CN113591696A - 一种基于智能图像识别及射频识别的封样送检系统 - Google Patents
一种基于智能图像识别及射频识别的封样送检系统 Download PDFInfo
- Publication number
- CN113591696A CN113591696A CN202110868703.6A CN202110868703A CN113591696A CN 113591696 A CN113591696 A CN 113591696A CN 202110868703 A CN202110868703 A CN 202110868703A CN 113591696 A CN113591696 A CN 113591696A
- Authority
- CN
- China
- Prior art keywords
- sample
- radio frequency
- information
- unit
- state
- 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 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 77
- 238000007789 sealing Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000004806 packaging method and process Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims description 69
- 230000008859 change Effects 0.000 claims description 48
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 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
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
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。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系统。
背景技术
封样送检指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；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系统，其特征在于：
所述封样送检系统包括视频信息采集模块、射频标签监控模块、运输车辆监控模块、图像信息处理模块、射频标签信息生成模块、运输车辆位置信息生成模块、封装状态信息确定模块和样品安全性确定模块；其中，
所述视频信息采集模块用于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；
所述图像信息处理模块用于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；
所述射频标签监控模块用于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；
所述射频标签信息生成模块用于根据所述监控的结果，生成与所述射频标签对应的射频标签相关信息；
所述运输车辆监控模块用于对关于样品在所述运输过程中的运输车辆行驶轨迹进行监控；
所述运输车辆位置信息生成模块用于根据对运输车辆行驶轨迹的监控，生成相应的运输车辆位置信息；
所述封装状态信息确定模块用于根据所述图像特征信息、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；
所述样品安全性确定模块用于根据所述封样状态信息，确定所述样品对应的封样送检安全性。
进一步，所述视频信息采集模块包括固定视频采集单元、单兵移动视频记录单元和车载视频采集单元中的至少一者；其中，
所述固定视频采集单元、单兵移动视频记录单元和车载视频采集单元用于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；
所述图像信息处理模块包括图像帧解析单元和特征信息生成单元；其中，
所述图像帧解析单元用于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；
所述特征信息生成单元用于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，所述射频标签监控模块包括标签物理状态监控单元和射频信号监控单元；其中，
所述标签物理状态监控单元用于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进行第一模式监控；
所述射频信号监控单元用于对所述射频标签在所述取样过程和/或所述运输过程中的射频信号交互状态进行第二模式监控；
所述射频标签信息生成模块包括标签粘附状态变化信息生成单元和射频信号状态变化信息生成单元；其中，
所述标签粘附状态变化信息生成单元用于根据所述第一模式监控的结果，生成所述射频标签的标签粘附状态变化信息；
所述射频信号状态变化信息生成单元用于根据所述第二模式监控的结果，生成所述射频标签的射频信号状态变化信息；
进一步，所述封装状态信息确定模块包括第一神经网络计算单元、第二神经网络计算单元、第三神经网络计算单元和封装异常/正常确定单元；其中，
所述第一神经网络计算单元用于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；
所述第二神经网络计算单元用于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样状态信息；
所述第三神经网络计算单元用于对所述运输车辆位置信息，进行关于预设车辆动态追踪深度学习神经网络模型的计算处理，以此得到运输车辆相关的封样状态信息；
所述封装异常/正常确定单元用于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相关的封样状态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，所述样品安全性确定模块包括样品异样情况确定单元、样品合规/违规确定单元和报警单元；其中，
所述样品异样情况确定单元用于根据所述封样状态信息，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；
所述样品合规/违规确定单元用于当不存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况，确定所述样品处于封样送检合规状态，否则，确定所述样品处于封样送检违规状态；
所述报警单元用于在确定所述样品处于封样送检违规状态时，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，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。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。
附图说明
图1为本发明的结构示意图。
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，该封样送检系统包括视频信息采集模块、射频标签监控模块、运输车辆监控模块、图像信息处理模块、射频标签信息生成模块、运输车辆位置信息生成模块、封装状态信息确定模块和样品安全性确定模块；其中，
该视频信息采集模块用于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；
该视频信息采集模块包括固定视频采集单元、单兵移动视频记录单元和车载视频采集单元中的至少一者；其中，
该固定视频采集单元、单兵移动视频记录单元和车载视频采集单元用于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。
该图像信息处理模块用于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；
该图像信息处理模块包括图像帧解析单元和特征信息生成单元；其中，
该图像帧解析单元用于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；
该特征信息生成单元用于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。
该射频标签监控模块用于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；
该射频标签监控模块包括标签物理状态监控单元和射频信号监控单元；其中，
该标签物理状态监控单元用于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进行第一模式监控；
该射频信号监控单元用于对该射频标签在该取样过程和/或该运输过程中的射频信号交互状态进行第二模式监控。
该射频标签信息生成模块用于根据该监控的结果，生成与该射频标签对应的射频标签相关信息；
该射频标签信息生成模块包括标签粘附状态变化信息生成单元和射频信号状态变化信息生成单元；其中，
该标签粘附状态变化信息生成单元用于根据该第一模式监控的结果，生成该射频标签的标签粘附状态变化信息；
该射频信号状态变化信息生成单元用于根据该第二模式监控的结果，生成该射频标签的射频信号状态变化信息。
该运输车辆监控模块用于对关于样品在该运输过程中的运输车辆行驶轨迹进行监控；
该运输车辆位置信息生成模块用于根据对运输车辆行驶轨迹的监控，生成相应的运输车辆位置信息；
该封装状态信息确定模块用于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；
该封装状态信息确定模块包括第一神经网络计算单元、第二神经网络计算单元、第三神经网络计算单元和封装异常/正常确定单元；其中，
该第一神经网络计算单元用于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；
该第二神经网络计算单元用于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样状态信息；
该第三神经网络计算单元用于对该运输车辆位置信息，进行关于预设车辆动态追踪深度学习神经网络模型的计算处理，以此得到运输车辆相关的封样状态信息；
该封装异常/正常确定单元用于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相关的封样状态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。
该样品安全性确定模块用于根据该封样状态信息，确定该样品对应的封样送检安全性。
该样品安全性确定模块包括样品异样情况确定单元、样品合规/违规确定单元和报警单元；其中，
该样品异样情况确定单元用于根据该封样状态信息，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；
该样品合规/违规确定单元用于当不存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况，确定该样品处于封样送检合规状态，否则，确定该样品处于封样送检违规状态；
该报警单元用于在确定该样品处于封样送检违规状态时，进行适应性的报警操作。
从上述实施例的内容可知，本发明通过图像监控和射频监控相结合的方式对样品的封样形成过程进行实时的和智能化的监控，并从图像监控和射频监控得到的数据信息中识别出封样处理对应的封样动作信息，以及对该封样动作信息进行违规与否的判断处理，从而对封样处理的每一个工序进行细节化和无人化的识别分析处理，从而有效地提高对封样处理过程中违规动作行为的监控识别有效性和准确性，以及同时提高封样处理过程的信息保密性。
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 (5)
1.一种基于智能图像识别及射频识别的封样送检系统，其特征在于：所述封样送检系统包括视频信息采集模块、射频标签监控模块、运输车辆监控模块、图像信息处理模块、射频标签信息生成模块、运输车辆位置信息生成模块、封装状态信息确定模块和样品安全性确定模块；其中，
所述视频信息采集模块用于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；
所述图像信息处理模块用于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；
所述射频标签监控模块用于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；
所述射频标签信息生成模块用于根据所述监控的结果，生成与所述射频标签对应的射频标签相关信息；
所述运输车辆监控模块用于对关于样品在所述运输过程中的运输车辆行驶轨迹进行监控；
所述运输车辆位置信息生成模块用于根据对运输车辆行驶轨迹的监控，生成相应的运输车辆位置信息；
所述封装状态信息确定模块用于根据所述图像特征信息、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；
所述样品安全性确定模块用于根据所述封样状态信息，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系统，其特征在于：所述视频信息采集模块包括固定视频采集单元、单兵移动视频记录单元和车载视频采集单元中的至少一者；其中，所述固定视频采集单元、单兵移动视频记录单元和车载视频采集单元用于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；
所述图像信息处理模块包括图像帧解析单元和特征信息生成单元；其中，所述图像帧解析单元用于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；所述特征信息生成单元用于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系统，其特征在于：所述射频标签监控模块包括标签物理状态监控单元和射频信号监控单元；其中，所述标签物理状态监控单元用于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进行第一模式监控；所述射频信号监控单元用于对所述射频标签在所述取样过程和/或所述运输过程中的射频信号交互状态进行第二模式监控；
所述射频标签信息生成模块包括标签粘附状态变化信息生成单元和射频信号状态变化信息生成单元；其中，所述标签粘附状态变化信息生成单元用于根据所述第一模式监控的结果，生成所述射频标签的标签粘附状态变化信息；所述射频信号状态变化信息生成单元用于根据所述第二模式监控的结果，生成所述射频标签的射频信号状态变化信息。
4.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系统，其特征在于：所述封装状态信息确定模块包括第一神经网络计算单元、第二神经网络计算单元、第三神经网络计算单元和封装异常/正常确定单元；其中，所述第一神经网络计算单元用于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；所述第二神经网络计算单元用于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样状态信息；所述第三神经网络计算单元用于对所述运输车辆位置信息，进行关于预设车辆动态追踪深度学习神经网络模型的计算处理，以此得到运输车辆相关的封样状态信息；所述封装异常/正常确定单元用于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相关的封样状态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。
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系统，其特征在于：所述样品安全性确定模块包括样品异样情况确定单元、样品合规/违规确定单元和报警单元；其中，所述样品异样情况确定单元用于根据所述封样状态信息，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；所述样品合规/违规确定单元用于当不存在样品被开封、射频标签移位/脱落、非授权人员接触中至少一种情况，确定所述样品处于封样送检合规状态，否则，确定所述样品处于封样送检违规状态；所述报警单元用于在确定所述样品处于封样送检违规状态时，进行适应性的报警操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110868703.6A CN113591696A (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系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110868703.6A CN113591696A (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系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113591696A true CN113591696A (zh) | 2021-11-02 |
Family
ID=78252216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110868703.6A Pending CN113591696A (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系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113591696A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080024301A1 (en) * | 2006-07-28 | 2008-01-31 | Fritchie Patrick P | System for tracking vessels in automated laboratory analyzers by radio frequency identification |
| CN111586190A (zh) * | 2020-05-22 | 2020-08-25 | 江苏濠汉信息技术有限公司 | 一种用于车载的封样监控系统及装置 |
-
2021
- 2021-07-30 CN CN202110868703.6A patent/CN113591696A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080024301A1 (en) * | 2006-07-28 | 2008-01-31 | Fritchie Patrick P | System for tracking vessels in automated laboratory analyzers by radio frequency identification |
| CN111586190A (zh) * | 2020-05-22 | 2020-08-25 | 江苏濠汉信息技术有限公司 | 一种用于车载的封样监控系统及装置 |
| 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 |
|---|---|---|
| CN107948585A (zh) | 录像标记方法、装置及计算机可读存储介质 | |
| CN109085176A (zh) | 一种标签印刷质量检测及数据校验方法 | |
| US20210200996A1 (en) | Action recognition methods and apparatuses, electronic devices, and storage media | |
| CN108583592A (zh) | 一种地铁乘务作业信息采集智能检测方法 | |
| CN111832410B (zh) | 一种基于视觉与激光雷达融合的前向列车检测方法 | |
| CN112700198A (zh) | 危化品运输监测信息处理方法和装置 | |
| CN111597962A (zh) | 仓储物料防盗报警方法、装置及电子设备 | |
| CN110246336A (zh) | 车辆信息的确定方法及系统 | |
| CN109858456A (zh) | 一种铁路车辆状态故障分析系统 | |
| CN108357517A (zh) | 动车组列车运行故障信息检测方法和系统 | |
| Pham et al. | A YOLO-based real-time packaging defect detection system | |
| CN113591696A (zh) | 一种基于智能图像识别及射频识别的封样送检系统 | |
| CN110263718A (zh) | 车辆出入段检测方法及检测系统 | |
| CN112528791A (zh) | 一种铁路站场防入侵系统及方法 | |
| CN112926925A (zh) | 一种产品监管方法、装置、电子设备及存储介质 | |
| CN105681712A (zh) | 视频数据处理方法和装置 | |
| CN114743166A (zh) | 一种铁路货车的制动机检测方法 | |
| CN113553976A (zh) | 一种基于智能图像识别及射频识别的封样送检方法 | |
| CN115512283A (zh) | 包裹图像处理方法、装置、计算机设备和存储介质 | |
| CN111209789B (zh) | 对关键项点发生瞬间进行图像采集以及分析的方法 | |
| CN111612111A (zh) | 一种移动送检监控装置 | |
| CN112347824A (zh) | 佩戴物识别方法、装置、设备及存储介质 | |
| Di Summa et al. | A review on deep learning techniques for railway infrastructure monitoring | |
| CN108777064A (zh) | 一种基于信息融合的交通状态评估系统 | |
| CN115713758B (zh) | 一种车厢识别方法、系统、装置及存储介质 |
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 |