CN112395577A - 基于用户标签的目标对象识别方法及系统 - Google Patents
基于用户标签的目标对象识别方法及系统 Download PDFInfo
- Publication number
- CN112395577A CN112395577A CN202110065857.1A CN202110065857A CN112395577A CN 112395577 A CN112395577 A CN 112395577A CN 202110065857 A CN202110065857 A CN 202110065857A CN 112395577 A CN112395577 A CN 112395577A
- Authority
- CN
- China
- Prior art keywords
- identification
- target object
- label
- data processing
- head
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于用户标签的目标对象识别方法及系统,包括构建识别系统,标签设定,逻辑学习及识别作业等四个步骤。本发明系统构成结构简单,使用灵活方便,通用性好,工作效率高,一方面可有效的提高对多种目标及不同识别场合下识别、管理作业的工作效率和精度;另一方面系统构成结构简单、系统维护管理方便,拓展能力好且维护管理成本低廉,同时识别作业管理中数据处理精度、数据处理运算自动化、智能化程度及效率高。
Description
技术领域
本发明涉及一种基于用户标签的目标对象识别方法及系统,属于信息管理通讯技术领域。
背景技术
目前在门禁管理系统、物流管理系统等领域中,往往需要对需要管理监控的人员、设备、货物等目标进行快速有效的身份识别作业,针对这一需要,当前的身份识别管理作业时,往往均采用的基于摄像头、扫码枪等设备的识别采集终端,同时通过通讯网络与数据存储服务器间配合实现,虽然可以一定程度满足使用的需要,但一方面存在通用性差,往往仅能满足特定环境下对特定物品识别管理的需要,使用灵活性和可靠性差;另一方面在进行识别作业中,在进行目标物识别管理过程中,数据处理能力差、识别管理精度差,且识别管理效率低下,难以有效满足实际工作的需要。
因此针对这一需要,迫切需要开发一种基于用户标签的目标对象识别方法及系统,以满足实际使用的需要。
发明内容
针对现有技术上存在的不足,本发明提供一种基于用户标签的目标对象识别方法及系统及方法,以满足实际工作的需要。
为了实现上述目的,本发明是通过如下的技术方案来实现:
一种基于用户标签的目标对象识别方法,包括以下步骤;
S1,构建识别系统,首先构建一个基于大数据处理平台为基础的识别管理服务器,若干标签标定及识别终端及若干公共图像信息采集终端,其中基于大数据处理平台为基础的识别管理服务器通过物联网通讯网络分别与各标签标定及识别终端、公共图像信息采集终端建立数据连接,将至少两个终端标签标定之间通过互联网通讯网络建立数据连接,并构成标签识别局域网,所述标签识别局域网若干,各标签识别局域网分别与若干公共图像信息采集终端连接,且相邻两个标签识别局域网间通过中继服务器建立数据连接;
S2,标签设定,完成S1步骤后,通过标签标定及识别终端采集各待识别管理的目标对象的身份识别信息,然后将采集的身份识别信息发送至基于大数据处理平台为基础的识别管理服务器进行备份;对采集的身份识别信息进行计算并生成相应的识别标签信息;然后将生成的识别标签信息发送至基于大数据处理平台为基础的识别管理服务器中,并使识别标签信息与相应的待识别管理的目标对象的身份识别信息在基于大数据处理平台为基础的识别管理服务器中建立数据链接;本实施例的标签标定就是根据目标物,为各目标物设定独立的识别信息,如二维码、条形码,并制作相应的识别标签。
S3,逻辑学习,完成S2步骤后,基于大数据处理平台为基础的识别管理服务器对保存的各待识别管理的目标对象的身份识别信息和制备的识别标签信息进行逻辑运算及深度学习匹配,标签标定及识别终端采集的识别标签信息重合度达到70%以上时,完成现场识别,并将现场识别数据发送至基于大数据处理平台为基础的识别管理服务器中,然后由基于大数据处理平台为基础的识别管理服务器根据接收的现场识别数据进行二次识别,将现场识别数据与基于大数据处理平台为基础的识别管理服务器在S2步骤存储的目标对象的身份识别信息进行比对,得到现场识别数据与存储的相应目标对象的身份识别信息重合度数据,然后对重合度进行比较运算,以重合度最高的目标对象的身份识别信息与当前现场识别数据匹配,从而完成识别管理逻辑训练;
S4,识别作业,完成S3步骤后,即可通过标签标定及识别终端对待识别的目标对象进行身份信息识别管理。
进一步的,所述的基于大数据处理平台为基础的识别管理服务器中构建深度神经网络模型。
进一步的,所述的深度神经网络模型为BP神经网络系统、CNN卷积神经网络、LSTM神经网络中的任意一种或几种共用。
进一步的,所述的目标对象的身份识别信息包括目标名称、结构特征、身份识别编码、物理特征、生理特征、硬件识别码、软件识别码、图片信息中的任意一种或几种。
进一步的,所述的S4步骤中,在进行识别作业时,对基于大数据处理平台为基础的识别管理服务器中未涉及的目标对象时,返回S2步骤进行标签设定,将全新目标纳入目标识别管理体系中;当发生识别错误时,则返回S3步骤进行逻辑学习,对识别误差进行纠正,并再次识别。
进一步的,所述的S1中,公共图像信息采集终端为CCD摄像机、3D摄像机、麦克风中的任意一种或几种共用。
一种利用上述基于用户标签的目标对象识别方法的识别系统,其包括操控计算机、打印机、握持操控头,所述操控计算机分别与打印机、握持操控头电气连接,其中所述握持操控头包括作业头、握持手柄、显示器、CCD摄像头、激光扫描头及驱动电路,其中所述作业头为轴向截面呈矩形的柱状腔体结构,所述作业头后端面通过第一棘轮机构与握持手柄铰接,且作业头、握持手柄轴线呈0°—90°夹角,所述CCD摄像头、激光扫描头均嵌于作业头前端面,环绕作业头轴线均布,且CCD摄像头、激光扫描头光轴与作业头轴线平行分布,所述显示器与作业头上端面通过滑槽滑动连接,且显示器与滑槽间通过滑块连接,并与滑块上端面通过第二棘轮机构铰接,所述显示器光轴与作业头轴线呈0°—180°夹角,所述驱动电路嵌于作业头内,并分别显示器、CCD摄像头、激光扫描头电气连接,且所述驱动电路对应的作业头后外侧面设接线端子,并通过接线端子与操控计算机连接。
进一步的,所述驱动电路为基于FPGA芯片、DSP芯片中任意一种的数据处理电路。
本发明系统构成结构简单,使用灵活方便,通用性好,工作效率高,一方面可有效的提高对多种目标及不同识别场合下识别、管理作业的工作效率和精度;另一方面系统构成结构简单、系统维护管理方便,拓展能力好且维护管理成本低廉,同时识别作业管理中数据处理精度、数据处理运算自动化、智能化及效率高。
附图说明
下面结合附图和具体实施方式来详细说明本发明。
图1为本发明方法流程图
图2为本发明系统结构示意图;
图3为标签标定及识别终端结构示意图;
图4为握持操控头结构示意图。
图中各标号:操控计算机1、打印机2、握持操控头3、作业头31、握持手柄32、显示器33、CCD摄像头34、激光扫描头35、驱动电路36、第一棘轮机构37-1、第二棘轮机构37-2、滑槽38、滑块39。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
如图1和2所示,一种基于用户标签的目标对象识别方法,包括以下步骤;
S1,构建识别系统,首先构建一个基于大数据处理平台为基础的识别管理服务器,若干标签标定及识别终端及若干公共图像信息采集终端,其中基于大数据处理平台为基础的识别管理服务器通过物联网通讯网络分别与各标签标定及识别终端、公共图像信息采集终端建立数据连接,将至少两个终端标签标定之间通过互联网通讯网络建立数据连接,并构成标签识别局域网,所述标签识别局域网若干,各标签识别局域网分别与若干公共图像信息采集终端连接,且相邻两个标签识别局域网间通过中继服务器建立数据连接;
S2,标签设定,完成S1步骤后,通过标签标定及识别终端采集各待识别管理的目标对象的身份识别信息,然后将采集的身份识别信息一方面发送至基于大数据处理平台为基础的识别管理服务器进行备份;另一方面对采集的身份识别信息进行计算并生成相应的识别标签信息;然后将生成的识别标签信息一方面发送至基于大数据处理平台为基础的识别管理服务器中,并使识别标签信息与相应的待识别管理的目标对象的身份识别信息在基于大数据处理平台为基础的识别管理服务器中建立数据链接;本实施例的标签标定就是根据目标物,为各目标物设定独立的识别信息,如二维码、条形码,并制作相应的识别标签。
S3,逻辑学习,完成S2步骤后,基于大数据处理平台为基础的识别管理服务器对保存的各待识别管理的目标对象的身份识别信息和制备的识别标签信息进行逻辑运算及深度学习匹配,标签标定及识别终端采集的识别标签信息重合度达到70%以上时,完成现场识别,并将现场识别数据发送至基于大数据处理平台为基础的识别管理服务器中,然后由基于大数据处理平台为基础的识别管理服务器根据接收的现场识别数据进行二次识别,将现场识别数据与基于大数据处理平台为基础的识别管理服务器在S2步骤存储的目标对象的身份识别信息进行比对,得到现场识别数据与存储的相应目标对象的身份识别信息重合度数据,然后对重合度进行比较运算,以重合度最高的目标对象的身份识别信息与当前现场识别数据匹配,从而完成识别管理逻辑训练;
S4,识别作业,完成S3步骤后,即可通过标签标定及识别终端对待识别的目标对象进行身份信息识别管理。
本实施例中,所述的基于大数据处理平台为基础的识别管理服务器中构建深度神经网络模型,其中所述的深度神经网络模型为BP神经网络系统、CNN卷积神经网络、LSTM神经网络中的任意一种或几种共用。
进一步优化,所述的目标对象的身份识别信息包括目标名称、结构特征、身份识别编码、物理特征、生理特征、硬件识别码、软件识别码、图片信息中的任意一种或几种。
同时,所述的S4步骤中,在进行识别作业时,对基于大数据处理平台的识别管理服务器中未涉及的目标对象时,返回S2步骤进行标签设定,将全新目标纳入目标识别管理体系中;当发生识别错误时,则返回S3步骤进行逻辑学习,对识别误差进行纠正,并再次识别。
本实施例中,所述的S1中,公共图像信息采集终端为CCD摄像机、3D摄像机、麦克风中的任意一种或几种共用。
如图3—4所示,所述的S1步骤中,标签标定及识别终端包括操控计算机1、打印机2、握持操控头3,所述操控计算机1分别与打印机2、握持操控头3电气连接,其中所述握持操控头3包括作业头31、握持手柄32、显示器33、CCD摄像头34、激光扫描头35及驱动电路36,其中所述作业头31为轴向截面呈矩形的柱状腔体结构,所述作业头31后端面通过第一棘轮机构37-1与握持手柄32铰接,且作业头31、握持手柄32轴线呈0°—90°夹角,所述CCD摄像头34、激光扫描头35均嵌于作业头31前端面,环绕作业头31轴线均布,且CCD摄像头34、激光扫描头35光轴与作业头31轴线平行分布,所述显示器33与作业头31上端面通过滑槽38滑动连接,且显示器33与滑槽38间通过滑块39连接,并与滑块39上端面通过第二棘轮机构37-2铰接,所述显示器33光轴与作业头31轴线呈0°—180°夹角,所述驱动电路36嵌于作业头31内,并分别显示器33、CCD摄像头34、激光扫描头35电气连接,且所述驱动电路36对应的作业头31后外侧面设接线端子30,并通过接线端子30与操控计算机1连接。
进一步优化的,所述驱动电路36为基于FPGA芯片、DSP芯片中任意一种为基础的数据处理电路,且所述驱动电路另设无线通讯装置。
本发明系统构成结构简单,使用灵活方便,通用性好,工作效率高,一方面可有效的提高对多种目标及不同识别场合下识别、管理作业的工作效率和精度;另一方面系统构成结构简单、系统维护管理方便,拓展能力好且维护管理成本低廉,同时识别作业管理中数据处理精度、数据处理运算自动化、智能化及效率高。
本行业的技术人员应该了解,本发明不受上述实施例的限制。上述实施例和说明书中描述的只是说明本发明的原理。在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进。这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于用户标签的目标对象识别方法,其特征在于:其包括以下步骤;
S1,构建识别系统,首先构建一个基于大数据处理平台为基础的识别管理服务器,若干标签标定及识别终端及若干公共图像信息采集终端,其中基于大数据处理平台为基础的识别管理服务器通过物联网通讯网络分别与各标签标定及识别终端、公共图像信息采集终端建立数据连接,将至少两个终端标签标定之间通过互联网通讯网络建立数据连接,并构成标签识别局域网,所述标签识别局域网若干,各标签识别局域网分别与若干公共图像信息采集终端连接,且相邻两个标签识别局域网间通过中继服务器建立数据连接;
S2,标签设定,完成S1步骤后,通过标签标定及识别终端采集各待识别管理的目标对象的身份识别信息,然后将采集的身份识别信息发送至基于大数据处理平台为基础的识别管理服务器进行备份;对采集的身份识别信息进行计算并生成相应的识别标签信息;然后将生成的识别标签信息发送至基于大数据处理平台为基础的识别管理服务器中,并使识别标签信息与相应的待识别管理的目标对象的身份识别信息在基于大数据处理平台为基础的识别管理服务器中建立数据链接;
S3,逻辑学习,完成S2步骤后,基于大数据处理平台为基础的识别管理服务器对保存的各待识别管理的目标对象的身份识别信息和制备的识别标签信息进行逻辑运算及深度学习匹配,标签标定及识别终端采集的识别标签信息重合度达到70%以上时,完成现场识别,并将现场识别数据发送至基于大数据处理平台为基础的识别管理服务器中,然后由基于大数据处理平台为基础的识别管理服务器根据接收的现场识别数据进行二次识别,将现场识别数据与基于大数据处理平台为基础的识别管理服务器在S2步骤存储的目标对象的身份识别信息进行比对,得到现场识别数据与存储的相应目标对象的身份识别信息重合度数据,然后对重合度进行比较运算,以重合度最高的目标对象的身份识别信息与当前现场识别数据匹配,从而完成识别管理逻辑训练;
S4,识别作业,完成S3步骤后,即可通过标签标定及识别终端对待识别的目标对象进行身份信息识别管理。
2.根据权利要求1所述的一种基于用户标签的目标对象识别方法,其特征在于:所述的基于大数据处理平台为基础的识别管理服务器中构建深度神经网络模型。
3.根据权利要求2所述的一种基于用户标签的目标对象识别方法,其特征在于:所述的深度神经网络模型为BP神经网络系统、CNN卷积神经网络、LSTM神经网络中的任意一种或几种共用。
4.根据权利要求1所述的一种基于用户标签的目标对象识别方法,其特征在于:所述的目标对象的身份识别信息包括目标名称、结构特征、身份识别编码、物理特征、生理特征、硬件识别码、软件识别码、图片信息中的任意一种或几种。
5.根据权利要求1所述的一种基于用户标签的目标对象识别方法,其特征在于:所述的S4步骤中,在进行识别作业时,对基于大数据处理平台为基础的识别管理服务器中未涉及的目标对象时,返回S2步骤进行标签设定,将全新目标纳入目标识别管理体系中;当发生识别错误时,则返回S3步骤进行逻辑学习,对识别误差进行纠正,并再次识别。
6.根据权利要求1所述的一种基于用户标签的目标对象识别方法,其特征在于:所述的S1中,公共图像信息采集终端为CCD摄像机、3D摄像机、麦克风中的任意一种或几种共用。
7.根据权利要求1至6任意一项所述的一种基于用户标签的目标对象识别方法的识别系统,其特征在于:其包括操控计算机(1)、打印机(2)、握持操控头(3),所述操控计算机(1)分别与打印机(2)、握持操控头(3)电气连接,其中所述握持操控头(3)包括作业头(31)、握持手柄(32)、显示器(33)、CCD摄像头(34)、激光扫描头(35)及驱动电路(36),其中所述作业头(31)为轴向截面呈矩形的柱状腔体结构,所述作业头(31)后端面通过第一棘轮机构(37-1)与握持手柄(32)铰接,且作业头(31)、握持手柄(32)轴线呈0°—90°夹角,所述CCD摄像头(34)、激光扫描头(35)均嵌于作业头(31)前端面,环绕作业头(31)轴线均布,且CCD摄像头(34)、激光扫描头(35)光轴与作业头(31)轴线平行分布,所述显示器(33)与作业头(31)上端面通过滑槽(38)滑动连接,且显示器(33)与滑槽(38)间通过滑块(39)连接,并与滑块(39)上端面通过第二棘轮机构(37-2)铰接,所述显示器(33)光轴与作业头(31)轴线呈0°—180°夹角,所述驱动电路(36)嵌于作业头(31)内,并分别与显示器(33)、CCD摄像头(34)、激光扫描头(35)电气连接,且所述驱动电路(36)对应的作业头(31)后外侧面设接线端子,并通过接线端子与操控计算机(1)连接。
8.根据权利要求7所述的一种识别系统,其特征在于:所述驱动电路(36)为基于FPGA芯片、DSP芯片中任意一种的数据处理电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110065857.1A CN112395577B (zh) | 2021-01-19 | 2021-01-19 | 基于用户标签的目标对象识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110065857.1A CN112395577B (zh) | 2021-01-19 | 2021-01-19 | 基于用户标签的目标对象识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112395577A true CN112395577A (zh) | 2021-02-23 |
CN112395577B CN112395577B (zh) | 2021-05-11 |
Family
ID=74625284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110065857.1A Active CN112395577B (zh) | 2021-01-19 | 2021-01-19 | 基于用户标签的目标对象识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395577B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101174326A (zh) * | 2007-11-16 | 2008-05-07 | 广东工业大学 | 工程训练管理系统 |
CN103138920A (zh) * | 2011-11-22 | 2013-06-05 | 中兴通讯股份有限公司 | 身份识别方法、系统及业务处理服务器、识别信息采集终端 |
CN109308333A (zh) * | 2018-08-14 | 2019-02-05 | 殷肇良 | 基于用户身份识别的线上交互管理服务平台 |
CN109492369A (zh) * | 2018-11-08 | 2019-03-19 | 四川坤翔科技有限公司 | 一种基于大数据的身份识别系统 |
CN109887200A (zh) * | 2019-02-28 | 2019-06-14 | 商洛学院 | 一种基于物联网的图书自助借还系统及方法 |
CN110110707A (zh) * | 2019-05-24 | 2019-08-09 | 苏州闪驰数控系统集成有限公司 | 人工智能cnn、lstm神经网络动态识别系统 |
CN112116503A (zh) * | 2020-09-28 | 2020-12-22 | 松立控股集团股份有限公司 | 一种智慧社区云平台管理系统 |
-
2021
- 2021-01-19 CN CN202110065857.1A patent/CN112395577B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101174326A (zh) * | 2007-11-16 | 2008-05-07 | 广东工业大学 | 工程训练管理系统 |
CN103138920A (zh) * | 2011-11-22 | 2013-06-05 | 中兴通讯股份有限公司 | 身份识别方法、系统及业务处理服务器、识别信息采集终端 |
CN109308333A (zh) * | 2018-08-14 | 2019-02-05 | 殷肇良 | 基于用户身份识别的线上交互管理服务平台 |
CN109492369A (zh) * | 2018-11-08 | 2019-03-19 | 四川坤翔科技有限公司 | 一种基于大数据的身份识别系统 |
CN109887200A (zh) * | 2019-02-28 | 2019-06-14 | 商洛学院 | 一种基于物联网的图书自助借还系统及方法 |
CN110110707A (zh) * | 2019-05-24 | 2019-08-09 | 苏州闪驰数控系统集成有限公司 | 人工智能cnn、lstm神经网络动态识别系统 |
CN112116503A (zh) * | 2020-09-28 | 2020-12-22 | 松立控股集团股份有限公司 | 一种智慧社区云平台管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112395577B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647553A (zh) | 模型训练用图像的快速扩充方法、系统、设备及存储介质 | |
CN110969644B (zh) | 人员轨迹追踪方法、装置及系统 | |
WO2013052451A4 (en) | Data center infrastructure management system having real time enhanced reality tablet | |
CN109961053A (zh) | 提示方法、装置及系统 | |
CN108460552B (zh) | 一种基于机器视觉和plc的钢材仓储控制系统 | |
CN110210628A (zh) | 一种增强现实的自动化设备智能运维检修作业方法 | |
CN109034694B (zh) | 基于智能制造的生产原料智能存储方法及系统 | |
CN115437507B (zh) | 基于ar眼镜的设备维修指导方法、系统及相关设备 | |
CN109038826A (zh) | 基于物联网和ar技术的变电站设备巡视系统及巡视方法 | |
CN109635145A (zh) | 基于多维综合信息的电力设备巡检信息识别方法 | |
CN111611871B (zh) | 图像识别方法、装置、计算机设备和计算机可读存储介质 | |
CN112258507A (zh) | 互联网数据中心的目标对象检测方法、装置和电子设备 | |
CN112395577B (zh) | 基于用户标签的目标对象识别方法及系统 | |
CN103576658A (zh) | 一种用于铅酸电池的生产跟踪控制方法 | |
CN108830833A (zh) | 工件识别项目的在线评估方法、服务器及终端 | |
US11704516B2 (en) | Electronic label management apparatus and method | |
Stampfer et al. | Information driven sensor placement for robust active object recognition based on multiple views | |
CN113947716A (zh) | 闭环检测方法、装置、机器人及存储介质 | |
CN109063855A (zh) | 用于车辆车况鉴定的辅助处理方法及装置 | |
CN113554779A (zh) | 一种动态二维码电力设备巡检系统及巡检方法 | |
CN114500900A (zh) | 丢失对象的寻找方法及装置 | |
CN114147725A (zh) | 机器人的零点调整方法、装置、设备及存储介质 | |
CN114693749A (zh) | 一种用于关联不同的物理坐标系的方法及系统 | |
CN112633063A (zh) | 一种人物行动跟踪系统及其方法 | |
US20140297180A1 (en) | Mobilized Sensor System |
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 |