CN111507302B - 一种基于图像识别的宠物搜寻方法及装置 - Google Patents
一种基于图像识别的宠物搜寻方法及装置 Download PDFInfo
- Publication number
- CN111507302B CN111507302B CN202010344824.6A CN202010344824A CN111507302B CN 111507302 B CN111507302 B CN 111507302B CN 202010344824 A CN202010344824 A CN 202010344824A CN 111507302 B CN111507302 B CN 111507302B
- Authority
- CN
- China
- Prior art keywords
- pet
- information
- obtaining
- similarity
- smell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 89
- 208000014674 injury Diseases 0.000 claims description 27
- 230000008733 trauma Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000472 traumatic effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 9
- 230000035943 smell Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Environmental Sciences (AREA)
- Software Systems (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的宠物搜寻方法及装置，涉及数据处理技术领域，所述方法包括：获得第一宠物的第一图像信息；获得所述第一宠物的第一气味信息；获得第一训练模型；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。达到了提高宠物找回率，提高搜寻宠物准确率的技术效果。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种基于图像识别的宠物搜寻方法及装置。
背景技术
动物是人类的好朋友，随着生活质量的提高，将小动物作为宠物进行饲养的人们越来越多，与此同时，宠物周边也随之日益普及。
由于宠物狗走失等原因导致流浪猫狗大量增多，为了避免宠物走失，主人往往在宠物身上挂上能够证明身份的牌子。
但本申请发明人在实现本申请实施例中技术方案的过程中，发现上述现有技术至少存在如下技术问题：
现有技术中存在宠物找回的准确率低，时效性差的技术问题。
申请内容
本申请实施例通过提供一种基于图像识别的宠物搜寻方法及装置，用以解决现有技术中宠物找回的准确率低，时效性差的技术问题。
为了解决上述问题，第一方面，本申请实施例提供了一种基于图像识别的宠物搜寻方法，所述方法包括：根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
优选的，所述获得第一权重比，包括：获得第一预定相似度阈值；判断所述第一相似度是否达到所述第一预定相似度阈值；如果所述第一相似度达到所述第一相似度阈值，确定所述第一权重比大于1。
优选的，所述判断所述第一相似度是否达到所述第一预定相似度阈值之后，还包括：如果所述第一相似度未达到所述第一预定相似度阈值，获得第三训练模型；将所述第一图像信息和所述第二图像信息输入所述第三训练模型，提取所述第一图像信息和所述第二图像信息的区别特征；判断所述区别特征是否属于外伤特征；如果所述区别特征属于外伤特征，确定所述第一权重比大于1。
优选的，所述判断所述区别特征是否属于外伤特征之后，还包括：如果所述区别特征不属于外伤特征，确定所述第一权重比小于等于1.
优选的，所述如果所述区别特征属于外伤特征，确定所述第一权重比大于1之后，还包括：获得第一宠物的位置信息；根据所述第一宠物的位置信息，获得第一宠物救治处信息；向所述第一宠物救治处发送第一救助信息，所述第一救助信息用于通知所述第一救治处指派救治人员前往救治所述第一宠物。
优选的，所述根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。之后，还包括：获得所述第一宠物的主人信息；获得所述第一宠物的位置信息；向所述第一宠物的主人信息发送第一提醒信息，所述第一提醒信息用于将所述第一宠物的位置信息发送给所述第一宠物的主人。
优选的，所述方法包括：获得所述第一宠物所在位置处的第三气味信息；获得第一预定气味阈值；判断所述第三气味信息是否超过所述第一预定气味阈值；如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
第二方面，本申请实施例还提供了一种基于图像识别的宠物搜寻装置，其特征在于，所述装置包括：
第一获得单元，所述第一获得单元用于根据所述图像识别装置获得第一宠物的第一图像信息；
第二获得单元，所述第二获得单元用于根据所述气味识别系统获得所述第一宠物的第一气味信息；
第三获得单元，所述第三获得单元用于获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
第四获得单元，所述第一获得单元用于将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；
第五获得单元，所述第五获得单元用于获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；
第六获得单元，所述第六获得单元用于将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；
第七获得单元，所述第七获得单元用于获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
第一确定单元，所述第一确定单元用于根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
优选的，所述装置还包括：
第八获得单元，所述第八获得单元用于获得第一预定相似度阈值；
第一判断单元，所述第一判断单元用于判断所述第一相似度是否达到所述第一预定相似度阈值；
第二确定单元，所述第二确定单元用于如果所述第一相似度达到所述第一相似度阈值，确定所述第一权重比大于1。
优选的，所述装置还包括：
第九获得单元，所述第九获得单元用于如果所述第一相似度未达到所述第一预定相似度阈值，获得第三训练模型；
第一提取单元，所述第一提取单元用于将所述第一图像信息和所述第二图像信息输入所述第三训练模型，提取所述第一图像信息和所述第二图像信息的区别特征；
第二判断单元，所述第二判断单元用于判断所述区别特征是否属于外伤特征；
第三确定单元，所述第三确定单元用于如果所述区别特征属于外伤特征，确定所述第一权重比大于1。
优选的，所述装置还包括：
第四确定单元，所述第四确定单元用于如果所述区别特征不属于外伤特征，确定所述第一权重比小于等于1.
优选的，所述装置还包括：
第十获得单元，所述第十获得单元用于获得第一宠物的位置信息；
第十一获得单元，所述第十一获得单元用于根据所述第一宠物的位置信息，获得第一宠物救治处信息；
第一发送单元，所述第一发送单元用于向所述第一宠物救治处发送第一救助信息，所述第一救助信息用于通知所述第一救治处指派救治人员前往救治所述第一宠物。
优选的，所述装置还包括：
第十二获得单元，所述第十二获得单元用于获得所述第一宠物的主人信息；
第十三获得单元，所述第十三获得单元用于获得所述第一宠物的位置信息；
第二发送单元，所述第二发送单元用于向所述第一宠物的主人信息发送第一提醒信息，所述第一提醒信息用于将所述第一宠物的位置信息发送给所述第一宠物的主人。
优选的，所述装置还包括：
第十四获得单元，所述第十四获得单元用于获得所述第一宠物所在位置处的第三气味信息；
第十五获得单元，所述第十五获得单元用于获得第一预定气味阈值；
第三判断单元，所述第三判断单元用于判断判断所述第三气味信息是否超过所述第一预定气味阈值；
第十六得单元，所述第十六获得单元用于如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
第三方面，本申请实施例还提供了一种基于图像识别的宠物搜寻装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本申请实施例通过提供一种基于图像识别的宠物搜寻方法及装置，所述方法包括：根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。解决了现有技术中存在宠物找回的准确率低，时效性差的技术问题，达到了提高宠物找回率，提高搜寻宠物准确率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本发明实施例中一种基于图像识别的宠物搜寻方法的流程示意图；
图2为本发明实施例中一种基于图像识别的宠物搜寻装置的结构示意图；
图3为本发明实施例中另一种基于图像识别的宠物搜寻装置的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第七获得单元17，第一确定单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例提供了一种基于图像识别的宠物搜寻方法及装置，解决了现有技术中宠物找回的准确率低，时效性差的技术问题，
为了解决上述技术问题，本申请提供的技术方案总体思路如下：通过根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。达到了提高宠物找回率，提高搜寻宠物准确率的技术效果。
下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
实施例一
图1为本发明实施例中一种基于图像识别的宠物搜寻方法的流程示意图，所述方法应用于一具有图像识别装置、气味识别系统的宠物搜寻装置，所述宠物搜寻装置包括宠物食器以及设置于所述宠物食器内的中央控制处理器模块，摄像装置、震动检测模块、气味传感器以及图像识别传感器。通过接触宠物食器时触发震动监测模块，启动图像采集装置，识别宠物，并进行信息提取和记录；中央控制处理器包括进行信息收集、分类存储；信息识别、匹配功能。将信息反馈至客户端并登记在与该服务站数据关联的宠物医院和宠物救助站。所述发明帮助宠物失主找寻丢失的宠物，通过客户端跟踪其动向，并能够协助宠物救助站实现精准帮扶和救助。如图1所示，所述方法包括：
步骤110：根据所述图像识别装置获得第一宠物的第一图像信息；
步骤120：根据所述气味识别系统获得所述第一宠物的第一气味信息；
具体而言，如果一宠物走失，通过在第一区域内投放的宠物搜寻装置的宠物食器内进食，进食过程中触发振动监测模块，启动图像采集装置，识别宠物的第二图像信息，所述第二图像信息为所述宠物的实时图像信息，即在宠物食器中进食过程中采集的图像信息。同时通过宠物搜寻装置中的气味传感器采集进食宠物的气味信息。
步骤130：获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
具体而言，所述第一训练模型即机器学习中的神经网络模型，神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNuearlNewtokr)s,是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。所述宠物图像数据集可以是规定的某区域中所有宠物的图像信息集合即能够全面体现宠物外形的图像信息；并且定期对所述第一区域内每个宠物的图像信息进行更新，避免宠物由于宠物美容等原因造成的外形变化而导致图像失效，可以是每天更新、每周更新、或者当宠物外形发生改变时主人对宠物进行图像更新。
