CN111597858B - 生产图像关联方法、装置及计算机存储介质 - Google Patents

生产图像关联方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN111597858B
CN111597858B CN201910127046.2A CN201910127046A CN111597858B CN 111597858 B CN111597858 B CN 111597858B CN 201910127046 A CN201910127046 A CN 201910127046A CN 111597858 B CN111597858 B CN 111597858B
Authority
CN
China
Prior art keywords
production
production image
image
association
camera
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
Application number
CN201910127046.2A
Other languages
English (en)
Other versions
CN111597858A (zh
Inventor
乔阳
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910127046.2A priority Critical patent/CN111597858B/zh
Publication of CN111597858A publication Critical patent/CN111597858A/zh
Application granted granted Critical
Publication of CN111597858B publication Critical patent/CN111597858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/103Workflow collaboration or project management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04Manufacturing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/08Registering or indicating the production of the machine either with or without registering working or idle time
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06Recognition of objects for industrial automation
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Psychiatry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种生产图像关联方法、装置及计算机存储介质,该方法包括:获取来自摄像头采集的生产图像;识别所述生产图像,判断识别的准确度是否达到预设阈值;若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单。

Description

生产图像关联方法、装置及计算机存储介质
技术领域
本发明涉及互联网技术领域,更具体地,涉及一种生产图像关联方法、装置及计算机存储介质。
背景技术
工厂生产可视化系统中,通常通过摄像头,定时对生产内容进行采集,并将采集到的生产内容转化为生产数据上传至服务器,将生产内容、生产数据与生产订单自动关联。实现工厂的精益生产、实时了解生产进度。
但是,在将生产数据与生产订单自动关联的过程中,存在无法准确识别生产内容导致的无法准确与生产订单关联,或者导致转化的生产数据存在偏差。因此,发明人认为,有必要针对上述现有技术中存在的至少一个问题进行改进。
发明内容
本发明实施例的一个目的是提供一种生产图像关联的新技术方案。
根据本发明实施例的第一方面,提供了一种生产图像关联方法,其包括:
获取来自摄像头采集的生产图像;
识别所述生产图像,判断识别的准确度是否达到预设阈值;
若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单。
可选地,所述方法还包括:
若判断识别的准确度达到所述预设阈值,将所述生产图像关联到对应的生产订单。
可选地,所述将所述生产图像关联到对应的生产订单的步骤之后,所述方法还包括:
根据所述生产图像识别对应的生产数据;
将所识别出的生产数据关联到对应的所述生产订单。
可选地,所述生产图像的数量为多个;
相应的,所述识别所述生产图像的步骤,包括:
识别每个所述生产图像中对象的对象动作;
计算每个所述对象动作与预设动作的相似度,得到多个相似度;
计算所述多个相似度的平均值,将所述平均值确定为识别的准确度。
可选地,所述方法还包括:
向用户发送纠错提示消息,所述纠错提示消息用于提示用户对与所述生产订单关联的所述生产数据进行纠错。
可选地,所述获取来自摄像头采集的生产图像,包括:
