CN111553445A - 零部件识别方法、装置、存储介质和电子设备 - Google Patents
零部件识别方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111553445A CN111553445A CN202010429547.9A CN202010429547A CN111553445A CN 111553445 A CN111553445 A CN 111553445A CN 202010429547 A CN202010429547 A CN 202010429547A CN 111553445 A CN111553445 A CN 111553445A
- Authority
- CN
- China
- Prior art keywords
- information
- identified
- matching degree
- part information
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005553 drilling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本申请的实施例提供了一种零部件识别方法、装置、存储介质和电子设备,涉及图像处理领域。该方法包括:获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息;将所述待识别信息与至少一个已知零部件信息进行匹配,得到所述待识别信息与每个所述已知零部件信息的匹配度;将符合预设条件的已知零部件信息作为目标零部件信息;确定所述目标零部件信息的参数为所述待识别零部件的参数。本申请能够准确识别出待识别零部件,得到待识别零部件的参数。
Description
技术领域
本申请涉及图像处理领域,具体而言,涉及一种零部件识别方法、装置、存储介质和电子设备。
背景技术
目前,大型工程机械(如旋挖钻机)的零部件拆卸即为不便,而工程师在对这些大型机械进行维修护理时,必需了解其零部件的参数才能够进行有效地维修护理。
例如,服务工程师在维修与调配液压零部件及机械零部件时,需准确了解其技术参数;电气数字化工程师在测试实验时也需了解控制对象液压阀体、马达等的技术参数。
但是,由于大型工程机械的零部件结构复杂,工程师在进行零部件的识别时,常常无法准确获取其技术参数,这给工程师的工作带来了极大的不便。
发明内容
本申请的目的包括,例如,提供了一种零部件识别方法、装置、存储介质和电子设备,其能够准确识别出待识别零部件,得到待识别零部件的参数。
本申请的实施例可以这样实现:
第一方面,本申请实施例提供一种零部件识别方法,包括:
获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息;
将所述待识别信息与至少一个已知零部件信息进行匹配,得到所述待识别信息与每个所述已知零部件信息的匹配度;
将符合预设条件的已知零部件信息作为目标零部件信息;
确定所述目标零部件信息的参数为所述待识别零部件的参数。
在可选的实施方式中,所述将符合预设条件的已知零部件信息作为目标零部件信息的步骤包括:
获取匹配度最高的已知零部件信息;
判断所述匹配度最高的已知零部件信息的匹配度是否大于预设阈值;
当所述匹配度最高的已知零部件信息的匹配度大于所述预设阈值时,将所述匹配度最高的已知零部件信息作为目标零部件信息。
在可选的实施方式中,预先设置有信息库,所述信息库中包括至少一个已知零部件信息,所述将符合预设条件的已知零部件信息作为目标零部件信息的步骤还包括:
当所述匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与所述待识别信息最匹配的零部件信息;
将所述最匹配的零部件信息作为已知零部件信息加入至所述信息库中。
在可选的实施方式中,所述确定与所述目标零部件信息关联的参数信息为所述待识别零部件的参数的步骤之后,所述方法还包括:
显示所述目标零部件信息的参数。
第二方面,本申请实施例提供一种待识别零部件识别装置,包括:
获取模块,用于获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息;
识别模块,用于将所述待识别信息与至少一个已知零部件信息进行匹配,得到所述待识别信息与每个所述已知零部件信息的匹配度;
所述识别模块,还用于将符合预设条件的已知零部件信息作为目标零部件信息;
所述识别模块,还用于确定所述目标零部件信息的参数为所述待识别零部件的参数。
在可选的实施方式中,所述识别模块用于获取匹配度最高的已知零部件信息;
所述识别模块还用于判断所述匹配度最高的已知零部件信息的匹配度是否大于预设阈值;
所述识别模块还用于当所述匹配度最高的已知零部件信息的匹配度大于所述预设阈值时,将所述匹配度最高的已知零部件信息作为目标零部件信息。
在可选的实施方式中,预先设置有信息库,所述信息库中包括至少一个已知零部件信息,所述识别模块用于当所述匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与所述待识别信息最匹配的零部件信息;