步骤140：将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；
具体而言，所述第二图像信息为所述宠物图像数据集中与所述第一图像信息相似度最高的图像信息，通过将第一图像信息输入所述第一训练模型中，从而在宠物图像信息中获得与其相似度最高的图像信息，同时获得两者的具体相似度值。
步骤150：获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；
步骤160：将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；
具体而言，所述第二训练模型也属于神经网络模型，用于获得与所述第一气味信息相似度最高的第二气味信息以及两者的相似度值。其中，所述第一影响参数可以是在所述宠物所处环境包含除宠物自身外的其他气味，可能影响采集宠物自身气味的准确度，为了排除其他气味对宠物自身气味的影响，通过将第一影响参数作为监督数据，从而能够排除其它气味的影响，准确找到与第一气味信息相似度最高的第二气味信息。
进一步的，所述方法包括：获得所述第一宠物所在位置处的第三气味信息；获得第一预定气味阈值；判断所述第三气味信息是否超过所述第一预定气味阈值；如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
具体而言，所述第三气味信息可以为所述第一宠物所在位置处空气中存在的气味信息，所述第一预定气味阈值用于界定气味大小，是否会影响第一宠物自身的气味信息，可以根据实际情况进行具体设置，如果第一宠物所在位置环境中的气味信息超过第一预定气味阈值，则会对第一宠物自身的气味信息造成影响，使得气味采集不够准确，无法正确获得宠物自身的气味信息，为了消除第三气味信息对宠物气味信息的影响，在第二训练模型中加入第一影响参数作为监督数据，从而消除第三气味信息对宠物气味信息的影响。
步骤170：获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
具体而言，所述第一权重比为所述第一宠物的第一图像信息与宠物图像数据集中获得的第二图像信息的相似度与第一宠物的第一气味信息与宠物气味数据集中获得的第二气味信息的相似度的权重值的比重，调整图像和气味相似度在宠物识别中的重要程度，从而使得识别结果更加准确。
进一步的，所述获得第一权重比，包括：获得第一预定相似度阈值；判断所述第一相似度是否达到所述第一预定相似度阈值；如果所述第一相似度达到所述第一相似度阈值，确定所述第一权重比大于1。
具体而言，所述第一预定相似度阈值的具体数值可以很具实际情况进行设定，将所述第一宠物的图像相似度，即所述第一相似度与第一预定相似度阈值进行比较，当所述图像相似度达到第一相似度阈值，即第一相似度比较高时，在宠物搜寻的过程中起到的作用更加重要一些，则可以将第一相似度的权重值设定的比第二相似度的权重值高一些，即第一相似度的权重值与所述第二相似度的权重值的比值大于1.。
进一步的，所述判断所述第一相似度是否达到所述第一预定相似度阈值之后，还包括：如果所述第一相似度未达到所述第一预定相似度阈值，获得第三训练模型；将所述第一图像信息和所述第二图像信息输入所述第三训练模型，提取所述第一图像信息和所述第二图像信息的区别特征；判断所述区别特征是否属于外伤特征；如果所述区别特征属于外伤特征，确定所述第一权重比大于1；所述判断所述区别特征是否属于外伤特征之后，还包括：如果所述区别特征不属于外伤特征，确定所述第一权重比小于等于1。
具体而言，如果所述图像相似度没有达到第一预定相似度阈值，即第一宠物的实时图像信息与宠物图像数据集中的图像信息进行比对后，与第一宠物的实时图像信息最相似的图像信息的相似度仍然达不到第一预定相似度阈值，即相似度较低的情况下，获得第三训练模型，所述第三训练模型为一神经网络模型，将第一图像信息以及根据第一训练模型输出的第二图像信息作为第三训练模型的输入信息，提取两者之间的区别特征，两个图像的区别特征可能存在很多种类，例如五官不同、毛色不同、或者是由于外伤引起的两个图像信息存在差异，而由于外伤造成的相似度较低，容易对宠物搜寻结果造成较大误差，为了降低误差，判断两者区别特征是否属于外伤特征，如果是由于外伤导致的相似度未达到所述第一预定相似度阈值，仍设置第一权重比大于1，如果不是由于外伤导致的相似度未达到所述第一预定相似度阈值，则确定第一权重比小于等于1。
进一步的，所述如果所述区别特征属于外伤特征，确定所述第一权重比大于1之后，还包括：获得第一宠物的位置信息；根据所述第一宠物的位置信息，获得第一宠物救治处信息；向所述第一宠物救治处发送第一救助信息，所述第一救助信息用于通知所述第一救治处指派救治人员前往救治所述第一宠物。
具体而言，可以根据所述宠物食器内的定位装置获得第一宠物的位置信息，由于第一宠物存在外伤，需要对宠物尽快进行救治，获得距离宠物最近的救治处，可以是宠物医院、宠物救助中心等能够对动物进行救治的机构，向距离宠物最近的救治处发送第一救助信息，将所述第一宠物的位置信息以及图像信息发送给救治处，请求救治处根据宠物的伤情以及位置信息合理指派救助人员前往救治，达到使得宠物能够在最短的时间内得到救治的技术效果。
步骤180：根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
具体而言，将所述第一相似度，即图像信息的相似度，以及第二相似度，即气味信息的相似度，以及两者在宠物搜寻结果中的重要程度的比重，对第一相似度以及第二相似度进行加权计算，最终获得综合相似度，以及图像信息，即宠物搜寻结果，能够准确的得出第一宠物与宠物数据集中的宠物的相似度，通过相似度能够准确的反映出第一宠物是否在宠物数据集中，解决了现有技术中存在宠物找回的准确率低，时效性差的技术问题，达到了提高宠物找回率，提高搜寻宠物准确率的技术效果。
进一步的，所述根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。之后，还包括：获得所述第一宠物的主人信息；获得所述第一宠物的位置信息；向所述第一宠物的主人信息发送第一提醒信息，所述第一提醒信息用于将所述第一宠物的位置信息发送给所述第一宠物的主人。
具体而言，第一宠物的主人信息可与宠物的第二图像信息对应存储在宠物数据集中，将通过宠物食器中设置的位置传感器或定位系统获得的宠物的实时位置信息发送给宠物主人，即所述第一提醒信息，达到了使得宠物能够快速准确的找到失主的技术效果。
实施例二
基于与前述实施例中一种基于图像识别的宠物搜寻方法同样的发明构思，本发明还提供一种基于图像识别的宠物搜寻装置，如图2所示，所述装置包括：
第一获得单元11，所述第一获得单元11用于根据所述图像识别装置获得第一宠物的第一图像信息；
第二获得单元12，所述第二获得单元12用于根据所述气味识别系统获得所述第一宠物的第一气味信息；
第三获得单元13，所述第三获得单元13用于获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
第四获得单元14，所述第一获得单元14用于将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；
第五获得单元15，所述第五获得单元15用于获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；
第六获得单元16，所述第六获得单元16用于将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；
第七获得单元17，所述第七获得单元17用于获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
第一确定单元18，所述第一确定单元18用于根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
进一步的，所述装置还包括：
第八获得单元，所述第八获得单元用于获得第一预定相似度阈值；
第一判断单元，所述第一判断单元用于判断所述第一相似度是否达到所述第一预定相似度阈值；
第二确定单元，所述第二确定单元用于如果所述第一相似度达到所述第一相似度阈值，确定所述第一权重比大于1。
进一步的，所述装置还包括：
第九获得单元，所述第九获得单元用于如果所述第一相似度未达到所述第一预定相似度阈值，获得第三训练模型；
第一提取单元，所述第一提取单元用于将所述第一图像信息和所述第二图像信息输入所述第三训练模型，提取所述第一图像信息和所述第二图像信息的区别特征；
第二判断单元，所述第二判断单元用于判断所述区别特征是否属于外伤特征；
第三确定单元，所述第三确定单元用于如果所述区别特征属于外伤特征，确定所述第一权重比大于1。
进一步的，所述装置还包括：
第四确定单元，所述第四确定单元用于如果所述区别特征不属于外伤特征，确定所述第一权重比小于等于1.
进一步的，所述装置还包括：
第十获得单元，所述第十获得单元用于获得第一宠物的位置信息；
第十一获得单元，所述第十一获得单元用于根据所述第一宠物的位置信息，获得第一宠物救治处信息；
第一发送单元，所述第一发送单元用于向所述第一宠物救治处发送第一救助信息，所述第一救助信息用于通知所述第一救治处指派救治人员前往救治所述第一宠物。
进一步的，所述装置还包括：
第十二获得单元，所述第十二获得单元用于获得所述第一宠物的主人信息；
第十三获得单元，所述第十三获得单元用于获得所述第一宠物的位置信息；
第二发送单元，所述第二发送单元用于向所述第一宠物的主人信息发送第一提醒信息，所述第一提醒信息用于将所述第一宠物的位置信息发送给所述第一宠物的主人。
进一步的，所述装置还包括：
第十四获得单元，所述第十四获得单元用于获得所述第一宠物所在位置处的第三气味信息；
第十五获得单元，所述第十五获得单元用于获得第一预定气味阈值；
第三判断单元，所述第三判断单元用于判断判断所述第三气味信息是否超过所述第一预定气味阈值；
第十六得单元，所述第十六获得单元用于如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
前述图1实施例一中的一种基于图像识别的宠物搜寻方法的各种变化方式和具体实例同样适用于本实施例的一种基于图像识别的宠物搜寻装置，通过前述对一种基于图像识别的宠物搜寻方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于图像识别的宠物搜寻装置的实施方法，所以为了说明书的简洁，在此不再详述。
实施例三
基于与前述实施例中一种基于图像识别的宠物搜寻方法同样的发明构思，本发明还提供一种基于图像识别的宠物搜寻装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于图像识别的宠物搜寻方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种基于图像识别的宠物搜寻方法同样的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。
在具体实施过程中，该程序被处理器执行时，还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本申请实施例通过提供一种基于图像识别的宠物搜寻方法及装置，所述方法包括：根据所述图像识别装置获得第一宠物的第一图像信息；根据所述气味识别系统获得所述第一宠物的第一气味信息；获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；将所述第一图像信息输入第一训练模型，获得第二图像信息以及所述第一图像信息与所述第二图像信息的第一相似度；获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；将所述第一气味信息输入第二模型，获得第二气味以及所述第一气味信息与所述第二气味信息的第二相似度；获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果。解决了现有技术中存在宠物找回的准确率低，时效性差的技术问题，达到了提高宠物找回率，提高搜寻宠物准确率的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于图像识别的宠物搜寻方法，其特征在于，所述方法应用于一具有图像识别装置、气味识别系统的宠物搜寻装置，所述方法包括：
根据所述图像识别装置获得第一宠物的第一图像信息；
根据所述气味识别系统获得所述第一宠物的第一气味信息；
获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
从宠物图像数据集中获得第二图像信息，将所述第一图像信息输入第一训练模型，获得所述第一图像信息与所述第二图像信息的第一相似度；
获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；其中，所述第一影响参数为所述第一宠物所处环境包含除宠物自身气味外的其他气味对宠物自身气味的影响，所述第一影响参数用于作为所述第二训练模型的监督数据；
从宠物气味数据集中获得第二气味信息，将所述第一气味信息输入第二模型，获得所述第一气味信息与所述第二气味信息的第二相似度；
获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果；
其中，所述方法包括：
获得所述第一宠物所在位置处的第三气味信息；
获得第一预定气味阈值；
判断所述第三气味信息是否超过所述第一预定气味阈值；
如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
2.如权利要求1所述的方法，其中，所述获得第一权重比，包括：
获得第一预定相似度阈值；
判断所述第一相似度是否达到所述第一预定相似度阈值；
如果所述第一相似度达到所述第一相似度阈值，确定所述第一权重比大于1。
3.如权利要求2所述的方法，其中，所述判断所述第一相似度是否达到所述第一预定相似度阈值之后，还包括：
如果所述第一相似度未达到所述第一预定相似度阈值，获得第三训练模型；
将所述第一图像信息和所述第二图像信息输入所述第三训练模型，提取所述第一图像信息和所述第二图像信息的区别特征；
判断所述区别特征是否属于外伤特征；
如果所述区别特征属于外伤特征，确定所述第一权重比大于1。
4.如权利要求3所述的方法，其中，所述判断所述区别特征是否属于外伤特征之后，还包括：
如果所述区别特征不属于外伤特征，确定所述第一权重比小于等于1。
5.如权利要求3所述的方法，其中，所述如果所述区别特征属于外伤特征，确定所述第一权重比大于1之后，还包括：
获得第一宠物的位置信息；
根据所述第一宠物的位置信息，获得第一宠物救治处信息；
向所述第一宠物救治处发送第一救助信息，所述第一救助信息用于通知所述第一宠物救治处指派救治人员前往救治所述第一宠物。
6.如权利要求1所述的方法，其中，所述根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果之后，还包括：
获得所述第一宠物的主人信息；
获得所述第一宠物的位置信息；
向所述第一宠物的主人信息发送第一提醒信息，所述第一提醒信息用于将所述第一宠物的位置信息发送给所述第一宠物的主人。
7.一种基于图像识别的宠物搜寻装置，其特征在于，所述装置包括：
第一获得单元，所述第一获得单元用于根据图像识别装置获得第一宠物的第一图像信息；
第二获得单元，所述第二获得单元用于根据气味识别系统获得所述第一宠物的第一气味信息；
第三获得单元，所述第三获得单元用于获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
第四获得单元，所述第四获得单元用于从宠物图像数据集中获得第二图像信息，将所述第一图像信息输入第一训练模型，获得所述第一图像信息与所述第二图像信息的第一相似度；
第五获得单元，所述第五获得单元用于获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；其中，所述第一影响参数为所述第一宠物所处环境包含除宠物自身气味外的其他气味对宠物自身气味的影响，所述第一影响参数用于作为所述第二训练模型的监督数据；
第六获得单元，所述第六获得单元用于从宠物气味数据集中获得第二气味信息，将所述第一气味信息输入第二模型，获得所述第一气味信息与所述第二气味信息的第二相似度；
第七获得单元，所述第七获得单元用于获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
第一确定单元，所述第一确定单元用于根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果；
其中，所述装置还包括：
第十四获得单元，所述第十四获得单元用于获得所述第一宠物所在位置处的第三气味信息；
第十五获得单元，所述第十五获得单元用于获得第一预定气味阈值；
第三判断单元，所述第三判断单元用于判断所述第三气味信息是否超过所述第一预定气味阈值；
第十六获得单元，所述第十六获得单元用于如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
8.一种基于图像识别的宠物搜寻装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
根据图像识别装置获得第一宠物的第一图像信息；
根据气味识别系统获得所述第一宠物的第一气味信息；
获得第一训练模型，其中，所述第一训练模型包括宠物图像数据集；
从宠物图像数据集中获得第二图像信息，将所述第一图像信息输入第一训练模型，获得所述第一图像信息与所述第二图像信息的第一相似度；
获得第二训练模型，其中，所述的训练模型包括宠物气味数据集和第一影响参数；其中，所述第一影响参数为所述第一宠物所处环境包含除宠物自身气味外的其他气味对宠物自身气味的影响，所述第一影响参数用于作为所述第二训练模型的监督数据；
从宠物气味数据集中获得第二气味信息，将所述第一气味信息输入第二模型，获得所述第一气味信息与所述第二气味信息的第二相似度；
获得第一权重比，所述第一权重比为所述第一相似度的权重值与所述第二相似度的权重值的比值；
根据所述第一相似度、所述第二相似度和所述第一权重比，确定宠物搜寻结果；
获得所述第一宠物所在位置处的第三气味信息；
获得第一预定气味阈值；
判断所述第三气味信息是否超过所述第一预定气味阈值；
如果所述第三气味信息超过所述第一预定气味阈值，获得第一影响参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010344824.6A CN111507302B (zh) | 2020-04-27 | 2020-04-27 | 一种基于图像识别的宠物搜寻方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010344824.6A CN111507302B (zh) | 2020-04-27 | 2020-04-27 | 一种基于图像识别的宠物搜寻方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111507302A CN111507302A (zh) | 2020-08-07 |
| CN111507302B true CN111507302B (zh) | 2022-03-29 |
Family
ID=71864924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010344824.6A Active CN111507302B (zh) | 2020-04-27 | 2020-04-27 | 一种基于图像识别的宠物搜寻方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507302B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241169B (zh) * | 2020-09-27 | 2023-04-25 | 宁波十方物联科技有限公司 | 基于大数据分析及动物检测的智能躯体防护方法及其系统 |
| CN112263376A (zh) * | 2020-10-27 | 2021-01-26 | 南通市第一人民医院 | 一种患者造口的智能管理方法和系统 |
| CN112630509B (zh) * | 2020-12-01 | 2023-03-10 | 江苏博沃汽车电子系统有限公司 | 一种提高电压传感器灵敏度的方法及装置 |
| CN112630496B (zh) * | 2020-12-01 | 2023-03-10 | 江苏博沃汽车电子系统有限公司 | 一种提高电流传感器准确性的方法和装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080005578A1 (en) * | 2006-06-29 | 2008-01-03 | Innovya Research & Development Ltd. | System and method for traceless biometric identification |
