CN113052038A - 一种采用ai技术统计筹码盘库存量的方法 - Google Patents
一种采用ai技术统计筹码盘库存量的方法 Download PDFInfo
- Publication number
- CN113052038A CN113052038A CN202110282627.0A CN202110282627A CN113052038A CN 113052038 A CN113052038 A CN 113052038A CN 202110282627 A CN202110282627 A CN 202110282627A CN 113052038 A CN113052038 A CN 113052038A
- Authority
- CN
- China
- Prior art keywords
- chip
- server
- inventory
- chips
- technology
- 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 24
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 8
- 208000001613 Gambling Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Finance (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Accounting & Taxation (AREA)
- Biophysics (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种采用AI技术统计筹码盘库存量的方法,主要用python语言实现,需要在筹码盘的上方安装一个视角合理,无物体遮挡,无强光直射或其它干扰因素的摄像头,摄像头通过网络与搭载了AI图像识别程序的服务器相连接,服务器中保存了筹码的AI模型。摄像头采集的图像数据将被持续地传输到服务器,AI图像识别程序将采集的图像数据与模型作对比,实时识别图像数据中的筹码盘和筹码,对筹码进行分类识别和余量、价值统计,统计后计算结果实时显示在后台。如果检测到筹码库存量不足的筹码盘,服务器会向后台发送通知,账房工作人员可以在后台查看、处理通知。
Description
【技术领域】
本发明涉及AI统计技术领域,具体涉及一种采用AI技术统计筹码盘库存量的方法。
【背景技术】
在筹码盘上存放了许多筹码,工作人员需要时刻注意和计算筹码的库存量和总值,当筹码库存量不足时将会暂停赌局并核算本桌上的筹码,然后通知账房安排工作人员补充,但是这个核算方法依赖工作人员的心算,容易出错,为了提高可靠性则需要耗费一定的时间让工作人员反复核查,既要让顾客频繁地暂停等待,又容易因为人工计算而导致计算结果出错。
【发明内容】
为解决上述问题,提出了体验更好的一种采用AI技术统计筹码盘库存量的方法;
一种采用AI技术统计筹码盘库存量的方法,其特征在于,其判断步骤如下:
S1,收集样本:通过预采集,采集不同的种类和面值的筹码样本;
S2,标注样本:对预采集筹码样本、对不同种类和面值的筹码进行标记;
S3,进行AI学习:根据所标注的样本对服务器内的AI图像识别程序进行训练,建立AI数据模型;
S4,判断预备:检测设备通过高清相机获取所需判断的图像信息,以视频流的方式上传到服务器中,服务器接收到摄像头传输的视频流数据后,对视频流数据进行预处理,在完整的图像中筛选出图像中筹码的部分;
S5,AI判断:服务器将预处理得到的出图像中筹码部分的数据与预先训练完成的筹码AI模型进行对比和拟合,然后标注出筹码盘中的所有筹码,并且识别出它们的种类和面值;
S6,结果导出:识别出筹码后,统计出筹码共有多少种类,每种筹码的库存量和价值,进而统计出筹码盘的库存量和库存价值,经过统计得出的结果显示在后台并实时更新,工作人员以此查看每张赌桌上筹码盘的筹码余量,若出现筹码盘出现库存量不足的情况,服务器会向后台发送通知,工作人员可以及时处理。
进一步地、所述收集样本中预采集筹码样本的取样范围为筹码的不同面的状态及其在不同情况被部分遮盖后状态;
进一步地、所述服务器通过学习好的AI数据模型自动将新采集到的图像进行分析,采用分割算法和Mask RCNN实例分割架构的方法来识别筹码。
进一步地、所述Mask R-CNN的主要构建模块包括主干网络和FPN特征金字塔网络;
所述主干网络为ResNet50和ResNet101的卷积神经网络,作为特征提取器;
所述FPN特征金字塔网络通过添加第二个金字塔提升了标准特征提取金字塔的性能,第二个金字塔可以从第一个金字塔选择高级特征并传递到底层上,通过这个过程,它允许每一级的特征都可以和高级、低级特征互相结合。
进一步地、所述预采集筹码样本采用了3D建模+随机图片生成的方式,通过获取真实筹码的厚度、半径和颜色属性,利用3Ds MAX生成各种摆放的筹码场景来大大扩充训练集的数量,同时采取了闭环训练系统,即一边生成数据一边训练AI。
进一步地、在步骤S3之前,采用了Mosaic,随即拼接,缩放等数据增强技术,进一步的提高了模型的鲁棒性。
本发明主要用python语言实现,需要在筹码盘的上方安装一个视角合理,无物体遮挡,无强光直射或其它干扰因素的摄像头,摄像头通过网络与搭载了AI图像识别程序的服务器相连接,服务器中保存了筹码的AI模型。摄像头采集的图像数据将被持续地传输到服务器,AI图像识别程序将采集的图像数据与模型作对比,实时识别图像数据中的筹码盘和筹码,对筹码进行分类识别和余量、价值统计,统计后计算结果实时显示在后台。如果检测到筹码库存量不足的筹码盘,服务器会向后台发送通知,账房工作人员可以在后台查看、处理通知;
本发明具有良好的识别率和识别速度,利用软件技术辅佐工作人员快速完成复杂业务,且能够有效避免人工计算带来的误差;
本发明通过AI技术和其他软件技术代替人工计算方法,减少人工计算时间,提高整体的运转速度;
本发明在筹码盘上方都安装有摄像头监控筹码盘,将采集到的图像数据持续传输到后台服务器,服务器搭载的AI程序会实时地识别图像数据中的每个筹码盘的筹码,得到筹码的单个价值和库存量,然后统计出每个筹码盘的筹码库存量和库存价值,实时地显示在后台,无需人工进行点算,方便快捷;
本发明在当某筹码盘桌的筹码库存量不足时,服务器将自动向账房工作人员发出通知,账房工作人员在系统中实时地查看、处理通知,而不必等待人工核算后,发现缺少,再通知,工作效率高。
【附图说明】
图1为本发明的统计筹码盘库存的流程图;
图2为本发明的Mask R-CNN结构图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅用于解释本发明,并不用于限定本发明。
一种采用AI技术统计筹码盘库存量的方法,其特征在于,其判断步骤如下:
S1,收集样本:通过预采集,采集不同的种类和面值的筹码样本;
S2,标注样本:对预采集筹码样本、对不同种类和面值的筹码进行标记;
S3,进行AI学习:根据所标注的样本对服务器内的AI图像识别程序进行训练,建立AI数据模型;
S4,判断预备:检测设备通过高清相机获取所需判断的图像信息,以视频流的方式上传到服务器中,服务器接收到摄像头传输的视频流数据后,对视频流数据进行预处理,在完整的图像中筛选出图像中筹码的部分;
S5,AI判断:服务器将预处理得到的出图像中筹码部分的数据与预先训练完成的筹码AI模型进行对比和拟合,然后标注出筹码盘中的所有筹码,并且识别出它们的种类和面值;
S6,结果导出:识别出筹码后,统计出筹码共有多少种类,每种筹码的库存量和价值,进而统计出筹码盘的库存量和库存价值,经过统计得出的结果显示在后台并实时更新,工作人员以此查看每张赌桌上筹码盘的筹码余量,若出现筹码盘出现库存量不足的情况,服务器会向后台发送通知,工作人员可以及时处理。
进一步地、所述收集样本中预采集筹码样本的取样范围为筹码的不同面的状态及其在不同情况被部分遮盖后状态;
进一步地、所述服务器通过学习好的AI数据模型自动将新采集到的图像进行分析,采用分割算法和Mask RCNN实例分割架构的方法来识别筹码。
进一步地、所述Mask R-CNN的主要构建模块包括主干网络和FPN特征金字塔网络,Mask R-CNN在本实施例中采用Mini-googleNet+FPN;
所述FPN特征金字塔网络通过添加第二个金字塔提升了标准特征提取金字塔的性能,第二个金字塔可以从第一个金字塔选择高级特征并传递到底层上,通过这个过程,它允许每一级的特征都可以和高级、低级特征互相结合。
进一步地、所述预采集筹码样本采用了3D建模+随机图片生成的方式,通过获取真实筹码的厚度、半径和颜色属性,利用3Ds MAX生成各种摆放的筹码场景来大大扩充训练集的数量,同时采取了闭环训练系统,即一边生成数据一边训练AI。
进一步地、在步骤S3之前,采用了Mosaic,随即拼接,缩放等数据增强技术,进一步的提高了模型的鲁棒性。
本发明主需要在筹码盘的上方安装一个视角合理,无物体遮挡,无强光直射或其它干扰因素的摄像头,摄像头通过网络与搭载了AI图像识别程序的服务器相连接,摄像头采集的图像数据将被持续地传输到服务器,AI图像识别程序将采集的图像数据与模型作对比,实时识别图像数据中的筹码盘和筹码,对筹码进行分类识别和余量、价值统计,统计后计算结果实时显示在后台。如果检测到筹码库存量不足的筹码盘,服务器会向后台发送通知,账房工作人员可以在后台查看、处理通知。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种采用AI技术统计筹码盘库存量的方法,其特征在于,其判断步骤如下:
S1,收集样本:通过预采集,采集不同的种类和面值的筹码样本;
S2,标注样本:对预采集筹码样本、对不同种类和面值的筹码进行标记;
S3,进行AI学习:根据所标注的样本对服务器内的AI图像识别程序进行训练,建立AI数据模型;
S4,判断预备:检测设备通过高清相机获取所需判断的图像信息,以视频流的方式上传到服务器中,服务器接收到摄像头传输的视频流数据后,对视频流数据进行预处理,在完整的图像中筛选出图像中筹码的部分;
S5,AI判断:服务器将预处理得到的出图像中筹码部分的数据与预先训练完成的筹码AI模型进行对比和拟合,然后标注出筹码盘中的所有筹码,并且识别出它们的种类和面值;
S6,结果导出:识别出筹码后,统计出筹码共有多少种类,每种筹码的库存量和价值,进而统计出筹码盘的库存量和库存价值,经过统计得出的结果显示在后台并实时更新,工作人员以此查看每张赌桌上筹码盘的筹码余量,若出现筹码盘出现库存量不足的情况,服务器会向后台发送通知,工作人员可以及时处理。
2.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法,其特征在于:所述收集样本中预采集筹码样本的取样范围为筹码的不同面的状态及其在不同情况被部分遮盖后状态。
3.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法,其特征在于:所述服务器通过学习好的AI数据模型自动将新采集到的图像进行分析,采用分割算法和MaskRCNN实例分割架构的方法来识别筹码。
4.根据权利要求3所述的一种采用AI技术统计筹码盘库存量的方法,其特征在于:所述Mask R-CNN的主要构建模块包括主干网络和FPN特征金字塔网络;
所述主干网络为ResNet50和ResNet101的卷积神经网络,作为特征提取器;
所述FPN特征金字塔网络通过添加第二个金字塔提升了标准特征提取金字塔的性能,第二个金字塔可以从第一个金字塔选择高级特征并传递到底层上,通过这个过程,它允许每一级的特征都可以和高级、低级特征互相结合。
5.根据权利要求2所述的一种采用AI技术统计筹码盘库存量的方法,其特征在于:所述预采集筹码样本采用了3D建模+随机图片生成的方式,通过获取真实筹码的厚度、半径和颜色属性,利用3Ds MAX生成各种摆放的筹码场景来大大扩充训练集的数量,同时采取了闭环训练系统,即一边生成数据一边训练AI。
6.根据权利要求1所述的一种采用AI技术统计筹码盘库存量的方法,其特征在于:在步骤S3之前,采用了Mosaic,随即拼接,缩放等数据增强技术,进一步的提高了模型的鲁棒性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282627.0A CN113052038A (zh) | 2021-03-16 | 2021-03-16 | 一种采用ai技术统计筹码盘库存量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282627.0A CN113052038A (zh) | 2021-03-16 | 2021-03-16 | 一种采用ai技术统计筹码盘库存量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052038A true CN113052038A (zh) | 2021-06-29 |
Family
ID=76513137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110282627.0A Pending CN113052038A (zh) | 2021-03-16 | 2021-03-16 | 一种采用ai技术统计筹码盘库存量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052038A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1954346A (zh) * | 2004-04-15 | 2007-04-25 | 百利娱乐国际公司 | 扫描位于游戏桌上的游戏筹码的系统和方法 |
CN107847797A (zh) * | 2015-05-15 | 2018-03-27 | 沃克数字桌面系统有限责任公司 | 用于利用rfid技术来便利游戏系统的系统和方法 |
CN108596192A (zh) * | 2018-04-24 | 2018-09-28 | 图麟信息科技(深圳)有限公司 | 一种币码堆的面值统计方法、装置及电子设备 |
CN111598234A (zh) * | 2020-05-13 | 2020-08-28 | 超参数科技(深圳)有限公司 | Ai模型的训练方法、使用方法、计算机设备及存储介质 |
CN112274925A (zh) * | 2020-10-28 | 2021-01-29 | 超参数科技(深圳)有限公司 | Ai模型训练方法、调用方法、服务器及存储介质 |
-
2021
- 2021-03-16 CN CN202110282627.0A patent/CN113052038A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1954346A (zh) * | 2004-04-15 | 2007-04-25 | 百利娱乐国际公司 | 扫描位于游戏桌上的游戏筹码的系统和方法 |
CN107847797A (zh) * | 2015-05-15 | 2018-03-27 | 沃克数字桌面系统有限责任公司 | 用于利用rfid技术来便利游戏系统的系统和方法 |
CN108596192A (zh) * | 2018-04-24 | 2018-09-28 | 图麟信息科技(深圳)有限公司 | 一种币码堆的面值统计方法、装置及电子设备 |
CN111598234A (zh) * | 2020-05-13 | 2020-08-28 | 超参数科技(深圳)有限公司 | Ai模型的训练方法、使用方法、计算机设备及存储介质 |
CN112274925A (zh) * | 2020-10-28 | 2021-01-29 | 超参数科技(深圳)有限公司 | Ai模型训练方法、调用方法、服务器及存储介质 |
Non-Patent Citations (2)
Title |
---|
吴克河等: "基于Mask R-CNN的电力设备红外图像分割技术研究", 计算机工程, no. 2, 20 February 2020 (2020-02-20), pages 1 - 3 * |
程海燕;韩璞;董泽;张木柳;: "无人机航拍电力部件图像准确分类", 计算机仿真, no. 08, 15 August 2018 (2018-08-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
CN111784685B (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN108416294B (zh) | 一种基于深度学习的风机叶片故障智能识别方法 | |
CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
CN107977639B (zh) | 一种人脸清晰度判断方法 | |
CN110135282B (zh) | 一种基于深度卷积神经网络模型的考生回头抄袭作弊检测方法 | |
CN107014827A (zh) | 基于影像处理的输电线路缺陷分析方法、装置和系统 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
US11657599B2 (en) | Method for detecting appearance of six sides of chip multi-layer ceramic capacitor based on artificial intelligence | |
CN112116582A (zh) | 一种库存或陈列场景下的条烟检测识别方法 | |
CN115065798B (zh) | 一种基于大数据的视频分析监控系统 | |
CN111862065B (zh) | 基于多任务深度卷积神经网络的输电线路诊断方法和系统 | |
CN106815575A (zh) | 人脸检测结果集的优选系统及其方法 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN116227887B (zh) | 生产线异常数据处理方法及系统 | |
CN112446437A (zh) | 一种基于机器视觉的货架商品规格识别方法 | |
CN113989794A (zh) | 一种车牌检测和识别方法 | |
CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别系统 | |
CN114092877A (zh) | 一种基于机器视觉的垃圾桶无人值守系统设计方法 | |
CN113052038A (zh) | 一种采用ai技术统计筹码盘库存量的方法 | |
CN116340928B (zh) | 一种物联网智能设备的数据安全管理方法及系统 | |
CN111738264A (zh) | 一种机房设备显示面板数据的智能采集方法 | |
CN113420839B (zh) | 用于堆叠平面目标物体的半自动标注方法及分割定位系统 | |
CN116503809A (zh) | 一种智慧工厂行为穿戴误告警过滤的后处理方法 | |
CN110309737A (zh) | 一种应用于香烟柜台的信息处理方法、装置及系统 |
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 |