所述识别模块还用于将所述最匹配的零部件信息作为已知零部件信息加入至所述信息库中。
在可选的实施方式中,所述装置还包括:
显示模块,用于显示所述目标零部件信息的参数。
第三方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述实施方式中任一项所述的方法。
第四方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有机器可读指令,所述处理器用于执行所述机器可读指令,以实现前述实施方式中任一项所述的方法。
本申请实施例的有益效果包括:由于待识别信息包括第一图片信息、第二图片信息以及文字信息中的至少两种,进而在将该待识别信息和已知零部件信息进行匹配时,能够采用多信息交叉识别的方式更加准确地识别出待识别零部件,得出该待识别零部件的准确参数。因此,本申请能够准确识别出待识别零部件,得到待识别零部件的参数。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的电子设备的一种结构框图;
图2为本申请实施例提供的零部件识别方法的一种流程图;
图3为本申请实施例提供的零部件、关联部件以及设备结构面的一种示意图;
图4为本申请实施例提供的零部件识别方法的另一种流程图;
图5为本申请实施例提供的零部件识别方法的另一种流程图;
图6为本申请实施例提供的零部件识别装置的一种功能模块图。
图标:100-电子设备;110-存储器;120-处理器;130-总线;140-通信接口;200-零部件识别装置;210-获取模块;220-识别模块;230-显示模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
在本申请实施例的实现过程中,本申请的发明人发现:
目前,工程师在进行零部件的识别时,通常先获取待识别的零部件的图像,然后将该图像与零部件库中的模板图像进行比对,判断待识别的零部件是否在零部件库中,进而实现零部件的识别。
但是,对于一些大型工程机械而言,由于这些工程机械(如旋挖钻机)的结构非常复杂,工程师在实际采用上述的零部件的识别方法时,往往无法获取到待识别的零部件的完整图像,这会导致无法准确地对待识别的零部件进行准确识别。例如,在对旋挖钻机中的液压阀的进行识别时,因其结构复杂,工程师无法获取到液压阀体的完整图像,从而无法准确对该液压阀进行准确识别。故工程师在进行零部件的识别时,常常无法准确识别,这给工程师的工作带来了极大的不便。
为了改善上述现有技术中的种种缺陷,本申请实施例提出了一种零部件识别方法、装置、存储介质和电子设备,其能够准确识别出待识别零部件,得到待识别零部件的参数。
需要说明的是,以上现有技术中的技术方案所存在的种种缺陷,均是发明人经过仔细的实践研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是发明人在实现本申请过程中对本申请做出的贡献。
请参照图1,为本申请实施例所提供的电子设备100的一种结构框图。该电子设备100可以包括存储器110、处理器120、总线130和通信接口140,该存储器110、处理器120和通信接口140相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条总线130或信号线实现电性连接。处理器120可以处理与零部件识别有关的信息和/或数据,以执行本申请中描述的一个或多个功能。例如,处理器120可以获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息,并根据上述待识别信息进行零部件识别,进而实现本申请提供的零部件识别方法。
其中,存储器110可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器120可以是一种集成电路芯片,具有信号处理能力。该处理器120可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,图1所示的结构仅为示意,该电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。例如,上述的电子设备100可以是摄像设备、手机、平板、计算机、服务器、云平台等,因此,本申请对于电子设备100的具体类型不作限定。
下面,为了便于理解,本申请以下实施例将以图1所示的电子设备100为例,结合附图,对本申请实施例提供的零部件识别方法进行阐述。
请参照图2,图2示出了本申请实施例提供的零部件识别方法的一种流程图。该零部件识别方法可以应用于上述的电子设备100,该零部件识别方法可以包括以下步骤:
S100,获取待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息以及待识别零部件上的文字信息中的至少两种,得到待识别信息。
如图3所示,上述的第一图片信息可以是表征待识别零部件的完整结构或部分结构的图像,第二图片信息可以是表征关联部件的完整结构或部分结构的图像,文字信息可以是标记(例如,激光刻蚀、镭雕、铭刻)在待识别零部件上的部分或完整的文字内容。与待识别零部件关联的关联部件可以是与待识别零部件接触的其他零部件,也可以是与待识别零部件相距预设距离内的其他零部件。
此外,第一图片信息可以包括至少一张待识别零部件的完整结构或部分结构的图像,第二图片信息可以包括至少一张关联部件的完整结构或部分结构的图像,文字信息可以包括至少一个标记在待识别零部件上的部分或完整的文字内容。
需要说明的是,本申请对于电子设备100如何获取待识别信息的方式不作限定。在一些可能的实施例中,当上述的电子设备100为不具有拍摄功能的电子设备时,其获取待识别信息的方式可以是:操作员通过手持终端拍摄待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息,以及操作员通过手持终端输入和/或拍摄待识别零部件上的文字信息;电子设备100通过网络获取到该手持终端中的第一图片信息、第二图片信息以及文字信息中的至少两种,进而得到待识别信息。
在另一些可能的实施例中,当上述的电子设备100为具有拍摄功能的电子设备时,其获取待识别信息的方式既可以与上述不具有拍摄功能的电子设备的获取方式相同,也可以是:操作员手持该电子设备100拍摄待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息,以及操作员通过该电子设备100输入和/或拍摄待识别零部件上的文字信息,进而得到第一图片信息、第二图片信息以及文字信息中的至少两种。
S110,将待识别信息与至少一个已知零部件信息进行匹配,得到待识别信息与每个已知零部件信息的匹配度。
上述已知零部件信息可以包括其本身的图片信息(简称为自图片信息,与第一图片信息对应)、与其关联的零部件的图片信息(简称为关联图片信息,与第二图片信息对应)以及其本身的文字信息(简称为自文字信息,与上述待识别零部件上的文字信息对应)。
在得到待识别信息后,可以基于可行的匹配算法将待识别信息与至少一个已知零部件信息进行匹配,得到待识别信息与每个已知零部件信息的匹配度。例如,假设待识别信息中包括第一图片信息和第二图片信息,则可以计算第一图片信息与每个已知零部件信息中的自图片信息的第一匹配度,并计算第二图片信息与每个已知零部件信息中的关联图片信息的第二匹配度,最后结合第一匹配度、第二匹配度确定出待识别信息与每个已知零部件信息的总匹配度。
换句话说,由于待识别信息和已知零部件信息中均包括多个自信息,进而可以将待识别信息与至少一个已知零部件信息进行多信息交叉识别,得到待识别信息与每个已知零部件信息的匹配度。
S120,将符合预设条件的已知零部件信息作为目标零部件信息。
在一些可能的实施例中,上述的预设条件可以是:匹配度最大且超过预设阈值。也即是说,可以将与待识别信息的匹配度超过预设阈值且最大的已知零部件信息作为目标零部件信息。显然,这种方式仅会出现将一个已知零部件信息作为目标零部件信息的情况。
S130,确定目标零部件信息的参数为待识别零部件的参数。
当将一个已知零部件信息作为目标零部件信息时,所确定出的待识别零部件的参数也为一个。可以理解,这样可以准确地得到待识别零部件的参数。
应理解,由于待识别信息包括第一图片信息、第二图片信息以及文字信息中的至少两种,进而在将该待识别信息和已知零部件信息进行匹配时,能够采用多信息交叉识别的方式更加准确地识别出待识别零部件,得出该待识别零部件的准确参数。因此,本申请能够准确识别出待识别零部件,得到待识别零部件的参数。
此外,由于上述方法实施例并不需要完整的待识别零部件的图像结构,最少需要待识别零部件的部分结构的图像以及关联部件的部分结构的图像即可准确地得到待识别零部件的参数。
在一些可能的实施例中,为了将待识别零部件的参数有效地反馈给用户或售后服务人员,利于用户或售后服务人员在进行维修作业时查看零部件信息,快速根据得到的零部件信息进行作业,在S130之后,请参照图4,方法还可以包括:
S140,显示目标零部件信息的参数。
在一些可能的实施例中,对于如何“将符合预设条件的已知零部件信息作为目标零部件信息”,请参照图5,S120可以包括:
S120A,获取匹配度最高的已知零部件信息。
S120B,判断匹配度最高的已知零部件信息的匹配度是否大于预设阈值。
S120C,当匹配度最高的已知零部件信息的匹配度大于预设阈值时,将匹配度最高的已知零部件信息作为目标零部件信息。
应理解,通过将与待识别信息的匹配度大于预设阈值且最高的已知零部件信息作为目标零部件信息,可以使得最终所确定出的待识别零部件的参数最准确。
在一些可能的实施例中,预先设置有信息库,信息库中包括至少一个已知零部件信息。进而,请继续参照图5,“将符合预设条件的已知零部件信息作为目标零部件信息”的步骤(S120)还可以包括:
S120D,当匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与待识别信息最匹配的零部件信息。
可以理解的是,“匹配度最高的已知零部件的匹配度小于或等于预设阈值”说明在信息库中尚不存在与待识别零部件匹配的已知零部件,为了能够准确地识别出该待识别零部件,可以:在匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与待识别信息最匹配的零部件信息。