在预设时间接收来自所述摄像头采集的所述生产图像。
可选地,所述获取来自摄像头采集的生产图像,包括:
响应于生产图像获取请求,从所述摄像头获取所述生产图像。
根据本发明的第二方面,还提供一种商品制造过程中的订单处理方法,所述方法包括:
在商品制造过程中通过摄像头采集生产图像;
基于图像分析技术分析所述生产图像,将所述生产图像关联到对应的生产订单。
根据本发明的第三方面,还提供一种生产图像关联装置,其包括:
获取模块,用于获取来自摄像头采集的生产图像;
识别模块,用于识别所述生产图像,判断识别的准确度是否达到预设阈值;
发送模块,用于若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单。
根据本发明的第四方面,还提供一种生产图像关联装置,其包括:存储器和处理器,所述存储器用于存储指令;所述指令用于控制所述处理器进行操作,以执行如本发明第一方面中任意一项所述的生产图像关联方法。
根据本发明的第五方面,还提供一种商品制造过程中的订单处理装置,其包括:
采集模块,用于在商品制造过程中通过摄像头采集生产图像;
关联模块,用于基于图像分析技术分析所述生产图像,将所述生产图像关联到对应的生产订单。
根据本发明的第六方面,还提供一种计算机存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如本发明第一方面中任意一项所述的生产图像关联方法。
本发明的一个有益效果在于,根据本发明实施例的方法、装置及计算机存储介质,其能够对商品制造过程中的生产图像进行识别,并将识别的准确度和预设阈值进行比较,以在未达到预设阈值的情况下,向用户发送关联提示消息,进而使得用户基于所述关联提示消息,将根据生产图像识别出的生产数据关联至对应的生产订单,从而能够提高生产图像的识别准确度,并进一步提高生产图像和生产数据与生产订单间的关联准确度。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1为根据本发明实施例的生产图像关联系统的组成结构示意图;
图2为根据本发明实施例的生产图像关联方法的示意性流程图;
图3为根据本发明另一实施例的生产图像关联方法的示意性流程图;
图4是根据本发明实施例的商品制造过程中的订单处理方法的示意性流程图;
图5为根据一个例子的生产图像关联方法的示意性流程图;
图6为根据本发明实施例的生产图像关联装置的结构示意图;
图7为根据本发明另一实施例的生产图像关联装置的结构示意图;
图8是根据本发明实施例的商品制造过程中的订单处理装置的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
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讨论。
下面,参照附图描述根据本发明实施例的各个实施例和例子。
<硬件配置>
图1是显示可用于实现本发明实施例的生产图像关联系统100的硬件配置的框图。
根据图1所示,本实施例的生产图像关联系统100包括生产图像关联装置1000、摄像头2000以及网络3000。
生产图像关联装置1000可以是如图1所示的服务器。服务器提供处理、数据库、通讯设施的业务点。服务器可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如,服务器例如刀片服务器、云端服务器等,或者可以是由多台服务器组成的服务器群组,可以包括上述类型的服务器中的一种或多种等等。
在一个实施例中,生产图像关联装置1000可以如图1所示,包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。
该实施例中,生产图像关联装置1000还可以包括扬声器、麦克风等等,在此不做限定。
处理器1100可以是专用的服务器处理器,也可以是满足性能要求的台式机处理器、移动版处理器等,在此不做限定。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括各种总线接口,例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1400例如能够进行有线或无线通信。显示装置1500例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘等。
该实施例中,生产图像关联装置1000的存储器1200用于存储指令,该指令用于控制处理器1100进行操作以至少执行根据本发明任意实施例的生产图像关联方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图1中示出了生产图像关联装置1000的多个装置,但是,本发明可以仅涉及其中的部分装置,例如,生产图像关联装置1000只涉及存储器1200、处理器1100以及通信装置1400。
摄像头2000可以是带有旋转云台的移动摄像头,也可以是固定摄像头,在此不做限定。
在一个实施例中,参照图1所示,摄像头2000可以包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600、扬声器2700、麦克风2800等等。
处理器2100可以是移动版处理器。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信,通信装置2400可以包括短距离通信装置,例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置,通信装置2400也可以包括远程通信装置,例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘等。用户可以通过扬声器2700和麦克风2800输入/输出语音信息。
生产图像关联装置1000与摄像头2000建立通信连接的网络与图1中的网络3000可以是相同的网络,也可以是不同的网络。
本实施例中,摄像头2000用于采集生产图像,并将采集到的生产图像提供至生产图像关联装置1000,生产图像关联装置1000则基于该生产图像实施根据本发明任意实施例的方法,完成对生产图像的识别以及相应的关联处理。
应当理解的是,尽管图1仅示出一个生产图像关联装置1000和一个摄像头2000,但不意味着限制各自的数量,生产图像关联系统100中可以包含多个生产图像关联装置1000和/或多个摄像头2000。
<方法>
图2是根据本发明实施例的生产图像关联方法的流程示意图,该方法可以由生产图像关联装置1000实施。
根据图2所示,本实施例的生产图像关联方法可以包括如下S2100~S2400:
S2100,生产图像关联装置1000获取来自摄像头2000采集的生产图像。
在本实施例中,可以是为每一个生产工厂分配至少一个摄像头2000,该摄像头2000用于采集生产工厂中生产内容对应的生产图像,并由摄像头2000将采集的生产图像发送至生产图像关联装置1000,以使得生产图像关联装置1000对接收到的生产图像进行识别。
该生产内容对应于生产订单,该生产订单为商户下发的订单。例如,如果生产订单为需要2000件外套,则该生产内容可以为外套;又例如,如果生产订单为需要2000件裤子,则该生产内容可以为裤子。
在一个实施例中,该S2100中生产图像关联装置1000获取来自摄像头2000采集的生产图像可以进一步包括:生产图像关联装置1000在预设时间接收来自摄像头2000采集的生产图像。
该预设时间可以根据不同的应用需求设定不同大小的值。
在一个例子中,可以是在生产图像关联装置1000中设置该预设时间,并在该预设时间到达时,由生产图像关联装置1000向摄像头2000发送获取生产图像的请求信息,摄像头2000响应于该获取生产图像的请求信息向生产图像关联装置1000发送预设时间内采集到的生产图像。
例如,预设时间为每天晚上8:00,则可以是在每天晚上8:00到达时,生产图像关联装置1000向摄像头2000发送获取生产图像的请求信息,摄像头2000响应于该获取生产图像的请求信息将当天采集到的生产图像发送至生产图像关联装置1000。
在一个例子中,也可以是在摄像头2000中设置该预设时间,并在该预设时间到达时,由摄像头2000主动将预设时间内采集到的生产图像发送至生产图像关联装置1000。
例如,预设时间为每天晚上8:00,则可以是在每天晚上8:00到达时,摄像头2000主动将当前采集到的生产图像发送至生产图像关联装置1000。
该实施例只有在预设时间到达时,才从摄像头2000中获取生产图像,从而,可以提高获取生产图像的准确性和靶向性。
在一个实施例中,该S2100生产图像关联装置1000获取来自摄像头2000采集的生产图像还可以进一步包括:生产图像关联装置1000响应于生产图像获取请求,从摄像头2000获取生产图像。
在本实施例中,例如可以是商家在生产图像关联装置1000中实施的获取生产图像的操作,生产图像关联装置1000响应于商家在生产图像关联装置1000中实施的获取生产图像的操作,从摄像头2000中获取生产图像。商家实施的获取生产图像的操作例如可以是商家在生产图像关联装置1000的操作界面中实施的选择操作选择对应的摄像头2000,以使得从选择的摄像头2000中获取生产图像。
该实施例只有在接收到生产图像获取请求之后,才从摄像头2000中获取生产图像,这种响应于获取请求去获取生产图像的方法可以提高获取生产图像的准确性和靶向性。
S2200,生产图像关联装置1000识别生产图像,判断识别的准确度是否达到预设阈值。
在本实施例中,生产图像的数量可以为多个,并分别对该多个生产图像进行识别,以判断识别的准确度是否达到预设阈值。
在本实施例中,该S2200中生产图像关联装置1000识别生产图像可以进一步包括如下S2210~S2230。
S2210,生产图像关联装置1000识别每个生产图像中对象的对象动作。
生产图像中的对象可以是生产图像中对应生产内容的对象。例如,生产内容的对象可以是操作人员或者是机器,在此,生产图像中的对象可以是操作人员或者是机器。
对象动作可以是对象处理生产内容时对应的动作。
以工厂中的操作人员处理外套为例,即生产内容为外套,对象为操作人员,对应的,对象动作可以是操作人员折叠外套的动作和操作人员移动外套的动作中的至少一个,在此,操作人员处理一个外套的流程为,操作人员折叠外套,并移动该外套,从而,可以是将操作人员折叠一个外套的动作和操作人员移动该外套的动作称之为一个动作对。
例如,可以是采用图像识别技术识别每个生产图像中操作人员折叠外套的动作和操作人员移动外套的动作中的至少一个,以将识别出的用户动作与预设动作的相似度进行比较。
以工厂中的机器处理外套为例,即生产内容为外套,对象为机器,对应的,对象动作可以是机器折叠外套的动作和机器移动外套的动作中的至少一个,在此,机器处理一个外套的流程为,机器折叠外套,并移动该外套,从而,可以是将机器折叠一个外套的动作和机器移动该外套的动作称之为一个动作对。
又例如,可以是采用图像识别技术识别每个生产图像中机器折叠外套的动作和机器移动外套的动作中的至少一个,以将识别出的机器动作与预设动作的相似度进行比较。
S2220,生产图像关联装置1000计算每个对象动作与预设动作的相似度,得到多个相似度。
该预设动作用于衡量对象动作是否规范,该预设动作可以根据不同的应用需求设定不同大小的值。
在一个例子中,可以是以对象为单位设置预设动作,不同对象对应的预设动作不相同,且同一对象的不同对象动作对应的预设动作也不相同。例如,为操作人员和机器设置不同的预设动作,且为操作人员折叠外套的动作设置对应的预设动作,同时为操作人员移动外套的动作设置对应的预设动作,以及,为机器折叠外套的动作设置对应的预设动作,同时为机器移动外套的动作设置对应的预设动作。
在一个例子中,也可以是为所有的对象设置相同的预设动作,同一对象的不同对象动作对应的预设动作不相同。例如,为操作人员和机器设置相同的预设动作,且为操作人员和机器折叠外套的动作设置对应的预设动作,同时为操作人员和机器移动外套的动作设置对应的预设动作。
在本实施例中,由于生产图像的数量为多个,即,存在多个生产图像,在此,可以是计算每个对象动作与预设动作的相似度,从而得到多个相似度。
S2230,生产图像关联装置1000计算多个相似度的平均值,将平均值确定为识别的准确度。
该平均值例如可以是算术平均值,几何平均值,平方平均值,调和平均值,加权平均值等,在此不做限定。
在本实施例中,得到多个对象动作对应的多个相似度之后,便可计算该多个相似度的平均值,并将该平均值确定为识别的准确度。
该实施例通过将每个生产图像中的对象动作与预设动作的相似度进行比较,得到多个相似度,并将多个相似度的平均值作为识别出的准确度,从而,提高识别生产图像的效率和准确度。
S2300,生产图像关联装置1000若判断识别的准确度未达到预设阈值,向用户发送关联提示消息,以便用户基于关联提示消息将生产图像关联到对应的生产订单。
用户可以是工厂负责人,生产数据可以是生产数量。
在本实施例中,在识别的准确度未到达预设阈值的情况下,便可向工厂负责人发送关联提示消息,工厂负责人得到关联提示信息之后,自身将生产图像关联到对应的生产订单,并根据生产图像识别生产数量,将识别得到的生产数量与生产订单进行关联,这说明,在识别的准确度未到达预设阈值的情况下,是由工厂负责人识别生产图像及生产数量,并将生产图像及生产数量与生产订单进行关联。
根据本发明实施例的方法,其能够对生产图像进行识别,并将识别出的准确度和预设阈值进行比较,以在未达到预设阈值的情况下,向用户发送关联提示消息,进而使得用户基于所述关联提示消息,将根据生产图像识别出的生产数据关联至对应的生产订单,从而能够提高生产图像的识别准确度,并进一步提高生产图像和生产数据与生产订单间的关联准确度。
在一个实施例中,参照图3所示,本发明生产图像关联方法还可以包括如下S3100。
S3100,生产图像关联装置1000若判断识别的准确度达到预设阈值,将生产图像关联到对应的生产订单。
在本实施例中,可以利用图像识别技术对生产图像进行识别,以在识别之后将生产图像与对应的生产订单相关联,以确定当时生产的是哪个订单的内容。
S3200,生产图像关联装置1000根据生产图像识别对应的生产数据。
生产数据例如可以是生产数量。
S3300,生产图像关联装置1000将所识别出的生产数据关联到对应的生产订单。
在本实施例中,提供了一种与S2300中若未达到预设阈值,向用户发送关联提示消息,以使用户基于所述关联提示消息,根据生产图像识别生产数据,并对生产数据与生产订单关联处理完全不同的生产图像关联方法,即若判断识别的准确度达到预设阈值,则会自动对生产图像及生产数据与生产订单做关联处理。
根据本实施例方法,其在识别生产图像之后,由于识别的准确度达到预设阈值,从而可以将根据生产图像识别出的生产数据与相应的生产订单进行关联,而不需要用户去进行手动关联,从而可以提高关联的效率和准确度。
在一个实施例中,本发明生产图像关联方法还可以包括如下S4100。
S4100,生产图像关联装置1000向用户发送纠错提示消息。
该纠错提示消息用于提示用户对与生产订单关联的生产数据进行纠错。
在本实施例中,如果发现已经与生产订单关联的生产数据发生错误,生产图像关联装置1000会向工厂负责人发送纠错提示消息,工厂负责人便可协同后台服务人员对与生产订单关联的生产数据进行纠错。
根据本实施例方法,其可以在发现已经与生产订单关联的生产数据发生错误时,向用户发送纠错提示消息,以使得用户对生产订单关联的生产数据进行纠错,进而将纠错后得到的正确生产数据与生产订单进行关联。
图4是根据本发明实施例的商品制造过程中的订单处理方法的示意性流程图。该方法可以由商品制造过程中的订单处理装置实施。
根据图4所示,本实施例的商品制造过程中的订单处理方法可以包括如下S5100~S5200:
S5100,商品制造过程中的订单处理装置在商品制造过程中通过摄像头采集生产图像。
具体的,在商品制造过程中,可以为每一个生产工厂分配至少一个摄像头,该摄像头用于采集商品制造过程中生产内容对应的生产图像,并由摄像头将采集的生产图像发送至商品制造过程中的订单处理装置,以使得商品制造过程中的订单处理装置对接收到的生产图像进行识别。
该生产内容对应于生产订单,该生产订单为商户下发的订单。例如,如果生产订单为需要2000件外套,则该生产内容可以为外套;又例如,如果生产订单为需要2000件裤子,则该生产内容可以为裤子。
S5200,商品制造过程中的订单处理装置基于图像分析技术分析生产图像,将生产图像关联到对应的生产订单。
在本实施例中,商品制造过程中的订单处理装置具体可以基于图像分析技术,通过应用上述图2中的生产图像关联方法,实现生产图像与生产订单的关联,在此不再赘述。
根据本发明实施例的方法,其能够在商品制造过程中获取生产图像,并基于图像分析技术分析生产图像,将生产图像关联至对应的生产订单,提高了生产图像的识别准确度,并进一步提高生产图像和生产数据与生产订单间的关联准确度。
<例子>
图5以工厂中的操作人员处理与生产订单关联的外套为例,示出了对应生产图像关联方法,该例子中,生产图像关联方法可以包括如下步骤:
根据图1和图5所示,该例子中,生产图像关联方法的具体步骤可以包括:
S6100,生产图像关联装置1000在预设时间接收来自摄像头2000采集的生产图像。
生产图像的数量为多个,即存在多个生产图像。
根据该S6100,例如可以是在每天晚上8:00到达时,摄像头2000自动将当前采集的生产图像发送至生产图像关联装置1000。
S6200,生产图像关联装置1000识别每个生产图像中操作人员的动作。
根据该S6200,生产图像关联装置1000可以是识别每个生产图像中操作人员折叠外套的动作和操作人员移动外套的动作中的至少一个。
S6300,生产图像关联装置1000计算每个动作与预设动作的相似度,得到多个相似度。
根据该S6300,生产图像关联装置1000可以是将操作人员折叠衣服的动作与对应的预设动作比较,和/或,将操作人员移动衣服的动作与对应的预设动作比较,得到对应每个生产图像的相似度,由于存在多个生产图像,从而得到多个相似度。
S6400,生产图像关联装置1000计算多个相似度的平均值,将平均值确定为识别的准确度。
S6500,生产图像关联装置1000判断识别的准确度是否达到预设阈值。
S6600,生产图像关联装置1000在识别的准确度未达到预设阈值的情况下,向用户发送关联提示消息,以便用户基于关联提示消息将生产图像关联到对应的生产订单。
S6700,生产图像关联装置1000在识别的准确度达到预设阈值的情况下,将生产图像关联到对应的生产订单。
通过该S6700,生产图像关联装置1000会确定该多个生产图像对应的生产订单,以将该多个生产图像和生产订单进行自动关联,在此,该多个生产图像对应一个生产订单。
S6800,生产图像关联装置1000根据生产图像识别对应的生产数据,并将识别出的生产数据关联到对应的生产订单。
<生产图像关联装置>
图6是根据本发明的生产图像关联装置1000的结构示意图。
根据图6所示,该生产图像关联装置1000至少可以包括:获取模块1010、识别模块1020以及发送模块1030。
该获取模块1010用于获取来自摄像头采集的生产图像。
该识别模块1020用于识别所述生产图像,判断识别的准确度是否达到预设阈值。
该发送模块1030用于若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单。
在一个实施例中,该生产图像关联装置1000还可以包括:关联模块(图中未示出)。
该关联模块用于若判断识别的准确度达到所述预设阈值,将所述生产图像关联到对应的生产订单。
在一个实施例中,所述关联模块还用于根据所述生产图像识别对应的生产数据;将所识别出的生产数据关联到对应的所述生产订单。
在一个实施例中,所述生产图像的数量为多个。
该识别模块1020还用于识别每个所述生产图像中对象的对象动作;计算每个所述对象动作与预设动作的相似度,得到多个相似度;计算所述多个相似度的平均值,将所述平均值确定为识别的准确度。
在一个实施例中,该发送模块1030还用于向用户发送纠错提示消息,所述纠错提示消息用于提示用户对与所述生产订单关联的所述生产数据进行纠错。
在一个实施例中,该获取模块1010还用于在预设时间接收来自所述摄像头采集的所述生产图像。
在一个实施例中,该获取模块1010还用于响应于生产图像获取请求,从所述摄像头获取所述生产图像。
图7是根据另一实施例的生产图像关联装置1000的硬件结构示意图。
根据图7所示,本实施例的生产图像关联装置1000可以包括存储器1200和处理器1100。
存储器1200用于存储指令,该指令用于控制处理器1100进行操作以执行本发明任意实施例的生产图像关联方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
图8是根据本发明实施例的商品制造过程中的订单处理装置的结构示意图。
根据图8所示,该商品制造过程中的订单处理装置8000至少包括:采集模块8100和关联模块8200。
采集模块8100用于在商品制造过程中通过摄像头采集生产图像;
关联模块8200用于基于图像分析技术分析所述生产图像,将所述生产图像关联到对应的生产订单。
本实施例的商品制造过程中的订单处理装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
<计算机存储介质>
本实施例中,还提供一种计算机存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现如本发明任意实施例的生产图像关联方法。
本领域技术人员应当理解,在电子技术领域中,可以通过软件、硬件以及软件和硬件结合的方式,将上述方法体现在产品中本领域技术人员很容易基于上面发明实施例的方法,产生一种信息处理装置,所述信息处理装置包括用于执行根据上述实施例的信息处理方法中的各个操作的模块。
本领域技术人员公知的是,随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势,要明确划分计算机系统软、硬件界限已经显得比较困难了。因为,任何操作可以软件来实现,也可以由硬件来实现。任何指令的执行可以由硬件完成,同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案,取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。对于技术人员来说,软件实现方式和硬件实现方式是等同的。技术人员可以根据需要选择软件或硬件来实现上述方案。因此,这里不对具体的软件或硬件进行限制。
本发明可以是设备、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (9)

1.一种生产图像关联方法,其特征在于,所述方法包括:
获取来自摄像头采集的生产图像;其中,所述生产图像的数量为多个;
识别所述生产图像,判断识别的准确度是否达到预设阈值;
若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单;
其中,所述识别所述生产图像,包括:
识别每个所述生产图像中对象的对象动作;
计算每个所述对象动作与预设动作的相似度,得到多个相似度;
计算所述多个相似度的平均值,将所述平均值确定为识别的准确度。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若判断识别的准确度达到所述预设阈值,将所述生产图像关联到对应的生产订单。
3.根据权利要求2所述的方法,其特征在于,所述将所述生产图像关联到对应的生产订单的步骤之后,所述方法还包括:
根据所述生产图像识别对应的生产数据;
将所识别出的生产数据关联到对应的所述生产订单。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向用户发送纠错提示消息,所述纠错提示消息用于提示用户对与所述生产订单关联的生产数据进行纠错。
5.根据权利要求1所述的方法,其特征在于,所述获取来自摄像头采集的生产图像,包括:
在预设时间接收来自所述摄像头采集的所述生产图像。
6.根据权利要求1所述的方法,其特征在于,所述获取来自摄像头采集的生产图像,包括:
响应于生产图像获取请求,从所述摄像头获取所述生产图像。
7.一种生产图像关联装置,其特征在于,包括:
获取模块,用于获取来自摄像头采集的生产图像;其中,所述生产图像的数量为多个;
识别模块,用于识别所述生产图像,判断识别的准确度是否达到预设阈值;还用于识别每个所述生产图像中对象的对象动作;计算每个所述对象动作与预设动作的相似度,得到多个相似度;计算所述多个相似度的平均值,将所述平均值确定为识别的准确度;
发送模块,用于若未达到所述预设阈值,向用户发送关联提示消息,以便用户基于所述关联提示消息将所述生产图像关联到对应的生产订单。
8.一种生产图像关联装置,其特征在于,包括:存储器和处理器,所述存储器用于存储指令;所述指令用于控制所述处理器进行操作,以执行如权利要求1-6中任意一项所述的生产图像关联方法。
9.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1-6中任意一项所述的生产图像关联方法。
CN201910127046.2A 2019-02-20 2019-02-20 生产图像关联方法、装置及计算机存储介质 Active CN111597858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910127046.2A CN111597858B (zh) 2019-02-20 2019-02-20 生产图像关联方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910127046.2A CN111597858B (zh) 2019-02-20 2019-02-20 生产图像关联方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111597858A CN111597858A (zh) 2020-08-28
CN111597858B true CN111597858B (zh) 2023-05-09

Family

ID=72183298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910127046.2A Active CN111597858B (zh) 2019-02-20 2019-02-20 生产图像关联方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111597858B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178221A (ja) * 2001-09-28 2003-06-27 Fuji Photo Film Co Ltd 注文処理装置及び画像撮影装置
CN107833083A (zh) * 2017-09-25 2018-03-23 阿里巴巴集团控股有限公司 一种货物订单处理方法、装置、服务器、购物终端及系统
CN109242473A (zh) * 2018-08-31 2019-01-18 阿里巴巴集团控股有限公司 一种支付方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160379283A1 (en) * 2015-06-29 2016-12-29 International Business Machines Corporation Analysis of social data to match suppliers to users

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178221A (ja) * 2001-09-28 2003-06-27 Fuji Photo Film Co Ltd 注文処理装置及び画像撮影装置
CN107833083A (zh) * 2017-09-25 2018-03-23 阿里巴巴集团控股有限公司 一种货物订单处理方法、装置、服务器、购物终端及系统
CN109242473A (zh) * 2018-08-31 2019-01-18 阿里巴巴集团控股有限公司 一种支付方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Miao Xin等."ARCH: Adaptive recurrent-convolutional hybrid networks for long-term action recognition".《Neurocomputing》.2016,第178卷第87-102页. *
蒋树强等."面向智能交互的图像识别技术综述与展望".《计算机研究与发展》.2016,第53卷(第1期),第113-122页. *

Also Published As

Publication number Publication date
CN111597858A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
Subakti et al. Indoor augmented reality using deep learning for industry 4.0 smart factories
CN108322545A (zh) 信息推送方法、装置、服务器及计算机可读介质
EP3188034A1 (en) Display terminal-based data processing method
KR102002024B1 (ko) 객체 라벨링 처리 방법 및 객체 관리 서버
US20170278057A1 (en) Information processing apparatus, shelf label management system, control method, and program
CN111027707B (zh) 模型的优化方法、装置及电子设备
CN110084317B (zh) 用于识别图像的方法和装置
US20180157883A1 (en) In-field data acquisition and formatting
US20140304321A1 (en) Desktop Application Synchronization to Process Data Captured on a Mobile Device
CN104245334A (zh) 使用对象识别的标签创建的系统和方法
EP3528088A1 (en) Method for controlling user interface, and program and device
CN110908922A (zh) 应用程序的测试方法和装置
CN109710811B (zh) 用户画像的检测方法、设备及应用系统
CN107193465B (zh) 一种触控页面展示方法及系统
KR102545045B1 (ko) 정보 생성 방법 및 장치
CN111597858B (zh) 生产图像关联方法、装置及计算机存储介质
US11513508B2 (en) Method, component, and electronic device for creating human machine interface
US10803861B2 (en) Method and apparatus for identifying information
CN107810641B (zh) 用于在终端上提供附加内容的方法以及使用该方法的终端
CN111435511B (zh) 订单处理方法、装置、设备、系统及可读存储介质
CN114972893A (zh) 一种数据标注方法、装置、电子设备和存储介质
CN107111422B (zh) 在装置上显示对象的方法,执行该方法的装置和执行该方法的记录介质
KR20220079433A (ko) 태그 정보에 기초하여 스크린샷 이미지를 검색하는 방법 및 이를 수행하는 장치
CN115706695A (zh) 网络故障根因的确定方法、装置、设备及存储介质
CN111553283A (zh) 用于生成模型的方法及装置

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40035787

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant