CN114266369A - 一种生活垃圾资源回收系统 - Google Patents
一种生活垃圾资源回收系统 Download PDFInfo
- Publication number
- CN114266369A CN114266369A CN202111581796.0A CN202111581796A CN114266369A CN 114266369 A CN114266369 A CN 114266369A CN 202111581796 A CN202111581796 A CN 202111581796A CN 114266369 A CN114266369 A CN 114266369A
- Authority
- CN
- China
- Prior art keywords
- garbage
- sample
- sub
- point set
- feature point
- 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
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 125
- 238000011084 recovery Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 3
- 238000004064 recycling Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009264 composting Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 239000010791 domestic waste Substances 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种生活垃圾资源回收系统，所述的系统包括：信息提取模块，获取待回收垃圾的图像信息，所述的图像信息包括所述的待回收垃圾的颜色和形状，提取图像信息的特征点，生成检测特征点集合；样本数据库，内部设置有若干个子样本数据库，所述的子样本数据库对应不同的垃圾种类，通过提取子样本数据库内样本数据的特征点，生成子样本特征点集合，所述的样本数据为不同种类垃圾在不同状态下的图像信息；比对分类模块，将检测特征点集合与不同的子样本特征点集合进行比对，识别出所述的待回收垃圾的种类。通过多次比对分析，可以从识别垃圾的种类，从而对于后续的垃圾资源进行回收利用。
Description
技术领域
本发明涉及一种垃圾回收技术领域，具体涉及一种生活垃圾资源回收系统。
背景技术
生活垃圾一般可分为四大类：可回收垃圾、餐厨垃圾、有害垃圾和其它垃圾。常用的垃圾处理方法主要有综合利用、卫生填埋、焚烧和堆肥。
生活垃圾资源化是采取各种管理及工艺措施从生活垃圾中回收有用的物质和能源，使之成为可利用资源的措施。具体措施有加强固体废物资源的管理，建立废物交换和回收机构等；采取生活垃圾资源化的措施，如生活垃圾中有大量的有机物，经过分选和加工处理后，利用微生物的降解制取沼气和肥料等。
不同的生活垃圾资源有着不同的价值和不同的利用方式，因此在生活垃圾资源化利用的过程中，垃圾分类是一项不可缺少的步骤。常见的垃圾分类方式大多为“从源头进行分类”，也即是在垃圾投放时完成垃圾分类，具体方法为使用多个用于装载不同种类垃圾的垃圾桶供人员投放垃圾，这种垃圾分类方式完全依靠人们的自觉，垃圾分类效率较低。
发明内容
本发明的目的在于提供一种生活垃圾资源回收系统，解决以下技术问题：
常规垃圾分类依靠人们的自觉，分类效率较低。
本发明的目的可以通过以下技术方案实现：
一种生活垃圾资源回收系统，所述的系统包括：
信息提取模块，获取待回收垃圾的图像信息，所述的图像信息包括所述的待回收垃圾的颜色和形状，提取图像信息的特征点，生成检测特征点集合；
样本数据库，内部设置有若干个子样本数据库，所述的子样本数据库对应不同的垃圾种类，通过提取子样本数据库内样本数据的特征点，生成子样本特征点集合，所述的样本数据为不同种类垃圾在不同状态下的图像信息；
比对分类模块，将检测特征点集合与不同的子样本特征点集合进行比对，识别出所述的待回收垃圾的种类。
作为本发明进一步的方案：所述的样本数据库具体包括：
收录单元，用于收录各种垃圾在不同状态下的图像信息；
子样本数据库，设置有多个，每个子样本数据库对应一个垃圾种类，用于存放相应种类的垃圾的图像信息；
图像处理单元，提取子样本数据库中的所有图像信息的特征点，整合所有的特征点，相同的特征点仅保留一项，生成所述的子样本数据库的子样本特征点集合。
作为本发明进一步的方案：比对分类模块具体包括：
比对单元，同时提取检测特征点集合和样本数据库中的子样本特征点集合，将检测特征点集合依次与不同的子样本特征点集合进行比对，检测出是否存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集；
分类单元，若存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集，则提取所述的子样本特征点集合所属子样本数据库所对应的垃圾种类。
作为本发明进一步的方案：如果同时出现多个子样本特征点集合，所述的检测特征点集合分别是多个所述的子样本特征点集合的子集时，则与所述的检测特征点集合所对应的待回收垃圾存放至独立的区域，所述的独立区域定义为待定存放区。
作为本发明进一步的方案：提取待定存放区内部的待回收垃圾的图像信息，并且提取与所述的待回收垃圾所对应的检测特征点集合，提取包含有所述的检测特征点集合的子样本特征点集合所对应的子样本数据库中的样本数据，并将所述的样本数据与待回收垃圾的图像信息进行比对，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据，通过样本数据分析得出所述的待回收垃圾的种类。
作为本发明进一步的方案：在所述的样本数据分析中，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据所对应的垃圾种类，计算出出现频率最高的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
作为本发明进一步的方案：在所述的样本数据分析中，选取与所述的待回收垃圾的图像信息相似度最高的样本数据所对应的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
作为本发明进一步的方案：当不存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集时，则判定所述的待回收垃圾为不可识别。
本发明的有益效果：本发明通过收录为不同种类垃圾在不同状态下的图像信息来作为样本数据库，并且同时提取待回收垃圾的图形信息作为测试数据，样本数据和测试数据进行数据的预处理，通过提取特征点的方式分别生成子样本特征点集合和检测特征点集合，从而不需要针对图像文件进行大规模的比对，并且特征点取代图形比对的方式，大大减小了服务器处理压力的同时，还能保证结果的准确性，而且通过多次比对分析，可以识别垃圾的种类，从而对于后续的垃圾资源进行回收利用。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种生活垃圾资源回收系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种生活垃圾资源回收系统，所述的系统包括：
信息提取模块100，获取待回收垃圾的图像信息，所述的图像信息包括所述的待回收垃圾的颜色和形状，提取图像信息的特征点，生成检测特征点集合；
样本数据库200，内部设置有若干个子样本数据库，所述的子样本数据库对应不同的垃圾种类，通过提取子样本数据库内样本数据的特征点，生成子样本特征点集合，所述的样本数据为不同种类垃圾在不同状态下的图像信息；
比对分类模块300，将检测特征点集合与不同的子样本特征点集合进行比对，识别出所述的待回收垃圾的种类。
在机器学习、模式识别和图像处理中，特征提取从初始的一组测量数据开始，并建立旨在提供信息和非冗余的派生值(特征)，从而促进后续的学习和泛化步骤，并且在某些情况下带来更好的可解释性。特征提取与降维有关。特征的好坏对泛化能力有至关重要的影响。对某一模式的组测量值进行变换，以突出该模式具有代表性特征的一种方法。通过影像分析和变换，以提取所需特征的方法。
至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”，也即是同一场景的不同图像所提取的特征应该是相同的。
在本发明其中一种优选的实施例中，所述的样本数据库200具体包括：
收录单元201，用于收录各种垃圾在不同状态下的图像信息；
子样本数据库202，设置有多个，每个子样本数据库对应一个垃圾种类，用于存放相应种类的垃圾的图像信息；
图像处理单元203，提取子样本数据库中的所有图像信息的特征点，整合所有的特征点，相同的特征点仅保留一项，生成所述的子样本数据库的子样本特征点集合。
特征提取是图像处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。
在本发明其中一种优选的实施例中，所述的比对分类模块300具体包括：
比对单元301，同时提取检测特征点集合和样本数据库中的子样本特征点集合，将检测特征点集合依次与不同的子样本特征点集合进行比对，检测出是否存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集；
分类单元302，若存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集，则提取所述的子样本特征点集合所属子样本数据库所对应的垃圾种类。
可以理解的是，在本实施例中，如果同时出现多个子样本特征点集合，所述的检测特征点集合分别是多个所述的子样本特征点集合的子集时，则与所述的检测特征点集合所对应的待回收垃圾存放至独立的区域，所述的独立区域定义为待定存放区。
值得注意的是，在对待定存放区的垃圾进行分类的具体方法为提取待定存放区内部的待回收垃圾的图像信息，并且提取与所述的待回收垃圾所对应的检测特征点集合，提取包含有所述的检测特征点集合的子样本特征点集合所对应的子样本数据库中的样本数据，并将所述的样本数据与待回收垃圾的图像信息进行比对，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据，通过样本数据分析得出所述的待回收垃圾的种类。
针对小样本试验数据的概率分布特征有时无法确定，传统概率统计就无法提供相应的参数估计方法的问题。基于灰色关联理论，首先定义了基于试验数据之间的拓扑关系和距离关系的灰色距离测度。通过对灰色距离测度的灰色生成得到小样本数据的参数估计值，并给出了满足一定灰色置信度下的参数置信区间，继而讨论了概率参数估计与灰色参数估计之间的区别。最后利用计算机对小样本试验数据的参数估计进行了仿真举例，示例结果表明所提方法简单合理，能有效地解决小样本数据参数估计的有关问题。
在本发明其中一种优选的实施例中，在所述的样本数据分析中，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据所对应的垃圾种类，计算出出现频率最高的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
在本发明另一种优选的实施例中，在所述的样本数据分析中，选取与所述的待回收垃圾的图像信息相似度最高的样本数据所对应的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
可以理解得是，当不存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集时，则判定所述的待回收垃圾为不可识别。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种生活垃圾资源回收系统，其特征在于，包括：
信息提取模块，获取待回收垃圾的图像信息，所述的图像信息包括所述的待回收垃圾的颜色和形状，提取图像信息的特征点，生成检测特征点集合；
样本数据库，内部设置有若干个子样本数据库，所述的子样本数据库对应不同的垃圾种类，通过提取子样本数据库内样本数据的特征点，生成子样本特征点集合，所述的样本数据为不同种类垃圾在不同状态下的图像信息；
比对分类模块，将检测特征点集合与不同的子样本特征点集合进行比对，识别出所述的待回收垃圾的种类。
2.根据权利要求1所述的一种生活垃圾资源回收系统,其特征在于，所述的样本数据库具体包括：
收录单元，用于收录各种垃圾在不同状态下的图像信息；
子样本数据库，设置有多个，每个子样本数据库对应一个垃圾种类，用于存放相应种类的垃圾的图像信息；
图像处理单元，提取子样本数据库中的所有图像信息的特征点，整合所有的特征点，相同的特征点仅保留一项，生成所述的子样本数据库的子样本特征点集合。
3.根据权利要求2所述的一种生活垃圾资源回收系统,其特征在于，所述的比对分类模块具体包括：
比对单元，同时提取检测特征点集合和样本数据库中的子样本特征点集合，将检测特征点集合依次与不同的子样本特征点集合进行比对，检测出是否存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集；
分类单元，若存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集，则提取所述的子样本特征点集合所属子样本数据库所对应的垃圾种类。
4.根据权利要求3所述的一种生活垃圾资源回收系统,其特征在于，如果同时出现多个子样本特征点集合，所述的检测特征点集合分别是多个所述的子样本特征点集合的子集时，则与所述的检测特征点集合所对应的待回收垃圾存放至独立的区域，所述的独立区域定义为待定存放区。
5.根据权利要求4所述的一种生活垃圾资源回收系统,其特征在于，提取待定存放区内部的待回收垃圾的图像信息，并且提取与所述的待回收垃圾所对应的检测特征点集合，提取包含有所述的检测特征点集合的子样本特征点集合所对应的子样本数据库中的样本数据，并将所述的样本数据与待回收垃圾的图像信息进行比对，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据，通过样本数据分析得出所述的待回收垃圾的种类。
6.根据权利要求5所述的一种生活垃圾资源回收系统,其特征在于，在所述的样本数据分析中，提取所有与所述的待回收垃圾的图像信息相似度超过设定阈值的样本数据所对应的垃圾种类，计算出出现频率最高的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
7.根据权利要求5所述的一种生活垃圾资源回收系统,其特征在于，在所述的样本数据分析中，选取与所述的待回收垃圾的图像信息相似度最高的样本数据所对应的垃圾种类，并将其判定为所述的待回收垃圾的垃圾种类。
8.根据权利要求5所述的一种生活垃圾资源回收系统,其特征在于，当不存在某一子样本特征点集合，所述的检测特征点集合是该子样本特征点集合的子集时，则判定所述的待回收垃圾为不可识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111581796.0A CN114266369B (zh) | 2021-12-22 | 2021-12-22 | 一种生活垃圾资源回收系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111581796.0A CN114266369B (zh) | 2021-12-22 | 2021-12-22 | 一种生活垃圾资源回收系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114266369A true CN114266369A (zh) | 2022-04-01 |
| CN114266369B CN114266369B (zh) | 2022-07-26 |
Family
ID=80828855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111581796.0A Active CN114266369B (zh) | 2021-12-22 | 2021-12-22 | 一种生活垃圾资源回收系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114266369B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007066121A (ja) * | 2005-09-01 | 2007-03-15 | Meidensha Corp | ごみ分別回収支援システム |
| CN102722709A (zh) * | 2012-05-23 | 2012-10-10 | 杭州朗和科技有限公司 | 一种垃圾图片识别方法和装置 |
| CN107092914A (zh) * | 2017-03-23 | 2017-08-25 | 广东数相智能科技有限公司 | 基于图像识别的垃圾分类方法、装置和系统 |
| CN108820647A (zh) * | 2018-08-30 | 2018-11-16 | 深圳市研本品牌设计有限公司 | 基于图像识别的垃圾投放方法及系统 |
| CN110222676A (zh) * | 2019-07-04 | 2019-09-10 | 谷建勇 | 一种垃圾分类学习系统及其使用方法 |
| CN110316486A (zh) * | 2019-07-31 | 2019-10-11 | 罗亮 | 一种智慧垃圾桶 |
| CN110490246A (zh) * | 2019-08-15 | 2019-11-22 | 中云信安（深圳）科技有限公司 | 垃圾类别确定方法、装置、存储介质及电子设备 |
| CN110683240A (zh) * | 2019-10-30 | 2020-01-14 | 西安航空学院 | 一种基于图像处理的垃圾分类处理系统 |
| CN111017429A (zh) * | 2019-11-20 | 2020-04-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于多因素融合的社区垃圾分类方法及系统 |
| CN111461000A (zh) * | 2020-03-31 | 2020-07-28 | 安徽理工大学 | 一种基于cnn和小波分析的办公室垃圾智能分类方法 |
| CN111680733A (zh) * | 2020-06-01 | 2020-09-18 | 北京建工资源循环利用投资有限公司 | 组分检测、样本库建立方法、装置、平台、系统及介质 |
| KR102158546B1 (ko) * | 2020-06-10 | 2020-09-22 | 송대성 | 가정용 폐기물의 수거 효율을 향상시킬 수 있는 폐기물 수거관리 서버 및 그 방법 |
| CN113057529A (zh) * | 2021-02-22 | 2021-07-02 | 江苏柯林博特智能科技有限公司 | 一种基于楼梯清扫机器人的垃圾分类控制系统 |
-
2021
- 2021-12-22 CN CN202111581796.0A patent/CN114266369B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007066121A (ja) * | 2005-09-01 | 2007-03-15 | Meidensha Corp | ごみ分別回収支援システム |
| CN102722709A (zh) * | 2012-05-23 | 2012-10-10 | 杭州朗和科技有限公司 | 一种垃圾图片识别方法和装置 |
| CN107092914A (zh) * | 2017-03-23 | 2017-08-25 | 广东数相智能科技有限公司 | 基于图像识别的垃圾分类方法、装置和系统 |
| CN108820647A (zh) * | 2018-08-30 | 2018-11-16 | 深圳市研本品牌设计有限公司 | 基于图像识别的垃圾投放方法及系统 |
| CN110222676A (zh) * | 2019-07-04 | 2019-09-10 | 谷建勇 | 一种垃圾分类学习系统及其使用方法 |
| CN110316486A (zh) * | 2019-07-31 | 2019-10-11 | 罗亮 | 一种智慧垃圾桶 |
| CN110490246A (zh) * | 2019-08-15 | 2019-11-22 | 中云信安（深圳）科技有限公司 | 垃圾类别确定方法、装置、存储介质及电子设备 |
| CN110683240A (zh) * | 2019-10-30 | 2020-01-14 | 西安航空学院 | 一种基于图像处理的垃圾分类处理系统 |
| CN111017429A (zh) * | 2019-11-20 | 2020-04-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于多因素融合的社区垃圾分类方法及系统 |
| CN111461000A (zh) * | 2020-03-31 | 2020-07-28 | 安徽理工大学 | 一种基于cnn和小波分析的办公室垃圾智能分类方法 |
| CN111680733A (zh) * | 2020-06-01 | 2020-09-18 | 北京建工资源循环利用投资有限公司 | 组分检测、样本库建立方法、装置、平台、系统及介质 |
| KR102158546B1 (ko) * | 2020-06-10 | 2020-09-22 | 송대성 | 가정용 폐기물의 수거 효율을 향상시킬 수 있는 폐기물 수거관리 서버 및 그 방법 |
| CN113057529A (zh) * | 2021-02-22 | 2021-07-02 | 江苏柯林博特智能科技有限公司 | 一种基于楼梯清扫机器人的垃圾分类控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| R. LIU, J. XIONG, J. WEI AND Y. MAO: "Design of Intelligent Classification Trash Bin Based on Database and Image Recognition", 《2021 3RD INTERNATIONAL ACADEMIC EXCHANGE CONFERENCE ON SCIENCE AND TECHNOLOGY INNOVATION (IAECST)》 * |
| 陈婧敏，张跃华，王雪，孙艳彬: "基于机器视觉的塑料回收标志定位与识别方法研究", 《电脑知识与技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114266369B (zh) | 2022-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| France et al. | A new approach to automated pollen analysis | |
| Ferreira et al. | Behavior knowledge space-based fusion for copy–move forgery detection | |
| Quack et al. | Efficient mining of frequent and distinctive feature configurations | |
| AlGarni et al. | A novel technique for automatic shoeprint image retrieval | |
| US20060062460A1 (en) | Character recognition apparatus and method for recognizing characters in an image | |
| CN113160200A (zh) | 一种基于多任务孪生网络的工业图像缺陷检测方法及系统 | |
| Rushing et al. | Image segmentation using association rule features | |
| CN115758183A (zh) | 日志异常检测模型的训练方法及装置 | |
| CN115794803A (zh) | 一种基于大数据ai技术的工程审计问题监测方法与系统 | |
| CN115238154A (zh) | 搜索引擎优化系统 | |
| CN111970305B (zh) | 基于半监督降维和Tri-LightGBM的异常流量检测方法 | |
| CN114266369B (zh) | 一种生活垃圾资源回收系统 | |
| Angadi et al. | A fuzzy approach for word level script identification of text in low resolution display board images using wavelet features | |
| Joshi et al. | Combination of multiple image features along with KNN classifier for classification of Marathi Barakhadi | |
| Soh et al. | Aida: intelligent image analysis to automatically detect poems in digital archives of historic newspapers | |
| Meessen et al. | Progressive learning for interactive surveillance scenes retrieval | |
| CN112163217B (zh) | 恶意软件变种识别方法、装置、设备及计算机存储介质 | |
| Zhou et al. | A review of a text classification technique: K-Nearest Neighbor | |
| CN110990774A (zh) | 小区垃圾分类识别方法、装置、设备及介质 | |
| Sania et al. | Bounding box and thresholding in optical character recognition for car license plate recognition | |
| Mehri et al. | A bottom-up method using texture features and a graph-based representation for lettrine recognition and classification | |
| CN117648607B (zh) | 一种基于云计算的数据综合研判分析系统及方法 | |
| CN116805414A (zh) | 一种基于贝叶斯神经网络的垃圾分类方法及系统 | |
| Wijayanto et al. | Performance Analysis of Eigenface Method for Detecting Organic and Non-Organic Waste Type | |
| Jain | Optical Character Recognition System for Multilanguage Script Recognition |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 1002, block a, Chuangxin international, Chuangxin Avenue, high tech Zone, Hefei, Anhui 230000 Patentee after: Natural Beauty Environmental Technology Co.,Ltd. Address before: Room 1002, block a, Chuangxin international, Chuangxin Avenue, high tech Zone, Hefei, Anhui 230000 Patentee before: Anhui natural beauty Environmental Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |