CN116189200A - 硬盘身份字符识别方法、系统、终端及存储介质 - Google Patents
硬盘身份字符识别方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN116189200A CN116189200A CN202310174239.XA CN202310174239A CN116189200A CN 116189200 A CN116189200 A CN 116189200A CN 202310174239 A CN202310174239 A CN 202310174239A CN 116189200 A CN116189200 A CN 116189200A
- Authority
- CN
- China
- Prior art keywords
- identity
- image
- bar code
- character string
- hard disk
- 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 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000012795 verification Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102100032202 Cornulin Human genes 0.000 description 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1916—Validation; Performance evaluation
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本发明涉及服务器技术领域,具体提供一种硬盘身份字符识别方法、系统、终端及存储介质,包括:采集硬盘身份标签侧图像;将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。本发明可以快速对各种规格硬盘进行自动化识别,无需人工录入硬盘身份字符,有效地提高了硬盘原厂标签MPN无条码时校验的效率,降低了硬盘发错货的概率。
Description
技术领域
本发明属于服务器技术领域,具体涉及一种硬盘身份字符识别方法、系统、终端及存储介质。
背景技术
随着服务器的发展,其所使用的硬盘种类越来越多。在组装服务器时需要先对服务器进行备料,每种规格的服务器需要的物料清单存储在WMS系统中,在备料时需要根据物料清单进行匹配。
在准备硬盘时需要知道当前硬盘的型号规格,然后与物料清单进行比对,如果在物料清单中才可以作为服务器的物料进入下一个组装环节。
目前识别硬盘需要识别硬盘上的原厂实物标签的PN或者MPN(可能是字符或者条码、二维码),当硬盘MPN为条码或者二维码时可以通过扫码枪进行识别。但是,当硬盘实物标签上PN或MPN只有字符串没有扫码枪可以识别的条码或二维码时就需要人工识别字符,可能会因为识别错误造成硬盘出料错误的情况。
发明内容
针对现有技术的上述不足,本发明提供一种硬盘身份字符识别方法、系统、终端及存储介质,以解决上述技术问题。
第一方面,本发明提供一种硬盘身份字符识别方法,包括:
采集硬盘身份标签侧图像;
将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
进一步的,所述图像处理模型的构建方法包括:
构建SVTR模型;
收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;
利用标注工具在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;
利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;
利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
进一步的,采集硬盘身份标签侧图像,包括:
通过网络通信链路采集移动终端上传的经过预处理的硬盘身份标签侧图像,所述移动终端具有摄像头,且对摄像头拍摄的硬盘身份标签侧图像进行灰度处理和锐化处理。
进一步的,将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取,包括:
若所述图像处理模型的识别结果为图片格式的条码识别区域,则将所述条码识别区域保存至中转存储文件下。
进一步的,将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串,包括:
创建监控线程监控所述中转存储文件的更新情况,并在监控到所述中转存储文件存在数据更新时抓取最新存入的图片;
将抓取的图片输入至条码识别模型,得到身份字符串。
进一步的,在得到身份字符串之后,所述方法还包括:
将身份字符串下发至移动终端,以使所述移动终端将所述身份字符串与从WMS系统调取的服务器物料信息进行合法性比对,并在比对不一致时生成非法硬盘安装的告警提示。
第二方面,本发明提供一种硬盘身份字符识别系统,包括:
图像采集单元,用于采集硬盘身份标签侧图像;
特征识别单元,用于将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
条码识别单元,用于将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
进一步的,所述图像处理模型的构建方法包括:
构建SVTR模型;
收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;
利用标注工具在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;
利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;
利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
进一步的,所述图像采集单元具体执行:
通过网络通信链路采集移动终端上传的经过预处理的硬盘身份标签侧图像,所述移动终端具有摄像头,且对摄像头拍摄的硬盘身份标签侧图像进行灰度处理和锐化处理。
进一步的,所述特征识别单元执行:
若所述图像处理模型的识别结果为图片格式的条码识别区域,则将所述条码识别区域保存至中转存储文件下。
进一步的,所述条码识别单元具体执行:
创建监控线程监控所述中转存储文件的更新情况,并在监控到所述中转存储文件存在数据更新时抓取最新存入的图片;
将抓取的图片输入至条码识别模型,得到身份字符串。
进一步的,所述系统还执行以下步骤:
将身份字符串下发至移动终端,以使所述移动终端将所述身份字符串与从WMS系统调取的服务器物料信息进行合法性比对,并在比对不一致时生成非法硬盘安装的告警提示。
第三方面,提供一种终端,包括:
处理器、存储器,其中,
该存储器用于存储计算机程序,
该处理器用于从存储器中调用并运行该计算机程序,使得终端执行上述的终端的方法。
第四方面,提供了一种计算机存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
本发明的有益效果在于,本发明提供的硬盘身份字符识别方法、系统、终端及存储介质,可以快速对各种规格硬盘进行自动化识别,无需人工录入硬盘身份字符,有效地提高了硬盘原厂标签MPN无条码时校验的效率,降低了硬盘发错货的概率。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
附图说明
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,对于本领域普通技术人员而言,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。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的系统的示意性框图。
图3为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,都应当属于本发明保护的范围。
下面对本发明中出现的关键术语进行解释。
仓储管理系统(WMS)是一个实时的计算机软件系统,它能够按照运作的业务规则和运算法则,对信息、资源、行为、存货和分销运作进行更完美地管理,提高效率。RF-WMS仓储管理系统包括软件、硬件、管理经验。传统的仓储管理系统概念中忽略了管理经验和自动识别硬件的缺失。仓储管理系统中的软件指的是支持整个系统运作的软件部分,包括收货处理、上架管理、拣货作业、月台管理、补货管理、库内作业、越库操作、循环盘点、RF操作、加工管理、矩阵式收费等。仓储管理系统中的硬件指的是用于打破传统数据采集和上传的瓶颈问题,利用自动识别技术和无线传输提高数据的精度和传输的速度。管理经验指的是开发商根据其开发经验中客户的管理方式和理念整合的一套管理理念和流程,为企业做到真正的管理。
图1是本发明一个实施例的方法的示意性流程图。其中,图1执行主体可以为一种硬盘身份字符识别系统。
如图1所示,该方法包括:
步骤110,采集硬盘身份标签侧图像;
步骤120,将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
步骤130,将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
该方法通过合理利用相机、视觉软件及图像处理技术实现硬盘身份字符识别,得到相关硬盘MPN信息。此时,硬盘原厂标签上无MPN信息的条形码及二维码,无法使用扫码枪扫描条形码及二维码得到MPN信息,只能通过人眼读字符,导入硬盘识别设备,可以代替人眼识别,可以将身份字符串直接上传给WMS系统完成相关校验,既提高了识别效率,也减少了误识别的概率。
为了便于对本发明的理解,下面以本发明硬盘身份字符识别方法的原理,结合实施例中对硬盘身份字符进行识别的过程,对本发明提供的硬盘身份字符识别方法做进一步的描述。
具体的,所述硬盘身份字符识别方法包括:
S 1、采集硬盘身份标签侧图像。
通过网络通信链路采集移动终端上传的经过预处理的硬盘身份标签侧图像,移动终端具有摄像头,且对摄像头拍摄的硬盘身份标签侧图像进行灰度处理和锐化处理。
通过移动终端采集硬盘图像能够实现降低扫描工作对操作人员的限制,提升硬盘图像采集效率。
在本发明的一种优选实施方式中,拍照设备使用红外条光,既保证了拍照时可以得到一个更好的图片效果,又降低了对人眼的伤害。
S 2、将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取。
图像处理模型的构建方法包括:构建SVTR模型;收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;利用标注工具(l ab e lme工具)在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
具体的,Sc ene Text Re cogn i t i on wi th a S i ng l e V i sual Model(基于单一视觉模型的场景文本识别)解决基于图像的序列识别问题,特别是场景文字识别问题。SVTR是一个三级逐步下采样的网络(和swi n trans former一样,下采样三次),和CNN架构一样,由b lock+下采样模块组成。其b lock模块和普通的swin中的b l ock模块一致,都是s e lf-at t ent i on+mlp。不同的是,SVTR中s e l f-at t ent i on的方式和swi n的滑动窗口有一定的差异。SVTR网络中的具体结构包括:(1)Pat ch Embe dd ing。SVTR使用两个卷积进行1/4下采样得到t oken。不同的是,swi n是直接使用一个步长为4的4×4卷积进行无重叠的pat ch embe dd ing。但是,SVTR则是使用两个步长为2的3×3卷积进行有重叠的pat ch embe dd ing(延续的CNN的作风,感受野更大,提取局部信息的表达能力也会比swi n的pat ch embe dd ing要好);(2)下采样模块,SVTR延续了paddl eocr里面的CRNN下采样结构,3个下采样模块都只对特征图的高度进行下采样;(3)Mi xB lock结果,由于两个字符可能略有不同,文本识别严重依赖于字符组件级别的特征。然而,现有的研究大多采用特征序列来表示图像文本。每个特征对应于一个切片图像区域,这通常是有噪声的,特别是对于不规则的文本。它不是描述这个角色的最佳方法。而v i s i on transformer引入了二维特征表示,但如何在文本识别的背景下利用这种表示仍然值得研究。更具体地说,对于embe dded组件,作者认为文本识别需要两种特征。第一个是局部组件模式,如类似笔画的特征。它编码了形态特征和特征不同部分之间的相关性;第二种是字符间的依赖性,如不同字符之间或文本和非文本组件之间的相关性;(4)Merg ing。其实就是下采样操作,和卷积的下采样一样。因为s e l f-at t ent i on的计算量和特征图的宽高有关,宽高太大的话,计算复杂度暴涨,所以SVTR对其进行了下采样操作,在低分辨率的特征图上计算可以减少矩阵乘法的计算复杂度;(5)Comb in ing and Pred i c t i on,在最后一个阶段,使用一个Comb i ning进行维度的压缩。
在模型训练阶段包括以下步骤:步骤一,将收集的相关数据集进行预处理后,按照训练集,验证集,测试集=8:1:1划分。步骤二,将数据集进行标注,使用l ab e lme工具在原始图像中标注出每一处文字区域,得到标签图像。步骤三,将训练集输入Re sNe t 18网络提取特征,用FPN进行特征图融合得到融合特征图feature map s,将融合特征图featuremap s输入候选区域生成网络RPN和ROI Al i gn层后获得感兴趣的目标框ROI。步骤四,对融合特征图feature map s进行FCN操作,输出mas k;对目标框ROI进行分类,输出类别clas s和标注框box。步骤五,计算mask中所要识别区域的四点坐标,并通过透视变换,将四边形识别区域变换成矩形并将矩形图像保存下来。
针对文字识别的训练部分包括以下内容:利用文字检测模型提取文字区域,保存区域图片到本地,对每个图片做文字标签。将文字标签和图片进行映射,构建数据集,训练集,验证集,测试集=8:1:1划分。将构建好数据集送入SVTR网络进行模型训练。
将步骤S1得到的图像输入图像处理模型后,可能得到身份字符串,也可能得到条码图片,若得到条码图片需要将图片格式的条码识别区域保存至中转存储文件下,以便下一流程对条码进行识别。
S 3、将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
创建监控线程监控所述中转存储文件的更新情况,并在监控到所述中转存储文件存在数据更新时抓取最新存入的图片;将抓取的图片输入至条码识别模型,得到身份字符串。
通过创建监控线程将图像识别与条码识别进行衔接,及时将条码导入条码识别软件进行识别。本实施方式中不用图像处理模型识别条码而是将图像处理模型与条码识别软件进行衔接,大大降低了图像处理模型的复杂度,提升其识别准确度。同时通过图像处理模型已经对条码图片进行了分隔预处理,也提升了条码识别软件的识别效率。
最终,将步骤S 2或步骤S 3识别到的身份字符串下发至移动终端,以使移动终端将身份字符串与从WMS系统调取的服务器物料信息进行合法性比对,并在比对不一致时生成非法硬盘安装的告警提示。
通过将比对任务下发至移动终端,降低了WMS系统的总计算量,或者在其他实施方式中,为不同型号的服务器绑定一些移动终端,这些移动终端本地保存好该种型号服务器的物料清单,成为该种型号服务器的专用移动终端,如此可大大提升物料准备的工作效率。
如图2所示,该系统200包括:
图像采集单元210,用于采集硬盘身份标签侧图像;
特征识别单元220,用于将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
条码识别单元230,用于将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
该硬盘身份字符识别方法,可以快速对各种规格硬盘进行自动化识别,无需人工录入硬盘身份字符,有效地提高了硬盘原厂标签MPN无条码时校验的效率,降低了硬盘发错货的概率。
可选地,作为本发明一个实施例,所述图像处理模型的构建方法包括:
构建SVTR模型;
收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;
利用标注工具在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;
利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;
利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
可选地,作为本发明一个实施例,所述图像采集单元具体执行:
通过网络通信链路采集移动终端上传的经过预处理的硬盘身份标签侧图像,所述移动终端具有摄像头,且对摄像头拍摄的硬盘身份标签侧图像进行灰度处理和锐化处理。此外拍照设备使用红外条光,既保证了拍照时可以得到一个更好的图片效果,又降低了对人眼的伤害。
可选地,作为本发明一个实施例,所述特征识别单元执行:
若所述图像处理模型的识别结果为图片格式的条码识别区域,则将所述条码识别区域保存至中转存储文件下。
可选地,作为本发明一个实施例,所述条码识别单元具体执行:
创建监控线程监控所述中转存储文件的更新情况,并在监控到所述中转存储文件存在数据更新时抓取最新存入的图片;
将抓取的图片输入至条码识别模型,得到身份字符串。
通过创建监控线程将图像识别与条码识别进行衔接,及时将条码导入条码识别软件进行识别。本实施方式中不用图像处理模型识别条码而是将图像处理模型与条码识别软件进行衔接,大大降低了图像处理模型的复杂度,提升其识别准确度。同时通过图像处理模型已经对条码图片进行了分隔预处理,也提升了条码识别软件的识别效率。
可选地,作为本发明一个实施例,所述系统还执行以下步骤:
将身份字符串下发至移动终端,以使所述移动终端将所述身份字符串与从WMS系统调取的服务器物料信息进行合法性比对,并在比对不一致时生成非法硬盘安装的告警提示。
通过将比对任务下发至移动终端,降低了WMS系统的总计算量,或者在其他实施方式中,为不同型号的服务器绑定一些移动终端,这些移动终端本地保存好该种型号服务器的物料清单,成为该种型号服务器的专用移动终端,如此可大大提升物料准备的工作效率。
图3为本发明实施例提供的一种终端300的结构示意图,该终端300可以用于执行本发明实施例提供的硬盘身份字符识别方法。
其中,该终端300可以包括:处理器310、存储器320及通信单元330。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,该存储器320可以用于存储处理器310的执行指令,存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。当存储器320中的执行指令由处理器310执行时,使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
处理器310为存储终端的控制中心,利用各种接口和线路连接整个电子终端的各个部分,通过运行或执行存储在存储器320内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrat e d C i rcu i t,简称IC)组成,例如可以由单颗封装的IC所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器310可以仅包括中央处理器(Central Proc e s s i ng Uni t,简称CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
通信单元330,用于建立通信信道,从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-onl y memory,简称:ROM)或随机存储记忆体(英文:random acc e s s memory,简称:RAM)等。
因此,本发明可以快速对各种规格硬盘进行自动化识别,无需人工录入硬盘身份字符,有效地提高了硬盘原厂标签MPN无条码时校验的效率,降低了硬盘发错货的概率,本实施例所能达到的技术效果可以参见上文中的描述,此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器(ROM,Read-Onl y Memory)、随机存取存储器(RAM,Random Ac ce s s Memory)、磁碟或者光盘等各种可以存储程序代码的介质,包括若干指令用以使得一台计算机终端(可以是个人计算机,服务器,或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于终端实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种硬盘身份字符识别方法,其特征在于,包括:
采集硬盘身份标签侧图像;
将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
2.根据权利要求1所述的方法,其特征在于,所述图像处理模型的构建方法包括:
构建SVTR模型;
收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;
利用标注工具在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;
利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;
利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
3.根据权利要求1所述的方法,其特征在于,采集硬盘身份标签侧图像,包括:
通过网络通信链路采集移动终端上传的经过预处理的硬盘身份标签侧图像,所述移动终端具有摄像头,且对摄像头拍摄的硬盘身份标签侧图像进行灰度处理和锐化处理。
4.根据权利要求2所述的方法,其特征在于,将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取,包括:
若所述图像处理模型的识别结果为图片格式的条码识别区域,则将所述条码识别区域保存至中转存储文件下。
5.根据权利要求4所述的方法,其特征在于,将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串,包括:
创建监控线程监控所述中转存储文件的更新情况,并在监控到所述中转存储文件存在数据更新时抓取最新存入的图片;
将抓取的图片输入至条码识别模型,得到身份字符串。
6.根据权利要求3所述的方法,其特征在于,在得到身份字符串之后,所述方法还包括:
将身份字符串下发至移动终端,以使所述移动终端将所述身份字符串与从WMS系统调取的服务器物料信息进行合法性比对,并在比对不一致时生成非法硬盘安装的告警提示。
7.一种硬盘身份字符识别系统,其特征在于,包括:
图像采集单元,用于采集硬盘身份标签侧图像;
特征识别单元,用于将所述图像输入预先构建的图像处理模型,所述图像处理模型将所述图像带有身份字符串或条码的识别区域分割出来,并对所述识别区域中的身份字符串进行提取;
条码识别单元,用于将所述图像处理模型输出的带有条码的识别区域输入至条码识别模型,得到身份字符串。
8.根据权利要求7所述的系统,其特征在于,所述图像处理模型的构建方法包括:
构建SVTR模型;
收集多种类型多种规格的硬盘的身份标签图像存储至数据集,并按照训练集:验证集:测试集=8:1:1对数据集进行划分;
利用标注工具在数据集中的图像中标注出身份字符串或条码所在的区域,得到标签图像,并将带有条码的区域标注为识别结果;
利用标注工具将数据集中带有身份字符串的图像标注上对应的字符串;
利用标注好的数据集对所述SVTR模型进行训练、验证及测试,得到所述图像处理模型。
9.一种终端,其特征在于,包括:
处理器;
用于存储处理器的执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-6任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174239.XA CN116189200A (zh) | 2023-02-28 | 2023-02-28 | 硬盘身份字符识别方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174239.XA CN116189200A (zh) | 2023-02-28 | 2023-02-28 | 硬盘身份字符识别方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116189200A true CN116189200A (zh) | 2023-05-30 |
Family
ID=86444149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310174239.XA Pending CN116189200A (zh) | 2023-02-28 | 2023-02-28 | 硬盘身份字符识别方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116189200A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173711A (zh) * | 2023-08-18 | 2023-12-05 | 安徽工程大学产业创新技术研究有限公司 | 一种汽车轮胎参数识别检测方法及服务平台 |
-
2023
- 2023-02-28 CN CN202310174239.XA patent/CN116189200A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173711A (zh) * | 2023-08-18 | 2023-12-05 | 安徽工程大学产业创新技术研究有限公司 | 一种汽车轮胎参数识别检测方法及服务平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416902B (zh) | 基于差异识别的实时物体识别方法和装置 | |
KR20090084968A (ko) | 모바일 장치 시스템을 이용한 디지탈 이미지 아카이빙 및 검색 | |
CN106503703A (zh) | 使用终端设备来识别信用卡号码和到期日期的系统和方法 | |
AU2017410934B2 (en) | Detecting orientation of textual documents on a live camera feed | |
CN106663196A (zh) | 视频中的计算机显著人物识别 | |
KR20210117324A (ko) | 창고 관리 시스템 | |
CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
CN116189200A (zh) | 硬盘身份字符识别方法、系统、终端及存储介质 | |
US9665574B1 (en) | Automatically scraping and adding contact information | |
CN113627395A (zh) | 文本识别方法、装置、介质及电子设备 | |
CN115063589A (zh) | 基于知识蒸馏的车辆部件分割方法及相关设备 | |
CN112613508A (zh) | 一种物体识别方法、装置及设备 | |
CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
CN113568934A (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
US11281932B2 (en) | System and method for managing loyalty scheme data | |
CN114693435A (zh) | 催收名单的智能回访的方法、装置、电子设备及存储介质 | |
CN114781517A (zh) | 风险识别的方法、装置及终端设备 | |
CN116778534B (zh) | 图像处理方法、装置、设备和介质 | |
CN113780216B (zh) | 无感考勤方法、装置、计算机设备及存储介质 | |
CN115063378B (zh) | 智能点数方法、装置、设备及存储介质 | |
RU2565007C1 (ru) | Способ распознавания идентификационных данных на банковской карте и устройство для его осуществления | |
CN116310986A (zh) | 视频中互动关系的识别方法、装置、设备及介质 | |
CN115809350A (zh) | 联系人检索方法、装置、设备及存储介质 | |
CN115937840A (zh) | 商品库的生成方法和系统 | |
Dzeha et al. | Mobile Application For Electricity Meter Reading and Billing Using Image Processing and Machine Learning |
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 |