CN115578696B - 一种冻干粉生产跟踪系统的数据处理方法 - Google Patents

一种冻干粉生产跟踪系统的数据处理方法 Download PDF

Info

Publication number
CN115578696B
CN115578696B CN202211507948.7A CN202211507948A CN115578696B CN 115578696 B CN115578696 B CN 115578696B CN 202211507948 A CN202211507948 A CN 202211507948A CN 115578696 B CN115578696 B CN 115578696B
Authority
CN
China
Prior art keywords
freeze
storage device
tracking
monitoring video
drying storage
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.)
Active
Application number
CN202211507948.7A
Other languages
English (en)
Other versions
CN115578696A (zh
Inventor
梅建勋
周朋君
王啸
谭慕华
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.)
Guangdong Mercells Cell Biotechnology Co ltd
Original Assignee
Guangdong Mercells Cell Biotechnology 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 Guangdong Mercells Cell Biotechnology Co ltd filed Critical Guangdong Mercells Cell Biotechnology Co ltd
Priority to CN202211507948.7A priority Critical patent/CN115578696B/zh
Publication of CN115578696A publication Critical patent/CN115578696A/zh
Application granted granted Critical
Publication of CN115578696B publication Critical patent/CN115578696B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Drying Of Solid Materials (AREA)

Abstract

本发明提供的一种冻干粉生产跟踪系统的数据处理方法,涉及数据处理技术领域。在本发明中,分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频。分别对每一个跟踪监控视频进行视频解析,输出每一个冻干存储设备对应的初始性能特征值。依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。基于上述内容,可以提高冻干粉的监控效率。

