CN113591511A - 混凝土状态的识别方法、装置、电子设备及存储介质 - Google Patents

混凝土状态的识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113591511A
CN113591511A CN202010360637.7A CN202010360637A CN113591511A CN 113591511 A CN113591511 A CN 113591511A CN 202010360637 A CN202010360637 A CN 202010360637A CN 113591511 A CN113591511 A CN 113591511A
Authority
CN
China
Prior art keywords
image
hash value
concrete
structural similarity
preset
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
Application number
CN202010360637.7A
Other languages
English (en)
Other versions
CN113591511B (zh
Inventor
孙弘博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SF Technology Co Ltd
Original Assignee
SF Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SF Technology Co Ltd filed Critical SF Technology Co Ltd
Priority to CN202010360637.7A priority Critical patent/CN113591511B/zh
Publication of CN113591511A publication Critical patent/CN113591511A/zh
Application granted granted Critical
Publication of CN113591511B publication Critical patent/CN113591511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种混凝土状态的识别方法、装置、电子设备及存储介质，所述方法包括：获取待识别混凝土图像；根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和所述预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。本申请通过峰值信噪比和哈希值结合的计算待识别混凝土图像的相似度，以此提高通过图像识别混凝土状态的精度。

Description

混凝土状态的识别方法、装置、电子设备及存储介质
技术领域
本申请涉及图像识别技术领域，尤其涉及一种混凝土状态的识别方法、装置、电子设备及存储介质。
背景技术
对于混凝土状态的识别场景中，一般是为了识别获取混凝土搅拌完成的状态，现有技术中对于混凝土状态的识别方法是将待识别图像和预设标准图像比较，分别得到待识别图像和预设标准图像之间的峰值信噪比和哈希值，只有当算出基于均方差(MSE)峰值信噪比的值以及基于哈希算法得出的哈希值均满足对应的阈值条件时才会进一步获取图像之间的结构相似度，通过图像之间的结构相似度来确定混凝土是否为搅拌完成状态，然而这种峰值信噪比和哈希值同时满足对应的阈值条件的方案会存在过度过滤的问题，即导致很多有用的数据被过滤掉，因此识别结果准确度仍有待提高。
发明内容
有鉴于此，有必要针对目前混凝土状态识别精度比较低的问题，本申请实施例提供一种混凝土状态的识别方法、装置、存储介质和计算机设备。
一方面，本申请提供一种混凝土状态的识别方法，所述方法包括：
获取待识别混凝土图像；
根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；
根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值；
根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和所述预设标准图像之间的结构相似度；
根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
在一种可能的实现方式中，所述获取待识别混凝土图像的步骤之前，还包括：
获取样本图像集，所述样本图像集包括多个样本图像；
根据所述样本图像集中图像之间的交叉熵得到第二峰值信噪比；
根据所述第二峰值信噪比得到第二哈希值；所述第二结构相似度为所述样本图像集中图像之间的哈希值；
根据所述第二哈希值得到第二结构相似度，所述第二结构相似度为所述样本图像集中图像之间的结构相似度；
根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值。
在一种可能的实现方式中，所述根据所述第二峰值信噪比得到第二哈希值的步骤，包括：
根据所述第二峰值信噪比，获得二值图像；
根据所述二值图像得到所述第二哈希值。
在一种可能的实现方式中，所述根据所述第二哈希值得到第二结构相似度的步骤，包括：
根据所述第二哈希值和第三预设阈值，确定所述第二结构相似度。
在一种可能的实现方式中，所述根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值的步骤，包括：
分别对所述第二哈希值和所述第二结构相似度作高斯分布处理；
确定高斯分布的中位数对应的第二哈希值为第一预设阈值以及确定高斯分布的中位数对应的第二结构相似度为第二预设阈值。
在一种可能的实现方式中，所述第一哈希值包括感知哈希值和均值哈希值；所述第一预设阈值包括预设感知哈希值和预设均值哈希值；
所述根据所述第一哈希值和所述第一预设阈值，确定第一结构相似度的步骤，包括：
当所述感知哈希值小于所述预设感知哈希值，且所述均值哈希值小于所述预设均值哈希时，确定所述待识别图像和预设标准图像之间的第一结构相似度。
在一种可能的实现方式中，所述获取样本图像集的步骤之前，还包括：
获取原始图像；
选取多张混凝土处于搅拌状态对应的图像，得到样本图像集。
另一方面，本申请还提供一种混凝土状态的识别装置，包括：
获取单元，用于获取待识别混凝土图像；
处理单元，用于根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和所述预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
另一方面，本申请还提供一种电子设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述混凝土状态的识别方法。
另一方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述混凝土状态的识别方法。
本申请通过计算待识别图像与预设标准图像之间峰值信噪比，基于峰值信噪比进一步计算图像之间的哈希值，当计算得到的哈希值满足第一预设阈值，即预设的哈希值时，才会计算图像之间的结构相似度，再将计算得到的结构相似度和第二预设阈值，即预设的结构相似度，作比较来确定混凝土是否为搅拌完成的状态，通过预设哈希值这一过滤条件可以过滤和筛选异常数据，也可以避免有用的数据被过滤掉，以此提高通过图像识别混凝土状态的精度。
附图说明
下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。
图1为本申请实施例提供的混凝土状态识别方法的场景示意图。
图2为本申请实施例提供的混凝土状态识别方法的流程示意图。
图3为本申请又一实施例提供的混凝土状态识别方法的流程示意图
图4为本申请实施例提供的混凝土原始图像分类的示意图。
图5为本申请实施例提供的混凝土状态识别装置的示意图。
图6为本申请实施例提供的混凝土状态识别电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
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所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，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”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
在本实施例中，将从混凝土状态识别系统的角度进行描述，该混凝土状态识别系统具体可以集成在智能终端中。
本实施例提供一种混凝土状态的识别方法、装置、电子设备及存储介质。
请参阅图1，图1为本实施例所述提供的混凝土状态的识别方法的场景示意图，该混凝土状态识别系统通过预设的图像采集设备200(例如摄像头)实时采集或间隔预设时间采集混凝土搅拌设备100内部的混凝土状态图像，其中，混凝土搅拌设备100可以例如为混凝土搅拌车或混凝土搅拌机等；然后将采集到的混凝土状态图像信息发送给网络设备300，网络设备300可以根据混凝土状态图像确定对应的混凝土的状态，例如混凝土的状态包括：处于搅拌初期、处于搅拌中期或处于搅拌完成的状态；然后将采集到的混凝土的状态图像与已经预先存储在网络设备300中的预设的图像进行识别对比，判断采集到的混凝土的状态图像对应的混凝土状态，网络设备300再根据识别的结果发送控制指令到混凝土搅拌设备100。例如，当采集到的混凝土的状态图像与预设的图像匹配时，说明混凝土已经搅拌完成，则混凝土搅拌设备可以开门，此时网络设备300发送开门指令至混凝土搅拌设备，以便开门倒出混凝土，等等。
要说明的是，图1所示的混凝土状态识别系统的场景示意图仅仅是一个示例，本申请实施例描述的混凝土状态识别识别系统以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着混凝土状态识别系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
具体的，请参阅图2，本申请实施例提供一种混凝土状态的识别方法，具体包括步骤101-步骤105：
步骤101、获取待识别混凝土图像。
在本实施例中，该待识别混凝土图像可以是用户输入的，也可以是混凝土状态识别装置从目标图像数据库中获取的，还可以是图像采集设备采集到的图像中提取的。所述待识别混凝土图像为带有像素特征的图像，用于表示混凝土搅拌状态的图像，所述待识别混凝土图像对应的混凝土可能处于刚开始搅拌的状态，也可能已经搅拌完成的状态等等。
步骤102、根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比。
其中，该预设标准图像可以是预先存储在网络设备的数据库中的，预设标准图像可以是已经经过人工识别过，确定该预设标准图像对应的混凝土是处于已经搅拌好的状态的图像。
其中，交叉熵用来衡量待识别混凝土图像和预设标准图像这两幅图像之间的差异，交叉熵越小，即待识别混凝土图像和预设标准图像融合后得到的融合图像与预设标准图像间的差异越小，说明融合效果越好。其中，融合的方法可以包括PCA(基于主成分变换)算法、离散小波变换(Discrete Wavelet Transform，DWT)算法等均能实现图像融合，在此不做具体限定。
举例来说，若预设标准图像为R，融合图像为F，假设待识别图像融合的图像灰度分布为pFi＝{p0，p1，p2，……pi……pL-1，}，预设标准图像的灰度分布为pRi＝{p0，p1，p2，……pi……pL-1，}则预设标准图像R与融合后的图像F的交叉熵如以下公式(1)所示：
Figure BDA0002474947960000061
峰值信噪比(PSNR)用于评价融合图像压缩后和原融合图像相比质量的好坏，PSNR越高，压缩后失真越小，本申请实施例将现有峰值信噪比公式中表示均方差(MSN)的项改写为表示交叉熵项，基于交叉熵的信噪比的计算公式如公式(2)所示：
Figure BDA0002474947960000062
其中，PSNR为峰值信噪比，n为每像素的比特数，一般取8，即像素灰阶数为256，PSNR的单位是dB，数值越大表示失真越小。
步骤103、根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值。
其中，哈希(Hash)值是通过哈希算法得到的二进制值。根据所述待识别混凝土图像和所述预设标准图像融合后得到的融合图像的第一峰值信噪比，对融合图像进行阈值分割处理，即二值化处理，获得二值图像，再根据二值图像计算第一哈希值，即融合图像的哈希值，举例来说，首先计算融合图像的均值，并将融合图像的像素的每个像素的与融合图像的均值比较，小于均值的置0，大于均值的置1，形成0与1构成的数字序列，所有由0和1构成的数字序列，即是融合图像哈希值。其中，二值图像是包括0和1两个像素值的图像。通过大津算法、循环阈值算法、尼布莱克(Niblack)算法等均能实现图像的二值化处理，在此不做具体限定。
步骤104、根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和预设标准图像之间的结构相似度。
在本实施例中，第一哈希值是融合图像的哈希值。其中，第一预设阈值是一个预先给定的哈希值，根据哈希算法计算图像的相似度是通过获取融合图像的哈希值，再将融合图像的哈希值和第一预设阈值进行比较，例如，可以通过哈希值的汉明距离来度量融合图像的哈希值是否满足第一预设阈值。其中，汉明距离是将一个字符串变换成另外一个字符串所需要替换的字符个数。
假设给定的第一预设阈值是1001001，可以预先设置汉明距离的取值范围为2-10，如果待识别混凝土图像和预设标准图像融合后得到的融合图像的哈希值是1011101，则融合后的图像和第一预设阈值的汉明距离是2，此时，第一哈希值满足第一预设阈值，则计算第一结构相似度，通过预先设置的哈希值作为阈值来过滤掉待识别图像和剔除异常数据，以提高图像识别处理的速度。
在一些实施例中，所述第一哈希值包括感知哈希值和均值哈希值，对应地，所述第一预设阈值包括预设感知哈希值和预设均值哈希值。
哈希算法中包括有均值哈希算法和感知哈希算法，通过均值哈希算法和感知哈希算法可以分别对应得到均值哈希值和感知哈希值。
其中均值哈希算法是通过分别将融合图像，即待识别混凝土图像和预设标准图像融合后得到的图像，进行缩放图像、转灰度图、计算像素均值以及根据像素均值计算哈希值这四个步骤从而得到融合图像的均值哈希值，再比较计算得到的均值哈希值和预设均值哈希值两个均值哈希值的汉明距离。
感知哈希算法是基于DCT(离散余弦变换)来得到图像的哈希值的，感知哈希算法则是通过分别将待识别的混凝土图像和所述预设标准图像进行缩放图像、转灰度图、计算DCT、缩小DCT、计算平均值以及计算哈希值等步骤的处理从而得到融合图像的感知哈希值，再比较计算得到的感知哈希值和预设感知哈希值两个感知哈希值的汉明距离。
在一些实施例中，所述步骤104、根据所述第一哈希值和所述第一预设阈值，确定第一结构相似度，具体包括：
当所述感知哈希值小于所述预设感知哈希值，且所述均值哈希值小于所述预设均值哈希时，计算所述待识别混凝土图像和预设标准图像之间的结构相似度，即确定所述第一结构相似度。
举例来说，感知哈希值和均值哈希值的计算筛选可以是并行关系，例如，当计算得到的感知哈希值满足预设感知哈希值，同时计算得到的均值哈希值满足预设均值哈希值时，则计算所述待识别混凝土图像和预设标准图像之间的结构相似度，即确定第一结构相似度。可替代地，感知哈希值和均值哈希值的计算筛选也可以有先后关系，例如，首先判断感知哈希值是否满足预设感知哈希值，当感知哈希值满足预设感知哈希值之后，才判断均值哈希值是否满足预设均值哈希值，当均值哈希值满足预设均值哈希值时，则计算所述待识别混凝土图像和预设标准图像之间的结构相似度，即确定第一结构相似度。
其中，融合图像的感知哈希值和预设感知哈希值、融合图像的均值哈希值和预设均值哈希值均可以通过汉明距离来表示，例如，假设预设感知哈希值的汉明距离为4，预设均值哈希值的汉明距离为9，如果通过均值哈希算法计算得出的融合图像和预设感知哈希值之间的汉明距离小于9，同时通过感知哈希算法计算得出的融合图像和预设感知哈希值之间的汉明距离小于4，则认为待识别的混凝土图像和所述预设标准图像这两张图像满足第一预设阈值，则这计算两张图像进行结构相似度，即计算第一结构相似度。反之，如果通过均值哈希算法计算得出的融合图像和预设感知哈希值之间的汉明距离不小于9，或者，通过感知哈希算法计算得出的融合图像和预设感知哈希值之间的汉明距离不小于4，则认为待识别的混凝土图像和所述预设标准图像这两张图像不满足第一预设阈值，则不计算第一结构相似度。通过设置预设感知哈希值和预设均值哈希值作为阈值来剔除异常数据，剔除掉异常数据后再下一步进行数据处理，以提高最终的识别结果的精确度。
其中，待识别的混凝土图像和所述预设标准图像这两张图像这两张图像的结构相似度可以通过结构相似性函数来计算获得。其中结构相似度，也称为结构相似性(Structural Similarity，SSIM)是用来衡量待识别的混凝土图像和所述预设标准图像之间相似度的指标。待识别的混凝土图像和所述预设标准图像之间的结构相似度可以根据以下公式(3)计算得到：
Figure BDA0002474947960000091
其中，x表示待识别混凝土图像，y表示预设标准图像，μx为x的平均值，μy为y的平均值，
Figure BDA0002474947960000092
为x的方差，
Figure BDA0002474947960000093
为y的方差，σxy是x和y的协方差。c1＝(k1L)2和c2＝(k2L)2用来维持的常数，L是像素值的动态范围。
SSIM的值可以取0到1之间的数，当SSIM越大，表示两图像间差异越小。
步骤105、根据所述第一结构相似度和第二预设阈值，判断所述待识别混凝土图像对应的混凝土的搅拌状态。
其中，预设标准图像和待识别混凝土图像中对应的混凝土的搅拌状态可以有多种，例如，空载停止搅拌状态、搅拌状态或者停止搅拌状态等等，其中，空载搅拌状态，即混凝土搅拌设备没有装载混凝土时的空转状态；混凝土搅拌状态时对应混凝土处于搅拌过程中的状态，可以包括混凝土开始搅拌状态、混凝土搅拌过程状态、混凝土搅拌完成状态等；停止搅拌状态则是混凝土搅拌设备停止搅拌时混凝土所处的状态。第二预设阈值为待识别混凝土图像和预设标准图像之间结构相似度的预设阈值。例如，预设标准图像对应的混凝土状态为混凝土搅拌完成状态，当所述待识别混凝土图像和预设标准图像之间的结构相似度大于预设的阈值，即第二预设阈值(例如为0.95)时，可以判定所述待识别混凝土图像与预设标准图像很相似，即所述待识别混凝土图像对应的混凝土的状态也是混凝土搅拌完成状态；当所述待识别混凝土图像和预设标准图像之间的结构相似度不大于预设阈值时，可以判定所述待识别混凝土图像不是混凝土搅拌完成状态的图像，即待识别混凝土图像对应的混凝土还未搅拌完成。
在一些实施例中，如图3所示，所述获取待识别混凝土图像的步骤之前，还包括以下步骤201-205：
步骤201、获取样本图像集，所述样本图像集包括多个样本图像。
其中，多个样本图像可以是在预设时间段内每间隔预设时间连续采集得到的混凝土图像，例如，在一次混凝土搅拌中，在0-25秒的时间段内，每间隔1秒获取一张混凝土图像，在25秒内得到的25张图片组成样本图像集。
步骤202、根据所述样本图像集中图像之间的交叉熵得到第二峰值信噪比。
在本实施例中，所述样本图像集中图像之间的交叉熵是通过计算样本图像集中的图像组的交叉熵得到的，图像组是指将样本图像集中的图像每两张图片组成一组，得到多组图像组，例如，以搅拌一盘混凝土为例，一盘混凝土的搅拌完成的所需时间一般为25秒左右，每间隔1秒获取一张图像，每一台搅拌设备都选取前12个小时的N(N约为100)盘的搅拌图像作为训练的样本图像，前12个小时都是在25秒停止搅拌，然后每盘搅拌都截取停止搅拌前5秒的5张图像，因此，选择混凝土开始搅拌后的第21-25秒内，以每秒1张的频率进行对图像进行连续采集得到的5张样本图像，将这5张图像作为混凝土搅拌好的状态图像，将样本图像集中的图像每两张图片组成一组，这样会有5N*(5N-1)对样本图像组。
其中，样本图像组的第二峰值信噪比可以根据公式(1)和公式(2)计算得到，在公式(1)中，第一样本图像为R，第二样本图像和第二样本图像融合后的图像为F，则图像R与融合后的图像F的交叉熵，即样本图像组的交叉熵可以根据公式(1)计算得到，基于计算得到的交叉熵，即可根据公式(2)得到第二峰值信噪比，在公式(2)中，CERF为样本图像组的交叉熵。
步骤203、根据所述第二峰值信噪比得到第二哈希值。
在一些实施例中，所述步骤203、根据所述第二峰值信噪比得到第二哈希值，具体包括一下步骤1)-2)：
步骤1)、根据所述第二峰值信噪比，获得二值图像。
根据样本图像组融合后的图像的第二峰值信噪比，对图像进行二值化处理，获得二值图像。根据融合图像的第一峰值信噪比对融合图像进行阈值分割处理，即二值化处理，获得二值图像。首先计算融合图像的均值，并将融合图像的像素的每个像素的与融合图像的均值比较，小于均值的置0，大于均值的置1，这样就得到了二值图像。
步骤2)、根据所述二值图像得到所述第二哈希值。
举例来说，二值图像形成的0与1构成的数字序列，所有由0和1构成的数字序列，即是融合图像哈希值。其中，二值图像是通过第二峰值信噪比对所述样本图像进行阈值分割得到，二值图像是包括0和1两个像素值的图像。通过大津算法、循环阈值算法、Niblack算法等均能实现图像的二值化处理，在此不做具体限定。
步骤204、根据所述第二哈希值得到第二结构相似度，所述第二结构相似度为所述样本图像集中图像之间的结构相似度。
基于交叉熵的计算得到第二峰值信噪比从而确定结构相似度的阈值，即第二预设阈值，通过将待识别混凝土图像的相似度与所述结构相似度阈值比较，从而确定混凝土的状态，通过这种基于交叉熵计算峰值信噪比的方式得到的相似度阈值相比现有技术基于均方误差计算得到的峰值信噪比可以避免有用的数据被过滤掉，有利于提高识别精度。
根据所述第二哈希值和所述第三预设阈值，确定所述样本图像组的第二结构相似度。
其中，第二哈希值是样本图像组对应的哈希值，包括感知哈希值和均值哈希值，感知哈希值可以通过感知哈希算法计算得出，均值哈希值可以通过均值哈希算法计算得出，对应地，第三预设阈值包括预设感知哈希阈值和预设均值哈希阈值，第三预设阈值是一个预设的值，用于评价第二哈希值是否满足标准的评价值，通过第二哈希值和第三预设阈值比较，当第二哈希值满足第三预设阈值，例如，当第二哈希值包括感知哈希值时，则第三预设阈值对应包括预设感知哈希值。举例来说，当两张样本图像之间的感知哈希值满足预设感知哈希值时，则计算两张样本图像之间第二结构相似度，第二结构相似度可以通过公式(3)计算得到。
步骤205、根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值。
将多个样本图像组得到的第二哈希值进行数据处理，并将数据处理得到的哈希值作为第一预设阈值，即通过判断待识别混凝土图像和预设标准图像之间的哈希值是否满足第一预设阈值，以此判断是否继续计算待识别混凝土图像和预设标准图像之间的结构相似度。类似地，将多个样本图像组得到的第二结构相似度进行数据处理，并将数据处理得到的结构相似度作为第二预设阈值，即通过判断待识别混凝土图像和预设标准图像之间的结构相似度是否满足第二预设阈值，以此判断待识别混凝土图像对应的混凝土是否处于搅拌完成状态。
在一些实施例中，所述步骤205、根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值，具体包括以下步骤:
分别对所述第二哈希值和所述第二结构相似度做高斯分布处理。
通过高斯分布可以确定多对样本图像组中的第二哈希值的分布概率，以此选择第二哈希值出现概率最高对应的第二哈希值作为样本图像集训练得到的结果。同理，通过高斯分布可以确定多对样本图像组中的第二结构相似度的分布概率以此选择第二结构相似度出现概率最高对应的第二结构相似度作为样本图像集训练得到的结果。
确定高斯分布的中位数对应的第二哈希值为第一预设阈值以及确定高斯分布的中位数对应的第二结构相似度为第二预设阈值。
将高斯分布的中位数对应的第二哈希值，即训练中出现概率最高对应的结果作为第一预设阈值，通过判断待识别混凝土图像和预设标准图像之间的哈希值是否满足第一预设阈值，以此判断是否计算待识别混凝土图像和预设标准图像之间结构相似度。类似的，将高斯分布的中位数对应的第二结构相似度，即训练中出现概率最高对应的结果作为第二预设阈值，通过判断待识别混凝土图像和预设标准图像之间的结构相似度是否满足第二预设阈值，以此判断待识别混凝土图像对应的混凝土是否处于搅拌完成状态。
通过高斯分布的中位数确定结构相似度作为后面计算的结构相似度阈值以及通过高斯分布的中位数确定哈希值作为后面计算的哈希值阈值，这样得到的结构相似度阈值和哈希值阈值能够避免极端数据，使得最终识别结果更准确。
请参阅图4，图4为本申请实施例提供的混凝土原始图像分类的示意图。在一些实施例中，所述步骤201、获取样本图像集之前，还包括以下步骤301-步骤303：
步骤301、获取原始图像。
其中，原始图像可以是在预设时间段内每间隔预设时间连续采集得到的图像，例如，选择混凝土开始搅拌后第0-25秒内，以每秒1张的频率进行对图像进行连续采集得到的25张原始图像。
步骤302、对所述原始图像进行分类。根据混凝土搅拌设备的空载搅拌状态、搅拌状态和停止搅拌状态对采集到的多张原始图像进行分类，经过分类后得到对应混凝土的第一图像集、第二图像集以及第三图像集，所述第一图像集包括多张空载搅拌状态的图像，所述第二图像集包括多张混凝土处于搅拌状态的图像，所述第三图像集包括多张混凝土处于停止搅拌状态的图像。在本申请实施例中是通过分类网络对原始图像进行分类，分类网络有多种，如MobileNets模型，ResNets模型等均能实现图像分类，在此不做具体限定。
步骤303、将所述第二图像集作为所述样本图像集。
为了最终获取混凝土搅拌完成状态对应的图像，可以将第二图像集，即混凝土处于搅拌状态的图像集，作为训练样本图像集。由于本实施例是为了获得混凝土搅拌完成的状态，因此筛选搅拌机中混凝土处于搅拌状态的图像作为样本图像，而将搅拌设备处于空载停止搅拌状态和停止搅拌状态时采集到的图像过滤掉，可以提高训练的效率。
在一些实施例中，所述步骤105、根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态的步骤之后，还包括：
步骤106、若确定所述待识别混凝土图像对应的混凝土的状态为搅拌完成状态，则将开门指令发送至搅拌设备。
当识别到对应的混凝土状态为搅拌完成状态后，将开门指令发送至搅拌设备，此时搅拌设备接收到开门指令后，即执行开门动作，即可将搅拌好的混凝土倒出，使得搅拌设备的操作更加智能。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
为了更好实施本申请实施例中的混凝土状态的识别方法，在混凝土状态的识别方法基础之上，本申请实施例还提供一种混凝土状态的识别装置。该混凝土状态的识别装置集成于设备中，该设备可以是服务器，也可以是终端，如手机、平板电脑、台式电脑等设备。
图5是本申请实施例提供的混凝土状态的识别装置的示意性框图，该混凝土状态的识别装置包括获取单元401和处理单元402。如图5所示，其中：
获取单元401，用于获取待识别混凝土图像；
处理单元402，用于根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
在一些实施例中，所述处理单元402用于：
获取样本图像集，所述样本图像集包括多个样本图像；
根据所述样本图像集中图像之间的交叉熵得到第二峰值信噪比；
根据所述第二峰值信噪比得到第二哈希值；
根据所述第二哈希值得到第二结构相似度，所述第二结构相似度为所述样本图像集中图像之间的结构相似度；
根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值。
在一些实施例中，所述处理单元402用于：
根据所述第二峰值信噪比，获得所述样本图像的二值图像；
根据所述二值图像得到所述第二哈希值。
在一些实施例中，所述处理单元402用于：
根据所述第二哈希值和第三预设阈值，确定所述第二结构相似度。
在一些实施例中，所述处理单元402用于：
分别对所述第二哈希值和所述第二结构相似度作高斯分布处理；
确定高斯分布的中位数对应的第二哈希值为第一预设阈值以及确定高斯分布的中位数对应的第二结构相似度为第二预设阈值。
在一些实施例中，所述第一哈希值包括感知哈希值和均值哈希值；所述第一预设阈值包括预设感知哈希值和预设均值哈希值；
所述处理单元402用于：
当所述感知哈希值小于所述预设感知哈希值，且所述均值哈希值小于所述预设均值哈希时，确定所述待识别图像和预设标准图像之间的第一结构相似度。
在一些实施例中，所述处理单元402用于：
获取原始图像；
选取包括多张混凝土处于搅拌状态对应的图像作为样本图像集。
本申请实施例的装置通过计算待识别图像与预设标准图像之间峰值信噪比，基于峰值信噪比进一步计算图像之间的哈希值，当计算得到的哈希值满足预设哈希值时，才计算图像之间的结构相似度，再将计算得到的结构相似度和预设结构相似度作比较来确定混凝土是否为搅拌完成的状态，通过预设哈希值这一过滤条件可以过滤和筛选异常数据，也可以避免有用的数据被过滤掉，本申请通过峰值信噪比和哈希值结合的计算待识别混凝土图像的相似度，以此提高通过图像识别混凝土状态的精度。
本申请实施例还提供一种电子设备，其集成了本申请实施例所提供的任一种混凝土状态的识别装置，请参考图6，图6示出了本申请实施例所涉及的电子设备的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解，图5中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器501是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的软件程序和/或模块，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器501可包括一个或多个处理核心；在一些实施例中，处理器501可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。
电子设备还包括给各个部件供电的电源503，电源503具体可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元504，该输入单元504可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本申请实施例中，电子设备中的处理器501会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中，并由处理器501来运行存储在存储器502中的应用程序，从而实现各种功能，如下：
获取待识别混凝土图像；根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
本申请实施例的电子设备通过计算待识别图像与预设标准图像之间峰值信噪比，基于峰值信噪比进一步计算图像之间的哈希值，当计算得到的哈希值满足预设哈希值时，才计算图像之间的结构相似度，再将计算得到的结构相似度和预设结构相似度比较来确定混凝土是否为搅拌完成的状态，通过预设哈希值这一过滤条件可以过滤和筛选异常数据，也可以避免有用的数据被过滤掉，本申请通过峰值信噪比和哈希值结合的计算待识别混凝土图像的相似度，以此提高通过图像识别混凝土状态的精度。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种混凝土状态的识别方法中的步骤。例如，该指令可以执行如下步骤：
获取待识别混凝土图像；根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种混凝土状态的识别方法中的步骤，因此，可以实现本申请实施例所提供的任一种混凝土状态的识别方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
以上对本申请实施例所提供的一种混凝土状态的识别方法、装置、电子设备及存储介质进行了详细介绍，本申请实施例中应用了具体个例对本申请实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请实施例的方法及其核心思想；同时，对于本领域的技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请实施例的限制。

Claims (10)

1.一种混凝土状态的识别方法，其特征在于，所述方法包括：
获取待识别混凝土图像；
根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；
根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值；
根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和所述预设标准图像之间的结构相似度；
根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
2.根据权利要求1所述的方法，其特征在于，所述获取待识别混凝土图像的步骤之前，还包括：
获取样本图像集，所述样本图像集包括多个样本图像；
根据所述样本图像集中图像之间的交叉熵得到第二峰值信噪比；
根据所述第二峰值信噪比得到第二哈希值，所述第二哈希值为所述样本图像间的哈希值；
根据所述第二哈希值得到第二结构相似度，所述第二结构相似度为所述样本图像集中图像之间的结构相似度；
根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二峰值信噪比得到第二哈希值的步骤，包括：
根据所述第二峰值信噪比，获得二值图像；
根据所述二值图像得到所述第二哈希值。
4.根据权利要求2所述的方法，其特征在于，所述根据所述第二哈希值得到第二结构相似度的步骤，包括：
根据所述第二哈希值和第三预设阈值，确定所述第二结构相似度。
5.根据权利要求2所述的方法，其特征在于，所述根据所述第二哈希值得到第一预设阈值以及根据所述第二结构相似度得到第二预设阈值的步骤，包括：
分别对所述第二哈希值和所述第二结构相似度作高斯分布处理；
确定高斯分布的中位数对应的第二哈希值为第一预设阈值以及确定高斯分布的中位数对应的第二结构相似度为第二预设阈值。
6.根据权利要求1所述的方法，其特征在于，所述第一哈希值包括感知哈希值和均值哈希值；所述第一预设阈值包括预设感知哈希值和预设均值哈希值；
所述根据所述第一哈希值和所述第一预设阈值，确定第一结构相似度的步骤，包括：
当所述感知哈希值小于所述预设感知哈希值，且所述均值哈希值小于所述预设均值哈希时，确定所述待识别图像和预设标准图像之间的第一结构相似度。
7.根据权利要求2所述的方法，其特征在于，所述获取样本图像集的步骤之前，还包括：
获取原始图像；
选取多张混凝土处于搅拌状态对应的图像，得到样本图像集。
8.一种混凝土状态的识别装置，其特征在于，包括：
获取单元，用于获取待识别混凝土图像；
处理单元，用于根据所述待识别混凝土图像和预设标准图像之间的交叉熵得到第一峰值信噪比；根据所述第一峰值信噪比得到第一哈希值，所述第一哈希值为所述待识别混凝土图像和所述预设标准图像之间的哈希值；根据所述第一哈希值和第一预设阈值，确定第一结构相似度，所述第一结构相似度为所述待识别混凝土图像和所述预设标准图像之间的结构相似度；根据所述第一结构相似度和第二预设阈值，确定所述待识别混凝土图像对应的混凝土的搅拌状态。
9.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的混凝土状态的识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的混凝土状态的识别方法。
CN202010360637.7A 2020-04-30 2020-04-30 混凝土状态的识别方法、装置、电子设备及存储介质 Active CN113591511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010360637.7A CN113591511B (zh) 2020-04-30 2020-04-30 混凝土状态的识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010360637.7A CN113591511B (zh) 2020-04-30 2020-04-30 混凝土状态的识别方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113591511A true CN113591511A (zh) 2021-11-02
CN113591511B CN113591511B (zh) 2024-08-20

Family

ID=78236886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010360637.7A Active CN113591511B (zh) 2020-04-30 2020-04-30 混凝土状态的识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113591511B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114905632A (zh) * 2022-04-22 2022-08-16 雷迈建材江苏有限公司 基于机器视觉的混凝土砂浆搅拌机控制方法及系统
CN117115160A (zh) * 2023-10-24 2023-11-24 四川省交通勘察设计研究院有限公司 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质
CN118275254A (zh) * 2024-04-08 2024-07-02 广州市稳建工程检测有限公司 一种钢筋混凝土原位荷载试验装置及其控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886501A (zh) * 2017-10-23 2018-04-06 深圳市共进电子股份有限公司 视觉定位方法及终端设备
CN108876756A (zh) * 2017-05-09 2018-11-23 普天信息技术有限公司 图像相似性的度量方法和装置
WO2019096008A1 (zh) * 2017-11-20 2019-05-23 腾讯科技（深圳）有限公司 身份识别方法、计算机设备及存储介质
CN110516522A (zh) * 2019-05-30 2019-11-29 中通服创立信息科技有限责任公司 一种巡检方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108876756A (zh) * 2017-05-09 2018-11-23 普天信息技术有限公司 图像相似性的度量方法和装置
CN107886501A (zh) * 2017-10-23 2018-04-06 深圳市共进电子股份有限公司 视觉定位方法及终端设备
WO2019096008A1 (zh) * 2017-11-20 2019-05-23 腾讯科技（深圳）有限公司 身份识别方法、计算机设备及存储介质
CN110516522A (zh) * 2019-05-30 2019-11-29 中通服创立信息科技有限责任公司 一种巡检方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡昕;洪宝宁;孙秋;王伟;: "岩土材料微结构图像预处理方法", 河海大学学报(自然科学版), no. 01 *
黄嘉恒;李晓伟;陈本辉;杨邓奇;: "基于哈希的图像相似度算法比较研究", 大理大学学报, no. 12 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114905632A (zh) * 2022-04-22 2022-08-16 雷迈建材江苏有限公司 基于机器视觉的混凝土砂浆搅拌机控制方法及系统
CN117115160A (zh) * 2023-10-24 2023-11-24 四川省交通勘察设计研究院有限公司 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质
CN117115160B (zh) * 2023-10-24 2024-02-02 四川省交通勘察设计研究院有限公司 用于隧道衬砌浇筑质量的检测方法、检测终端及存储介质
CN118275254A (zh) * 2024-04-08 2024-07-02 广州市稳建工程检测有限公司 一种钢筋混凝土原位荷载试验装置及其控制方法

Also Published As

Publication number Publication date
CN113591511B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
CN113591511A (zh) 混凝土状态的识别方法、装置、电子设备及存储介质
US20220269996A1 (en) Information processing apparatus, information processing method, and storage medium
JP2005527028A (ja) 局所的なエッジの統計分布に基づいて鮮鋭度の指標を見積もる方法およびシステム
US10346746B2 (en) Generating a training model based on feedback
WO2018006631A1 (zh) 一种用户等级自动划分方法及系统
EP4149111A1 (en) Method for determining video coding test sequence, related apparatus and computer program product
Ling et al. Towards perceptually-optimized compression of user generated content (ugc): Prediction of ugc rate-distortion category
CN117786485A (zh) 一种自训练方法、系统、装置、电子设备及存储介质
CN116244609A (zh) 一种客流量统计方法、装置、计算机设备及存储介质
CN109951358A (zh) 数据网流量预测方法
CN117221609B (zh) 一种高速公路收费业务集中监控值机系统
CN113435464B (zh) 异常数据检测方法、装置、电子设备及计算机存储介质
CN111611973A (zh) 目标用户识别的方法、装置及存储介质
CN115019376B (zh) 一种基于云服务的电力信息管理系统
CN114519520B (zh) 模型评估方法、装置及存储介质
CN116363416A (zh) 一种图像去重方法、装置、电子设备和存储介质
CN114511022B (zh) 特征筛选、行为识别模型训练、异常行为识别方法及装置
CN113807319B (zh) 人脸识别优化方法、装置、设备和介质
CN111062468B (zh) 生成网络的训练方法和系统、以及图像生成方法及设备
CN117011216A (zh) 一种缺陷检测方法、装置、电子设备及存储介质
CN116563589A (zh) 夜间目标检测方法、装置、设备及存储介质
CN112529845A (zh) 图像质量值确定方法、装置、存储介质及电子装置
CN113808088A (zh) 一种污染检测方法及系统
CN117351794B (zh) 基于云平台的在线课程管理系统
CN117671496B (zh) 一种无人机应用成果自动比对方法

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