CN112818735B - 一种基于物品识别的舰艇备件识别方法 - Google Patents
一种基于物品识别的舰艇备件识别方法 Download PDFInfo
- Publication number
- CN112818735B CN112818735B CN202011404974.8A CN202011404974A CN112818735B CN 112818735 B CN112818735 B CN 112818735B CN 202011404974 A CN202011404974 A CN 202011404974A CN 112818735 B CN112818735 B CN 112818735B
- Authority
- CN
- China
- Prior art keywords
- spare part
- spare
- information
- image
- appearance
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
-
- 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
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于物品识别的舰艇备件识别方法,包括:一、建立图像信息库所用的外观图像文件;二、备件的基本信息与备件的外观特征信息相互关联;三、设置相似度初始阀值,利用人工智能算法,进行初步模糊识别,借助备件基本信息由人工辅助实现对备件的精确识别;四、人工辅助识别结果反馈至备件信息特征库并对其算法进行优化训练,相似度超过99%,确认为备件的完全智能识别;五、利用训练后的信息库及人工智能算法进行物品识别。本发明利用人工智能识别技术方法,可首先基于外形轮廓实现备件的模糊判别,借助关联的备件初始基本信息再由人工辅助判断,实现精确识别,有效提高备件识别效率和精确性。
Description
技术领域
本发明涉及一种舰艇备件数据库建立及应用技术,具体涉及基于智能识别技术的舰艇备件数据库建立及应用方法。
背景技术
物品的智能识别技术可以实现对舰艇备品备件等物品在无信息标识情况下的快速识别与定位。利用人工智能技术手段,摄取备件图像信息并通过训练优化建立物品外表特征信息库,物品的基本信息与物品的特征信息进行关联形成一一对应关系。物品的基本信息为标准化、结构化信息,构成物品的唯一标识。
随着以人工智能技术为主导的新技术的发展,对传统舰艇装备综合保障工作提出了新的要求,基于信息化、智能化的备件智能识别方法能够快速提高舰艇备件保障的精确性。目前国内部分舰艇已配备了基于条形码应用的备品备件管理系统,但与实际需求相比,还存在以下问题:
舰艇备件备品种类繁多,数量庞大,存储位置分散在舰艇各个角落,虽然每种备件都具有可识别的唯一编码,但是在不熟悉备件基本信息的前提下,对拆卸下来需更换的备件的库存查询是一件耗时费力的工作,对舰艇备件管理工作带来了很大不便。
发明内容
本发明所要解决的技术问题是:舰艇备件备品采用条码识别存在的耗时费力问题。
本发明的技术方案:
基于物品识别的舰艇备件识别方法,包括如下步骤:
一、建立图像信息库所用的外观图像文件;
二、备件的基本信息与备件的外观特征信息相互关联,唯一确定;
三、设置相似度80%~90%初始阀值,利用人工智能算法,进行初步模糊识别,输出相似度最高的至少5例,借助备件基本信息由人工辅助实现对备件的精确识别;
四、人工辅助识别结果反馈至备件信息特征库并对其算法进行优化训练,相似度超过99%,确认为备件的完全智能识别;
五、利用训练后的信息库及人工智能算法进行物品识别。
步骤一中:图像信息库所用的外观图像文件包括备件正视图、侧视图、俯视图、斜视图等,摄取的图像无特殊光线和无关背景的干扰,图像比例设置为4:3~16:9之间的常用图像比例,备件的最大外形投影面积占图片面积大小在1/5-1/3之间。
外观图像文件是由初始获取的原始图像经过图像预处理得到。
所述图像预处理包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化中的一种或多种
步骤二中:选取人工智能算法,对备件的外观特征进行建模和训练,建立备件外观特征信息库,备件的基本信息包括备件名称、规格型号、零件号、外观尺寸、物资编码、寿命期、重量、库存数量和存储位置。
根据备件的形状描述以及他们之间的距离等特性来获得有助于备件分类的特征数据。特征数据包括特征点间的欧氏距离、曲率和角度,基于特征向量法,确定备件的大小、位置、特征点间距离等几何特征。
步骤三中:通过摄像机摄取当前备件的图像或选取照片输入,提取当前备件图像的外部特征生成特征信息,将当前备件的特征信息与信息库中的信息进行检索比对,设置特定阀值,将超过阀值的识别结果按照相似度高低由上及下进行排列,形成模糊判断结果,人工对比备件的实物外观尺寸、实物与库存图像的外观特征并做出最终判断结果。
选取的人工智能算法是神经网络算法,对备件的外观特征进行建模和训练,建立备件外观特征信息库。
本发明提供了一种智能识别技术的舰艇备件数据库建立及应用方法,为舰艇备品备件的管理应用建立信息数据库,提供智能识别手段,实现对备件的模糊识别和人工辅助快速定位,从而提高舰艇备品备件智能化管理水平。利用人工智能识别技术方法,可首先基于外形轮廓实现备件的模糊判别,借助关联的备件初始基本信息再由人工辅助判断,实现精确识别,有效提高备件识别效率和精确性,进而提高舰艇装备备件保障的精确性和快速性
附图说明
图1是本发明实施例的一种基于智能识别技术的舰艇备件数据库建立及应用方法流程图。
具体实施方式
在本发明方法中,建立一种基于物品智能识别技术的舰艇备件识别方法。此方法是将物品识别技术应用到备件的精确识别流程中,将备件特征信息与备件基本信息关联,摄取当前备件的图像并与信息库图像信息进行对比,实现模糊识别,按照相识度高低对识别结果进行排列并显示备件的初始图像、名称、型号等基本信息,根据实物对照和基本信息对比人工辅助确定备件,实现对备件的精确识别,进而对备件开展管理操作。为使本发明的目的、技术方案及优点更加清楚明白,以下对本发明方法进一步详细说明:
a)备件初始信息库的建立
①备件图像的采集
通过摄像设备摄取备件不同角度的外观图像文件,包括备件正视图、侧视图、俯视图、斜视图等,形成备件图像档案。摄取图像时确应确保光线充足(柔光),纯色背景(白色),避免光线和背景对图片的干扰;图像比例为4:3、3:2、16:9(特殊情况下),备件的最大外形投影面积占图片面积大小在1/5-1/3之间。
②备件图像预处理
对初始获取的原始图像进行灰度校正、噪声过滤等图像预处理,例如对图像进行光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
③备件外部特征提取
根据备件的外形轮廓以及它们之间的距离特性来获得有助于备件分类的特征数据,包括特征点间的欧氏距离、曲率和角度等。基于特征向量法,确定备件的大小、位置、特征点间距离等几何特征。
④外观特征信息库创建
选取神经网络算法,对备件的外观特征进行建模和训练,建立备件外观特征信息库。
⑤备件基本信息的创建
建立备件的基本信息,并与备件的外观特征信息进行关联。备件的基本信息包括备件名称、规格型号、零件号、外观尺寸、物资编码、寿命期、重量、库存数量、存储位置等。
b)获取当前备件图像
通过摄像设备摄取当前备件的图像,参考a)项中②③分项对当前图像进行预处理并提取外部特征,生成当前备件的特征信息。
c)备件的识别
将当前备件的特征信息与信息库中的信息进行检索比对,设置特定阀值为相似度85%,将超过阀值的识别结果按照相似度高低由上及下进行排列,输出相似度最高的前5例,形成模糊判断结果,人工对比备件的实际外观尺寸、实物与原始图像,做出最终判断结果,实现对备件的精确识别。每一次识别,是对人工智能算法的优化。
根据附图1:首先进行备件图像菜鸡,然后进行备件预处理,提取特征后建模,与备件的挤出信息进行关联,建立备件特征信息库。之后采用拍摄设别获取当前备件的图像,进行当前备件图像预处理,提取特征后登记至备件特征信息库中并设定阈值与库中的数据进行特征对比。若得到模糊判断结果则进行人工判断精确识别,若人工识别通过则记录入特征信息库进行算法优化,若无法得到模糊判断结果则重新进行图像获取,若人工判断不通过也重新进行图像获取。
Claims (7)
1.一种基于物品识别的舰艇备件识别方法,其特征在于包括如下步骤:
一、建立图像信息库所用的外观图像文件;
二、备件的基本信息与备件的外观特征信息相互关联,唯一确定;
根据备件的形状描述以及他们之间的距离特性来获得有助于备件分类的特征数据;选取人工智能算法,对备件的外观特征进行建模和训练,建立备件外观特征信息库,备件的基本信息包括备件名称、规格型号、零件号、外观尺寸、物资编码、寿命期、重量、库存数量和存储位置;
三、设置相似度80%~90%初始阀值,利用人工智能算法,进行初步模糊识别,借助备件基本信息由人工辅助实现对备件的精确识别;
四、人工辅助识别结果反馈至备件信息特征库并对其算法进行优化训练,相似度超过99%,确认为备件的完全智能识别;
五、利用训练后的信息库及人工智能算法进行物品识别。
2.根据权利要求1所述基于物品识别的舰艇备件识别方法,其特征在于步骤一中:图像信息库所用的外观图像文件包括备件正视图、侧视图、俯视图、斜视图等,摄取的图像无特殊光线和无关背景的干扰,图像比例设置为4:3~16:9之间的常用图像比例,备件的最大外形投影面积占图片面积大小在1/5-1/3之间。
3.根据权利要求 2所述基于物品识别的舰艇备件识别方法,其特征在于:外观图像文件是由初始获取的原始图像经过图像预处理得到。
4.根据权利要求1所述基于物品识别的舰艇备件识别方法,其特征在于步骤三中:通过摄像机摄取当前备件的图像或选取照片输入,提取当前备件图像的外部特征生成特征信息,将当前备件的特征信息与信息库中的信息进行检索比对,设置特定阀值,将超过阀值的识别结果按照相似度高低由上及下进行排列,形成模糊判断结果,人工对比备件的实物外观尺寸、实物与库存图像的外观特征并做出最终判断结果。
5.根据权利要求3所述基于物品识别的舰艇备件识别方法,其特征在于:所述图像预处理包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化中的一种或多种。
6.根据权利要求1所述基于物品识别的舰艇备件识别方法,其特征在于:特征数据包括特征点间的欧氏距离、曲率和角度,基于特征向量法,确定备件的大小、位置、特征点间距离等几何特征。
7.根据权利要求1-6任一项所述基于物品识别的舰艇备件识别方法,其特征在于:选取神经网络算法,对备件的外观特征进行建模和训练,建立备件外观特征信息库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011404974.8A CN112818735B (zh) | 2020-12-03 | 2020-12-03 | 一种基于物品识别的舰艇备件识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011404974.8A CN112818735B (zh) | 2020-12-03 | 2020-12-03 | 一种基于物品识别的舰艇备件识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112818735A CN112818735A (zh) | 2021-05-18 |
CN112818735B true CN112818735B (zh) | 2023-04-07 |
Family
ID=75853290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011404974.8A Active CN112818735B (zh) | 2020-12-03 | 2020-12-03 | 一种基于物品识别的舰艇备件识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112818735B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114454181A (zh) * | 2022-04-11 | 2022-05-10 | 广州市开富信息科技有限责任公司 | 一种汽车配件的精确查找方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685075A (zh) * | 2018-11-27 | 2019-04-26 | 山东鲁能软件技术有限公司 | 一种基于图像的电力设备识别方法、装置及系统 |
CN111709259A (zh) * | 2019-10-20 | 2020-09-25 | 西安立东行智能技术有限公司 | 一种人工智能防伪查询系统获得大数据的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200151692A1 (en) * | 2018-04-18 | 2020-05-14 | Sbot Technologies, Inc. d/b/a Caper Inc. | Systems and methods for training data generation for object identification and self-checkout anti-theft |
CN108647588A (zh) * | 2018-04-24 | 2018-10-12 | 广州绿怡信息科技有限公司 | 物品类别识别方法、装置、计算机设备和存储介质 |
CN108846971A (zh) * | 2018-05-25 | 2018-11-20 | 合肥欧仕嘉机电设备有限公司 | 一种散装物品自动识别称重结算方法 |
CN109299687A (zh) * | 2018-09-18 | 2019-02-01 | 成都网阔信息技术股份有限公司 | 一种基于cnn的模糊异常视频识别方法 |
CN111102797A (zh) * | 2018-10-25 | 2020-05-05 | 上海瀚强信息科技有限公司 | 一种基于人工智能的智慧冰箱 |
CN110940539B (zh) * | 2019-12-03 | 2024-04-05 | 桂林理工大学 | 一种基于人工经验及声音识别的机器设备故障诊断方法 |
CN111259791B (zh) * | 2020-01-15 | 2023-09-08 | 大亚湾核电运营管理有限责任公司 | 核电站物资验收方法、装置、计算机设备及存储介质 |
CN111260007B (zh) * | 2020-01-17 | 2024-01-23 | 大亚湾核电运营管理有限责任公司 | 核电站备件开箱验收方法、装置、设备及存储介质 |
CN111275381B (zh) * | 2020-01-17 | 2024-01-09 | 大亚湾核电运营管理有限责任公司 | 核电站备件盘点方法、装置、设备及存储介质 |
-
2020
- 2020-12-03 CN CN202011404974.8A patent/CN112818735B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685075A (zh) * | 2018-11-27 | 2019-04-26 | 山东鲁能软件技术有限公司 | 一种基于图像的电力设备识别方法、装置及系统 |
CN111709259A (zh) * | 2019-10-20 | 2020-09-25 | 西安立东行智能技术有限公司 | 一种人工智能防伪查询系统获得大数据的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112818735A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960245B (zh) | 轮胎模具字符的检测与识别方法、装置、设备及存储介质 | |
CN108090406B (zh) | 人脸识别方法及系统 | |
CN102663411B (zh) | 一种目标人体识别方法 | |
CN110008909A (zh) | 一种基于ai的实名制业务实时稽核系统 | |
Chatfield et al. | Efficient retrieval of deformable shape classes using local self-similarities | |
CN108921850B (zh) | 一种基于图像分割技术的图像局部特征的提取方法 | |
CN111046789A (zh) | 一种行人重识别方法 | |
CN112149690A (zh) | 一种基于生物图像特征识别的溯源方法和溯源系统 | |
CN111460884A (zh) | 基于人体跟踪的多人脸识别方法 | |
CN114863464B (zh) | 一种pid图纸图件信息的二阶识别方法 | |
CN112818735B (zh) | 一种基于物品识别的舰艇备件识别方法 | |
CN113963295A (zh) | 视频片段中地标识别方法、装置、设备及存储介质 | |
CN110443306B (zh) | 葡萄酒木塞的鉴伪方法 | |
CN109299295B (zh) | 蓝印花布图像数据库搜索方法 | |
CN110555219B (zh) | 一种基于图像识别的三维cad模型相似性检索系统及方法 | |
CN115082652A (zh) | 一种基于可控光源采集装置的面料成分识别系统 | |
CN109784356B (zh) | 基于Fisher判别分析的矩阵变量受限玻尔兹曼机图像分类方法 | |
CN111626150A (zh) | 商品识别方法 | |
CN115309941B (zh) | 一种基于ai的智能标签检索方法及系统 | |
CN116740549B (zh) | 车辆零件识别方法及系统 | |
CN111428797B (zh) | 一种结合检索与分类的物品种类识别方法及系统 | |
CN117372787B (zh) | 一种图像多类别识别方法及装置 | |
CN115131619B (zh) | 基于点云和图像融合的特高压零件分拣方法和系统 | |
CN112132063B (zh) | 一种基于聚类量化实时匹配的食物识别方法 | |
CN112686157A (zh) | 一种基于深度学习的图书定位和识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |