 基于图片自动分类的艺术类图片的定制化特征量提取算法
CN103942298A (zh) * 2014-04-14 2014-07-23 清华大学 基于线性回归的推荐方法及系统
CN104036235A (zh) * 2014-05-27 2014-09-10 同济大学 基于叶片hog特征和智能终端平台的植物物种识别方法
CN104268684A (zh) * 2014-09-23 2015-01-07 桂林驰讯科技有限公司 基于智能终端的智能化巡查系统
WO2015058596A1 (zh) * 2013-10-22 2015-04-30 天地融科技股份有限公司 动态口令生成方法和系统、交易请求的处理方法和系统
CN104954749A (zh) * 2015-06-17 2015-09-30 四川特伦特科技股份有限公司 一种信息记录方法
US20160026898A1 (en) * 2014-07-24 2016-01-28 Agt International Gmbh Method and system for object detection with multi-scale single pass sliding window hog linear svm classifiers
CN105550701A (zh) * 2015-12-09 2016-05-04 福州华鹰重工机械有限公司 实时图像提取识别方法及装置
US20160188996A1 (en) * 2014-12-26 2016-06-30 Here Global B.V. Extracting Feature Geometries for Localization of a Device
CN105787508A (zh) * 2016-02-22 2016-07-20 青岛大学 纺织品颜色识别方法及系统
CN106055776A (zh) * 2016-05-27 2016-10-26 大连楼兰科技股份有限公司 基于人工智能有监督学习线性回归方法建立不同车型分区域远程定损系统及方法
CN106127525A (zh) * 2016-06-27 2016-11-16 浙江大学 一种基于分类算法的电视购物商品推荐方法
CN107122375A (zh) * 2016-12-12 2017-09-01 南京理工大学 基于图像特征的图像主体的识别方法
US20170286759A1 (en) * 2014-10-23 2017-10-05 Intel Corporation Method and system of facial expression recognition using linear relationships within landmark subsets
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107480660A (zh) * 2017-09-30 2017-12-15 深圳市锐曼智能装备有限公司 危险物品识别系统及其方法
CN107582097A (zh) * 2017-07-18 2018-01-16 中山大学附属第医院 一种基于多模态超声组学的智能辅助决策系统
CN107680077A (zh) * 2017-08-29 2018-02-09 南京航空航天大学 一种基于多阶梯度特征的无参考图像质量评价方法
CN107845089A (zh) * 2017-10-27 2018-03-27 清华-伯克利深圳学院筹备办公室 一种基于颜色信息的测量方法、装置及系统
CN107844774A (zh) * 2017-11-10 2018-03-27 广州视源电子科技股份有限公司 图像显示的选择方法、装置、智能终端及存储介质
CN108121997A (zh) * 2016-11-29 2018-06-05 Sap欧洲公司 使用机器学习模型的图像数据中的对象分类
CN108647588A (zh) * 2018-04-24 2018-10-12 广州绿怡信息科技有限公司 物品类别识别方法、装置、计算机设备和存储介质
US10140553B1 (en) * 2018-03-08 2018-11-27 Capital One Services, Llc Machine learning artificial intelligence system for identifying vehicles