Description

一种冻干粉生产跟踪系统的数据处理方法
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种冻干粉生产跟踪系统的数据处理方法。
背景技术
对于干燥热敏性制品和需要保持生物活性的物质,冻干是一种有效的方法,此法是将需要干燥的制品在低温下使其所含的水分冻结,然后,放在真空的环境下干燥,让水分由固体状态直接升华为水蒸气并从制品中排除而使制品活性干燥。该方法有效地防止了制品理化及生物特性的改变,对生物组织和细胞结构和特征的损伤较小,使其快速进入休眠状态,有效保护了许多热敏性制品有效成份的稳定性,如蛋白质、微生物类不会发生变性和丢失其生物活性;其次,冻干制品在干燥后形态疏松、颜色基本不发生改变,加水后能够快速溶解并恢复原有水溶液的理化特性和生物活性。第三,由于干燥在真空条件下进行,对于一些易氧化的物质具有很好的保护作用。第四,制品经过冻干后水份含量非常低,使制品的稳定性提高,受污染的机会减小,这不仅方便了运输还延长了制品保存期限。
由于冻干有如上述较多的优势,使得其具有较多的应用场景,而随着其应用的增多,对于其品质的要求也逐渐提升。因此,需要对冻干粉的品质进行跟踪监控,但是,现有技术中存在监控效率低的问题。
发明内容
有鉴于此,本发明的目的在于提供一种冻干粉生产跟踪系统的数据处理方法,以提高冻干粉的监控效率。
为实现上述目的,本发明采用如下技术方案:
一种冻干粉生产跟踪系统的数据处理方法,应用于数据处理服务器,所述冻干粉生产跟踪系统的数据处理方法包括:
分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频,每一个所述冻干存储设备存储有生产加工形成的冻干粉,每一个所述冻干存储设备属于透明设备;
分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值,所述初始性能特征值反映对应的冻干存储设备存储的冻干粉的性能优异程度;
依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值,所述冻干存储设备为多个。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频的步骤,包括:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备进行抖动的过程中,通过通信连接的视频监控设备对该冻干存储设备进行视频监控,以形成该冻干存储设备对应的跟踪监控视频,所述跟踪监控视频包括多帧跟踪监控视频帧,所述多帧跟踪监控视频帧中至少存在两帧跟踪监控视频帧对应的冻干粉因对应的干存储设备抖动而不完全相同。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移的步骤,包括:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备本次的抖动时长到达目标时长之后,通过所述机械设备控制该冻干存储设备进行旋转,并在该冻干存储设备旋转之后,通过所述机械设备控制该冻干存储设备再次进行抖动。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值的步骤,包括:
对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,每一个参考监控视频具有对应的视频标签信息,所述视频标签信息反映对应的参考冻干粉的性能优异程度;
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果的步骤,包括:
将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行一一对应,以形成候选对应关系,以及,在所述将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行一一对应,以形成候选对应关系的步骤执行多次之后,输出对应数量的多种候选对应关系;
对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度;
对于每一种所述候选对应关系,对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度进行融合,以输出该候选对应关系对应的视频帧相似度融合值,再依据每一种所述候选对应关系对应的视频帧相似度融合值,从所述多种候选对应关系中,匹配一种候选对应关系,以标记形成目标对应关系;
对于所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧,对该组跟踪监控视频帧和参考监控视频帧对应的视频帧时序进行差值计算,以输出该组跟踪监控视频帧和参考监控视频帧对应的时序差值;
对所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧对应的时序差值进行求和计算,以输出所述目标对应关系对应的目标时序差值,再依据所述目标对应关系对应的目标时序差值,对所述目标对应关系对应的视频帧相似度融合值进行更新,以输出所述跟踪监控视频和所述参考监控视频之间的视频相似度,所述视频相似度作为述跟踪监控视频和所述参考监控视频之间的视频对比分析结果。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度的步骤,包括:
A1,依据预先配置的目标路径,对所述跟踪监控视频帧包括的像素点进行遍历,以形成所述跟踪监控视频帧对应的第一像素遍历路径,再依据所述目标路径对所述参考监控视频帧包括的像素点进行遍历,以形象所述参考监控视频帧对应的第二像素遍历路径;
B1,对所述第一像素遍历路径进行筛选,以形成所述第一像素遍历路径对应的第一像素有序集合,所述第一像素有序集合包括多个第一像素点,每一个所述第一像素点为所述第一像素遍历路径中对应的第一路径片段中的第一个像素点,所述第一路径片段依据所述第一像素遍历路径对应的多个第一分割位置进行分割形成,每一个所述第一分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第一路径片段包括的像素点的像素值一致,使得任意相邻两个第一路径片段包括的像素点的像素值不一致;
C1,对所述第二像素遍历路径进行筛选,以形成所述第二像素遍历路径对应的第二像素有序集合,所述第二像素有序集合包括多个第二像素点,每一个所述第二像素点为所述第二像素遍历路径中对应的第二路径片段中的第一个像素点,所述第二路径片段依据所述第二像素遍历路径对应的多个第二分割位置进行分割形成,每一个所述第二分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第二路径片段包括的像素点的像素值一致,使得任意相邻两个第二路径片段包括的像素点的像素值不一致;
D1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段和所述第二像素有序集合包括的每一个第二像素点对应的第二路径片段,从所述第二像素有序集合中,匹配出该第一像素点对应的相关第二像素点,每一个所述第一像素点对应的相关第二像素点的数量等于0或1,所述第一像素点对应的第一路径片段在所述第一像素遍历路径中的路径位置和对应的相关第二像素点对应的第二路径片段在所述第二像素遍历路径中的路径位置完全重合;
E1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段包括的像素点的数量,对该第一像素点进行特征系数的确定,以输出该第一像素点对应的特征系数,所述特征系数和所述第一路径片段包括的像素点的数量之间正相关,再依据每一个所述第一像素点对应的特征系数,对所述第一像素有序集合包括的每一个第一像素点对应的相关第二像素点的数量进行融合,以输出第一相似系数;