| US9323783B1 (en) * | 2011-07-11 | 2016-04-26 | Snoutscan Llc | System and method for animal identification |
| US9342735B2 (en) * | 2011-12-01 | 2016-05-17 | Finding Rover, Inc. | Facial recognition lost pet identifying system |
| US20190000039A1 (en) * | 2017-06-30 | 2019-01-03 | Patrick L. Nolan | Automated scent training |
| CN107509658B (zh) * | 2017-09-26 | 2023-05-02 | 宝鸡文理学院 | 爬行动物通道监测系统及爬行动物通道有效性判定方法 |
| CN108734114A (zh) * | 2018-05-02 | 2018-11-02 | 浙江工业大学 | 一种结合面部和声纹的宠物识别方法 |
-
2020
- 2020-04-27 CN CN202010344824.6A patent/CN111507302B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111507302A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111507302B (zh) | 一种基于图像识别的宠物搜寻方法及装置 | |
| CN110458233B (zh) | 混合粒度物体识别模型训练及识别方法、装置及存储介质 | |
| CN112740196A (zh) | 基于知识管理人工智能系统中的识别模型 | |
| CN110929752B (zh) | 基于知识驱动和数据驱动的分群方法及相关设备 | |
| CN110929650B (zh) | 豢养物身份识别方法、装置、计算设备、可读存储介质 | |
| WO2019056498A1 (zh) | 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质 | |
| US10380459B2 (en) | System and method for image classification | |
| Lee et al. | Prediction of feather damage in laying hens using optical flows and Markov models | |
| CN112699793A (zh) | 一种基于随机森林的疲劳驾驶检测优化识别方法 | |
| De Vries et al. | Invited Review: Examples and opportunities for artificial intelligence (AI) in dairy farms | |
| Van der Voort et al. | Invited review: Toward a common language in data-driven mastitis detection research | |
| CN114416929A (zh) | 实体召回模型的样本生成方法、装置、设备及存储介质 | |
| CN111611350B (zh) | 基于健康知识的应答方法、装置及电子设备 | |
| Lake et al. | Application of artificial intelligence algorithm in image processing for cattle disease diagnosis | |
| CN107909501B (zh) | 气味与行为的关联方法、气味社交方法及装置 | |
| CN116760719A (zh) | 构建智慧养殖多模态物联网信息搜集、预警模型的方法 | |
| Pietersma et al. | Induction and evaluation of decision trees for lactation curve analysis | |
| Himel et al. | Vision Intelligence for Smart Sheep Farming: Applying Ensemble Learning to Detect Sheep Breeds | |
| CN114068036A (zh) | 一种基于物联网感知的传染传播预测方法及系统 | |
| Bastiaansen et al. | Continuous real-time cow identification by reading ear tags from live-stream video | |
| Owalekar et al. | An agri vigilance system based on computer vision and deep learning | |
| CN117745036B (zh) | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 | |
| CN111991012B (zh) | 一种驾驶路怒状态的监测方法和装置 | |
| Tran et al. | Precision Livestock Farming Systems Based on Accelerometer Technology and Machine Learning | |
| CN116711654A (zh) | 一种宠物智能感应项圈及其控制方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |