CN111611822A - 信息入库方法、装置、系统、电子设备及存储介质 - Google Patents
信息入库方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111611822A CN111611822A CN202010409004.0A CN202010409004A CN111611822A CN 111611822 A CN111611822 A CN 111611822A CN 202010409004 A CN202010409004 A CN 202010409004A CN 111611822 A CN111611822 A CN 111611822A
- Authority
- CN
- China
- Prior art keywords
- image
- segmented
- gray
- dimensional code
- dimensional
- 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.)
- Pending
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
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- 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
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- 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
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种信息入库方法、装置、系统、电子设备及存储介质,通过二维码分割模型确定待分割图像中包含的所有二维码,并结合待分割图像中每一二维码与携带有待入库物品的标识信息的条码之间的对应关系,可以实现对所有二维码同时进行解析,并实现待入库物品的标识信息的批量入库,大大提高了信息入库的效率。而且,整个过程不需要人工参与,避免了人工参与产生的不利影响,降低了因人工录入操作失误造成的返工率。
Description
技术领域
本发明涉及信息录入技术领域,更具体地,涉及信息入库方法、装置、系统、电子设备及存储介质。
背景技术
在对需要经过多个环节分别处理的目标对象进行转运过程中,在每个环节进行目标对象处理前,目标对象的相关信息入库至关重要。例如,对于实验室或医院的检验科等临床检验标本的重要处理环节,需要将临床检验标本的标识信息录入至对应的信息系统并进行接收确认。
现有技术在对临床检验标本的标识信息进行入库操作时,通常预先将临床检验标本的标识信息写入条码,并将该条码贴在临床检验标本的承载容器侧壁上,然后通过医院或实验室操作员肉眼观察承载容器侧壁上的条码,手动登记标识信息,或者采用扫码枪等扫描装置人工扫描每一条码,将对应的临床检验标本的标识信息进行录入。
现有技术中采用的信息入库方法,均需要人为操作,且需要对每一临床检验标本逐一进行操作,这不仅需要大量的人力,而且极容易导致信息录入的不准确。
发明内容
为克服上述问题或者至少部分地解决上述问题,本发明实施例提供了一种信息入库方法、装置、系统、电子设备及存储介质。
第一方面,本发明实施例提供了一种信息入库方法,包括:
获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
优选地,所述将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码,具体包括:
将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征;
将所述图像特征,或者,将所述待分割图像包含的二维码的数量和所述图像特征输入至所述二维码分割模型的分割层,得到所述分割层输出的所述待分割图像包含的所有二维码;
所述二维码分割模型具体基于带有二维码标签的样本图像和所述样本图像的图像特征标签,或者,基于带有二维码标签的样本图像、所述样本图像包含的二维码的数量和所述样本图像的图像特征标签训练得到。
优选地,所述将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征,具体包括:
将所述待分割图像输入至所述图像特征提取层的颜色特征提取层,得到所述颜色特征提取层输出的所述待分割图像的颜色特征;
和/或,将所述待分割图像输入至所述图像特征提取层的几何形状特征提取层,得到所述几何形状特征提取层输出的所述待分割图像的几何形状特征。
优选地,所述将所述待分割图像输入至二维码分割模型中,之前还包括:
将所述待分割图像对应的灰度图像划分为多个子块;
基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正;
将校正后的灰度图像所对应的彩色图像作为亮度校正后的待分割图像。
优选地,所述基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正,具体包括:
基于所述图像灰度均值以及每一子块的子块灰度均值,确定灰度差值矩阵,所述灰度差值矩阵中的元素与所述灰度图像的子块一一对应;
将所述灰度差值矩阵扩展为灰度分布矩阵,所述灰度分布矩阵中的元素与所述灰度图像的像素点一一对应;
基于所述灰度分布矩阵,对所述灰度图像中每一像素点的灰度值进行校正。
优选地,所述待分割图像具体为底部透明或镂空的容器支架的底部图像;
其中,所述底部图像中包含有所述容器支架上所有容器的底部的二维码,每一容器中容纳有待入库物品,每一容器的底部的二维码与所述容器的侧壁的所述条码相对应。
优选地,所述获取待分割图像,之前还包括:
获取任一容器的所述二维码和所述条码,并将所述任一容器的所述二维码和所述条码进行绑定。
优选地,所述对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入,具体包括:
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息,以及所有二维码在所述待分割图像中的位置信息进行录入。
第二方面,本发明实施例提供了一种信息入库装置,包括:图像获取模块、分割模块以及录入模块。其中,
