CN115205552A - 基于特征识别的金属打包块特征提取、识别系统及方法 - Google Patents

基于特征识别的金属打包块特征提取、识别系统及方法 Download PDF

Info

Publication number
CN115205552A
CN115205552A CN202210829021.9A CN202210829021A CN115205552A CN 115205552 A CN115205552 A CN 115205552A CN 202210829021 A CN202210829021 A CN 202210829021A CN 115205552 A CN115205552 A CN 115205552A
Authority
CN
China
Prior art keywords
feature
identification
metal packaging
metal
information
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
CN202210829021.9A
Other languages
English (en)
Other versions
CN115205552B (zh
Inventor
李勇
解鹏
邹海历
顾云松
刘云飞
周钱钱
姚燕
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.)
Ouye Lianjin Renewable Resources Co ltd
Original Assignee
Ouye Lianjin Renewable Resources 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 Ouye Lianjin Renewable Resources Co ltd filed Critical Ouye Lianjin Renewable Resources Co ltd
Priority to CN202210829021.9A priority Critical patent/CN115205552B/zh
Publication of CN115205552A publication Critical patent/CN115205552A/zh
Application granted granted Critical
Publication of CN115205552B publication Critical patent/CN115205552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于特征识别的金属打包块特征提取、识别系统及方法，涉及特征识别技术领域。该基于特征识别的金属打包块特征提取、识别系统及方法，将图像识别技术及其他特征提取技术应用于废钢打包块，可以解决长久以来未解决的废钢打包块的溯源问题同时采用计算网格点之间的色差值方式避免因为拍摄环境难以保持一致进而导致特征提取及识别的误差问题。

Description

基于特征识别的金属打包块特征提取、识别系统及方法
技术领域
本发明涉及特征识别技术领域，具体为基于特征识别的金属打包块特征提取、识别系统及方法。
背景技术
废钢打包块是废钢行业中最常见的产品，但在废钢打包块的交易中经常会因为各个废钢打包块供货商的产品基本一致，因此难以对废钢打包块进行溯源。废钢打包块的溯源问题成了本行业一直以来没有解决的技术问题。
虽然现有技术中有较为成熟的视觉识别的方式，但一直没有在废钢打包块领域的应用。
于是，本申请人基于对废钢打包块的了解，以及废钢行业的多年经验，组织发明人团队利用废钢打包块表面图案的唯一性、废钢打包块尺寸的唯一性以及废钢打包块重量的唯一性对废钢打包块进行特征提取与识别。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了基于特征识别的金属打包块特征提取、识别系统及方法，解决了以下技术问题：
1、废钢行业中废钢打包块由于产品近似因此难以溯源；
2、废钢打包块的表面图案虽然是唯一的，但现有的人工智能视觉识别技术算法复杂，程序过于庞大，而废钢打包块产品的量是相对较大的，因此采用高精度的算法不易于应用；
3、由于废钢打包块表面的拍摄环境(包括图像传感器)难以保持一致，导致特征提取与识别时出现误差的情况。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于特征识别的金属打包块特征提取、识别系统，用于金属打包块的特征提取与识别，包括特征提取系统、识别系统和服务器，包括特征采集模块和特征提取模块，所述特征采集模块包括第一特特征采集模块和第二特特征采集模块，所述特征提取模块包括第一特征提取模块和第二特征提取模块；
所述提取系统包括第一特特征采集模块和第一特征提取模块；
所述识别系统包括第二特特征采集模块和第二特征提取模块；
所述第一特征提取模块和第二特征提取模块均与服务器连接；
所述第一特特征采集模块用于采集金属打包块的信息后传递给第一特征提取模块；
所述第一特征提取模块用于将金属打包块的信息进行特征提取后将特征提取信息传给服务器；
所述服务器用于储存金属打包块的特征信息；
所述第二特特征采集模块用于采集金属打包块的信息后传递给第二特征提取模块；
所述第二特征提取模块用于将金属打包块的信息进行特征提取后与服务器内储存的金属打包块的特征信息进行对比。
优选的，所述特征采集模块包括颜色识别模块，所述颜色识别模块用于识别金属打包块表面的颜色。
优选的，所述特征采集模块包括尺寸测量模块，所述尺寸测量模块用于测量金属打包块的尺寸。
优选的，所述特征采集模块包括称重模块，所述称重模块用于称量金属打包块的重量。
一种基于特征识别的金属打包块的特征提取、识别方法，包括特征提取方法和识别方法，包括一种基于特征识别的金属打包块特征提取、识别系统；
所述特征提取方法包括如下步骤：
将金属打包块的尺寸、重量中至少一个信息作为该金属打包块的编号；
如选择尺寸作为金属打包块的编号，则编号包括L：A，W：B，H：C，其中A为金属打包块的长度、B为金属打包块的宽度、H为金属打包块的高度；
如选择重量作为金属打包块的编号，则编号包括weight：D，其中D为金属打包块的重量；
将金属打包块的表面特征进行提取，提取步骤如下：
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将颜色特征信息记录在金属打包块的编号内；
如颜色特征信息为灰度值，则编号包括G：E，其中E为灰度值；
如颜色特征信息为RGB值，则编号包括Red：F，Green：G，Blue：H，其中F为RGB值中对应Red的值，G为RGB值中对应Green的值，H为为RGB值中对应Blue的值；
如颜色特征信息为CMYK值，则编号包括Cyan：I，Magenta：J，Yellow：K，Black：L，其中I为CMYK值中对应Cyan的值，J为CMYK值中对应Magenta的值，K为CMYK值中对应Yellow的值，L为CMYK值中对应Black的值；
将金属打包块包含颜色特征信息的编号上传至服务器；
所述识别方法包括如下步骤：
对金属打包块尺寸、重量进行测量；
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将金属打包块的尺寸、重量、网格点的颜色特征信息与服务器中的金属打包块编号进行对比，对金属打包块的来源进行判断。
优选的，所述颜色特征信息为密码数，所述网格点包括第一网格点和第二网格点，所述密码数通过第一网格点的颜色特征信息减去第二网格点的颜色信息特征得到。
(三)有益效果
本发明提供了一种基于特征识别的金属打包块特征提取、识别系统及方法。具备以下有益效果：
(1)、该基于特征识别的金属打包块特征提取、识别系统及方法，将图像识别技术及其他特征提取技术应用于废钢打包块，可以解决长久以来未解决的废钢打包块的溯源问题。
(2)、该基于特征识别的金属打包块特征提取、识别系统及方法利用网格划分以及颜色特征识别的方式，可以大大缩减算法的复杂程度，利于量产应用；
(3)该基于特征识别的金属打包块特征提取、识别系统及方法采用计算网格点之间的色差值方式避免因为拍摄环境难以保持一致进而导致特征提取及识别的误差问题。
附图说明
图1为本发明特征提取、识别系统示意图；
图2为本发明流程图；
图3为废钢照片与网格示意图(灰度)；
图4为废钢照片与网格示意图(8位RGB)；
图5为废钢照片与网格示意图(CMYK)；
图6为废钢照片与网格示意图(灰度，曝光度+1)。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下实施例均为对长宽高分别为121cm、82cm、83cm、重量为4325kg的，金属打包块进行特征提取与识别，金属打包块所拍摄的照片见图3～图5。
第一网格点在网格中的位置为(1.1)；
灰度为62％；
RGB值为Red:117,Green:100,Blue:93；
CMYK值为Cyan:54％,Magenta:52％,Yellow:56％,Black:57％；
第二网格点在网格中的位置为(2.1)；
灰度为32％；
RGB值为Red:160,Green:150,Blue:148；
CMYK值为Cyan:47％,Magenta:37％,Yellow:55％,Black:16％。
图3在曝光度+1后(如图6)，第一网格点的灰度值为48％，第二网格点的灰度值为18％.
实施例1：实现金属打包块溯源的最基本技术方案
一种基于特征识别的金属打包块特征提取、识别系统，用于金属打包块的特征提取与识别，包括特征提取系统、识别系统和服务器，包括特征采集模块和特征提取模块，所述特征采集模块包括第一特特征采集模块和第二特特征采集模块，所述特征提取模块包括第一特征提取模块和第二特征提取模块；
所述提取系统包括第一特特征采集模块和第一特征提取模块；
所述识别系统包括第二特特征采集模块和第二特征提取模块；
所述第一特征提取模块和第二特征提取模块均与服务器连接；
所述第一特特征采集模块用于采集金属打包块的信息后传递给第一特征提取模块；
所述第一特征提取模块用于将金属打包块的信息进行特征提取后将特征提取信息传给服务器；
所述服务器用于储存金属打包块的特征信息；
所述第二特特征采集模块用于采集金属打包块的信息后传递给第二特征提取模块；
所述第二特征提取模块用于将金属打包块的信息进行特征提取后与服务器内储存的金属打包块的特征信息进行对比。
其中：
特征采集模块至少包括颜色识别模块、尺寸测量模块、称重模块中的一种。原理分别对应金属打包块表面图案唯一性，尺寸唯一性以及重量唯一性。
识别模块、尺寸测量模块、称重模块中最简单实现的是称重模块和尺寸测量模块，所对应的特征值也较少，但由于金属打包块的可能数量较多，为了提高特征提取与识别的精度在仅有称重模块或尺寸测量模块的情况下必须要提高称重模块或的尺寸测量模块精度，但精度越高的称重模块或尺寸测量模块的成本是以指数形式递增的，因此称重模块和尺寸测量模块组合使用是较为节约成本的方式。
实施例2：实施例1的特征提取、识别方法
一种基于特征识别的金属打包块的特征提取、识别方法，包括特征提取方法和识别方法，包括一种基于特征识别的金属打包块特征提取、识别系统；
所述特征提取方法包括如下步骤：
将金属打包块的尺寸信息作为该金属打包块的编号；一般为了方便溯源，生产商的代号也可以加在编号内容中。
将金属打包块的表面特征进行提取，提取步骤如下：
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将颜色特征信息记录在金属打包块的编号内；
第一网格点的位置为(1.1)，灰度为62％。
将金属打包块包含颜色特征信息的编号上传至服务器；
编号为L121W83H83-1.1-62；
所述识别方法包括如下步骤：
对金属打包块尺寸、重量进行测量；
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将金属打包块的尺寸网格点的颜色特征信息与服务器中的金属打包块编号进行对比，对金属打包块的来源进行判断，如识别出的信息与编号为L121W83H83-1.1-62中所含信息相同，则可以确定金属打包块的来源为这家生产商。
网格划分方法可以采用直角坐标网格，也可以采用极坐标网格或斜坐标网格，但注意在后续的识别过程中可以采用相同的坐标网格进行对应识别，也可以将不同的坐标类型进行转化为相同的坐标后再进行识别。
照相机拍摄时可以将金属打包块放在绿幕或百幕上进行拍摄，然后将金属打包块从拍摄图像中抠出再进行网格划分。将金属打包块的图像从拍摄图像中抠出为成熟的现有技术，也可以人工利用照片软件将金属打包块的图像抠出(俗称抠图)。
实施例2～实施例2.2中均采用直角坐标网格，为了方便描述实施例仅以第一网格点和第二网格点作为特征信息来描述(实施例2、实施例2.1仅以第一网格点作为特征信息来描述)，RGB为八位RGB。
在实际使用过程中可以考虑金属打包块的数量而变化网格点的密度，或颜色识别的精度，如果金属打包块的数量巨大，则建议提高网格点的密度或颜色识别的精度以便对更多的金属打包块进行特征识别与记录。相反在金属打包块数量较少的情况下，可以降低网格点的密度或颜色识别的精度。
采用RGB值和CMYK值的特征提取与识别过程与实施例2相似因此不再赘述。
实施例2.1：增加重量特征提取与识别
与实施例2的区别在于：金属打包块的编号包括weight：D，其中D为金属打包块的重量。此时上传的编号为L121W83H83weight4325-1.1-62。
实施例2.2：为了防止拍摄环境对识别精度的影响
与实施例2的区别在于：所述颜色特征信息为密码数，所述网格点包括第一网格点和第二网格点，所述密码数通过第一网格点的颜色特征信息的值减去第二网格点的颜色信息特征的值得到。
此时上传的编号为L121W83H83-1.1-30。
实际使用过程中如果在识别过程中因为环境光或者相机参数的影响会导致颜色特征信息发生变化，从而引起误差的出现，但在同一张图中两点之间的色差是不会发生改变的，因此将第一网格点的颜色特征信息减去第二网格点的颜色信息特征进而得到对应的色差值。
在实施例2.2中将相机的曝光值+1，此时第一网格点的灰度识别值会变化为48％，同时第二网格点的灰度值变为18％。但第一个网格点与第二网格点的灰度的差值没有发生变化。
在RGB值和CMYK值中也会出现类似的问题，但利用同图上两点之间的色差不变的原理可以解决拍摄环境或相机参数不同而导致误差的问题。
当然相机的参数与环境也不能相差过大，当曝光值调整到3之后，第二网格点的灰度值早就变为0了，参与色差计算反而会产生较大的误差。
综上所述，该基于特征识别的金属打包块特征提取、识别系统及方法，将图像识别技术及其他特征提取技术应用于废钢打包块，可以解决长久以来未解决的废钢打包块的溯源问题同时采用计算网格点之间的色差值方式避免因为拍摄环境难以保持一致进而导致特征提取及识别的误差问题。
需要说明的是，在发明的描述中，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示对本发明结构的说明，仅是为了便于描述本发明的简便，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
对于本技术方案中的“第一”和“第二”，仅为对相同或相似结构，或者起相似功能的对应结构的称谓区分，不是对这些结构重要性的排列，也没有排序、或比较大小、或其他含义。
另外，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，连接可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个结构内部的连通。对于本领域的普通技术人员而言，可以根据本发明的总体思路，联系本方案上下文具体情况理解上述术语在本发明中的具体含义。

Claims (6)

1.一种基于特征识别的金属打包块特征提取、识别系统，用于金属打包块的特征提取与识别，包括特征提取系统、识别系统和服务器，其特征在于：包括特征采集模块和特征提取模块，所述特征采集模块包括第一特特征采集模块和第二特特征采集模块，所述特征提取模块包括第一特征提取模块和第二特征提取模块；
所述提取系统包括第一特特征采集模块和第一特征提取模块；
所述识别系统包括第二特特征采集模块和第二特征提取模块；
所述第一特征提取模块和第二特征提取模块均与服务器连接；
所述第一特特征采集模块用于采集金属打包块的信息后传递给第一特征提取模块；
所述第一特征提取模块用于将金属打包块的信息进行特征提取后将特征提取信息传给服务器；
所述服务器用于储存金属打包块的特征信息；
所述第二特特征采集模块用于采集金属打包块的信息后传递给第二特征提取模块；
所述第二特征提取模块用于将金属打包块的信息进行特征提取后与服务器内储存的金属打包块的特征信息进行对比。
2.根据权利要求1所述的一种基于特征识别的金属打包块特征提取、识别系统，其特征在于：所述特征采集模块包括颜色识别模块，所述颜色识别模块用于识别金属打包块表面的颜色。
3.根据权利要求1所述的一种基于特征识别的金属打包块特征提取、识别系统，其特征在于：所述特征采集模块包括尺寸测量模块，所述尺寸测量模块用于测量金属打包块的尺寸。
4.根据权利要求1所述的一种基于特征识别的金属打包块特征提取、识别系统，其特征在于：所述特征采集模块包括称重模块，所述称重模块用于称量金属打包块的重量。
5.一种基于特征识别的金属打包块的特征提取、识别方法，包括特征提取方法和识别方法，其特征在于：包括权利要求1～4中任意一项权利要求所述的一种基于特征识别的金属打包块特征提取、识别系统；
所述特征提取方法包括如下步骤：
将金属打包块的尺寸、重量中至少一个信息作为该金属打包块的编号；
如选择尺寸作为金属打包块的编号，则编号包括L：A，W：B，H：C，其中A为金属打包块的长度、B为金属打包块的宽度、H为金属打包块的高度；
如选择重量作为金属打包块的编号，则编号包括weight：D，其中D为金属打包块的重量；
将金属打包块的表面特征进行提取，提取步骤如下：
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将颜色特征信息记录在金属打包块的编号内；
如颜色特征信息为灰度值，则编号包括G：E，其中E为灰度值；
如颜色特征信息为RGB值，则编号包括Red：F，Green：G，Blue：H，其中F为RGB值中对应Red的值，G为RGB值中对应Green的值，H为为RGB值中对应Blue的值；
如颜色特征信息为CMYK值，则编号包括Cyan：I，Magenta：J，Yellow：K，Black：L，其中I为CMYK值中对应Cyan的值，J为CMYK值中对应Magenta的值，K为CMYK值中对应Yellow的值，L为CMYK值中对应Black的值；
将金属打包块包含颜色特征信息的编号上传至服务器；
所述识别方法包括如下步骤：
对金属打包块尺寸、重量进行测量；
对金属打包块的表面进行拍摄；
将拍摄的照片进行网格划分；
记录网格点的位置与网格点的颜色特征信息；
将金属打包块的尺寸、重量、网格点的颜色特征信息与服务器中的金属打包块编号进行对比，对金属打包块的来源进行判断。
6.根据权利要求5所述的一种基于特征识别的金属打包块的特征提取、识别方法，其特征在于：所述颜色特征信息为密码数，所述网格点包括第一网格点和第二网格点，所述密码数通过第一网格点的颜色特征信息减去第二网格点的颜色信息特征得到。
CN202210829021.9A 2022-07-14 2022-07-14 基于特征识别的金属打包块特征提取、识别系统及方法 Active CN115205552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210829021.9A CN115205552B (zh) 2022-07-14 2022-07-14 基于特征识别的金属打包块特征提取、识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210829021.9A CN115205552B (zh) 2022-07-14 2022-07-14 基于特征识别的金属打包块特征提取、识别系统及方法

Publications (2)

Publication Number Publication Date
CN115205552A true CN115205552A (zh) 2022-10-18
CN115205552B CN115205552B (zh) 2024-07-09

Family

ID=83581587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210829021.9A Active CN115205552B (zh) 2022-07-14 2022-07-14 基于特征识别的金属打包块特征提取、识别系统及方法

Country Status (1)

Country Link
CN (1) CN115205552B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050140974A1 (en) * 2002-03-15 2005-06-30 Matsushita Electric Industrial Co., Ltd. Metal identifying device and metal identifying method
CN101031022A (zh) * 2006-01-05 2007-09-05 夏普株式会社 图像处理装置,图像形成装置,图像处理装置的控制方法
CN106228167A (zh) * 2015-07-30 2016-12-14 全维智造（北京）技术开发有限公司 特征采集、标记和识别方法
CN106295936A (zh) * 2015-05-29 2017-01-04 深圳镭博万科技有限公司 轮毂类型识别装置和轮毂标识追溯管理系统
CN111340515A (zh) * 2020-03-02 2020-06-26 北京京东振世信息技术有限公司 一种特征信息生成和物品溯源方法和装置
CN111652220A (zh) * 2020-06-04 2020-09-11 上海鸢安智能科技有限公司 基于点阵图像的金属部件身份识别方法、系统、存储介质、终端
CN111930987A (zh) * 2020-08-11 2020-11-13 复旦大学 一种基于机器视觉颜色识别的智慧城域定位方法及系统
CN112149690A (zh) * 2020-09-29 2020-12-29 厦门大学 一种基于生物图像特征识别的溯源方法和溯源系统
KR20210004038A (ko) * 2019-07-03 2021-01-13 제이엔케이히터(주) 유해화학물질 누출 방재를 위한 관제 시스템
CN113447072A (zh) * 2021-06-04 2021-09-28 易旻 一种基于轮廓测量的唯一性识别方法及系统
CN114067351A (zh) * 2021-09-02 2022-02-18 四川楠水农牧科技有限公司 一种基于图像的牛只唯一性识别方法、装置及管理系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050140974A1 (en) * 2002-03-15 2005-06-30 Matsushita Electric Industrial Co., Ltd. Metal identifying device and metal identifying method
CN101031022A (zh) * 2006-01-05 2007-09-05 夏普株式会社 图像处理装置,图像形成装置,图像处理装置的控制方法
CN106295936A (zh) * 2015-05-29 2017-01-04 深圳镭博万科技有限公司 轮毂类型识别装置和轮毂标识追溯管理系统
CN106228167A (zh) * 2015-07-30 2016-12-14 全维智造（北京）技术开发有限公司 特征采集、标记和识别方法
KR20210004038A (ko) * 2019-07-03 2021-01-13 제이엔케이히터(주) 유해화학물질 누출 방재를 위한 관제 시스템
CN111340515A (zh) * 2020-03-02 2020-06-26 北京京东振世信息技术有限公司 一种特征信息生成和物品溯源方法和装置
CN111652220A (zh) * 2020-06-04 2020-09-11 上海鸢安智能科技有限公司 基于点阵图像的金属部件身份识别方法、系统、存储介质、终端
CN111930987A (zh) * 2020-08-11 2020-11-13 复旦大学 一种基于机器视觉颜色识别的智慧城域定位方法及系统
CN112149690A (zh) * 2020-09-29 2020-12-29 厦门大学 一种基于生物图像特征识别的溯源方法和溯源系统
CN113447072A (zh) * 2021-06-04 2021-09-28 易旻 一种基于轮廓测量的唯一性识别方法及系统
CN114067351A (zh) * 2021-09-02 2022-02-18 四川楠水农牧科技有限公司 一种基于图像的牛只唯一性识别方法、装置及管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吉利宏;: "废钢备料定位技术在河钢宣钢的应用", 河北冶金, no. 05, 28 May 2018 (2018-05-28) *

Also Published As

Publication number Publication date
CN115205552B (zh) 2024-07-09

Similar Documents

Publication Publication Date Title
CN103091615B (zh) 测量图像传感器的响应曲线的方法及装置
CN110033510B (zh) 建立颜色映射关系用于校正渲染图像颜色的方法及装置
CN108600723A (zh) 一种全景相机的颜色校正方法及评价方法
CN101620679B (zh) 图像中的红眼消除方法
JP6455764B2 (ja) 色補正パラメータ算出方法、色補正パラメータ算出装置および画像出力システム
KR20050074590A (ko) 광원 추정 장치, 광원 추정 방법, 촬상 장치 및 화상 처리방법
CN109520706B (zh) 一种汽车保险丝盒的螺孔坐标提取方法
CN110232885A (zh) 一种显示屏亮度测量方法、系统及终端
US20140267782A1 (en) Apparatus And Method For Automated Self-Training Of White Balance By Electronic Cameras
CN110660352B (zh) 一种led显示屏逐点校正方法、装置、系统及存储介质
EP3888345A1 (en) Method for generating image data for machine learning based imaging algorithms
US11398055B2 (en) Color evaluation device, color evaluation method, and indication object used in color evaluation method
CN110035199A (zh) 图像颜色转换装置、图像颜色转换方法
CN115103168A (zh) 图像生成方法、装置、电子设备及存储介质
CN107635124A (zh) 人脸拍摄的白平衡处理方法、装置及设备
CN115205552A (zh) 基于特征识别的金属打包块特征提取、识别系统及方法
CN117336453B (zh) 一种安检图像转换方法、系统、设备及存储介质
JP3943167B2 (ja) 色変換方法
CN103200349A (zh) 一种扫描图像色偏自动检测方法
CN107251554A (zh) 色彩表生成装置、摄像机图像补正/控制装置及其方法
CN116485844A (zh) 基于背景差分法的电能表图像信息采集方法
CN113873210B (zh) 一种色彩还原真实性精度检测方法
CN113670443B (zh) 基于设备无关颜色空间的色差测量方法、系统和智能终端
EP1484907A2 (en) Color correction in images
CN101655978B (zh) 一种图像分析的方法和装置

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