Patent Citations (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101221136A (zh) * 2006-09-29 2008-07-16 通用电气保安公司 用于分类物质的系统和方法
US20100070441A1 (en) * 2007-03-27 2010-03-18 Fujitsu Limited Method, apparatus, and program for generating prediction model based on multiple regression analysis
CN101551864A (zh) * 2009-05-13 2009-10-07 西安电子科技大学 基于频域方向特征相关性的图像分类方法
US20120136585A1 (en) * 2010-02-18 2012-05-31 Bae Systems Information And Electronic Systems Integration Inc. Method and system for the detection and identification of explosives and/or contraband
CN102564964A (zh) * 2011-12-29 2012-07-11 南京林业大学 基于光谱图像的肉品品质可视化非接触检测方法
CN102663448A (zh) * 2012-03-07 2012-09-12 北京理工大学 一种基于网络的增强现实物体识别分析方法
WO2015058596A1 (zh) * 2013-10-22 2015-04-30 天地融科技股份有限公司 动态口令生成方法和系统、交易请求的处理方法和系统
CN103605984A (zh) * 2013-11-14 2014-02-26 厦门大学 基于超图学习的室内场景分类方法
CN103761295A (zh) * 2014-01-16 2014-04-30 北京雅昌文化发展有限公司 基于图片自动分类的艺术类图片的定制化特征量提取算法
CN103942298A (zh) * 2014-04-14 2014-07-23 清华大学 基于线性回归的推荐方法及系统
CN104036235A (zh) * 2014-05-27 2014-09-10 同济大学 基于叶片hog特征和智能终端平台的植物物种识别方法
US20160026898A1 (en) * 2014-07-24 2016-01-28 Agt International Gmbh Method and system for object detection with multi-scale single pass sliding window hog linear svm classifiers
CN104268684A (zh) * 2014-09-23 2015-01-07 桂林驰讯科技有限公司 基于智能终端的智能化巡查系统
US20170286759A1 (en) * 2014-10-23 2017-10-05 Intel Corporation Method and system of facial expression recognition using linear relationships within landmark subsets
US20160188996A1 (en) * 2014-12-26 2016-06-30 Here Global B.V. Extracting Feature Geometries for Localization of a Device
CN104954749A (zh) * 2015-06-17 2015-09-30 四川特伦特科技股份有限公司 一种信息记录方法
CN105550701A (zh) * 2015-12-09 2016-05-04 福州华鹰重工机械有限公司 实时图像提取识别方法及装置
CN105787508A (zh) * 2016-02-22 2016-07-20 青岛大学 纺织品颜色识别方法及系统
CN106055776A (zh) * 2016-05-27 2016-10-26 大连楼兰科技股份有限公司 基于人工智能有监督学习线性回归方法建立不同车型分区域远程定损系统及方法
CN106127525A (zh) * 2016-06-27 2016-11-16 浙江大学 一种基于分类算法的电视购物商品推荐方法
CN108121997A (zh) * 2016-11-29 2018-06-05 Sap欧洲公司 使用机器学习模型的图像数据中的对象分类
CN107122375A (zh) * 2016-12-12 2017-09-01 南京理工大学 基于图像特征的图像主体的识别方法
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107582097A (zh) * 2017-07-18 2018-01-16 中山大学附属第医院 一种基于多模态超声组学的智能辅助决策系统
CN107680077A (zh) * 2017-08-29 2018-02-09 南京航空航天大学 一种基于多阶梯度特征的无参考图像质量评价方法
CN107480660A (zh) * 2017-09-30 2017-12-15 深圳市锐曼智能装备有限公司 危险物品识别系统及其方法
CN107845089A (zh) * 2017-10-27 2018-03-27 清华-伯克利深圳学院筹备办公室 一种基于颜色信息的测量方法、装置及系统
CN107844774A (zh) * 2017-11-10 2018-03-27 广州视源电子科技股份有限公司 图像显示的选择方法、装置、智能终端及存储介质
US10140553B1 (en) * 2018-03-08 2018-11-27 Capital One Services, Llc Machine learning artificial intelligence system for identifying vehicles
CN108647588A (zh) * 2018-04-24 2018-10-12 广州绿怡信息科技有限公司 物品类别识别方法、装置、计算机设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙即祥: "《模式识别中的特征提取与计算机视觉不变量》", 30 September 2001, 国防工业出版社 *
孙娅楠等: "梯度下降法在机器学习中的应用", 《苏州科技大学学报(自然科学版)》 *
陆红: "《大数据分析方法》", 30 June 2017, 中国财富出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114427878A (zh) * 2020-10-29 2022-05-03 清华大学 查验装置及查验方法
WO2022089074A1 (zh) * 2020-10-29 2022-05-05 清华大学 查验装置及查验方法

Also Published As

Publication number Publication date
CN111307798B (zh) 2023-03-17

Similar Documents

Publication Publication Date Title
JP6679188B1 (ja) 廃棄物選別装置及び廃棄物選別方法
CN106568783B (zh) 一种五金零件缺陷检测系统及方法
CN109201514B (zh) 垃圾分类回收方法、垃圾分类装置以及垃圾分类回收系统
CN110238078B (zh) 分拣方法、装置、系统及存储介质
CN105719188B (zh) 基于多张图片一致性实现保险理赔反欺诈的方法及服务器
CN108734283B (zh) 神经网络系统
US8630452B2 (en) Mailboxes and mailbox systems enabling enhanced security and logistics, and/or associated methods
CN113379720B (zh) 一种基于茶饼图像特征编码的茶饼防伪方法
CN106372638A (zh) 一种识别电子设备品牌型号的方法和系统
CN110765990A (zh) 一种物品智能检测方法及系统、一种计算设备及存储介质
KR101779782B1 (ko) 인공신경망 분석에 근거한 복합적 물체 인식 시스템 및 방법
CN103778472A (zh) 行动化建置产品履历系统及产线作业的管控方法
CN111382725B (zh) 违禁快递包裹的处理方法、装置、设备及存储介质
CN108830276A (zh) 一种基于x光机图像的智能识别系统
CN114202197B (zh) 一种报警消息排序的方法与系统
CN109003029A (zh) 一种基于深度学习的智能仓库巡检方法及系统
CN111967322A (zh) 数据处理方法、装置、电子设备和存储介质
CN111210412A (zh) 一种包装检测方法、装置、电子设备及存储介质
CN111307798B (zh) 采用多种采集技术的物品查验方法
CN111767902A (zh) 安检机危险品的识别方法、装置、设备及存储介质
CN111597857A (zh) 一种物流包裹检测方法、装置、设备及可读存储介质
WO2021017797A1 (en) Counting check device,counting system and method
CN112966541B (zh) 果蔬自动验货方法、系统、电子设备以及计算机可读介质
CN117735244A (zh) 一种箱式货物智慧查验一体化系统及方法
Widianto et al. Prototype design internet of things based waste management using image processing

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