图像获取模块用于获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
分割模块用于将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
录入模块用于对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
第三方面,本发明实施例提供了一种信息入库系统,包括:处理装置、拍摄装置和底部透明或镂空的容器支架;
所述容器支架用于承载多个容纳有待入库物品的容器,每个容器的底部设置有二维码,侧壁设置有条码,所述条码携带有所属容器容纳的待入库物品的标识信息;
所述拍摄装置用于采集所述容器支架的底部图像,并将所述底部图像作为待分割图像发送给所述处理装置;
所述处理装置用于执行如第一方面所述的信息录入方法。
第四方面,本发明实施例提供了一种电子设备,包括:存储器、处理器以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如第一方面所述的信息录入方法的步骤。
第五方面,本发明实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述的信息录入方法的步骤。
本发明实施例提供的一种信息入库方法、装置、系统、电子设备及存储介质,通过二维码分割模型确定待分割图像中包含的所有二维码,并结合待分割图像中每一二维码与携带有待入库物品的标识信息的条码之间的对应关系,可以实现对所有二维码同时进行解析,并实现待入库物品的标识信息的批量入库,大大提高了信息入库的效率。而且,整个过程不需要人工参与,避免了人工参与产生的不利影响,降低了因人工录入操作失误造成的返工率。
附图说明
为了更清楚地说明本发明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,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种信息入库方法的流程示意图;
图2为本发明实施例提供的一种信息入库方法中二维码分割模型的运行流程示意图;
图3为本发明实施例提供的一种信息入库方法中二维码分割模型的运行流程示意图;
图4为本发明实施例提供的一种信息入库方法中二维码分割模型的训练过程示意图;
图5为本发明实施例提供的一种信息入库方法中的亮度校正流程示意图;
图6为本发明实施例提供的一种信息入库方法中对灰度图像进行灰度校正的方法流程示意图;
图7为本发明实施例提供的一种信息入库装置的结构示意图;
图8为本发明实施例提供的一种信息入库系统的结构示意图;
图9为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
目前,对于实验室或医院的检验科等临床检验标本的重要处理环节,需要将临床检验标本的标识信息录入至对应的信息系统并进行接收确认,以便于临床检验标本的转运。临床检验标本的标识信息录入至对应的信息系统时通常预先将临床检验标本的标识信息写入条码,并将该条码贴在临床检验标本的承载容器侧壁上,然后通过医院或实验室的操作员肉眼观察承载容器侧壁上的条码,手动登记标识信息,或者采用扫码枪等扫描装置人工扫描每一条码,将对应的临床检验标本的标识信息进行录入。采用操作员肉眼观察条码并手动登记标识信息的方式,受主观因素影响较大。而采用人工扫描条码的方式录入信息时单个临床检验标本的录入时间通常为1.5s/个,大量临床检验标本将会极大的耗费医护人员的精力,出错概率也会随之临床检测标本的数量的增加而上升。
由于人工扫描的效率较低,与实际医疗工作中要求的临床检验标本运送时间限制相矛盾,进而导致现行的临床检验标本的采集及转运接收环节信息核对过程缺失,使得临床检验标本在采集和转运接收环节之间的实时信息出现盲区,当临床检验标本在采集和转运接收环节之间的时间段内出现问题时无法及时被发现,将会造成极大的医疗隐患。基于此,本发明实施例中提供了一种信息入库方法。
图1为本发明实施例提供的一种信息入库方法的流程示意图,如图1所示,所述方法包括:
S1,获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
S2,将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
S3,对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
具体地,本发明实施例中,其各步骤的执行主体为处理器,具体可以是本地处理器,还可以是云端处理器,本地处理器具体可以是电脑、智能手机、平板电脑以及其他类型的处理器等,本发明实施例中对此不作具体限定。
首先,执行步骤S1。其中,待分割图像是指包含有多个二维码的图像,包含的每个二维码均与携带有待入库物品的标识信息的条码相对应。待入库物品可以是医院或实验室等地采集或处理的临床检验标本,还可以是其他需要进行入库的物品。这里,入库即信息录入,是指将待入库物品的标识信息录入至对应的信息系统,以便于使用者进行查询和后续使用。临床检验标本具体可以是动物或人等活体的采样样本,例如血液样本、尿液样本以及唾液样本等,还可以是配置的溶液样本等。待入库物品的标识信息可以包括待入库物品的基本信息,具体可以是待入库物品的所有者、所有者性别、待入库物品的采集时间以及待入库物品的类型等。例如对于血液样本,其标识信息包括被试姓名、被试性别、样本采集时间以及样本类型等关键信息。样本类型即为血液,还可以根据采集位置细分为指尖血、耳垂血以及静脉血等。每一条码携带的待入库物品的标识信息均不相同,条码即条形码,具体可以包括图案部分,图案部分是指将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符。条码还可以包括与图案部分相对应的文字部分,文字部分位于图案部分的下方,文字部分是由大写和/或小写字母以及数字组成,例如“SF00096306”、“SF00096307”等。
本发明实施例中,二维码与条码相对应,即二维码与条码二者之间存在一一对应关系,而每一条码均携带有待入库物品的标识信息,因此二维码、条码以及条码携带的待入库物品的标识信息三者之间存在一一对应关系。
本发明实施例中,待分割图像的获取方式具体可以是主动获取或被动获取,主动获取是处理器向待分割图像的采集装置发送获取指令,采集装置根据获取指令将待分割图像发送至处理器,被动获取是处理器并未发送获取指令,而是采集装置主动将采集到的待分割图像发送至处理器,处理器被动接收。
然后执行步骤S2。其中,二维码分割模型用于对输入的待分割图像中包含的二维码进行图像分割,二维码分割模型首先提取待分割图像中的特征。此处提取的特征是指可以用于区分待分割图像中的二维码与非二维码的特征。然后基于提取的特征对待分割图像中包含的二维码进行分割,即根据提取的特征剔除待分割图像中的非二维码的部分,将待分割图像中的所有二维码的图像部分一一独立的分割出来。
在执行步骤S2之前,还可以预先训练得到二维码分割模型,具体可以通过如下方式训练得到二维码分割模型:首先,收集大量样本图像,确定每个样本图像中的二维码标签;然后,基于样本图像以及样本图像中的二维码标签训练初始的二维码分割模型,从而得到可以实现分割二维码功能的二维码分割模型。具体是将样本图像输入至二维码分割模型,由二维码分割模型输出分割结果,基于给定的损失函数,计算分割结果与样本图像中的二维码标签二者的损失值,当损失值小于预设阈值时,完成对二维码分割模型的训练过程。
最后执行步骤S3。由于预先确定了待分割图像中的二维码与携带有待入库物品的标识信息的条码之间相对应的关系,因此在步骤S2的基础上,通过对得到的所有二维码进行解析,即可确定出对应的待入库物品的标识信息。其中,解析二维码的过程就是自动确定每一二维码对应的待入库物品的标识信息的过程,解析二维码的过程可以通过设置二维码解析接口实现。本发明实施例中可以同时对得到的所有二维码同时进行解析,以提高解析效率。解析完成后即可实现对应的待入库物品的标识信息的自动录入,由于对所有二维码同时进行解析是批量操作的过程,因此可以实现待入库物品的标识信息的批量自动录入,进而提高信息入库的效率。而且,整个过程自动完成,并不需要人工参与,避免了人工参与产生的不利影响。
本发明实施例中提供的信息入库方法,通过二维码分割模型确定待分割图像中包含的所有二维码,并结合待分割图像中每一二维码与携带有待入库物品的标识信息的条码之间的对应关系,可以实现对所有二维码进行解析,并实现待入库物品的标识信息的批量入库,大大提高了信息入库的效率。而且,整个过程不需要人工参与,避免了人工参与产生的不利影响,降低了因人工录入操作失误造成的返工率。
另外,由于现有技术中各个医院或实验室中均采用人工扫描的信息入库方式,将本发明实施例中提供的信息入库方法应用于各个医院或实验室以实现临床检验标本的信息入库,可以在各个医院或实验室的现有设备的基础上,引入与条码对应的二维码即可,并不需要对现有设备做出较大改动,也不需要对操作员做出较为复杂的培训,即可实现信息批量入库的目的,具有很好的商业价值。
在上述实施例的基础上,二维码分割模型包括图像特征提取层和分割层。对应地,图2为本发明实施例中提供的信息入库方法中二维码分割模型的运行流程示意图。如图2所示,步骤S2具体包括:
S21,将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征;
S22,将所述图像特征,或者,将所述待分割图像包含的二维码的数量和所述图像特征输入至所述二维码分割模型的分割层,得到所述分割层输出的所述待分割图像包含的所有二维码;
所述二维码分割模型具体基于带有二维码标签的样本图像和所述样本图像的图像特征标签,或者,基于带有二维码标签的样本图像、所述样本图像包含的二维码的数量和所述样本图像的图像特征标签训练得到。
具体地,本发明实施例中,图像特征提取层用于提取输入的待分割图像的图像特征;图像特征是指待分割图像中可以用于区分二维码与非二维码的特征,具体可以是用于表征待分割图像中各像素点的颜色、像素点与其余像素点构成的形状等信息的特征。分割层用于根据图像特征提取层提取的图像特征确定待分割图像中包含的所有二维码。
在此基础上,分割层用于根据图像特征提取层提取的图像特征,或者图像特征和待分割图像中包含的二维码的数量确定待分割图像中包含的所有二维码。此处,引入待分割图像中包含的二维码的数量,其目的是为二维码分割模型提供指导作用,使得二维码分割模型将该数量作为一个分割标准,只有二维码分割模型分割得到的二维码的数量与待分割图像中包含的二维码的数量相等时,才认为分割动作是符合要求的,将分割得到的所有二维码输出。否则,当二维码分割模型分割得到的二维码的数量与待分割图像中包含的二维码的数量不相等时,则不做输出并重新对待分割图像进行分割,或者提示出错。待分割图像中包含的二维码的数量具体可以通过人工查取的方式确定,并在将待分割图像输入至二维码分割模型时,可以同时将待分割图像中包含的二维码的数量输入至二维码分割模型。
当二维码分割模型的输入仅仅是待分割图像时,二维码分割模型具体基于带有二维码标签的样本图像和样本图像的图像特征标签训练得到。
二维码分割模型的训练过程具体可以是先通过样本图像以及样本图像的图像特征标签对一具有图像特征提取作用的图像特征提取模型进行训练,将样本图像输入至图像特征提取模型,由图像特征提取模型输出提取结果,基于给定的损失函数,计算提取结果与样本图像的图像特征标签二者的损失值,当损失值小于预设阈值时,完成对图像特征提取模型的训练过程。然后将训练好的图像特征提取模型的模型参数迁移至二维码分割模型的图像特征提取层,最后基于具有模型参数的图像特征提取层提取样本图像的图像特征,结合样本图像的二维码标签,对二维码分割模型的分割层进行训练,将具有模型参数的图像特征提取层提取样本图像的图像特征输入至分割层,由分割层输出分割结果,基于给定的损失函数,计算分割结果与样本图像的图像特征标签二者的损失值,当损失值小于预设阈值时,完成对分割层的训练过程。
二维码分割模型的训练过程还可以是将图像特征提取层以及分割层进行联合训练,即将样本图像输入至图像特征提取层,由图像特征提取层输出图像特征并输入至分割层,由分割层输出分割结果,基于给定的损失函数,计算图像特征与图像特征标签之间、分割结果与二维码标签之间的共同损失值,当共同损失值小于预设阈值时,完成对整个二维码分割模型的训练过程。
当二维码分割模型的输入为待分割图像以及待分割图像中包含的二维码的数量时,二维码分割模型基于带有二维码标签的样本图像、所述样本图像包含的二维码的数量和所述样本图像的图像特征标签训练得到。具体过程与上述过程类似,区别仅仅在于引入样本图像包含的二维码的数量,在此不再赘述。
本发明实施例中提供的信息入库方法,首先通过图像特征提取层提取待分割图像的图像特征,然后通过分割层根据图像特征对待分割图像进行分割,得到待分割图像中包含的所有二维码。通过限定二维码分割模型的运行过程,可以使得二维码分割模型的分割过程更加有迹可循,进而使分割结果更加准确。而且,还可以在分割层的运行过程中,引入待分割图像中包含的二维码的数量,为分割层的分割动作提供指导和监督,可以使得分割结果符合要求。
