CN113553976A - 一种基于智能图像识别及射频识别的封样送检方法 - Google Patents
一种基于智能图像识别及射频识别的封样送检方法 Download PDFInfo
- Publication number
- CN113553976A CN113553976A CN202110868522.3A CN202110868522A CN113553976A CN 113553976 A CN113553976 A CN 113553976A CN 202110868522 A CN202110868522 A CN 202110868522A CN 113553976 A CN113553976 A CN 113553976A
- Authority
- CN
- China
- Prior art keywords
- sample
- radio frequency
- information
- frequency tag
- seal
- 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 119
- 230000008569 process Effects 0.000 claims abstract description 91
- 238000005070 sampling Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000004806 packaging method and process Methods 0.000 claims abstract description 11
- 238000007789 sealing Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 42
- 230000009471 action Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于智能图像识别及射频识别的封样送检方法,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对所述相关视频进行图像识别处理,得到相应的图像特征信息;对射频标签进行监控,以此获得相应的射频标签相关信息;对运输车辆行驶轨迹进行监控,以此获得相应的运输车辆位置信息;基于图像特征信息、射频标签相关信息和运输车辆位置信息,确定所述样品在所述取样过程、运输过程中对应的封样状态信息;确定所述样品对应的封样送检安全性。本发明能够对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行有效的识别,从而提高样品封样送检的智能化识别程度和送检安全性。
Description
技术领域
本发明属于物资调配运输的技术领域,具体说是一种基于智能图像识别及射频识别的封样送检方法。
背景技术
封样送检:把封样送到检测中心进行质量检验。其中封样的意思就是除了设备参数、把厂家信息屏蔽掉(封起来,看不见厂家信息),让人看不出来是哪个厂家生产的设备。这样检测的时候,检测机构只知道检测的设备,但是不知道是哪个厂家的。以此保证检测的公平公正性。
物资调配运输,特别是样品的调配运输都需要保证物品能够完整无缺地运输到目的地。但是,在实际操作过程中,样品在取样、盲样制作、样品封装和送样运输等不同过程中都会经过不同人员的接触,由于这些过程通常都是经过不同工序和定点隐蔽进行的,这就不能保证样品经过这一系列过程后还能够保持原样,也不能对样品经过这一系列过程的操作进行溯源追查。虽然,现有技术通过在样品中设置射频标签来对样品进行追踪定位,这在一定程度上能够避免样品发生丢失的情况,但是其依然无法对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行有效的识别。可见,现有技术的封样送检模式并不能有效地、全面地和准确地对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行智能化的识别处理。
发明内容
针对现有技术存在的缺陷,本发明的目的是提供一种基于智能图像识别及射频识别的封样送检方法,通过在封样送检过程的不同操作工序中进行相应的图像识别处理、射频识别处理和运输车辆追踪处理,以此得到相应的图像特征信息、射频标签相关信息和运输车辆位置信息,并根据该图像特征信息、该射频标签相关信息和该运输车辆位置信息,确定样品在取样过程和/或运输过程中对应的封样状态信息,从而最终确定该样品对应的封样送检安全性;可见,本发明能够对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行有效的识别,从而提高样品封样送检的智能化识别程度和送检安全性。
本发明的目的通过以下技术方案实现:
一种基于智能图像识别及射频识别的封样送检方法,其特征在于,所述封样送检方法包括如下步骤:
步骤S1,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对所述相关视频进行图像识别处理,以此得到相应的图像特征信息;
步骤S2,对关于样品在所述取样过程和/或所述运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息;
步骤S3,对关于样品在所述运输过程中对应的运输车辆行驶轨迹进行监控,以此获得相应的运输车辆位置信息;
步骤S4,基于所述图像特征信息、所述射频标签相关信息和所述运输车辆位置信息中的至少一者,确定所述样品在所述取样过程和/或所述运输过程中对应的封样状态信息;
步骤S5,基于所述封样状态信息,确定所述样品对应的封样送检安全性。
进一步,在所述步骤S1中,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对所述相关视频进行图像识别处理,以此得到相应的图像特征信息具体包括;
步骤S101,通过固定视频采集器、单兵移动视频记录器和车载视频采集器中的至少一者,获取所述样品在制样过程、取样过程和运输过程中至少一者的样品状态监控视频和/或相关人员状态监控视频;
步骤S102,对所述样品状态监控视频和/或所述相关人员状态监控视频进行关于图像帧的视频分解处理,以此相应地获得样品状态变化图像帧集合和/或相关人员脸部/动作变化图像帧集合;
步骤S103,对所述样品状态变化图像帧集合和/或所述相关人员脸部/动作变化图像帧集合进行所述图像识别处理,以此得到相应的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息;
进一步,在所述步骤S2中,对关于样品在所述取样过程和/或所述运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息具体包括;
步骤S201,对所述射频标签在所述取样过程和/或所述运输过程中的标签粘附状态和/或射频信号交互状态进行监控;
步骤S202,根据所述监控的结果,对应获得所述射频标签的标签粘附状态变化信息和/或射频信号状态变化信息,以此作为所述射频标签相关信息;
进一步,在所述步骤S4中,基于所述图像特征信息、所述射频标签相关信息和所述运输车辆位置信息中的至少一者,确定所述样品在所述取样过程和/或所述运输过程中对应的封样状态信息具体包括;
步骤S401,对所述图像特征信息中的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息,进行关于预设图像深度学习神经网络模型的计算处理,以此得到图像相关的封样状态信息;
步骤S402,对所述射频标签相关信息中的标签粘附状态变化信息和/或射频信号状态变化信息,进行关于预设射频标签深度学习神经网络模型的计算处理,以此得到射频标签相关的封装状态信息;
步骤S403,对所述图像相关的封样状态信息、所述射频标签相关的封装状态信息和所述运输车辆位置信息进行综合分析处理,以此确定所述样品在所述取样过程和/或所述运输过程中是否存在封样异常和/或运输异常;
进一步,在所述步骤S5中,基于所述封样状态信息,确定所述样品对应的封样送检安全性具体包括;
步骤S501,基于所述封样状态信息,确定所述样品在所述取样过程和/或所述运输过程中是否存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况;
步骤S502,若确定不存在样品被开封、射频标签移位/脱落、非授权人员接触中这些情况,则确定所述样品处于封样送检合规状态;
步骤S503,若确定存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况,则确定所述样品处于封样送检违规状态,并以此进行适应性的报警操作。
相比于现有技术,本发明通过将图像识别和射频识别同时应用到封样送检中,该方法通过在封样送检过程的不同操作工序中进行相应的图像识别处理、射频识别处理和运输车辆追踪处理,以此得到相应的图像特征信息、射频标签相关信息和运输车辆位置信息,并根据该图像特征信息、该射频标签相关信息和该运输车辆位置信息,确定样品在取样过程和/或运输过程中对应的封样状态信息,从而最终确定该样品对应的封样送检安全性;可见,该智能图像识别及射频识别的封样送检方法能够对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行有效的识别,从而提高样品封样送检的智能化识别程度和送检安全性。
附图说明
图1为本发明的流程示意图。
具体实施方式
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,下面描述中的附图仅仅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。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
参阅图1,为本发明实施例提供的一种基于智能图像识别及射频识别的封样送检方法的流程示意图。该封样送检方法包括如下步骤:
步骤S1,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对该相关视频进行图像识别处理,以此得到相应的图像特征信息;
步骤S2,对关于样品在该取样过程和/或该运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息;
步骤S3,对关于样品在该运输过程中对应的运输车辆行驶轨迹进行监控,以此获得相应的运输车辆位置信息;
步骤S4,基于该图像特征信息、该射频标签相关信息和该运输车辆位置信息中的至少一者,确定该样品在该取样过程和/或该运输过程中对应的封样状态信息;
步骤S5,基于该封样状态信息,确定该样品对应的封样送检安全性。
在该步骤S1中,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对该相关视频进行图像识别处理,以此得到相应的图像特征信息具体包括;
步骤S101,通过固定视频采集器、单兵移动视频记录器和车载视频采集器中的至少一者,获取该样品在制样过程、取样过程和运输过程中至少一者的样品状态监控视频和/或相关人员状态监控视频;
步骤S102,对该样品状态监控视频和/或该相关人员状态监控视频进行关于图像帧的视频分解处理,以此相应地获得样品状态变化图像帧集合和/或相关人员脸部/动作变化图像帧集合;
步骤S103,对该样品状态变化图像帧集合和/或该相关人员脸部/动作变化图像帧集合进行该图像识别处理,以此得到相应的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息。
在该步骤S2中,对关于样品在该取样过程和/或该运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息具体包括,;
步骤S201,对该射频标签在该取样过程和/或该运输过程中的标签粘附状态和/或射频信号交互状态进行监控;
步骤S202,根据该监控的结果,对应获得该射频标签的标签粘附状态变化信息和/或射频信号状态变化信息,以此作为该射频标签相关信息。
在该步骤S4中,基于该图像特征信息、该射频标签相关信息和该运输车辆位置信息中的至少一者,确定该样品在该取样过程和/或该运输过程中对应的封样状态信息具体包括,
步骤S401,对该图像特征信息中的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息,进行关于预设图像深度学习神经网络模型的计算处理,以此得到图像相关的封样状态信息;
步骤S402,对该射频标签相关信息中的标签粘附状态变化信息和/或射频信号状态变化信息,进行关于预设射频标签深度学习神经网络模型的计算处理,以此得到射频标签相关的封装状态信息;
步骤S403,对该图像相关的封样状态信息、该射频标签相关的封装状态信息和该运输车辆位置信息进行综合分析处理,以此确定该样品在该取样过程和/或该运输过程中是否存在封样异常和/或运输异常。
在该步骤S5中,基于该封样状态信息,确定该样品对应的封样送检安全性具体包括,;
步骤S501,基于该封样状态信息,确定该样品在该取样过程和/或该运输过程中是否存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况;
步骤S502,若确定不存在样品被开封、射频标签移位/脱落、非授权人员接触中任何一种情况,则确定该样品处于封样送检合规状态;
步骤S503,若确定存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况,则确定该样品处于封样送检违规状态,并以此进行适应性的报警操作。
在一个实施例中,当步骤1获取关于样品在运输过程中对应的相关视频,并对该相关视频进行图像识别处理,以此得到相应的图像特征信息时,步骤2,对关于样品在所述运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息,此时:
当所述样品在运输过程中处于一密闭车厢中,则在所述密闭车厢内分散设置多个摄像头,在所述密闭车厢中分散设置M个射频标签阅读器,在所述样品周围布置多个预设物体,每个预设物体上均设置一个射频标签(以下称为对照射频标签),所述多个预设物体围绕所述样品;
此时,步骤222可实施为如下形式:
根据如下公式(1)计算所述样品的射频标签与第p个对照射频标签之间的距离D(p):
其中,D(p)表示所述样品的射频标签与第p个对照射频标签之间的距离;Qm表示第m个射频标签阅读器获取到的所述样品的射频标签的信号强度;Qmp表示第m个射频标签阅读器获取到的所述第p个对照射频标签的信号强度;
按照预设周期,根据公式(1)确定出所述样品的射频标签与每个对照射频标签之间的距离;并在每个周期确定出所述样品的射频标签与每个对照射频标签之间的距离之后,确定出当前周期所确定出的多个距离中的最小距离,确定所述最小距离所对应的目标对照射频标签;
此时,获取关于样品在运输过程中对应的相关视频,并对该相关视频进行图像识别处理,以此得到相应的图像特征信息,可实施为:
获取关于样品在运输过程中对应的相关视频,并对该相关视频进行图像识别处理,当从该相关视频的图像识别结果中获取到的样品图像不完整时,获取当前最新确定出的所述最小距离所对应的目标对照射频标签;控制距离所述目标对照射频标签最近的目标摄像头启动拍摄,将所述目标摄像头在当前时刻之后所录取的视频进行图像识别处理,作为确定所述样品的图像特征信息的辅助数据,从而提高获得所述样品的完整图像特征信息的成功率;
或者,当所述多个摄像头均处于拍摄状态时,获取关于样品在运输过程中对应的相关视频,并对该相关视频进行图像识别处理,当从该相关视频的图像识别结果中获取到的样品图像不完整时,获取当前最新确定出的所述最小距离所对应的目标对照射频标签;确定距离所述目标对照射频标签最近的目标摄像头;将所述目标摄像头在当前时刻之后所录取的视频进行图像识别处理,作为确定所述样品的图像特征信息的辅助数据,从而提高获得所述样品的完整图像特征信息的成功率。
从上述实施例的内容可知,本发明通过将图像识别和射频识别同时应用到封样送检中,该方法和系统通过在封样送检过程的不同操作工序中进行相应的图像识别处理、射频识别处理和运输车辆追踪处理,以此得到相应的图像特征信息、射频标签相关信息和运输车辆位置信息,并根据该图像特征信息、该射频标签相关信息和该运输车辆位置信息,确定样品在取样过程和/或运输过程中对应的封样状态信息,从而最终确定该样品对应的封样送检安全性;可见,该智能图像识别及射频识别的封样送检方法能够对样品在制作、封装和运输过程中经历过的处理操作和接触过的人员进行有效的识别,从而提高样品封样送检的智能化识别程度和送检安全性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于智能图像识别及射频识别的封样送检方法,其特征在于,所述封样送检方法包括如下步骤:
步骤S1,获取关于样品在取样过程和/或运输过程中对应的相关视频,并对所述相关视频进行图像识别处理,以此得到相应的图像特征信息;
步骤S2,对关于样品在所述取样过程和/或所述运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息;
步骤S3,对关于样品在运输过程中对应的运输车辆行驶轨迹进行监控,以此获得相应的运输车辆位置信息;
步骤S4,基于图像特征信息、射频标签相关信息和运输车辆位置信息中的至少一个,确定所述样品在所述取样过程和/或所述运输过程中对应的封样状态信息;
步骤S5,基于所述封样状态信息,确定所述样品对应的封样送检安全性。
2.根据权利要求1所述的基于智能图像识别及射频识别的封样送检方法,其特征在于,在步骤S1中,具体包括:
步骤S101,通过固定视频采集器、单兵移动视频记录器和车载视频采集器中的至少一个,获取所述样品在制样过程、取样过程和运输过程中至少一个的样品状态监控视频和/或相关人员状态监控视频;
步骤S102,对所述样品状态监控视频和/或所述相关人员状态监控视频进行关于图像帧的视频分解处理,以此相应地获得样品状态变化图像帧集合和/或相关人员脸部/动作变化图像帧集合;
步骤S103,对所述样品状态变化图像帧集合和/或所述相关人员脸部/动作变化图像帧集合进行所述图像识别处理,以此得到相应的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息。
3.根据权利要求1所述的基于智能图像识别及射频识别的封样送检方法,其特征在于,在步骤S2中,具体包括:
步骤S201,对所述射频标签在所述取样过程和/或所述运输过程中的标签粘附状态和/或射频信号交互状态进行监控;
步骤S202,根据所述监控的结果,对应获得所述射频标签的标签粘附状态变化信息和/或射频信号状态变化信息,以此作为所述射频标签相关信息。
4.根据权利要求3所述的基于智能图像识别及射频识别的封样送检方法,其特征在于,对关于样品在所述运输过程中对应的射频标签进行监控,以此获得相应的射频标签相关信息,此时:
当所述样品在运输过程中处于一密闭车厢中,则在所述密闭车厢内分散设置多个摄像头,在所述密闭车厢中分散设置M个射频标签阅读器,在所述样品周围布置多个预设物体,每个预设物体上均设置一个射频标签,所述多个预设物体围绕所述样品;
根据如下公式(1)计算所述样品的射频标签与第p个对照射频标签之间的距离D(p):
其中,D(p)表示所述样品的射频标签与第p个对照射频标签之间的距离;Qm表示第m个射频标签阅读器获取到的所述样品的射频标签的信号强度;Qmp表示第m个射频标签阅读器获取到的所述第p个对照射频标签的信号强度;
按照预设周期,根据公式(1)确定出所述样品的射频标签与每个对照射频标签之间的距离;并在每个周期确定出所述样品的射频标签与每个对照射频标签之间的距离之后,确定出当前周期所确定出的多个距离中的最小距离,确定所述最小距离所对应的目标对照射频标签。
5.根据权利要求1所述的基于智能图像识别及射频识别的封样送检方法,其特征在于,在步骤S4中,具体包括:
步骤S401,对所述图像特征信息中的样品状态变化特征信息和/或相关人员脸部/动作变化特征信息,进行关于预设图像深度学习神经网络模型的计算处理,以此得到图像相关的封样状态信息;
步骤S402,对所述射频标签相关信息中的标签粘附状态变化信息和/或射频信号状态变化信息,进行关于预设射频标签深度学习神经网络模型的计算处理,以此得到射频标签相关的封装状态信息;
步骤S403,对所述图像相关的封样状态信息、所述射频标签相关的封装状态信息和所述运输车辆位置信息进行综合分析处理,以此确定所述样品在所述取样过程和/或所述运输过程中是否存在封样异常和/或运输异常。
6.根据权利要求1所述的基于智能图像识别及射频识别的封样送检方法,其特征在于,在步骤S5中,具体包括:
步骤S501,基于所述封样状态信息,确定所述样品在所述取样过程和/或所述运输过程中是否存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况;
步骤S502,若确定不存在样品被开封、射频标签移位/脱落、非授权人员接触中这些情况,则确定所述样品处于封样送检合规状态;
步骤S503,若确定存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况,则确定所述样品处于封样送检违规状态,并以此进行适应性的报警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868522.3A CN113553976A (zh) | 2021-07-30 | 2021-07-30 | 一种基于智能图像识别及射频识别的封样送检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110868522.3A CN113553976A (zh) | 2021-07-30 | 2021-07-30 | 一种基于智能图像识别及射频识别的封样送检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113553976A true CN113553976A (zh) | 2021-10-26 |
Family
ID=78104947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110868522.3A Pending CN113553976A (zh) | 2021-07-30 | 2021-07-30 | 一种基于智能图像识别及射频识别的封样送检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553976A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101381042A (zh) * | 2008-08-19 | 2009-03-11 | 上海新时达电气股份有限公司 | 基于rfid技术的电梯定位方法 |
CN113079193A (zh) * | 2020-05-22 | 2021-07-06 | 江苏濠汉信息技术有限公司 | 一种基于深度学习神经网络模型的封样监控系统 |
-
2021
- 2021-07-30 CN CN202110868522.3A patent/CN113553976A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101381042A (zh) * | 2008-08-19 | 2009-03-11 | 上海新时达电气股份有限公司 | 基于rfid技术的电梯定位方法 |
CN113079193A (zh) * | 2020-05-22 | 2021-07-06 | 江苏濠汉信息技术有限公司 | 一种基于深度学习神经网络模型的封样监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529867B (zh) | 一种出入库管理系统和方法 | |
CN110458256B (zh) | 一种基于rfid的货物管理方法、电子设备及系统 | |
CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN111460917B (zh) | 基于多模态信息融合的机场异常行为检测系统及方法 | |
CN111210412B (zh) | 一种包装检测方法、装置、电子设备及存储介质 | |
CN111723617A (zh) | 动作识别的方法、装置、设备及存储介质 | |
CN113553976A (zh) | 一种基于智能图像识别及射频识别的封样送检方法 | |
CN113469137A (zh) | 异常行为的识别方法、装置、存储介质及电子装置 | |
CN115880563A (zh) | 车体破损检测方法、装置、电子设备及可读存储介质 | |
CN111612111B (zh) | 一种移动送检监控装置 | |
CN113139401B (zh) | 用于药品回收的方法、计算设备、药品回收装置和介质 | |
CN113269483B (zh) | 智能金库系统的管理方法、装置、介质及电子设备 | |
CN113591696A (zh) | 一种基于智能图像识别及射频识别的封样送检系统 | |
CN114701934A (zh) | 电梯的安防控制方法、装置、系统以及云平台、存储介质 | |
CN113420889A (zh) | 硬盘存储装置、运输装置、销毁装置及其控制方法和系统、电子设备和计算机可读存储介质 | |
CN112347824A (zh) | 佩戴物识别方法、装置、设备及存储介质 | |
KR102623236B1 (ko) | 컨테이너 터미널 게이트 자동화 컨테이너 데미지 검출 시스템 및 이의 실행방법 | |
CN116563803B (zh) | 一种基于视觉的船运水泥装卸货监控方法及系统 | |
CN206282317U (zh) | 基于rfid触发的实验室设备进出信息采集与判定系统 | |
CN111339353B (zh) | 一种图像处理自优化的方法、装置、电子设备及存储介质 | |
CN115713758B (zh) | 一种车厢识别方法、系统、装置及存储介质 | |
CN112686215B (zh) | 一种运载车的轨迹跟踪监测预警系统及方法 | |
CN111445458B (zh) | 一种手机电池标签印刷质量的检测方法 | |
US20230064634A1 (en) | Abnormality notification 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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211026 |