CN112132019A - 物体垂直判断方法和装置 - Google Patents
物体垂直判断方法和装置 Download PDFInfo
- Publication number
- CN112132019A CN112132019A CN202011003454.6A CN202011003454A CN112132019A CN 112132019 A CN112132019 A CN 112132019A CN 202011003454 A CN202011003454 A CN 202011003454A CN 112132019 A CN112132019 A CN 112132019A
- Authority
- CN
- China
- Prior art keywords
- detected
- key points
- image
- straight line
- vertical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种物体垂直判断方法和装置,所述方法包括以下步骤:获取待检测物体图像;对所述待检测物体图像进行目标检测并裁剪出待检测物体区域;将所述待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;对所述多个关键点进行直线拟合;通过拟合出的直线与水平线的夹角判断所述待检测物体是否垂直。本发明能够有效地自动判断出物体的垂直状态。
Description
技术领域
本发明涉及机器学习技术领域,具体涉及一种物体垂直判断方法、一种物体垂直判断装置、一种计算机设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
背景技术
为实现对化学实验的自动评分,可将学生做实验的过程录制下来,并对录制画面进行检测和判断。画面中的量筒是否处于垂直状态可用于辅助评分。因此,需要提出一种能够对量筒垂直状态进行自动判断的策略。
发明内容
本发明为解决上述技术问题,提供了一种物体垂直判断方法和装置,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
本发明采用的技术方案如下:
一种物体垂直判断方法,包括以下步骤:获取待检测物体图像;对所述待检测物体图像进行目标检测并裁剪出待检测物体区域;将所述待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;对所述多个关键点进行直线拟合;通过拟合出的直线与水平线的夹角判断所述待检测物体是否垂直。
通过Yolov5对所述待检测物体图像进行目标检测,得到所述待检测物体图像中所述待检测物体区域位置坐标并裁剪。
所述点检测网络为以hourglass为主干网络的CenterNet。
所述待检测物体为量筒,所述多个关键点包括量筒口位置点、最高刻度线位置点、液面位置点、最低位置位置点、量筒底部位置点。
通过最小二乘法对所述多个关键点进行拟合,得到一元一次直线。
通过将拟合出的直线与水平线的夹角角度或其三角函数值与预设阈值进行比较以判断所述待检测物体是否垂直。
一种物体垂直判断装置,包括:获取模块,用于获取待检测物体图像;目标检测模块,用于对所述待检测物体图像进行目标检测并裁剪出待检测物体区域;点检测模块,用于将所述待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;拟合模块,用于对所述多个关键点进行直线拟合;判断模块,用于通过拟合出的直线与水平线的夹角判断所述待检测物体是否垂直。
一种计算机设备,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计算机程序时,实现上述物体垂直判断方法。
一种非临时性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上述物体垂直判断方法。
一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行上述物体垂直判断方法。
本发明的有益效果:
本发明通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
附图说明
图1为本发明实施例的物体垂直判断方法的流程图;
图2为本发明一个实施例的量筒关键点及所拟合的直线示意图;
图3为本发明实施例的物体垂直判断装置的方框示意图。
具体实施方式
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,所描述的实施例仅仅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。
如图1所示,本发明实施例的物体垂直判断方法包括以下步骤:
S1,获取待检测物体图像。
在本发明的一个实施例中,待检测物体可为量筒,可通过在实验台正前方拍摄实验画面,得到包含量筒的图像,即量筒图像。其中,实验台台面应保持水平,并且拍摄的角度应正对量筒且拍摄出的图像不具有倾斜角度,即图像的横坐标与水平面平行。
下面主要以量筒为例详细说明本发明实施例的物体垂直判断方法。在本发明的其他实施例中,待检测物体还可以为任意具有长度的物体且在长度方向上有多个特征不同的点或线。
S2,对待检测物体图像进行目标检测并裁剪出待检测物体区域。
在本发明的一个实施例中,可通过Yolov5对待检测物体图像进行目标检测,得到待检测物体图像中待检测物体区域位置坐标并裁剪。
其中,Yolov5是一种基于anchor的神经网络目标检测算法,采用CutMix、Mosaic、Self-adversarial等方法进行训练。
具体地,可将量筒图像调整到预设尺寸,如640*640后输入训练好的Yolov5目标检测模型,得到边界为x1、y1、x2、y2的矩形框,即量筒区域,然后裁剪出该量筒区域。
S3,将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点。
在本发明的一个实施例中,点检测网络可为以hourglass为主干网络的CenterNet。
通过上述点检测网络对量筒区域进行关键点检测,可检测出多个关键点,并输出其坐标。就量筒而言,多个关键点可为量筒口位置点、最高刻度线位置点、液面位置点、最低位置位置点、量筒底部位置点中的至少两个。如图2所示,本发明一个实施例中的关键点及其对应的标签如下:量筒口位置点0、最高刻度线位置点1、液面位置点2、最低位置位置点3、量筒底部位置点4。
S4,对多个关键点进行直线拟合。
在得到多个关键点的坐标后,可通过最小二乘法对多个关键点进行拟合,得到一元一次直线,如图2所示。
S5,通过拟合出的直线与水平线的夹角判断待检测物体是否垂直。
具体地,可通过将拟合出的直线与水平线的夹角角度(不大于90°)或其三角函数值与预设阈值进行比较以判断待检测物体是否垂直。
例如,拟合出的直线与水平线的夹角为θ,预设阈值可为6。如果tanθ<6,则可判定量筒处于倾斜状态;否则,判定量筒处于垂直状态,也即垂直于实际场景中的水平面。
根据本发明实施例的物体垂直判断方法,通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
对应上述实施例的物体垂直判断方法,本发明还提出一种物体垂直判断装置。
如图3所示,本发明实施例的物体垂直判断装置包括获取模块10、目标检测模块20、点检测模块30、拟合模块40和判断模块50。其中,获取模块10用于获取待检测物体图像;目标检测模块20用于对待检测物体图像进行目标检测并裁剪出待检测物体区域;点检测模块30用于将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;拟合模块40用于对多个关键点进行直线拟合;判断模块50用于通过拟合出的直线与水平线的夹角判断待检测物体是否垂直。
在本发明的一个实施例中,待检测物体可为量筒,获取模块10可通过在实验台正前方拍摄实验画面,得到包含量筒的图像,即量筒图像。其中,实验台台面应保持水平,并且拍摄的角度应正对量筒且拍摄出的图像不具有倾斜角度,即图像的横坐标与水平面平行。
下面主要以量筒为例详细说明本发明实施例的物体垂直判断装置。在本发明的其他实施例中,待检测物体还可以为任意具有长度的物体且在长度方向上有多个特征不同的点或线。
在本发明的一个实施例中,目标检测模块20可通过Yolov5对待检测物体图像进行目标检测,得到待检测物体图像中待检测物体区域位置坐标并裁剪。
其中,Yolov5是一种基于anchor的神经网络目标检测算法,采用CutMix、Mosaic、Self-adversarial等方法进行训练。
具体地,可将量筒图像调整到预设尺寸,如640*640后输入训练好的Yolov5目标检测模型,得到边界为x1、y1、x2、y2的矩形框,即量筒区域,然后裁剪出该量筒区域。
在本发明的一个实施例中,点检测网络可为以hourglass为主干网络的CenterNet。
点检测模块30通过上述点检测网络对量筒区域进行关键点检测,可检测出多个关键点,并输出其坐标。就量筒而言,多个关键点可为量筒口位置点、最高刻度线位置点、液面位置点、最低位置位置点、量筒底部位置点中的至少两个。如图2所示,本发明一个实施例中的关键点及其对应的标签如下:量筒口位置点0、最高刻度线位置点1、液面位置点2、最低位置位置点3、量筒底部位置点4。
在得到多个关键点的坐标后,拟合模块40可通过最小二乘法对多个关键点进行拟合,得到一元一次直线,如图2所示。
判断模块50具体可通过将拟合出的直线与水平线的夹角角度(不大于90°)或其三角函数值与预设阈值进行比较以判断待检测物体是否垂直。
例如,拟合出的直线与水平线的夹角为θ,预设阈值可为6。如果tanθ<6,则可判定量筒处于倾斜状态;否则,判定量筒处于垂直状态,也即垂直于实际场景中的水平面。
根据本发明实施例的物体垂直判断装置,通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
对应上述实施例,本发明还提出一种计算机设备。
本发明实施例的计算机设备包括存储器、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,处理器执行该计算机程序时,可实现根据本发明上述实施例所述的物体垂直判断方法。
根据本发明实施例的计算机设备,处理器执行存储在存储器上的计算机程序时,通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
对应上述实施例,本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性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可实现根据本发明上述实施例所述的物体垂直判断方法。
根据本发明实施例的非临时性计算机可读存储介质,处理器执行存储在其上的计算机程序时,通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
对应上述实施例,本发明还提出一种计算机程序产品。
当本发明实施例的计算机程序产品中的指令由处理器执行时,可执行根据本发明上述实施例所述的物体垂直判断方法。
根据本发明实施例的计算机程序产品,处理器执行其中的指令时,通过对待检测物体图像进行目标检测,裁剪出待检测物体区域,然后将待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点,再对多个关键点进行直线拟合,并通过拟合出的直线与水平线的夹角判断待检测物体是否垂直,由此,能够有效地自动判断出物体的垂直状态,从而满足相应场景下的需求。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种物体垂直判断方法,其特征在于,包括以下步骤:
获取待检测物体图像;
对所述待检测物体图像进行目标检测并裁剪出待检测物体区域;
将所述待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;
对所述多个关键点进行直线拟合;
通过拟合出的直线与水平线的夹角判断所述待检测物体是否垂直。
2.根据权利要求1所述的物体垂直判断方法,其特征在于,通过Yolov5对所述待检测物体图像进行目标检测,得到所述待检测物体图像中所述待检测物体区域位置坐标并裁剪。
3.根据权利要求2所述的物体垂直判断方法,其特征在于,所述点检测网络为以hourglass为主干网络的CenterNet。
4.根据权利要求3所述的物体垂直判断方法,其特征在于,所述待检测物体为量筒,所述多个关键点包括量筒口位置点、最高刻度线位置点、液面位置点、最低位置位置点、量筒底部位置点。
5.根据权利要求4所述的物体垂直判断方法,其特征在于,通过最小二乘法对所述多个关键点进行拟合,得到一元一次直线。
6.根据权利要求5所述的物体垂直判断方法,其特征在于,通过将拟合出的直线与水平线的夹角角度或其三角函数值与预设阈值进行比较以判断所述待检测物体是否垂直。
7.一种物体垂直判断装置,其特征在于,包括:
获取模块,用于获取待检测物体图像;
目标检测模块,用于对所述待检测物体图像进行目标检测并裁剪出待检测物体区域;
点检测模块,用于将所述待检测物体区域输入点检测网络,以得到待检测物体长度方向上的多个关键点;
拟合模块,用于对所述多个关键点进行直线拟合;
判断模块,用于通过拟合出的直线与水平线的夹角判断所述待检测物体是否垂直。
8.一种计算机设备,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计算机程序时,实现根据权利要求1-6中任一项所述的物体垂直判断方法。
9.一种非临时性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根据权利要求1-6中任一项所述的物体垂直判断方法。
10.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行根据权利要求1-6中任一项所述的物体垂直判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011003454.6A CN112132019A (zh) | 2020-09-22 | 2020-09-22 | 物体垂直判断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011003454.6A CN112132019A (zh) | 2020-09-22 | 2020-09-22 | 物体垂直判断方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132019A true CN112132019A (zh) | 2020-12-25 |
Family
ID=73842448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011003454.6A Pending CN112132019A (zh) | 2020-09-22 | 2020-09-22 | 物体垂直判断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132019A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
CN114612695A (zh) * | 2022-03-11 | 2022-06-10 | 江阴市浩盛电器线缆制造有限公司 | 嵌入式布线规则判断系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557101A (zh) * | 2018-12-29 | 2019-04-02 | 桂林电子科技大学 | 一种非标高反射曲面工件的缺陷检测装置及方法 |
CN110472580A (zh) * | 2019-08-16 | 2019-11-19 | 北京茵沃汽车科技有限公司 | 基于全景影像的检测车位的方法、装置、存储介质 |
CN110807765A (zh) * | 2019-09-27 | 2020-02-18 | 许昌许继软件技术有限公司 | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 |
CN111243011A (zh) * | 2018-11-29 | 2020-06-05 | 北京市商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
-
2020
- 2020-09-22 CN CN202011003454.6A patent/CN112132019A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243011A (zh) * | 2018-11-29 | 2020-06-05 | 北京市商汤科技开发有限公司 | 关键点检测方法及装置、电子设备和存储介质 |
CN109557101A (zh) * | 2018-12-29 | 2019-04-02 | 桂林电子科技大学 | 一种非标高反射曲面工件的缺陷检测装置及方法 |
CN110472580A (zh) * | 2019-08-16 | 2019-11-19 | 北京茵沃汽车科技有限公司 | 基于全景影像的检测车位的方法、装置、存储介质 |
CN110807765A (zh) * | 2019-09-27 | 2020-02-18 | 许昌许继软件技术有限公司 | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 |
Non-Patent Citations (1)
Title |
---|
董洪义: "《深度学习之PyTorch物体检测实战》", 31 March 2020 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267002A (zh) * | 2022-03-02 | 2022-04-01 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
CN114267002B (zh) * | 2022-03-02 | 2022-05-24 | 深圳市华付信息技术有限公司 | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 |
CN114612695A (zh) * | 2022-03-11 | 2022-06-10 | 江阴市浩盛电器线缆制造有限公司 | 嵌入式布线规则判断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110069892A1 (en) | Method of comparing similarity of 3d visual objects | |
CN111127559B (zh) | 光学动捕系统中标定杆检测方法、装置、设备和存储介质 | |
US20020150279A1 (en) | Method of determining usability of a document image and an apparatus therefor | |
JP7006702B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN112132019A (zh) | 物体垂直判断方法和装置 | |
CN113014816B (zh) | 飞拍拍摄触发点的确定方法和装置 | |
CN103198468B (zh) | 图像处理装置、图像处理方法和图像处理系统 | |
US20210207943A1 (en) | Measurement device and measurement method | |
US11928805B2 (en) | Information processing apparatus, information processing method, and storage medium for defect inspection and detection | |
CN105243662A (zh) | 一种端子位置的确定方法及终端设备 | |
CN112070751A (zh) | 木地板缺陷检测方法和装置 | |
CN111862097A (zh) | 微小缺陷检出率的数据增强方法和装置 | |
CN112347292A (zh) | 缺陷标注方法和装置 | |
CN111681186A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN113837204B (zh) | 一种孔洞形状识别方法、计算机设备及存储介质 | |
CN115731165A (zh) | 一种锂电池在线尺寸点检的检测系统及方法 | |
CN116824516B (zh) | 一种涉路施工安全监测及管理系统 | |
CN112132131A (zh) | 量筒液位识别方法和装置 | |
JP6874864B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN110969898A (zh) | 一种船舶高度的检测方法、装置及系统 | |
CN115861315B (zh) | 缺陷检测方法和装置 | |
JP5012522B2 (ja) | 路側境界面検出装置 | |
CN115205288B (zh) | 工业缺陷检测方法和装置 | |
CN113256607B (zh) | 缺陷检测方法和装置 | |
CN109377482A (zh) | 一种基于点云数据的轮胎胎角性质检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201225 |