其中,从互联网中获取与待识别信息最匹配的零部件信息的匹配过程可以参照S110,在此不再赘述。
S120E,将最匹配的零部件信息作为已知零部件信息加入至信息库中。
应理解,通过S120D、S120E,可以实现信息库不断地自学习补充,增加已知零部件的数量,提高零部件识别的准确性。
下面还提供一种可行的旋挖钻机的零部件识别方法,以对上述方法实施例做进一步解释。该方法可以应用于移动客户端,该方法可以包括如下步骤:
S1,获取旋挖钻机中待识别零部件的图片信息、关联部件的图片信息以及待识别零部件的文字数字信息。
S2,将待识别零部件的图片信息、关联部件的图片信息以及待识别零部件的文字数字信息与信息库中的零件模板进行多信息交叉比对;
S3,当找到最匹配的零件模板时,将最匹配的零件模板中的技术参数信息确定为待识别零部件的参数,并显示参数;
S4,当未找到最匹配的零件模板时,从互联网中获取与待识别零部件的信息最匹配的零部件,并显示该零部件的参数。
应理解,本申请实施例通过建立包括多个已知零部件信息的信息库,每个已知零部件信息包括其本身的图片信息、与其关联的零部件的图片信息以及其本身的文字信息。用户不需要使用电子设备100扫描完整的待识别零部件的图像结构,而仅仅在通过电子设备100获取待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息以及待识别零部件上的文字信息中的至少两种后,即可得到待识别零部件准确的参数信息。因此,本申请有利于用户或售后服务人员在进行维修作业时查看零部件信息,并快速根据得到的零部件信息进行作业。也即是说,本申请实施例所提供的零部件识别方法(以及其对应的信息识别系统)在对图片、文字信息处理后获取的零部件技术参数可通过显示模块反馈给工程师,便于其完成工作。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种零部件识别装置的实现方式,请参阅图6,图6示出了本申请实施例提供的零部件识别装置的一种功能模块图。需要说明的是,本实施例所提供的零部件识别装置200,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该零部件识别装置200可以包括:获取模块210、识别模块220、显示模块230。
可选地,上述模块可以软件或固件(Firmware)的形式存储于存储器中或固化于本申请提供的电子设备100的操作系统(Operating System,OS)中,并可由电子设备100中的处理器执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器中。
获取模块210可以用于获取待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息以及待识别零部件上的文字信息中的至少两种,得到待识别信息。
可以理解的是,获取模块210可以用于支持电子设备100执行上述S100等,和/或用于本文所描述的技术的其他过程。
识别模块220可以用于将待识别信息与至少一个已知零部件信息进行匹配,得到待识别信息与每个已知零部件信息的匹配度。
可以理解的是,识别模块220可以用于支持电子设备100执行上述S110等,和/或用于本文所描述的技术的其他过程。
识别模块220还可以用于将符合预设条件的已知零部件信息作为目标零部件信息。
可以理解的是,识别模块220可以用于支持电子设备100执行上述S120等,和/或用于本文所描述的技术的其他过程。
识别模块220还可以用于确定目标零部件信息的参数为待识别零部件的参数。
可以理解的是,识别模块220可以用于支持电子设备100执行上述S130等,和/或用于本文所描述的技术的其他过程。
显示模块230可以用于显示所述目标零部件信息的参数。
可以理解的是,显示模块230可以用于支持电子设备100执行上述S140等,和/或用于本文所描述的技术的其他过程。
在一些可能的实施例中,对于如何“将符合预设条件的已知零部件信息作为目标零部件信息”,识别模块220可以用于获取匹配度最高的已知零部件信息;判断匹配度最高的已知零部件信息的匹配度是否大于预设阈值;当匹配度最高的已知零部件信息的匹配度大于预设阈值时,将匹配度最高的已知零部件信息作为目标零部件信息。
可以理解的是,识别模块220可以用于支持电子设备100执行上述S120A-S120C等,和/或用于本文所描述的技术的其他过程。
在一些可能的实施例中,预先设置有信息库,信息库中包括至少一个已知零部件信息。识别模块220还可以用于当匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与待识别信息最匹配的零部件信息;将最匹配的零部件信息作为已知零部件信息加入至信息库中。
可以理解的是,识别模块220可以用于支持电子设备100执行上述S120D-S120E等,和/或用于本文所描述的技术的其他过程。
基于上述方法实施例,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述零部件识别方法的步骤。
具体地,该存储介质可以为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述零部件识别方法,从而解决“工程师在进行零部件的识别时,常常无法准确识别”的问题,实现能够准确识别出待识别零部件,得到待识别零部件的参数的目的。
综上所述,本申请实施例提供了一种零部件识别方法、装置、存储介质和电子设备。该方法包括:获取待识别零部件的第一图片信息、与待识别零部件关联的关联部件的第二图片信息以及待识别零部件上的文字信息中的至少两种,得到待识别信息;将待识别信息与至少一个已知零部件信息进行匹配,得到待识别信息与每个已知零部件信息的匹配度;将符合预设条件的已知零部件信息作为目标零部件信息;确定目标零部件信息的参数为待识别零部件的参数。由于待识别信息包括第一图片信息、第二图片信息以及文字信息中的至少两种,进而在将该待识别信息和已知零部件信息进行匹配时,能够采用多信息交叉识别的方式更加准确地识别出待识别零部件,得出该待识别零部件的准确参数。因此,本申请能够准确识别出待识别零部件,得到待识别零部件的参数。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种零部件识别方法,其特征在于,包括:
获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息;
将所述待识别信息与至少一个已知零部件信息进行匹配,得到所述待识别信息与每个所述已知零部件信息的匹配度;
将符合预设条件的已知零部件信息作为目标零部件信息;
确定所述目标零部件信息的参数为所述待识别零部件的参数。
2.根据权利要求1所述的方法,其特征在于,所述将符合预设条件的已知零部件信息作为目标零部件信息的步骤包括:
获取匹配度最高的已知零部件信息;
判断所述匹配度最高的已知零部件信息的匹配度是否大于预设阈值;
当所述匹配度最高的已知零部件信息的匹配度大于所述预设阈值时,将所述匹配度最高的已知零部件信息作为目标零部件信息。
3.根据权利要求2所述的方法,其特征在于,预先设置有信息库,所述信息库中包括至少一个已知零部件信息,所述将符合预设条件的已知零部件信息作为目标零部件信息的步骤还包括:
当所述匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与所述待识别信息最匹配的零部件信息;
将所述最匹配的零部件信息作为已知零部件信息加入至所述信息库中。
4.根据权利要求1所述的方法,其特征在于,所述确定与所述目标零部件信息关联的参数信息为所述待识别零部件的参数的步骤之后,所述方法还包括:
显示所述目标零部件信息的参数。
5.一种待识别零部件识别装置,其特征在于,包括:
获取模块,用于获取待识别零部件的第一图片信息、与所述待识别零部件关联的关联部件的第二图片信息以及所述待识别零部件上的文字信息中的至少两种,得到待识别信息;
识别模块,用于将所述待识别信息与至少一个已知零部件信息进行匹配,得到所述待识别信息与每个所述已知零部件信息的匹配度;
所述识别模块,还用于将符合预设条件的已知零部件信息作为目标零部件信息;
所述识别模块,还用于确定所述目标零部件信息的参数为所述待识别零部件的参数。
6.根据权利要求5所述的装置,其特征在于,所述识别模块用于获取匹配度最高的已知零部件信息;
所述识别模块还用于判断所述匹配度最高的已知零部件信息的匹配度是否大于预设阈值;
所述识别模块还用于当所述匹配度最高的已知零部件信息的匹配度大于所述预设阈值时,将所述匹配度最高的已知零部件信息作为目标零部件信息。
7.根据权利要求6所述的装置,其特征在于,预先设置有信息库,所述信息库中包括至少一个已知零部件信息,所述识别模块用于当所述匹配度最高的已知零部件的匹配度小于或等于预设阈值时,从互联网中获取与所述待识别信息最匹配的零部件信息;
所述识别模块还用于将所述最匹配的零部件信息作为已知零部件信息加入至所述信息库中。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:
显示模块,用于显示所述目标零部件信息的参数。
9.一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,所述计算机程序被处理器执行时实现权利要求1-4中任一项所述的方法。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有机器可读指令,所述处理器用于执行所述机器可读指令,以实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429547.9A CN111553445B (zh) | 2020-05-20 | 2020-05-20 | 零部件识别方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429547.9A CN111553445B (zh) | 2020-05-20 | 2020-05-20 | 零部件识别方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553445A true CN111553445A (zh) | 2020-08-18 |
CN111553445B CN111553445B (zh) | 2024-04-19 |
Family
ID=72002092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429547.9A Active CN111553445B (zh) | 2020-05-20 | 2020-05-20 | 零部件识别方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553445B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132621A (zh) * | 2020-09-25 | 2020-12-25 | 广船国际有限公司 | 制造成本确定方法、装置、电子设备及存储介质 |
CN112560836A (zh) * | 2020-11-09 | 2021-03-26 | 联想(北京)有限公司 | 一种元器件识别方法、装置以及计算机可读存储介质 |
CN112905246A (zh) * | 2021-01-25 | 2021-06-04 | 厦门立林科技有限公司 | 设备识别方法、系统、移动终端及存储介质 |
CN113312969A (zh) * | 2021-04-23 | 2021-08-27 | 浙江省机电设计研究院有限公司 | 一种基于三维视觉的零部件识别与定位方法、系统 |
CN113537237A (zh) * | 2021-06-25 | 2021-10-22 | 西安交通大学 | 一种多特征零件质量信息智能感知方法、系统及装置 |
CN113591882A (zh) * | 2021-08-11 | 2021-11-02 | 卓尔智联(武汉)研究院有限公司 | 汽车配件识别方法、计算机装置及可读存储介质 |
CN115965797A (zh) * | 2022-12-27 | 2023-04-14 | 北京国电光宇机电设备有限公司 | 一种智能装配零部件自动识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130266228A1 (en) * | 2012-04-10 | 2013-10-10 | Siemens Industry, Inc. | Automatic part identification and workflow generation |
CN106021677A (zh) * | 2016-05-12 | 2016-10-12 | 北京航空航天大学 | 零件表面特征提取方法和装置 |
CN107138431A (zh) * | 2017-05-27 | 2017-09-08 | 武汉理工大学 | 一种基于机器视觉的零部件识别分选方法及系统 |
WO2019218140A1 (zh) * | 2018-05-15 | 2019-11-21 | 合刃科技(武汉)有限公司 | 物体识别方法及计算机可读存储介质 |
CN110532897A (zh) * | 2019-08-07 | 2019-12-03 | 北京科技大学 | 零部件图像识别的方法和装置 |
CN110929720A (zh) * | 2019-10-28 | 2020-03-27 | 杭州电子科技大学 | 一种基于logo匹配和ocr的元器件检测方法 |
CN111104542A (zh) * | 2020-01-07 | 2020-05-05 | 成都睿琪科技有限责任公司 | 零件识别管理方法及装置 |
-
2020
- 2020-05-20 CN CN202010429547.9A patent/CN111553445B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130266228A1 (en) * | 2012-04-10 | 2013-10-10 | Siemens Industry, Inc. | Automatic part identification and workflow generation |
CN106021677A (zh) * | 2016-05-12 | 2016-10-12 | 北京航空航天大学 | 零件表面特征提取方法和装置 |
CN107138431A (zh) * | 2017-05-27 | 2017-09-08 | 武汉理工大学 | 一种基于机器视觉的零部件识别分选方法及系统 |
WO2019218140A1 (zh) * | 2018-05-15 | 2019-11-21 | 合刃科技(武汉)有限公司 | 物体识别方法及计算机可读存储介质 |
CN110532897A (zh) * | 2019-08-07 | 2019-12-03 | 北京科技大学 | 零部件图像识别的方法和装置 |
CN110929720A (zh) * | 2019-10-28 | 2020-03-27 | 杭州电子科技大学 | 一种基于logo匹配和ocr的元器件检测方法 |
CN111104542A (zh) * | 2020-01-07 | 2020-05-05 | 成都睿琪科技有限责任公司 | 零件识别管理方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132621A (zh) * | 2020-09-25 | 2020-12-25 | 广船国际有限公司 | 制造成本确定方法、装置、电子设备及存储介质 |
CN112560836A (zh) * | 2020-11-09 | 2021-03-26 | 联想(北京)有限公司 | 一种元器件识别方法、装置以及计算机可读存储介质 |
CN112905246A (zh) * | 2021-01-25 | 2021-06-04 | 厦门立林科技有限公司 | 设备识别方法、系统、移动终端及存储介质 |
CN112905246B (zh) * | 2021-01-25 | 2022-06-14 | 厦门立林科技有限公司 | 设备识别方法、系统、移动终端及存储介质 |
CN113312969A (zh) * | 2021-04-23 | 2021-08-27 | 浙江省机电设计研究院有限公司 | 一种基于三维视觉的零部件识别与定位方法、系统 |
CN113537237A (zh) * | 2021-06-25 | 2021-10-22 | 西安交通大学 | 一种多特征零件质量信息智能感知方法、系统及装置 |
CN113537237B (zh) * | 2021-06-25 | 2024-01-16 | 西安交通大学 | 一种多特征零件质量信息智能感知方法、系统及装置 |
CN113591882A (zh) * | 2021-08-11 | 2021-11-02 | 卓尔智联(武汉)研究院有限公司 | 汽车配件识别方法、计算机装置及可读存储介质 |
CN115965797A (zh) * | 2022-12-27 | 2023-04-14 | 北京国电光宇机电设备有限公司 | 一种智能装配零部件自动识别方法及系统 |
CN115965797B (zh) * | 2022-12-27 | 2023-12-08 | 北京国电光宇机电设备有限公司 | 一种智能装配零部件自动识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111553445B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111553445B (zh) | 零部件识别方法、装置、存储介质和电子设备 | |
CN111523468B (zh) | 人体关键点识别方法和装置 | |
CN111784663B (zh) | 零部件的检测方法、装置、电子设备及存储介质 | |
WO2022088663A1 (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN107845113B (zh) | 目标元素定位方法、装置以及用户界面测试方法、装置 | |
CN111179461A (zh) | 基于bim模型的巡检记录生成方法、设备及存储介质 | |
CN110928739A (zh) | 一种进程监控方法、装置以及计算设备 | |
CN111738463A (zh) | 运维方法、装置、系统、电子设备及存储介质 | |
CN116844177A (zh) | 一种表格识别方法、装置、设备及存储介质 | |
CN109492149B (zh) | 爬虫任务处理方法及装置 | |
CN109710264B (zh) | Gerber文件转化方法、系统、设备及存储介质 | |
CN112380094B (zh) | 一种rpa业务流程处理方法及装置 | |
CN113569432A (zh) | 一种液气密元件的模拟检测方法及系统 | |
CN107133514B (zh) | 一种密码提示的方法及移动终端 | |
CN109683834B (zh) | Gerber文件转化精度处理方法、系统、设备及存储介质 | |
CN112308836B (zh) | 角点检测方法、装置、电子设备及可读存储介质 | |
CN113342627B (zh) | 一种终端的应用服务监控方法及监控系统 | |
CN113900562A (zh) | 一种基于Excel的测试方法、装置及存储介质 | |
CN117098106B (zh) | 一种蓝牙测试方法、装置、电子设备及存储介质 | |
CN113656286A (zh) | 软件测试方法、装置、电子设备及可读存储介质 | |
CN117251769B (zh) | 基于监控组件的异常数据识别方法、装置、设备及介质 | |
CN112751799A (zh) | 基于图片验证码的验证方法和装置 | |
JP2020204556A (ja) | 測定装置 | |
CN115937157A (zh) | 识别晶圆中测试芯片的方法、装置、电子设备及存储介质 | |
CN116152340A (zh) | 一种确定电路板坐标的方法、装置、电子设备及存储介质 |
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 |