F1,对所述跟踪监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,再对所述参考监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,以及,依据所述更新后的跟踪监控视频帧和所述更新后的跟踪监控视频帧,依次执行步骤A1、步骤B1、步骤C1、步骤D1以及步骤E1,以输出更新后的第一相似系数,在视频帧更新的过程中,以预设尺寸分别对所述跟踪监控视频帧和所述参考监控视频帧进行区域划分,再将对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的跟踪监控视频帧中的一个像素点的像素值、对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的参考监控视频帧中的一个像素点的像素值,且所述更新后的跟踪监控视频帧包括的像素点的数量等于所述划分区域的数量,所述更新后的参考监控视频帧包括的像素点的数量等于所述划分区域的数量,每一次执行步骤F1时,对应的预设尺寸不同;
G1,在多次执行步骤F1之后,对所述第一相似系数和每一次执行步骤F1输出的更新后的第一相似系数进行融合,以输出所述跟踪监控视频帧和参考监控视频帧之间的视频帧相似度。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值的步骤,包括:
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果表征的视频相似度,确定出每一个参考监控视频相对于该跟踪监控视频具有的加权系数;
对于每一个所述跟踪监控视频,依据每一个参考监控视频相对于该跟踪监控视频具有的加权系数,对每一个参考监控视频对应的视频标签信息反映的性能优异程度进行加权求和计算,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值的步骤,包括:
对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备的步骤,包括:
依据每一个冻干存储设备存储冻干粉的先后顺序,分别对每一个所述冻干存储设备进行编号,以形成每一个冻干存储设备对应的设备编号;
对于每一个所述冻干存储设备,分别计算该冻干存储设备以外的每一个其它冻干存储设备对应的设备编号与该冻干存储设备对应的设备编号之间的编号差值,再将编号差值小于或等于目标差值的每一个其它冻干存储设备,标记为该冻干存储设备对应的相关冻干存储设备,所述编号差值为绝对差值,所述编号差值反映对应的两个冻干存储设备之间的相关程度,所述编号差值与所述相关程度之间具有负相关的对应关系。
在一些优选的实施例中,在上述冻干粉生产跟踪系统的数据处理方法中,所述对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值的步骤,包括:
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度,对该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值进行加权求和均值计算,以输出该冻干存储设备对应的参考性能特征值,所述加权求和均值计算对应的加权系数和所述相关程度之间具有正相关的对应关系;
对于每一个所述冻干存储设备,对该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度进行均值计算,以输出该冻干存储设备对应的参考相关程度;
对于每一个所述冻干存储设备,对该冻干存储设备对应的参考相关程度和预先配置的相关程度上限值进行求和计算,以输出该冻干存储设备对应的相关程度和值,再对该参考相关程度和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第一比值,再对该相关程度上限值和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第二比值;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的第一比值和第二比值,对该冻干存储设备对应的参考性能特征值和初始性能特征值进行加权均值计算,以输出该冻干存储设备对应的目标性能特征值,在进行加权均值计算的过程中,所述第一比值作为所述参考性能特征值的加权系数,所述第二比值作为所述初始性能特征值对应的加权系数。
本发明提供的一种冻干粉生产跟踪系统的数据处理方法,分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频。分别对每一个跟踪监控视频进行视频解析,输出每一个冻干存储设备对应的初始性能特征值。依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。通过前述的内容,通过进行视频解析以确定冻干粉的性能优异程度,可以提高冻干粉的监控效率,从而改善现有技术(依靠工作人员的经验进行品质的鉴别)中对于冻干粉的品质监控的效率较低的问题。另外,通过参考其它其它冻干存储设备对应的初始性能特征值,对冻干存储设备对应的初始性能特征值进行调整,还可以在一定程度提高确定的性能优异程度的可靠度。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的数据处理服务器的结构框图。
图2为本发明实施例提供的冻干粉生产跟踪系统的数据处理方法包括的各步骤的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
参照图1所示,本发明实施例提供了一种数据处理服务器。其中,所述数据处理服务器可以包括存储器和处理器。
应当说明的是,在一些可能的实施方式中,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的冻干粉生产跟踪系统的数据处理方法。
应当说明的是,在一些可能的实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
应当说明的是,在一些可能的实施方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
应当说明的是,在一些可能的实施方式中,所述数据处理服务器还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备进行信息交互的通信单元。
结合图2,本发明实施例还提供一种冻干粉生产跟踪系统的数据处理方法,可应用于上述数据处理服务器。其中,所述冻干粉生产跟踪系统的数据处理方法有关的流程所定义的方法步骤,可以由所述数据处理服务器实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频。
在本发明实施例中,所述数据处理服务器可以分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频。每一个所述冻干存储设备存储有生产加工形成的冻干粉,每一个所述冻干存储设备属于透明设备(使得可以对冻干粉的信息进行采集)。
步骤S120,分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
在本发明实施例中,所述数据处理服务器可以分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值(例如,干粉所含水分的量不同,可以使得干粉呈现出不同的图像信息,如形态疏松程度和颜色都可能会不同,因而,可以对视频进行解析以确定性能,基于此,本发明实施例可以是针对一些形态疏松程度和颜色容易发生较大变化的冻干粉)。所述初始性能特征值反映对应的冻干存储设备存储的冻干粉的性能优异程度。
步骤S130,依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。
在本发明实施例中,所述数据处理服务器可以依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。所述冻干存储设备为多个。
通过前述的内容,通过进行视频解析以确定冻干粉的性能优异程度,可以提高冻干粉的监控效率,从而改善现有技术(依靠工作人员的经验进行品质的鉴别)中对于冻干粉的品质监控的效率较低的问题。另外,通过参考其它其它冻干存储设备对应的初始性能特征值,对冻干存储设备对应的初始性能特征值进行调整,还可以在一定程度提高确定的性能优异程度的可靠度(也就是说,确定的目标性能优异程度的依据更佳充分)。
应当说明的是,上文中所涉及到的步骤S110,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移(以便于进行视频监控时,可以对该冻干存储设备中的各冻干粉都进行信息的采集);
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备进行抖动的过程中,通过通信连接的视频监控设备对该冻干存储设备进行视频监控,以形成该冻干存储设备对应的跟踪监控视频,所述跟踪监控视频包括多帧跟踪监控视频帧,所述多帧跟踪监控视频帧中至少存在两帧跟踪监控视频帧对应的冻干粉因对应的干存储设备抖动而不完全相同。
应当说明的是,上文中所涉及到的所述对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备本次的抖动时长到达目标时长之后(所述目标时长可以根据实际应用场景进行配置,如冻干存储设备中冻干粉的体积占比越大,目标时长可以越大),通过所述机械设备控制该冻干存储设备进行旋转,并在该冻干存储设备旋转之后,通过所述机械设备控制该冻干存储设备再次进行抖动。
应当说明的是,上文中所涉及到的所述对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备本次的抖动时长到达目标时长之后,通过所述机械设备控制该冻干存储设备进行旋转,并在该冻干存储设备旋转之后,通过所述机械设备控制该冻干存储设备再次进行抖动的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备本次的抖动时长到达目标时长之后,通过所述机械设备控制该冻干存储设备进行旋转,并在该冻干存储设备旋转目标角度(所述目标角度可以根据实际应用场景进行配置,如冻干存储设备的截面积越大,所述目标角度可以越小)之后,停止进行旋转;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备停止进行旋转之后,通过所述机械设备控制该冻干存储设备再次进行抖动,并对本次抖动进行时长监控,直到该时长等于所述目标时长,再次控制该冻干存储设备停止进行抖动,以及,再次进行旋转所述目标角度,如此循环,直到该冻干存储设备进行旋转的旋转角度的和值等于360度。
应当说明的是,上文中所涉及到的步骤S120,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,每一个参考监控视频具有对应的视频标签信息,所述视频标签信息反映对应的参考冻干粉的性能优异程度(例如,冻干粉的水分越低或者变性程度越低,性能优异程度越低,其中,对于参考冻干粉的水分或者变性程度,可以通过进行相应的检验以得到);
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
应当说明的是,上文中所涉及到的所述对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容(其中,以下内容针对的是一个跟踪监控视频和一个参考监控视频):
将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行(任意的)一一对应,以形成候选对应关系,以及,在所述将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行一一对应,以形成候选对应关系的步骤执行多次之后,输出对应数量的多种候选对应关系;
对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度;
对于每一种所述候选对应关系,对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度进行融合(如计算平均值),以输出该候选对应关系对应的视频帧相似度融合值,再依据每一种所述候选对应关系对应的视频帧相似度融合值,从所述多种候选对应关系中,匹配一种候选对应关系,以标记形成目标对应关系(例如,所述目标对应关系对应的视频帧相似度融合值可以是最大的);
对于所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧,对该组跟踪监控视频帧和参考监控视频帧对应的视频帧时序进行差值计算,以输出该组跟踪监控视频帧和参考监控视频帧对应的时序差值;
对所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧对应的时序差值进行求和计算,以输出所述目标对应关系对应的目标时序差值,再依据所述目标对应关系对应的目标时序差值,对所述目标对应关系对应的视频帧相似度融合值进行更新(其中,在视频帧相似度融合值相同的情况下,目标时序差值越低,更新得到的视频相似度越小),以输出所述跟踪监控视频和所述参考监控视频之间的视频相似度,所述视频相似度作为述跟踪监控视频和所述参考监控视频之间的视频对比分析结果。
应当说明的是,上文中所涉及到的所述对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度的步骤,在一些可能的实施方式中,可以包括以下具体内容(其中,以下内容针对的是一组跟踪监控视频帧和参考监控视频帧):
A1,依据预先配置的目标路径(如从视频帧中的左上到右下),对所述跟踪监控视频帧包括的像素点进行遍历,以形成所述跟踪监控视频帧对应的第一像素遍历路径,再依据所述目标路径对所述参考监控视频帧包括的像素点进行遍历,以形象所述参考监控视频帧对应的第二像素遍历路径;
B1,对所述第一像素遍历路径进行筛选,以形成所述第一像素遍历路径对应的第一像素有序集合,所述第一像素有序集合包括多个第一像素点,每一个所述第一像素点为所述第一像素遍历路径中对应的第一路径片段中的第一个像素点,所述第一路径片段依据所述第一像素遍历路径对应的多个第一分割位置进行分割形成,每一个所述第一分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第一路径片段包括的像素点的像素值一致,使得任意相邻两个第一路径片段包括的像素点的像素值不一致;
C1,对所述第二像素遍历路径进行筛选,以形成所述第二像素遍历路径对应的第二像素有序集合,所述第二像素有序集合包括多个第二像素点,每一个所述第二像素点为所述第二像素遍历路径中对应的第二路径片段中的第一个像素点,所述第二路径片段依据所述第二像素遍历路径对应的多个第二分割位置进行分割形成,每一个所述第二分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第二路径片段包括的像素点的像素值一致,使得任意相邻两个第二路径片段包括的像素点的像素值不一致;
D1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段和所述第二像素有序集合包括的每一个第二像素点对应的第二路径片段,从所述第二像素有序集合中,匹配出该第一像素点对应的相关第二像素点,每一个所述第一像素点对应的相关第二像素点的数量等于0或1,所述第一像素点对应的第一路径片段在所述第一像素遍历路径中的路径位置和对应的相关第二像素点对应的第二路径片段在所述第二像素遍历路径中的路径位置完全重合;
E1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段包括的像素点的数量,对该第一像素点进行特征系数的确定,以输出该第一像素点对应的特征系数,所述特征系数和所述第一路径片段包括的像素点的数量之间正相关,再依据每一个所述第一像素点对应的特征系数,对所述第一像素有序集合包括的每一个第一像素点对应的相关第二像素点的数量进行融合(例如,可以是依据所述特征系数对该数量进行加权求和计算),以输出第一相似系数;
F1,对所述跟踪监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,再对所述参考监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,以及,依据所述更新后的跟踪监控视频帧和所述更新后的跟踪监控视频帧,依次执行步骤A1、步骤B1、步骤C1、步骤D1以及步骤E1,以输出更新后的第一相似系数,在视频帧更新的过程中,以预设尺寸分别对所述跟踪监控视频帧和所述参考监控视频帧进行区域划分,再将对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的跟踪监控视频帧中的一个像素点的像素值、对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的参考监控视频帧中的一个像素点的像素值,且所述更新后的跟踪监控视频帧包括的像素点的数量等于所述划分区域的数量,所述更新后的参考监控视频帧包括的像素点的数量等于所述划分区域的数量,每一次执行步骤F1时,对应的预设尺寸不同(所述预设尺寸的具体数值不受限制,如2*2、2*3等);
G1,在多次执行步骤F1之后,对所述第一相似系数和每一次执行步骤F1输出的更新后的第一相似系数进行融合(如加权求和计算等),以输出所述跟踪监控视频帧和参考监控视频帧之间的视频帧相似度。
应当说明的是,在上文中,“依据所述更新后的跟踪监控视频帧和所述更新后的跟踪监控视频帧,依次执行步骤A1、步骤B1、步骤C1、步骤D1以及步骤E1”,可以是指,将步骤A1、步骤B1、步骤C1、步骤D1以及步骤E1中的跟踪监控视频帧替换为所述更新后的跟踪监控视频帧、参考监控视频帧替换为所述更新后的参考监控视频帧。其中,在下文中,相关的描述,可以参照前述的解释说明,不再进行赘述。
应当说明的是,上文中所涉及到的所述对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度的步骤,在一些可能的实施方式中,也可以包括以下具体内容(其中,以下内容针对的是一组跟踪监控视频帧和参考监控视频帧):
A2,依据预先配置的目标路径,对所述跟踪监控视频帧包括的像素点进行遍历,以形成所述跟踪监控视频帧对应的第一像素遍历路径,再依据所述目标路径对所述参考监控视频帧包括的像素点进行遍历,以形象所述参考监控视频帧对应的第二像素遍历路径;
B2,对所述第一像素遍历路径进行筛选,以形成所述第一像素遍历路径对应的第一像素有序集合,所述第一像素有序集合包括多个第一像素点,每一个所述第一像素点为所述第一像素遍历路径中对应的第一路径片段中的第一个像素点,所述第一路径片段依据所述第一像素遍历路径对应的多个第一分割位置进行分割形成,每一个所述第一分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第一路径片段包括的像素点的像素值一致,使得任意相邻两个第一路径片段包括的像素点的像素值不一致;
C2,对所述第二像素遍历路径进行筛选,以形成所述第二像素遍历路径对应的第二像素有序集合,所述第二像素有序集合包括多个第二像素点,每一个所述第二像素点为所述第二像素遍历路径中对应的第二路径片段中的第一个像素点,所述第二路径片段依据所述第二像素遍历路径对应的多个第二分割位置进行分割形成,每一个所述第二分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第二路径片段包括的像素点的像素值一致,使得任意相邻两个第二路径片段包括的像素点的像素值不一致;
D2,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段和所述第二像素有序集合包括的每一个第二像素点对应的第二路径片段,从所述第二像素有序集合中,匹配出该第一像素点对应的近似第二像素点,再依据该第一像素点对应的近似第二像素点的数量,确定出该第一像素点对应的第一近似系数,所述第一近似系数与对应的近似第二像素点的数量之间具有正相关的对应关系,每一个所述第一像素点的像素值等于该第一像素点对应的近似第二像素点的像素值,且每一个所述第一像素点对应的第一路径片段的长度等于该第一像素点对应的近似第二像素点对应的第二路径片段的长度;
E2,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段和所述第一像素有序集合包括的每一个其它第一像素点对应的第一路径片段,从所述第一像素有序集合中,匹配出该第一像素点对应的近似第一像素点,再依据该第一像素点对应的近似第一像素点的数量,确定出该第一像素点对应的第一特征系数,所述第一特征系数与对应的近似第一像素点的数量之间具有负相关的对应关系,每一个所述第一像素点的像素值等于该第一像素点对应的近似第一像素点的像素值,且每一个所述第一像素点对应的第一路径片段的长度等于该第一像素点对应的近似第一像素点对应的第一路径片段的长度;
F2,依据每一个所述第一像素点对应的第一特征系数,对所述第一像素有序集合包括的每一个第一像素点对应的第一近似系数进行融合(例如,可以将所述第一特征系数作为加权值,以对所述第一近似系数进行加权求和计算,得到第二近似系数),以输出第二近似系数;
G2,对所述第一像素有序集合包括的像素点的像素值进行均值计算,以输出第一像素均值,再对所述第二像素有序集合包括的像素点的像素值进行均值计算,以输出第二像素均值,再对所述第一像素均值和所述第二像素均值进行比值计算,以输出目标像素比值,以及,依据所述目标像素比值分别对所述跟踪监控视频帧和所述参考监控视频帧包括的像素点的像素值进行更新,以输出更新后的跟踪监控视频帧和更新后的参考监控视频帧(例如,若所述第一像素均值大于所述第二像素均值,可以依据所述目标像素比值,对所述跟踪监控视频帧包括的每一个像素点的像素值进行对应比例的减小、对所述参考监控视频帧包括的每一个像素点的像素值进行对应比例的增加;反之,若所述第一像素均值小于所述第二像素均值,可以依据所述目标像素比值,对所述跟踪监控视频帧包括的每一个像素点的像素值进行对应比例的增加、对所述参考监控视频帧包括的每一个像素点的像素值进行对应比例的减小);
H2,依据所述更新后的跟踪监控视频帧和所述参考监控视频帧,依次执行步骤A2、步骤B2、步骤C2、步骤D2、步骤E2以及步骤F2,以输出第一更新后的第二相似系数,再依据所述跟踪监控视频帧和所述更新后的参考监控视频帧,依次执行步骤A2、步骤B2、步骤C2、步骤D2、步骤E2以及步骤F2,以输出第二更新后的第二相似系数,以及,对所述第二近似系数、所述第一更新后的第二相似系数和所述第二更新后的第二相似系数进行融合(例如,可以是计算加权均值等),以输出所述跟踪监控视频帧和参考监控视频帧之间的视频帧相似度。
应当说明的是,上文中所涉及到的所述对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果表征的视频相似度,确定出每一个参考监控视频相对于该跟踪监控视频具有的加权系数(该加权系数与该视频相似度之间可以具有正相关的对应关系);
对于每一个所述跟踪监控视频,依据每一个参考监控视频相对于该跟踪监控视频具有的加权系数,对每一个参考监控视频对应的视频标签信息反映的性能优异程度进行加权求和计算,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
应当说明的是,上文中所涉及到的步骤S130,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。
应当说明的是,上文中所涉及到的所述对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容:
依据每一个冻干存储设备存储冻干粉的先后顺序,分别对每一个所述冻干存储设备进行编号,以形成每一个冻干存储设备对应的设备编号;
对于每一个所述冻干存储设备,分别计算该冻干存储设备以外的每一个其它冻干存储设备对应的设备编号与该冻干存储设备对应的设备编号之间的编号差值,再将编号差值小于或等于目标差值(所述目标差值可以根据实际应用场景确定,例如,两个冻干存储设备存储的冻干粉在未装入冻干存储设备之前具有的接触面积越大,则该目标差值可以越大,反之,接触面积越小,则该目标差值可以越小)的每一个其它冻干存储设备,标记为该冻干存储设备对应的相关冻干存储设备,所述编号差值为绝对差值,所述编号差值反映对应的两个冻干存储设备之间的相关程度,所述编号差值与所述相关程度之间具有负相关的对应关系(也就是说,存储冻干粉的顺序相近,使得存储的冻干粉之间的相关关系越紧密)。
应当说明的是,上文中所涉及到的所述对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值的步骤,在一些可能的实施方式中,可以进一步包括以下具体内容:
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度,对该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值进行加权求和均值计算,以输出该冻干存储设备对应的参考性能特征值,所述加权求和均值计算对应的加权系数和所述相关程度之间具有正相关的对应关系;
对于每一个所述冻干存储设备,对该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度进行均值计算,以输出该冻干存储设备对应的参考相关程度;
对于每一个所述冻干存储设备,对该冻干存储设备对应的参考相关程度和预先配置的相关程度上限值(如1)进行求和计算,以输出该冻干存储设备对应的相关程度和值,再对该参考相关程度和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第一比值,再对该相关程度上限值和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第二比值;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的第一比值和第二比值,对该冻干存储设备对应的参考性能特征值和初始性能特征值进行加权均值计算,以输出该冻干存储设备对应的目标性能特征值,在进行加权均值计算的过程中,所述第一比值作为所述参考性能特征值的加权系数,所述第二比值作为所述初始性能特征值对应的加权系数。
综上所述,本发明提供的一种冻干粉生产跟踪系统的数据处理方法,分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频。分别对每一个跟踪监控视频进行视频解析,输出每一个冻干存储设备对应的初始性能特征值。依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。通过前述的内容,通过进行视频解析以确定冻干粉的性能优异程度,可以提高冻干粉的监控效率,从而改善现有技术(依靠工作人员的经验进行品质的鉴别)中对于冻干粉的品质监控的效率较低的问题。另外,通过参考其它其它冻干存储设备对应的初始性能特征值,对冻干存储设备对应的初始性能特征值进行调整,还可以在一定程度提高确定的性能优异程度的可靠度。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种冻干粉生产跟踪系统的数据处理方法,其特征在于,应用于数据处理服务器,所述冻干粉生产跟踪系统的数据处理方法包括:
分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频,每一个所述冻干存储设备存储有生产加工形成的冻干粉,每一个所述冻干存储设备属于透明设备;
分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值,所述初始性能特征值反映对应的冻干存储设备存储的冻干粉的性能优异程度;
依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值,所述冻干存储设备为多个;
其中,所述分别对每一个所述跟踪监控视频进行视频解析,输出每一个所述跟踪监控视频对应的冻干存储设备对应的初始性能特征值的步骤,包括:
对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,每一个参考监控视频具有对应的视频标签信息,所述视频标签信息反映对应的参考冻干粉的性能优异程度;
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值;
其中,所述对于每一个所述跟踪监控视频,分别对该跟踪监控视频和每一个参考监控视频进行对比分析,以输出该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果的步骤,包括:
将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行一一对应,以形成候选对应关系,以及,在所述将所述跟踪监控视频包括的多帧跟踪监控视频帧和所述参考监控视频包括的多帧参考监控视频帧进行一一对应,以形成候选对应关系的步骤执行多次之后,输出对应数量的多种候选对应关系;
对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度;
对于每一种所述候选对应关系,对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度进行融合,以输出该候选对应关系对应的视频帧相似度融合值,再依据每一种所述候选对应关系对应的视频帧相似度融合值,从所述多种候选对应关系中,匹配一种候选对应关系,以标记形成目标对应关系;
对于所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧,对该组跟踪监控视频帧和参考监控视频帧对应的视频帧时序进行差值计算,以输出该组跟踪监控视频帧和参考监控视频帧对应的时序差值;
对所述目标对应关系包括的每一组跟踪监控视频帧和参考监控视频帧对应的时序差值进行求和计算,以输出所述目标对应关系对应的目标时序差值,再依据所述目标对应关系对应的目标时序差值,对所述目标对应关系对应的视频帧相似度融合值进行更新,以输出所述跟踪监控视频和所述参考监控视频之间的视频相似度,所述视频相似度作为述跟踪监控视频和所述参考监控视频之间的视频对比分析结果。
2.如权利要求1所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述分别对每一个冻干存储设备进行视频跟踪监控,以形成每一个冻干存储设备对应的跟踪监控视频的步骤,包括:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备进行抖动的过程中,通过通信连接的视频监控设备对该冻干存储设备进行视频监控,以形成该冻干存储设备对应的跟踪监控视频,所述跟踪监控视频包括多帧跟踪监控视频帧,所述多帧跟踪监控视频帧中至少存在两帧跟踪监控视频帧对应的冻干粉因对应的干存储设备抖动而不完全相同。
3.如权利要求2所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移的步骤,包括:
对于多个冻干存储设备中的每一个冻干存储设备,通过通信连接的机械设备控制该冻干存储设备进行抖动,使得该冻干存储设备中存储的冻干粉在该冻干存储设备中发生位移;
对于所述多个冻干存储设备中的每一个冻干存储设备,在该冻干存储设备本次的抖动时长到达目标时长之后,通过所述机械设备控制该冻干存储设备进行旋转,并在该冻干存储设备旋转之后,通过所述机械设备控制该冻干存储设备再次进行抖动。
4.如权利要求1所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述对于每一种所述候选对应关系,分别对该候选对应关系中的每一组跟踪监控视频帧和参考监控视频帧进行相似度计算,以输出每一组跟踪监控视频帧和参考监控视频帧之间的视频帧相似度的步骤,包括:
A1,依据预先配置的目标路径,对所述跟踪监控视频帧包括的像素点进行遍历,以形成所述跟踪监控视频帧对应的第一像素遍历路径,再依据所述目标路径对所述参考监控视频帧包括的像素点进行遍历,以形象所述参考监控视频帧对应的第二像素遍历路径;
B1,对所述第一像素遍历路径进行筛选,以形成所述第一像素遍历路径对应的第一像素有序集合,所述第一像素有序集合包括多个第一像素点,每一个所述第一像素点为所述第一像素遍历路径中对应的第一路径片段中的第一个像素点,所述第一路径片段依据所述第一像素遍历路径对应的多个第一分割位置进行分割形成,每一个所述第一分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第一路径片段包括的像素点的像素值一致,使得任意相邻两个第一路径片段包括的像素点的像素值不一致;
C1,对所述第二像素遍历路径进行筛选,以形成所述第二像素遍历路径对应的第二像素有序集合,所述第二像素有序集合包括多个第二像素点,每一个所述第二像素点为所述第二像素遍历路径中对应的第二路径片段中的第一个像素点,所述第二路径片段依据所述第二像素遍历路径对应的多个第二分割位置进行分割形成,每一个所述第二分割位置对应的相邻两个像素点对应的像素值不一致,使得每一个第二路径片段包括的像素点的像素值一致,使得任意相邻两个第二路径片段包括的像素点的像素值不一致;
D1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段和所述第二像素有序集合包括的每一个第二像素点对应的第二路径片段,从所述第二像素有序集合中,匹配出该第一像素点对应的相关第二像素点,每一个所述第一像素点对应的相关第二像素点的数量等于0或1,所述第一像素点对应的第一路径片段在所述第一像素遍历路径中的路径位置和对应的相关第二像素点对应的第二路径片段在所述第二像素遍历路径中的路径位置完全重合;
E1,对于所述第一像素有序集合包括的每一个第一像素点,依据该第一像素点对应的第一路径片段包括的像素点的数量,对该第一像素点进行特征系数的确定,以输出该第一像素点对应的特征系数,所述特征系数和所述第一路径片段包括的像素点的数量之间正相关,再依据每一个所述第一像素点对应的特征系数,对所述第一像素有序集合包括的每一个第一像素点对应的相关第二像素点的数量进行融合,以输出第一相似系数;
F1,对所述跟踪监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,再对所述参考监控视频帧进行视频帧更新,以形成更新后的跟踪监控视频帧,以及,依据所述更新后的跟踪监控视频帧和所述更新后的跟踪监控视频帧,依次执行步骤A1、步骤B1、步骤C1、步骤D1以及步骤E1,以输出更新后的第一相似系数,在视频帧更新的过程中,以预设尺寸分别对所述跟踪监控视频帧和所述参考监控视频帧进行区域划分,再将对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的跟踪监控视频帧中的一个像素点的像素值、对应的每一个划分区域包括的像素点的像素值的平均值作为更新后的参考监控视频帧中的一个像素点的像素值,且所述更新后的跟踪监控视频帧包括的像素点的数量等于所述划分区域的数量,所述更新后的参考监控视频帧包括的像素点的数量等于所述划分区域的数量,每一次执行步骤F1时,对应的预设尺寸不同;
G1,在多次执行步骤F1之后,对所述第一相似系数和每一次执行步骤F1输出的更新后的第一相似系数进行融合,以输出所述跟踪监控视频帧和参考监控视频帧之间的视频帧相似度。
5.如权利要求1所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果,对每一个参考监控视频对应的视频标签信息进行视频标签的融合,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值的步骤,包括:
对于每一个所述跟踪监控视频,依据该跟踪监控视频和每一个参考监控视频之间的视频对比分析结果表征的视频相似度,确定出每一个参考监控视频相对于该跟踪监控视频具有的加权系数;
对于每一个所述跟踪监控视频,依据每一个参考监控视频相对于该跟踪监控视频具有的加权系数,对每一个参考监控视频对应的视频标签信息反映的性能优异程度进行加权求和计算,以输出该跟踪监控视频对应的目标视频标签信息,再将该跟踪监控视频对应的目标视频标签信息标记为该跟踪监控视频对应的冻干存储设备对应的初始性能特征值。
6.如权利要求1-5任意一项所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述依据每一个其它冻干存储设备对应的初始性能特征值,分别对每一个冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值的步骤,包括:
对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值。
7.如权利要求6所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述对于每一个冻干存储设备,从该冻干存储设备以外的其它冻干存储设备中匹配出该冻干存储设备对应的相关冻干存储设备的步骤,包括:
依据每一个冻干存储设备存储冻干粉的先后顺序,分别对每一个所述冻干存储设备进行编号,以形成每一个冻干存储设备对应的设备编号;
对于每一个所述冻干存储设备,分别计算该冻干存储设备以外的每一个其它冻干存储设备对应的设备编号与该冻干存储设备对应的设备编号之间的编号差值,再将编号差值小于或等于目标差值的每一个其它冻干存储设备,标记为该冻干存储设备对应的相关冻干存储设备,所述编号差值为绝对差值,所述编号差值反映对应的两个冻干存储设备之间的相关程度,所述编号差值与所述相关程度之间具有负相关的对应关系。
8.如权利要求6所述的冻干粉生产跟踪系统的数据处理方法,其特征在于,所述对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值,对该冻干存储设备对应的初始性能特征值进行调整,以输出每一个冻干存储设备对应的目标性能特征值的步骤,包括:
对于每一个所述冻干存储设备,依据该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度,对该冻干存储设备对应的每一个相关冻干存储设备对应的初始性能特征值进行加权求和均值计算,以输出该冻干存储设备对应的参考性能特征值,所述加权求和均值计算对应的加权系数和所述相关程度之间具有正相关的对应关系;
对于每一个所述冻干存储设备,对该冻干存储设备对应的每一个相关冻干存储设备与该冻干存储设备之间的相关程度进行均值计算,以输出该冻干存储设备对应的参考相关程度;
对于每一个所述冻干存储设备,对该冻干存储设备对应的参考相关程度和预先配置的相关程度上限值进行求和计算,以输出该冻干存储设备对应的相关程度和值,再对该参考相关程度和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第一比值,再对该相关程度上限值和该相关程度和值进行比值计算,以输出该冻干存储设备对应的第二比值;
对于每一个所述冻干存储设备,依据该冻干存储设备对应的第一比值和第二比值,对该冻干存储设备对应的参考性能特征值和初始性能特征值进行加权均值计算,以输出该冻干存储设备对应的目标性能特征值,在进行加权均值计算的过程中,所述第一比值作为所述参考性能特征值的加权系数,所述第二比值作为所述初始性能特征值对应的加权系数。
CN202211507948.7A 2022-11-29 2022-11-29 一种冻干粉生产跟踪系统的数据处理方法 Active CN115578696B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211507948.7A CN115578696B (zh) 2022-11-29 2022-11-29 一种冻干粉生产跟踪系统的数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211507948.7A CN115578696B (zh) 2022-11-29 2022-11-29 一种冻干粉生产跟踪系统的数据处理方法

Publications (2)

Publication Number Publication Date
CN115578696A CN115578696A (zh) 2023-01-06
CN115578696B true CN115578696B (zh) 2023-05-09

Family

ID=84590508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211507948.7A Active CN115578696B (zh) 2022-11-29 2022-11-29 一种冻干粉生产跟踪系统的数据处理方法

Country Status (1)

Country Link
CN (1) CN115578696B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7476028B2 (ja) * 2020-08-07 2024-04-30 エヌ・ティ・ティ・コミュニケーションズ株式会社 監視情報処理装置、方法およびプログラム
CN113407750A (zh) * 2021-07-20 2021-09-17 李旭昆 一种图像分布式存储方法及系统
CN114978037B (zh) * 2022-07-27 2022-10-25 一道新能源科技(衢州)有限公司 太阳能电池性能数据监控方法及系统

Also Published As

Publication number Publication date
CN115578696A (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
Tian et al. Detection of apple lesions in orchards based on deep learning methods of CycleGAN and YOLOV3‐dense
Bai et al. Crop segmentation from images by morphology modeling in the CIE L* a* b* color space
Pavel et al. An IoT based plant health monitoring system implementing image processing
CN114978037B (zh) 太阳能电池性能数据监控方法及系统
CN115578696B (zh) 一种冻干粉生产跟踪系统的数据处理方法
CN111160365A (zh) 基于检测器和跟踪器相结合的无人机目标跟踪方法
CN112541525A (zh) 一种点云数据处理方法和装置
CN111210412B (zh) 一种包装检测方法、装置、电子设备及存储介质
Souahlia et al. Echo state network‐based feature extraction for efficient color image segmentation
CN103733207B (zh) 图像分割方法
Habib et al. A computer vision approach for jackfruit disease recognition
CN109543653B (zh) 一种视频监控警戒区设置方法、系统以及装置
CN112598714A (zh) 一种基于视频帧单应性变换的静止目标跟踪方法
CN115909215B (zh) 一种基于目标检测的边缘入侵预警方法及系统
Vijayan et al. Moving object detection using vector image model
Wang et al. MRUNet: A two-stage segmentation model for small insect targets in complex environments
CN116343201A (zh) 谷粒类别识别方法、装置及计算机设备
Brun et al. Texture analysis of TEM micrographs of alginate gels for cell microencapsulation
CN113657245B (zh) 一种用于人脸活体检测的方法、设备、介质及程序产品
CN115588157A (zh) 交联低烟低卤聚烯烃材料的性能数据处理方法及系统
CN113506266A (zh) 舌头腻苔的检测方法、装置、设备及存储介质
CN111191602A (zh) 行人相似度获取方法、装置、终端设备及可读存储介质
Sumarudin et al. Implementation YOLOv3 for symptoms of disease in shallots crop
US20170017853A1 (en) HARDWARE ARCHITECTURE FOR LINEAR-TIME EXTRACTION OF MAXIMALLY STABLE EXTREMAL REGIONS (MSERs)
Mould et al. A conservative scene model update policy

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