在上述实施例的基础上,由于待分割图像中包含的二维码以及非二维码可以通过颜色和/或几何形状进行区分,例如二维码的颜色为黑白相间,非二维码的颜色可以是彩色;二维码的几何形状为四边形,非二维码的几何形状可以为多边形、圆形等规则形状或者各种不规则形状,因此可以将颜色特征以及几何形状特征作为图像特征。对应地,二维码分割模型的图像特征提取层具体可以包括颜色特征提取层和/或几何形状特征提取层,即图像特征提取层可以只有颜色特征提取层,也可以只有几何形状特征提取层,还可以既有颜色特征提取层又有几何形状特征提取层。图3为本发明实施例中提供的信息入库方法中二维码分割模型的运行流程示意图。如图3所示,S21具体包括:
S211,将所述待分割图像输入至所述图像特征提取层的颜色特征提取层,得到所述颜色特征提取层输出的所述待分割图像的颜色特征;
和/或,S212,将所述待分割图像输入至所述图像特征提取层的几何形状特征提取层,得到所述几何形状特征提取层输出的所述待分割图像的几何形状特征。
具体地,本发明实施例中,图像特征提取层用于提取待分割图像中的颜色特征,颜色特征具体可以是表征待分割图像中每一像素点的颜色信息的特征,例如可以是每一像素点的R/B值,即每一像素点的R值与B值二者的比值。几何形状特征提取层用于提取待分割图像中的几何形状特征,几何形状特征具体可以是表征待分割图像中每一像素点的几何形状信息的特征,例如可以是每一像素点属于某一几何形状的概率值。
在对二维码分割模型进行具体训练时,以二维码分割模型的输入为待分割图像以及待分割图像中包含的二维码的数量为例进行说明。图4为本发明实施例中提供的信息入库方法中二维码分割模型的训练过程示意图。如图4所示,通过训练样本1(x1,y1)对一颜色特征提取模型进行训练。其中,x1表示训练样本1中各像素点的像素值构成的矩阵,y1表示训练样本1中各像素点的颜色特征标签构成的矩阵。将x1输入至颜色特征提取模型,由颜色特征提取模型输出提取结果y1’,计算y1’与y1之间的损失值,当损失值小于预设阈值时,训练过程结束,将训练好的颜色特征提取模型的模型参数迁移至二维码分割模型中的颜色特征提取层。通过训练样本2(x2,y2)对一几何形状特征提取模型进行训练。其中,x2表示训练样本2中各像素点的像素值构成的矩阵,y2表示训练样本2中各像素点的几何形状特征标签构成的矩阵。将x2输入至几何形状特征提取模型,由几何形状特征提取模型输出提取结果y2’,计算y2’与y2之间的损失值,当损失值小于预设阈值时,训练过程结束,将训练好的几何形状特征提取模型的模型参数迁移至二维码分割模型中的几何形状特征提取层。
然后基于训练样本3(x3,y3)以及训练样本3中包含的二维码的数量N对二维码分割模型中的分割层进行训练。其中,x3表示训练样本3中各像素点的像素值构成的矩阵,y3表示训练样本3中各像素点的二维码标签构成的矩阵。将x3输入至颜色特征提取层以及几何形状特征提取层,由颜色特征提取层输出y3’,由几何形状特征提取层输出y3”,将y3’、y3”以及N输入至分割层,由分割层输出y3”’,计算y3”’与y3之间的损失值,当损失值小于预设阈值时,训练过程结束。
本发明实施例中提供的信息入库方法,通过提取待分割图像的颜色特征和/或几何形状特征作为图像特征用以进行后续的二维码分割,可以准确的区分待分割图像中的二维码以及非二维码。而且,将待分割图像中的颜色特征以及几何形状特征相结合,可以使分割层在分割时有更多的参考,使得分割结果更加准确。
为防止待分割图像在采集过程中受环境影响,导致图像亮度不均,对二维码分割模型的分割效果产生不良影响,本发明实施例中在将待分割图像输入至二维码分割模型之前,还包括对待分割图像进行亮度校正的步骤。图5为本发明实施例中提供的信息入库方法中的亮度校正流程示意图,如图5所示在上述实施例的基础上,本发明实施例中,所述将所述待分割图像输入至二维码分割模型中,之前还包括:
S01,将所述待分割图像对应的灰度图像划分为多个子块;
S02,基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正;
S03,将校正后的灰度图像所对应的彩色图像作为亮度校正后的待分割图像。
具体地,本发明实施例中,首先执行步骤S01。一般情况下,得到的待分割图像为彩色图像,需要将待分割图像在灰度图像下进行亮度校正,因此需要先将彩色图像转换为灰度图像。对灰度图像划分得到的子块的数量可以根据需要进行设定,本发明实施例中对此不作具体限定。需要说明的是,理论上,子块的数量越多,对彩色图像的校正效果越好,但是这会增加划分的难度以及亮度校正的速度。因此,需要选择合适的子块的数量,例如16*16个子块或者32*32个子块等。
然后执行步骤S02。其中,灰度图像的图像灰度均值是指灰度图像中所有像素点的灰度值的平均值,任一子块的子块灰度均值是指该子块中所有像素点的灰度值的平均值。可以先根据灰度图像的图像灰度均值以及每一子块的子块灰度均值,确定每一子块的灰度均值与图像灰度均值之间的差异,然后根据所有子块的灰度均值与图像灰度均值之间的差异,得到正常的灰度图像与待分割图像的灰度图像之间的差异,并基于该差异对灰度图像进行灰度校正,对灰度图像的灰度校正等效于对待分割图像的亮度校正。
最后执行S03。其中,由于亮度校正的过程是在灰度图像下进行的,因此还需要将校正后的灰度图像转换为彩色图像,该彩色图像即为亮度校正后的待分割图像。亮度校正后的待分割图像的整体亮度趋于一致。
本发明实施例中提供的信息入库方法,对待分割图像进行亮度校正,可以弥补因待分割图像在采集时可能出现的亮度不均的缺陷,使得二维码分割模型的分割结果不受待分割图像的亮度不均的影响。
在上述实施例的基础上,本发明实施例中给出上述步骤S02的具体实现方式,图6为本发明实施例中提供的信息入库方法中对灰度图像进行灰度校正的方法流程示意图。对应地,步骤S02,具体包括:
S021,基于所述图像灰度均值以及每一子块的子块灰度均值,确定灰度差值矩阵,所述灰度差值矩阵中的元素与所述灰度图像的子块一一对应;
S022,将所述灰度差值矩阵扩展为灰度分布矩阵,所述灰度分布矩阵中的元素与所述灰度图像的像素点一一对应;
S023,基于所述灰度分布矩阵,对所述灰度图像中每一像素点的灰度值进行校正。
具体地,本发明实施例中,首先执行步骤S021。其中,以灰度图像中每一子块的子块灰度均值为标准灰度,灰度差值矩阵中的每一元素具体可以是对应的子块的子块灰度均值与图像灰度均值的差值,这一差值即表示该子块的子块灰度均值与图像灰度均值之间的差异,灰度差异矩阵表示所有子块的灰度均值与图像灰度均值之间的差异。
然后执行步骤S022。其中,具体可以采用插值法对灰度差值矩阵进行插值运算,将灰度差值矩阵的元素数扩展为与灰度图像的元素数相同,即得到灰度分布矩阵。这里,灰度分布矩阵可以理解为是正常的灰度图像与待分割图像的灰度图像之间的差异。
最后执行步骤S023。其中,具体可以将灰度图像中每一像素点的灰度值与灰度分布矩阵中对应的元素进行相减,得到的结果即为校正后的灰度图像中每一像素点的灰度值。
本发明实施例中提供的信息入库方法,确定子块灰度均值与图像灰度均值之间的差值,并结合插值法得到元素数与灰度图像的像素点数量相同的灰度分布矩阵,根据灰度分布矩阵即可对灰度图像进行灰度校正。整个过程不需要引入额外的信息,使得灰度校正过程简单易行。
在上述实施例的基础上,本发明实施例中的待分割图像具体为底部透明或镂空的容器支架的底部图像;
其中,所述底部图像中包含有所述容器支架上所有容器的底部的二维码,每一容器中容纳有待入库物品,每一容器的底部的二维码与所述容器的侧壁的所述条码相对应。
具体地,待入库物品通常放置于容器内,例如试管内。容器的侧壁贴有条码,粘贴方式可以是竖贴。该条码携带有容器内容纳的待入库物品。容器可以通过容器支架支撑,因此可以在容器的底部设置有与容器的侧壁的条码相对应的二维码,并将容器支架的底部设置成透明或镂空,以保证容器的底部设置的二维码可以透过容器支架的底部观察到。由于具体的应用环境中,待入库物品的存储环境温度通常为零下,因此容器支架、容器以及条码均需具有防冻属性,即容器支架可以为防冻试管架,容器可以是防冻试管,与防冻试管架配套,条码可以是防冻条码。
在此基础上,本发明实施例中的待分割图像可以是容器支架的底部图像,其中包含有容器支架上所有容器的底部设置的二维码。
本发明实施例中可以将容器支架设置为绿色等非黑色或白色的纯色,以与二维码的黑白相间进行颜色区分。另外,还可以将容器支架的底部与每一容器对应的镂空或透明位置的边缘设置为除方形以外的其他几何形状,以与二维码的方形进行几何形状区分。
本发明实施例中,为本发明实施例中提供的信息入库方法提供一种具体的应用场景,仅需要在每个容器的底部设置二维码,即可应用本发明实施例中提供的信息入库方法,其实用性很强。
在上述实施例的基础上,本发明实施例中,在所述获取待分割图像,之前还包括:
获取任一容器的所述二维码和所述条码,并将所述任一容器的所述二维码和所述条码进行绑定。
具体地,在获取待分割图像之前,还包括二维码与条码绑定的过程。具体是将容器的底部的二维码与该容器的侧壁的条码进行绑定,即确定容器的底部的二维码与该容器的侧壁的条码之间的对应关系,而由于条码中携带有该容器内容纳的待入库物品的标识信息,因此绑定的过程也是确定容器的底部的二维码、该容器的侧壁的条码以及该容器内容纳的待入库物品的标识信息之间的对应关系。
本发明实施例中提供的信息入库方法,将任一容器的二维码与条码进行绑定,可以确定出容器的底部的二维码、该容器的侧壁的条码以及该容器内容纳的待入库物品的标识信息之间的对应关系,进而为后续对二维码分割模型输出的所有二维码进行解析提供理论基础。
在上述实施例的基础上,本发明实施例中,对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入,具体包括:
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息,以及所有二维码在所述待分割图像中的位置信息进行录入。
具体地,本发明实施例中在对待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入时,可以同时录入所有二维码在待分割图像中的位置信息。每一二维码均具有位置信息,该位置信息可以是该二维码在待分割图像中所处的行和列。
本发明实施例中提供的信息入库方法,通过将所有二维码在待分割图像中的位置信息进行录入,使得后续可以根据每一二维码在待分割图像中的位置信息,找到对应位置处的容器内的待入库物品。
在上述实施例的基础上,图7为本发明实施例中提供的信息入库装置的结构示意图,信息入库装置具体包括:图像获取模块71、分割模块72和录入模块73。其中,
图像获取模块71用于获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
分割模块72用于将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
录入模块73用于对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
具体地,本发明实施例中提供的信息入库装置,等同于上述方法类实施例中的执行主体,分割模块通过二维码分割模型确定待分割图像中包含的所有二维码,录入模块结合图像获取模块获取的待分割图像中每一二维码与携带有待入库物品的标识信息的条码之间的对应关系,可以实现对所有二维码同时进行解析,并实现待入库物品的标识信息的批量入库,大大提高了信息入库的效率。而且,整个过程不需要人工参与,避免了人工参与产生的不利影响,降低了因人工录入操作失误造成的返工率。
在上述实施例的基础上,分割模块72具体包括:
图像特征提取模块,用于将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征;
分割模块,用于将所述图像特征,或者,将所述待分割图像包含的二维码的数量和所述图像特征输入至所述二维码分割模型的分割层,得到所述分割层输出的所述待分割图像包含的所有二维码;
所述二维码分割模型具体基于带有二维码标签的样本图像和所述样本图像的图像特征标签,或者,基于带有二维码标签的样本图像、所述样本图像包含的二维码的数量和所述样本图像的图像特征标签训练得到。
本发明实施例中提供的信息入库装置,首先图像特征提取模块通过图像特征提取层提取待分割图像的图像特征,然后分割模块通过分割层根据图像特征对待分割图像进行分割,得到待分割图像中包含的所有二维码。通过限定二维码分割模型的运行过程,可以使得二维码分割模型的分割过程更加有迹可循,进而使分割结果更加准确。而且,还可以在分割层的运行过程中,引入待分割图像中包含的二维码的数量,为分割层的分割动作提供指导和监督,可以使得分割结果符合要求。
在上述实施例的基础上,图像特征提取模块具体用于:
将所述待分割图像输入至所述图像特征提取层的颜色特征提取层,得到所述颜色特征提取层输出的所述待分割图像的颜色特征;
和/或,将所述待分割图像输入至所述图像特征提取层的几何形状特征提取层,得到所述几何形状特征提取层输出的所述待分割图像的几何形状特征。
本发明实施例中提供的信息入库装置,图像特征提取模块通过提取待分割图像的颜色特征和/或几何形状特征作为图像特征用以进行后续的二维码分割,可以准确的区分待分割图像中的二维码以及非二维码。而且,将待分割图像中的颜色特征以及几何形状特征相结合,可以使分割层在分割时有更多的参考,使得分割结果更加准确。
在上述实施例的基础上,信息入库装置还包括:亮度校正模块;所述亮度校正模块包括:
子块划分模块,用于将所述待分割图像对应的灰度图像划分为多个子块;
灰度校正模块,用于基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正;
亮度校正模块,用于将校正后的灰度图像所对应的彩色图像作为亮度校正后的待分割图像。
本发明实施例中提供的信息入库装置,通过亮度校正模块对待分割图像进行亮度校正,可以弥补因待分割图像在采集时可能出现的亮度不均的缺陷,使得分割模块中二维码分割模型的分割结果不受待分割图像的亮度不均的影响。
在上述实施例的基础上,灰度校正模块具体用于:
基于所述图像灰度均值以及每一子块的子块灰度均值,确定灰度差值矩阵,所述灰度差值矩阵中的元素与所述灰度图像的子块一一对应;
将所述灰度差值矩阵扩展为灰度分布矩阵,所述灰度分布矩阵中的元素与所述灰度图像的像素点一一对应;
基于所述灰度分布矩阵,对所述灰度图像中每一像素点的灰度值进行校正。
本发明实施例中提供的信息入库装置,通过灰度校正模块确定子块灰度均值与图像灰度均值之间的差值,并结合插值法得到元素数与灰度图像的像素点数量相同的灰度分布矩阵,根据灰度分布矩阵即可对灰度图像进行灰度校正。整个过程不需要引入额外的信息,使得灰度校正过程简单易行。
在上述实施例的基础上,信息入库装置还包括:
绑定模块,用于获取任一容器的所述二维码和所述条码,并将所述任一容器的所述二维码和所述条码进行绑定。
具体地,任一容器的二维码和条码均可以通过单管扫码器进行采集,并传送至绑定模块。采用单管扫码器同时扫描二维码和条码可以提高绑定模块的绑定效率。
本发明实施例中提供的信息入库装置,通过绑定模块将任一容器的二维码与条码进行绑定,可以确定出容器的底部的二维码、该容器的侧壁的条码以及该容器内容纳的待入库物品的标识信息之间的对应关系,进而为后续对二维码分割模型输出的所有二维码进行解析提供理论基础。
在上述实施例的基础上,录入模块具体用于:
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息,以及所有二维码在所述待分割图像中的位置信息进行录入。
本发明实施例中提供的信息入库装置,通过录入模块将所有二维码在待分割图像中的位置信息进行录入,使得后续可以根据每一二维码在待分割图像中的位置信息,找到对应位置处的容器内的待入库物品。
在上述实施例的基础上,图8为本发明实施例中提供的一种信息入库系统的结构示意图。如图8所示,所述系统包括:处理装置81、拍摄装置82和底部透明或镂空的容器支架83;
所述容器支架83用于承载多个容纳有待入库物品的容器,每个容器的底部设置有二维码,侧壁设置有条码,所述条码携带有所属容器容纳的待入库物品的标识信息;
所述拍摄装置82用于采集所述容器支架的底部图像,并将所述底部图像作为待分割图像发送给所述处理装置;
所述处理装置81用于执行上述方法类实施例中所述的信息录入方法。
具体地,本发明实施例中,底部透明或镂空的容器支架83上承载多个容纳有待入库物品的容器,容器具体可以是试管。每个容器的底部设置有二维码,侧壁设置有条码,每个容器的条码携带有该容器内容纳的待入库物品的标识信息。对于同属于同一个容器的二维码和条码,二者之间具有对应关系。由于具体的应用环境中,待入库物品的存储环境温度通常为零下,因此容器支架、容器以及条码均需具有防冻属性,即容器支架可以为防冻试管架,容器可以是防冻试管,与防冻试管架配套,条码可以是防冻条码。
本发明实施例中可以将容器支架设置为绿色等非黑色或白色的纯色,以与二维码的黑白相间进行颜色区分。另外,还可以将容器支架的底部与每一容器对应的镂空或透明位置的边缘设置为除方形以外的其他几何形状,以与二维码的方形进行几何形状区分。
容器支架的底部透明或镂空,因此每个容器的底部设置的二维码可以通过每个容器在容器支架上的对应位置被观察到。拍摄装置82对准容器支架的底部进行拍摄时,采集到的底部图像中包含有容器支架上所有容器的底部的二维码。因此该底部图像可以作为待分割图像发送给处理装置。本发明实施例中,拍摄装置82具体可以是高拍仪,也可以是其他具有拍摄功能的设备。图8中采用拍摄装置82与容器支架83之间的箭头表示拍摄装置82对容器支架83的底部进行拍摄。
处理装置81则接收拍摄装置发送的待分割图像,通过执行上述方法类实施例中的信息录入方法实现对待入库物品的标识信息的录入。例如,可以执行如下方法:获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
本发明实施例中提供的信息入库系统,通过设置底部透明或镂空的容器支架承载容器,并在容器底部设置有二维码,可以使拍摄装置拍摄到的容器支架的底部图像中包含有容器支架上所有容器底部的二维码,进而可以作为待分割图像,利用处理装置实现容器内待入库物品的标识信息的批量录入,可以大大提高了信息入库的效率。而且,整个过程不需要人工参与,避免了人工参与产生的不利影响。
图9所示,在上述实施例的基础上,本发明实施例中提供了一种电子设备,包括:处理器(processor)901、存储器(memory)902、通信接口(Communications Interface)903和通信总线904;其中,
所述处理器901、存储器902、通信接口903通过通信总线904完成相互间的通信。所述存储器902存储有可被所述处理器901执行的程序指令,处理器901用于调用存储器902中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
需要说明的是,本实施例中的电子设备在具体实现时可以为服务器,也可以为PC机,还可以为其他设备,只要其结构中包括如图9所示的处理器901、通信接口903、存储器902和通信总线904,其中处理器901、通信接口903和存储器902通过通信总线904完成相互间的通信,且处理器901可以调用存储器902中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
存储器902中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
在上述实施例的基础上,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种信息入库方法,其特征在于,包括:
获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
2.根据权利要求1所述的信息入库方法,其特征在于,所述将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码,具体包括:
将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征;
将所述图像特征,或者,将所述待分割图像包含的二维码的数量和所述图像特征输入至所述二维码分割模型的分割层,得到所述分割层输出的所述待分割图像包含的所有二维码;
所述二维码分割模型具体基于带有二维码标签的样本图像和所述样本图像的图像特征标签,或者,基于带有二维码标签的样本图像、所述样本图像包含的二维码的数量和所述样本图像的图像特征标签训练得到。
3.根据权利要求2所述的信息入库方法,其特征在于,所述将所述待分割图像输入至所述二维码分割模型的图像特征提取层,得到所述图像特征提取层输出的所述待分割图像的图像特征,具体包括:
将所述待分割图像输入至所述图像特征提取层的颜色特征提取层,得到所述颜色特征提取层输出的所述待分割图像的颜色特征;
和/或,将所述待分割图像输入至所述图像特征提取层的几何形状特征提取层,得到所述几何形状特征提取层输出的所述待分割图像的几何形状特征。
4.根据权利要求1-3中任一项所述的信息入库方法,其特征在于,所述将所述待分割图像输入至二维码分割模型中,之前还包括:
将所述待分割图像对应的灰度图像划分为多个子块;
基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正;
将校正后的灰度图像所对应的彩色图像作为亮度校正后的待分割图像。
5.根据权利要求4所述的信息入库方法,其特征在于,所述基于所述灰度图像的图像灰度均值以及每一子块的子块灰度均值,对所述灰度图像进行灰度校正,具体包括:
基于所述图像灰度均值以及每一子块的子块灰度均值,确定灰度差值矩阵,所述灰度差值矩阵中的元素与所述灰度图像的子块一一对应;
将所述灰度差值矩阵扩展为灰度分布矩阵,所述灰度分布矩阵中的元素与所述灰度图像的像素点一一对应;
基于所述灰度分布矩阵,对所述灰度图像中每一像素点的灰度值进行校正。
6.根据权利要求1-3中任一项所述的信息入库方法,其特征在于,所述待分割图像具体为底部透明或镂空的容器支架的底部图像;
其中,所述底部图像中包含有所述容器支架上所有容器的底部的二维码,每一容器中容纳有待入库物品,每一容器的底部的二维码与所述容器的侧壁的所述条码相对应。
7.根据权利要求6所述的信息入库方法,其特征在于,所述获取待分割图像,之前还包括:
获取任一容器的所述二维码和所述条码,并将所述任一容器的所述二维码和所述条码进行绑定。
8.根据权利要求1-3中任一项所述的信息入库方法,其特征在于,所述对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入,具体包括:
对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息,以及所有二维码在所述待分割图像中的位置信息进行录入。
9.一种信息入库装置,其特征在于,包括:
图像获取模块,用于获取待分割图像;所述待分割图像中包含有多个二维码,每一二维码与携带有待入库物品的标识信息的条码相对应;
分割模块,用于将所述待分割图像输入至二维码分割模型中,得到所述二维码分割模型输出的所述待分割图像包含的所有二维码;其中,所述二维码分割模型基于带有二维码标签的样本图像训练得到;
录入模块,用于对所述待分割图像包含的所有二维码分别对应的条码所携带的标识信息进行录入。
10.一种信息入库系统,其特征在于,包括:处理装置、拍摄装置和底部透明或镂空的容器支架;
所述容器支架用于承载多个容纳有待入库物品的容器,每个容器的底部设置有二维码,侧壁设置有条码,所述条码携带有所属容器容纳的待入库物品的标识信息;
所述拍摄装置用于采集所述容器支架的底部图像,并将所述底部图像作为待分割图像发送给所述处理装置;
所述处理装置用于执行如权利要求1-8中任一项所述的信息录入方法。
11.一种电子设备,包括:存储器、处理器以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如权利要求1-8中任一项所述的信息入库方法的步骤。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的信息入库方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010409004.0A CN111611822A (zh) | 2020-05-14 | 2020-05-14 | 信息入库方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010409004.0A CN111611822A (zh) | 2020-05-14 | 2020-05-14 | 信息入库方法、装置、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111611822A true CN111611822A (zh) | 2020-09-01 |
Family
ID=72201329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010409004.0A Pending CN111611822A (zh) | 2020-05-14 | 2020-05-14 | 信息入库方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611822A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114745491A (zh) * | 2022-04-24 | 2022-07-12 | 平安国际智慧城市科技股份有限公司 | 试剂入库管理方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202854852U (zh) * | 2012-10-29 | 2013-04-03 | 江南大学 | 一种基于条形码的仪器信息标贴 |
CN103268467A (zh) * | 2013-05-30 | 2013-08-28 | 苏州百泉信息科技有限公司 | 高通量样品管理系统 |
CN106251493A (zh) * | 2016-07-15 | 2016-12-21 | 华南农业大学 | 一种基于多二维码模式识别的物品入库系统及其方法 |
CN107862234A (zh) * | 2017-10-23 | 2018-03-30 | 广东数相智能科技有限公司 | 一种彩色条形码的识别方法、电子设备及存储介质 |
CN107895182A (zh) * | 2017-12-18 | 2018-04-10 | 雷卡斯科技(北京)有限公司 | 一种rfid医用检验容器的管理方法 |
CN108052999A (zh) * | 2017-12-11 | 2018-05-18 | 上海市同仁医院 | 一种应用于微生物实验室的信息管理系统 |
CN109902770A (zh) * | 2017-12-07 | 2019-06-18 | 东莞市杰诺软件科技有限公司 | 一种条形码和二维码的组合使用方法以及终端设备 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
-
2020
- 2020-05-14 CN CN202010409004.0A patent/CN111611822A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202854852U (zh) * | 2012-10-29 | 2013-04-03 | 江南大学 | 一种基于条形码的仪器信息标贴 |
CN103268467A (zh) * | 2013-05-30 | 2013-08-28 | 苏州百泉信息科技有限公司 | 高通量样品管理系统 |
CN106251493A (zh) * | 2016-07-15 | 2016-12-21 | 华南农业大学 | 一种基于多二维码模式识别的物品入库系统及其方法 |
CN107862234A (zh) * | 2017-10-23 | 2018-03-30 | 广东数相智能科技有限公司 | 一种彩色条形码的识别方法、电子设备及存储介质 |
CN109902770A (zh) * | 2017-12-07 | 2019-06-18 | 东莞市杰诺软件科技有限公司 | 一种条形码和二维码的组合使用方法以及终端设备 |
CN108052999A (zh) * | 2017-12-11 | 2018-05-18 | 上海市同仁医院 | 一种应用于微生物实验室的信息管理系统 |
CN107895182A (zh) * | 2017-12-18 | 2018-04-10 | 雷卡斯科技(北京)有限公司 | 一种rfid医用检验容器的管理方法 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114745491A (zh) * | 2022-04-24 | 2022-07-12 | 平安国际智慧城市科技股份有限公司 | 试剂入库管理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805860B (zh) | 图像解析方法、装置、程序及深度学习算法的生成方法 | |
CN110967339B (zh) | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 | |
CN110264443B (zh) | 基于特征可视化的眼底图像病变标注方法、装置及介质 | |
CN109092696B (zh) | 分拣系统及分拣方法 | |
JP6985856B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
WO2017088462A1 (zh) | 图像处理方法和装置 | |
CN108596137A (zh) | 一种基于图像识别算法的商品扫描录入方法 | |
CN107945181A (zh) | 用于乳腺癌淋巴转移病理图像的处理方法和装置 | |
CN109147883B (zh) | 应用于临床试验数据的原始文件映射、管理方法及其系统 | |
CN110163798B (zh) | 渔场围网破损检测方法及系统 | |
CN113191222B (zh) | 水下鱼类目标检测方法及装置 | |
CN109919912A (zh) | 一种医学影像的质量评价方法和装置 | |
CN111950436A (zh) | 一种玉米果穗表型测量方法及系统 | |
CN111611822A (zh) | 信息入库方法、装置、系统、电子设备及存储介质 | |
CN112614573A (zh) | 基于病理图像标注工具的深度学习模型训练方法及装置 | |
CN110619297B (zh) | 一种豆类植物子实图像批量采集识别方法及装置 | |
Mu et al. | Robotic 3D Vision‐Guided System for Half‐Sheep Cutting Robot | |
CN113793385A (zh) | 鱼头鱼尾定位方法及装置 | |
CN108230308A (zh) | 一种广告单校对方法、装置和设备 | |
CN109829879B (zh) | 维管束的检测方法及装置 | |
CN113591601B (zh) | 角膜共聚焦图像中菌丝识别方法及装置 | |
CN113192022A (zh) | 基于深度学习的病原孢子识别计数方法和装置 | |
CN111582286A (zh) | 印刷电路板同质化确定方法和装置 | |
CN110580465A (zh) | 品相确定方法及装置、存储介质、电子装置 | |
CN106529518B (zh) | 一种答题卡识别的方法及装置 |
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 |