CN113632632A - 用户选择识别模型的方法、系统、割草机器人及存储介质 - Google Patents
用户选择识别模型的方法、系统、割草机器人及存储介质 Download PDFInfo
- Publication number
- CN113632632A CN113632632A CN202110758175.9A CN202110758175A CN113632632A CN 113632632 A CN113632632 A CN 113632632A CN 202110758175 A CN202110758175 A CN 202110758175A CN 113632632 A CN113632632 A CN 113632632A
- Authority
- CN
- China
- Prior art keywords
- lawn
- information
- user
- type
- lawn type
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 7
- 241001494496 Leersia Species 0.000 claims description 3
- 244000025254 Cannabis sativa Species 0.000 description 15
- 239000004568 cement Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 241000411851 herbal medicine Species 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000270955 Achnatherum calamagrostis Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 208000022821 personality disease Diseases 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D34/00—Mowers; Mowing apparatus of harvesters
- A01D34/006—Control or measuring arrangements
- A01D34/008—Control or measuring arrangements for automated or remotely controlled operation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Harvester Elements (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种用户选择识别模型的方法、系统、割草机器人及存储介质,方法包括:发送选择草坪类型请求至用户端;其中,用户端与割草机通信连接;获取用户端返回的草坪类型信息;调用与草坪类型信息相对应的预设识别模型。本方案能够有效提高对多种草坪类型的草坪区域、边界区域以及障碍物的识别效率以及识别率。
Description
技术领域
本申请涉及割草机技术领域,特别涉及一种用户选择识别模型的方法、系统、割草机器人及存储介质。
背景技术
随着人工智能技术的快速发展,具有机器视觉信息的数据呈指数型增长。而研究机器视觉的宗旨是在海量的视频以及图像数据中提取具有语义信息的目标,使得计算机能够更好地理解和解决现实世界中的问题,进而给人们带来极大方便。
在特定区域,例如草坪上进行作业时,需要计算机辨识出草坪区域、边界区域以及障碍物。所以对于草坪语义分割其边界和障碍物时,需要分析图像中场景的语义,辨识出草坪区域、边界区域以及障碍物。在不同国家或者在同一个国家的地区,种植的草坪类型多种多样,例如:针状草与圆形草等,在不同的草坪类型中,其边界区域和障碍物区域也不同。相关技术中,对不同的草坪类型中的草坪区域、边界区域以及障碍物区域的识别效率以及识别率都比较低,严重影响工作效率,造成较差的用户体验。
发明内容
本申请提出一种用户选择识别模型的方法、系统、割草机器人及存储介质,针对多种草坪类型可以选择对应的识别模型,进而有效提高对多种草坪类型的草坪区域、边界区域以及障碍物的识别效率以及识别率。
本申请的第一方面,提出了一种用户选择识别模型的方法,包括:发送选择草坪类型请求至用户端;其中用户端与割草机通信连接;获取用户端返回的草坪类型信息;调用与草坪类型信息相对应的预设识别模型。
本申请的有益效果为:在割草机开始工作时,通过割草机向用户端发送选择草坪类型的请求,而用户端在接收到选择草坪类型的请求时,可以在用户端界面选择草坪类型信息,用户端将包括用户选择的草坪类型信息发送给割草机,割草机则可以调用与草坪类型信息相对应的预设识别模型。通过用户在用户端选择对应的草坪类型,相较于所有草坪类型采用同一个识别模型,采用与草坪类型相对应的预设识别模型,对该草坪类型的针对性更强,对该草坪类型中的草坪区域、边界区域以及障碍物的识别率也就更高,识别效率也将更快。
在本申请的一些实施例中,还包括:建立与多种草坪类型相对应的多个预设识别模型。通过机器学习,可以建立与草坪类型一一对应的预设识别模型,针对不同的草坪类型,选择相对应的预设识别模型,可以更有针对性的实施相对应的割草方式,相较于多种草坪类型采用同一个识别模型来说,可以有效提高对草坪中的草坪区域、边界区域以及障碍物区域的识别效率和识别率。
在本申请的一些实施例中,建立与多种草坪类型相对应的多个预设识别模型,包括:获取草坪类型的图像信息;对图像信息进行语义分割,获取草坪类型的纹理信息;根据纹理信息,获取草坪类型的区域划分信息;其中,区域划分信息包括:草坪区域信息、边界区域信息和障碍物信息;根据区域划分信息,获取割草机的路径规划信息;建立草坪类型的预设识别模型;其中,预设识别模型包括对应草坪类型的割草策略,割草策略包括路径规划信息。具体的建模方法为,通过获取同一草坪类型的图像信息,对得到的图像信息进行语义分割,得到草坪中草的纹理信息。根据纹理信息,可以将草坪中草与树、灌木等障碍物区分开,也可以将草坪中的草与水泥路、围栏、墙等边界区分开,因此,可以准确判断出哪些是草坪区域、障碍物区域以及边界区域,以便在后续割草过程中,可以准确避过障碍物,到达边界时可以停止割草。而在划分好草坪的区域之后,可以自动规划好避障路径。而且根据草坪中草的纹理信息,可以设置对应的割草方式。由草坪中草的纹理信息、区域划分信息以及路径规划信息可以建立对应该草坪类型的预设识别模型。
在本申请的一些实施例中,还包括:根据预设识别模型,计算割草机割草所需要的预估时间信息;向用户端发送预估时间信息。通过选择对应草坪类型的预设识别模型,可以通过预设识别模型模拟计算出割草机需要割草的预估时间信息,将预估时间信息发送给用户端,使得用户可以了解割草工作所需时间,方便用户在实际使用过程中充分安排自己的时间。
在本申请的一些实施例中,还包括:根据预设识别模型,计算割草机的割草进度信息;向用户端发送割草进度信息。同样的,根据预设识别模型,也可以计算割草机的已完成部分和未完成部分的比例信息,更直接的向用户端实时展示割草进度,当然,也可以通过计算未完成部分所需时间信息,向用户端发送并使用户端展示割草机在处理草坪中草的剩余工作时间。
在本申请的一些实施例中,草坪确认信息至少包括以下一种信息:对应草坪类型的图像信息、对应草坪类型的文字信息以及对应草坪类型的音频信息。用户在用户端选择草坪类型信息时,可以是对应多种草坪类型的图像信息、文字信息和音频信息中的一种或者多种信息的组合。通过设置图像、文字和音频的多种选择,可以方便不同类型用户在割草过程中对识别模型的选择,有效提高用户的满意度。
在本申请的一些实施例中,用户端为PC端和/或移动终端,获取用户端返回的草坪类型信息,至少包括以下方式之一:获取用户端在应用程序发送的草坪类型信息;获取用户端在公众号发送的草坪类型信息。用户端可以为PC端即电脑终端,也可以为智能手机、平板等移动终端。而获取草坪类型信息的方式,可以通过应用程序APP、公众号或者小程序等方式获取用户端选择的草坪类型。
本申请的第二方面,提出了一种用户选择识别模型的系统,包括:至少一个存储器、至少一个处理器及至少一个程序指令,程序指令存储在存储器上并可在处理器上运行,处理器用于执行本申请第一方面提出的用户选择识别模型的方法。
本申请的第三方面,提出了一种割草机器人,包括本申请第二方面提出的用户选择识别模型的系统。
本申请的第四方面,还提出了一种存储介质,存储介质上存储有程序指令,程序指令用于执行本申请第一方面提出的用户选择识别模型的方法。
附图说明
图1为本申请实施例的用户选择识别模型的方法的流程图;
图2为本申请实施例的用户选择识别模型的方法的建模流程图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,多种的含义是两个以上。描述的第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
术语解释:
语义分割:识别图像中存在的内容以及位置。
参照图1,本申请的第一方面提出了一种用户选择识别模型的方法,包括:
110、发送选择草坪类型请求至用户端;其中,用户端与割草机通信连接;
120、获取用户端返回的草坪类型信息;
130、调用与草坪类型信息相对应的预设识别模型。
具体为,割草机启动时,割草机向用户端发送选择草坪类型的请求,用户端在接收到选择草坪类型的请求时,由用户根据草坪的类型在用户端选择对应的草坪类型,用户端再将用户选择的草坪类型发送至割草机,割草机根据接收到的草坪类型,选择对应的预设识别模型,以便应用该预设识别模型执行割草任务。
在本申请的一些实施例中,草坪类型信息,可以为用户端发送的选择对应草坪类型的图像信息,也可以为对应草坪类型的文字信息,也可以为对应草坪类型的音频信息。当然也可以为图像信息、文字信息以及音频信息中的两种信息或者多种信息的组合。
具体在用户端的显示界面,可以设置为多个草坪类型的图像以供用户选择,也可以设置为多个草坪类型的文字以供用户选择,也可以设置为多个草坪类型的音频以供用户选择。如此,可以方便不同类型的用户,例如视觉障碍、文字障碍等用户,在割草过程中对识别模型的选择,有效提高用户的满意度。
在本申请的一些实施例中,用户端可以为PC端和智能手机、笔记本电脑、平板电脑等移动终端,而获取用户端发送的草坪类型信息,至少包括以下方式之一:用户在用户端的应用程序(例如割草app或选择草坪类型app等)中发送的草坪类型信息;用户在微信公众号(或其他应用程序的公众号)选择并发送草坪类型信息;用户在用户端的微信、支付宝或其他应用程序的小程序选择并发送草坪类型信息。用户在选择对应预设识别模型时操作便捷,可以有效提升用户的满意度。
参照图2,在本申请的一些实施例中,还包括:建立与多种草坪类型相对应的多个预设识别模型。其中,建立预设识别模型的方法可以为:
210、获取草坪类型的图像信息;
220、对图像信息进行语义分割,获取草坪类型的纹理信息;
230、根据纹理信息,获取草坪类型的区域划分信息;其中,区域划分信息包括:草坪区域信息、边界区域信息和障碍物信息;
240、根据区域划分信息,获取割草机的路径规划信息;
250、建立草坪类型的预设识别模型;其中,预设识别模型包括对应草坪类型的割草策略,割草策略包括路径规划信息。
具体的建模方法为:通过获取同一草坪类型的多个图像信息,对得到的图像信息进行语义分割,得到草坪中草的纹理信息,根据草的纹理信息,可以将草坪中的草与树木、灌木等障碍物区分开,也可以将草坪中的草与水泥路、围栏、墙等边界区分开,从而准确判断出草坪中的草坪区域、障碍物区域以及边界区域,在后续割草过程中,根据判断得到的不同区域,割草机可以准确避过障碍物,并在到达边界时停止割草。而根据得到的不同区域,可以计算得到规划好的避障路径。对应不同草坪类型中的草,也可以设置不同的割草方式。最终,由草坪中草的纹理信息、区域划分信息以及路径规划信息可以针对该草坪类型建立对应的预设识别模型,有效提高割草机对不同区域的识别效率和识别率,进而提高割草机的工作效率。
在本申请的一些实施例中,还包括:根据预设识别模型,计算割草机割草所需要的预估时间信息;向用户端发送预估时间信息。通过选择对应草坪类型的预设识别模型,可以通过预设识别模型模拟计算出割草机需要割草的预估时间信息,将预估时间信息发送给用户端,使得用户可以了解割草工作所需时间,方便用户在实际使用过程中充分安排自己的时间。
可以理解的时,根据预设识别模型,还可以计算割草机的割草进度,得到割草进度信息,将割草进度信息发送给用户端。可以更直接的向用户端实时展示割草进度。
本申请的第二方面,提出了一种用户选择识别模型的系统,包括:至少一个存储器、至少一个处理器及至少一个程序指令,程序指令存储在存储器上并可在处理器上运行,处理器用于执行本申请第一方面提出的用户选择识别模型的方法。
本申请的第三方面,提出了一种割草机器人,包括本申请第二方面提出的用户选择识别模型的系统。
本申请的第四方面,还提出了一种存储介质,存储介质上存储有程序指令,程序指令用于执行本申请第一方面提出的用户选择识别模型的方法。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。
下面参考图1和图2,以一个具体的实施例详细描述根据本申请实施例的用户选择识别模型的方法。值得理解的是,下述描述仅是示例性说明,而不是对本申请的具体限制。
参照图1和图2,本申请实施例提供了一种用户选择识别模型的方法,包括:获取草坪类型的图像信息,并对获取的图像信息进行语义分割,得到该草坪中草的纹理信息,根据草的纹理信息,将草坪划分为草坪区域、边界区域和障碍物区域,根据区域划分信息,可以得到割草机的路径规划信息,由草坪中草的纹理信息、区域划分信息以及路径规划信息,可以建立该草坪类型的预设识别模型;割草机在开启时,向用户移动终端发送选择草坪类型的请求;用户移动终端在接收到选择草坪类型请求时,将在应用程序APP显示选择草坪类型的请求,由用户在应用程序APP上选择对应的草坪类型的图片,用户端根据用户选择的草坪类型的图片,将草坪类型信息发送给割草机,割草机根据草坪类型信息,选择与草坪类型信息相对应的预设识别模型;根据选择的预设识别模型,计算割草机完成割草所需要的预估时间信息,并将预设识别模型以及预估时间信息发送给用户端;在割草过程中,割草机可以根据预设识别模型,实时地计算割草机的割草进度,并将割草进度信息发送给用户端,以便用户实时了解割草进度。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
程序指令包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或者某些中间形式等。存储介质包括:能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,存储介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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,可以参见其他实施例的相关描述。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。
Claims (10)
1.一种用户选择识别模型的方法,其特征在于,包括:
发送选择草坪类型请求至用户端;其中,所述用户端与割草机通信连接;
获取用户端返回的草坪类型信息;
调用与所述草坪类型信息相对应的预设识别模型。
2.根据权利要求1所述的用户选择识别模型的方法,其特征在于,还包括:
建立与多种草坪类型相对应的多个预设识别模型。
3.根据权利要求2所述的用户选择识别模型的方法,其特征在于,所述建立与多种草坪类型相对应的多个识别模型,包括:
获取草坪类型的图像信息;
对所述图像信息进行语义分割,获取所述草坪类型的纹理信息;
根据所述纹理信息,获取所述草坪类型的区域划分信息;其中,所述区域划分信息包括:草坪区域信息、边界区域信息和障碍物信息;
根据所述区域划分信息,获取所述割草机的路径规划信息;
建立所述草坪类型的预设识别模型;其中所述预设识别模型包括对应所述草坪类型的割草策略,所述割草策略包括所述路径规划信息。
4.根据权利要求3所述的用户选择识别模型的方法,其特征在于,还包括:
根据所述预设识别模型,计算所述割草机割草所需的预估时间信息;
向所述用户端发送所述预估时间信息。
5.根据权利要求3所述的用户选择识别模型的方法,其特征在于,还包括:
根据所述预设识别模型,计算所述割草机的割草进度信息;
向所述用户端发送所述割草进度信息。
6.根据权利要求1所述的用户选择识别模型的方法,其特征在于,所述草坪类型信息至少包括以下一种信息:对应草坪类型的图像信息、对应草坪类型的文字信息以及对应草坪类型的音频信息。
7.根据权利要求1至6任一项所述的用户选择识别模型的方法,其特征在于,所述用户端为PC端和/或移动终端,所述获取用户端返回的草坪类型信息,至少包括以下方式之一:
获取用户端在应用程序发送的草坪类型信息;
获取用户端在公众号发送的草坪类型信息。
8.一种用户选择识别模型的系统,其特征在于,包括:至少一个存储器、至少一个处理器及至少一个程序指令,所述程序指令存储在所述存储器上并可在所述处理器上运行,所述处理器用于执行权利要求1至7中任一项所述的用户选择识别模型的方法。
9.一种割草机器人,其特征在于,包括权利要求8所述的用户选择识别模型的系统。
10.一种存储介质,其特征在于:所述存储介质上存储有程序指令,所述程序指令用于执行权利要求1至7中任一项所述的用户选择识别模型的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110758175.9A CN113632632B (zh) | 2021-07-05 | 2021-07-05 | 用户选择识别模型的方法、系统、割草机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110758175.9A CN113632632B (zh) | 2021-07-05 | 2021-07-05 | 用户选择识别模型的方法、系统、割草机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113632632A true CN113632632A (zh) | 2021-11-12 |
CN113632632B CN113632632B (zh) | 2022-12-20 |
Family
ID=78416675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110758175.9A Active CN113632632B (zh) | 2021-07-05 | 2021-07-05 | 用户选择识别模型的方法、系统、割草机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113632632B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170188510A1 (en) * | 2015-12-30 | 2017-07-06 | Honda Research Institute Europe Gmbh | Autonomous working machine such as autonomous lawn mower |
CN107390686A (zh) * | 2017-07-17 | 2017-11-24 | 深圳拓邦股份有限公司 | 一种割草机器人控制方法及自动控制割草系统 |
CN108024502A (zh) * | 2015-07-24 | 2018-05-11 | 艾罗伯特公司 | 控制机器人割草机 |
CN109287246A (zh) * | 2018-08-24 | 2019-02-01 | 宁波市德霖机械有限公司 | 基于激光雷达地图构建的智能割草机 |
CN109328615A (zh) * | 2018-12-06 | 2019-02-15 | 南京苏美达智能技术有限公司 | 草地边界识别方法、割草装置的控制方法及割草装置 |
CN110049668A (zh) * | 2016-12-28 | 2019-07-23 | 本田技研工业株式会社 | 控制装置、作业机和程序 |
CN111670676A (zh) * | 2020-05-13 | 2020-09-18 | 惠州拓邦电气技术有限公司 | 一种推草机及其控制方法和控制装置 |
-
2021
- 2021-07-05 CN CN202110758175.9A patent/CN113632632B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108024502A (zh) * | 2015-07-24 | 2018-05-11 | 艾罗伯特公司 | 控制机器人割草机 |
US20170188510A1 (en) * | 2015-12-30 | 2017-07-06 | Honda Research Institute Europe Gmbh | Autonomous working machine such as autonomous lawn mower |
CN110049668A (zh) * | 2016-12-28 | 2019-07-23 | 本田技研工业株式会社 | 控制装置、作业机和程序 |
CN107390686A (zh) * | 2017-07-17 | 2017-11-24 | 深圳拓邦股份有限公司 | 一种割草机器人控制方法及自动控制割草系统 |
CN109287246A (zh) * | 2018-08-24 | 2019-02-01 | 宁波市德霖机械有限公司 | 基于激光雷达地图构建的智能割草机 |
CN109328615A (zh) * | 2018-12-06 | 2019-02-15 | 南京苏美达智能技术有限公司 | 草地边界识别方法、割草装置的控制方法及割草装置 |
CN111670676A (zh) * | 2020-05-13 | 2020-09-18 | 惠州拓邦电气技术有限公司 | 一种推草机及其控制方法和控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113632632B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200005062A1 (en) | Systems and methods for electronically identifying plant species | |
US20080281444A1 (en) | Predictive modeling system and method for fantasy sports | |
CN108236784B (zh) | 模型的训练方法和装置、存储介质、电子装置 | |
TW201823983A (zh) | 移動物件的虛擬訊息建立方法、搜尋方法與應用系統 | |
CN106446065A (zh) | 一种服饰搭配推荐方法及装置 | |
CN111553974A (zh) | 一种基于混合现实的数据可视化远程协助方法及系统 | |
CN108564541B (zh) | 一种图像处理方法及装置 | |
CN112188220A (zh) | 直播中信息的提示方法和装置、存储介质、电子装置 | |
CN112437272B (zh) | 一种区域监控的方法、装置、服务器和计算机存储介质 | |
CN105553821A (zh) | 游戏对战匹配方法及装置 | |
CN110677488B (zh) | 物联网系统的事件规划方法和装置、存储介质及电子装置 | |
CN109756363A (zh) | 数据传输稳定性控制方法、装置、计算机设备及存储介质 | |
CN107465739A (zh) | 实体渠道用户引流的方法及装置 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN117255211A (zh) | 直播间显示方法、服务端及直播客户端 | |
CN112418651A (zh) | 一种基于数字孪生的共享农机实时调度方法 | |
CN113632632B (zh) | 用户选择识别模型的方法、系统、割草机器人及存储介质 | |
CN110198472B (zh) | 视频资源的播放方法及装置 | |
CN109461147B (zh) | 应用于移动终端的fov图片的病理标注方法及装置 | |
CN110427998A (zh) | 模型训练、目标检测方法及装置、电子设备、存储介质 | |
EP3850360A1 (en) | Systems and methods for electronically identifying plant species | |
CN104424485A (zh) | 一种基于图像识别来获取特定信息的方法与装置 | |
CN112204567A (zh) | 基于机器视觉的树木种类识别方法及装置 | |
CN109726808B (zh) | 神经网络训练方法和装置、存储介质及电子装置 | |
CN111773658B (zh) | 一种基于计算机视觉库的游戏交互方法及装置 |
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 |