CN116561167B - 基于图像分析的智能工厂的产量数据检索系统 - Google Patents

基于图像分析的智能工厂的产量数据检索系统 Download PDF

Info

Publication number
CN116561167B
CN116561167B CN202310538000.6A CN202310538000A CN116561167B CN 116561167 B CN116561167 B CN 116561167B CN 202310538000 A CN202310538000 A CN 202310538000A CN 116561167 B CN116561167 B CN 116561167B
Authority
CN
China
Prior art keywords
unit
target
unit product
products
product
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
CN202310538000.6A
Other languages
English (en)
Other versions
CN116561167A (zh
Inventor
庞克学
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.)
Shenzhen Zhengye Jiukun Information Technology Co ltd
Original Assignee
Shenzhen Zhengye Jiukun Information Technology 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 Shenzhen Zhengye Jiukun Information Technology Co ltd filed Critical Shenzhen Zhengye Jiukun Information Technology Co ltd
Priority to CN202310538000.6A priority Critical patent/CN116561167B/zh
Publication of CN116561167A publication Critical patent/CN116561167A/zh
Application granted granted Critical
Publication of CN116561167B publication Critical patent/CN116561167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及智能工厂技术领域，具体地说，涉及基于图像分析的智能工厂的产量数据检索系统。其包括单位产品库存建立层和检索目标建立层；单位产品库存建立层用于对单位产品的图像进行分析，以得到单位产品的库存量，且单位产品库存建立层借助单位产品模型形成库存量的被检索点；检索目标建立层以图像的方式输入检索目标，通过图像获取检索目标的目标模型，借助目标模型形成检索目标的检索点。本发明中检索时以产品模型为特征，这样会更具代表性，而且不需要人工对产品或者子产品的名称进行记忆，只需要有产品或者子产品的图像，对应的库存量就被检索到了，以减轻人工的工作负担。

Description

基于图像分析的智能工厂的产量数据检索系统
技术领域
本发明涉及智能工厂技术领域，具体地说，涉及基于图像分析的智能工厂的产量数据检索系统。
背景技术
智能工厂是指通过数字化技术、物联网技术、人工智能、机器人等技术手段，使得工厂生产制造过程中的各个环节实现智能化、自动化、无人化的一种工厂生产模式。智能工厂可以提高生产效率，降低生产成本，提高产品质量，增强产品特性，缩短产品生命周期，适应市场快速变化等优势。智能工厂可以应用于各类制造领域，包括汽车、机床、电子、纺织、食品、化工等行业。
而智能工厂中的产量数据通常通过各种传感器、监测系统和智能设备来采集和监测。这些数据可以包括原材料、半成品和成品的数量和质量等信息。
在中国专利公开号：CN105398012B中公开了一种智能工厂注塑机产量数据采集装置，包括合模端子和射胶端子信号连接微处理器，该微处理器与数据收发模块信号连接，该数据收发模块通过无线与数据处理服务器连接，微处理器根据信号隔离模块输入的信号进行时序化匹配，获得有效生产计数，数据收发模块将微处理器计数数据转为无线信号发送给数据处理服务器，该数据处理服务器对接收的信号进行解析获得计数数据。注塑机生产时，完整一个动作过程对应到PLC输入和输出信号有：合模、合模完、射胶、射胶完、射胶螺杆退、射胶螺杆退完、开模、开模完、顶针顶出注塑件。由于数据采集装置从PLC取至少两个信号做序列化匹配后计数，避免注塑机计数采集时进行计数错误，提高数据的可靠性。
由此可见，通过传感器或者监测系统进行产量的统计，适用于单个产品，如果是一个组合或者拼接的产品，那么需要进行统计的子产品(即进行拼接或者组装的产品)会有很多，这种统计得到的都是文字上的信息，而没有更具体的特征，这就导致后续需要对某个产品或者子产品进行产品产量数据检索时，要求工作人员熟练的掌握这些产品以及子产品的名称，这无疑增大了人工的工作负担；
而且，这种组合或者拼接产品的产量需要根据子产品的库存决定的，如果仅以产品的单位产量作为检索数据的话，那么可能会与实际产量出现偏差。
发明内容
本发明的目的在于提供基于图像分析的智能工厂的产量数据检索系统，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于图像分析的智能工厂的产量数据检索系统，其包括单位产品库存建立层和检索目标建立层；
所述单位产品库存建立层用于对单位产品的图像进行分析，以得到单位产品的库存量，且所述单位产品库存建立层借助单位产品模型形成库存量的被检索点；
所述检索目标建立层以图像的方式输入检索目标，通过图像获取检索目标的目标模型，借助目标模型形成检索目标的检索点；
基于与检索点匹配的被检索点的库存量确定检索目标的产量，得到产量数据。
作为本技术方案的进一步改进，所述单位产品库存建立层包括单位产品图像采集模块、单位产品合格分析模块以及单位产品入库模块；
所述单位产品图像采集模块用于获取生产出的单位产品的图像；
所述单位产品合格分析模块基于单位产品图像采集模块获取的单位产品图像，对单位产品图像对应的单位产品的合格率进行分析，以得到合格单位产品和非合格单位产品；
所述单位产品入库模块对合格单位产品进行入库，得到库存量，且以合格单位产品模型形成库存量的被检索点。
作为本技术方案的进一步改进，所述检索目标建立层包括检索目标图像采集模块、检索目标分析模块和目标产量输出模块；
所述检索目标图像采集模块用于获取检索目标的图像；
所述检索目标分析模块根据获取到检索目标的图像确定目标模型，以通过目标模型形成检索目标的检索点；
所述目标产量输出模块通过检索点确定与其匹配的被检索点，再基于被检索点对应的库存量确定检索目标的产量，并将得到的产量数据以可视化的方式输出。
作为本技术方案的进一步改进，还包括产品模型输入模块，所述产品模型输入模块用于输入形成单位产品模型和目标模型的产品模型。
作为本技术方案的进一步改进，所述单位产品合格分析模块对单位产品的合格率分析是通过对单位产品的外形进行评估实现的，其包括如下方法步骤：
S1.1、对摄像头拍摄得到的单位产品图像进行特征点的提取；
S1.2、选取单位产品图像中边缘的特征点来确定单位产品模型的姿态；
S1.3、将所有特征点与其对应单位产品模型形成的视图进行拟合。
作为本技术方案的进一步改进，所述单位产品图像的获取通过多个摄像头实现。
作为本技术方案的进一步改进，所述摄像头设置有六个，以获取单位产品在下落时的六个不同方向的视图。
作为本技术方案的进一步改进，所述单位产品的下落路径上还设置有红外感应器，所述红外感应器用于对生产得到单位产品的数量进行记录，同时触发多个摄像头同时拍摄。
作为本技术方案的进一步改进，所述S1.1中特征点方向角度的计算依照SIFT的计算方法进行，计算公式为：
式中，L(x,y)为单位产品图像中的特征点；m(x,y)和θ(x,y)分别是L(x,y)的尺度以及方向。
作为本技术方案的进一步改进，所述检索目标为单位产品或者单位产品组合得到的产品，且基于最低单位产品的库存量确定产品的数量。
与现有技术相比，本发明的有益效果：
1、该基于图像分析的智能工厂的产量数据检索系统中，检索时以产品模型为特征，这样会更具代表性，而且不需要人工对产品或者子产品的名称进行记忆，只需要有产品或者子产品的图像，对应的库存量就被检索到了，以减轻人工的工作负担。
2、该基于图像分析的智能工厂的产量数据检索系统中，基于与检索点匹配的被检索点的库存量确定检索目标的产量，得到产量数据，同时得到的库存量是将不合格单位产品筛除，从而提高了最后得到产量数据的精确度。
附图说明
图1为本发明数据检索系统的整体架构示意图；
图2为本发明数据检索系统的内部模块框图；
图3为本发明单位产品下落路径上摄像头及红外感应器的位置示意图。
图中各个标号意义为：
100、单位产品图像采集模块；200、单位产品合格分析模块；300、产品模型输入模块；400、单位产品入库模块；500、检索目标图像采集模块；600、检索目标分析模块；700、目标产量输出模块。
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。
智能工厂中的产量数据通常通过各种传感器、监测系统和智能设备来采集和监测。这些数据可以包括原材料、半成品和成品的数量和质量等信息。
通过传感器或者监测系统进行产量的统计，适用于单个产品，如果是一个组合或者拼接的产品，那么需要进行统计的子产品(即进行拼接或者组装的产品)会有很多，这种统计得到的都是文字上的信息，而没有更具体的特征，这就导致后续需要对某个产品或者子产品进行产品产量数据检索时，要求工作人员熟练的掌握这些产品以及子产品的名称，这无疑增大了人工的工作负担；
而且，这种组合或者拼接产品的产量需要根据子产品的库存决定的，如果仅以产品的单位产量作为检索数据的话，那么可能会与实际产量出现偏差，而且当子产品较多时，又很难快速的掌握每个子产品的合格情况。
为此，本实施例提供了基于图像分析的智能工厂的产量数据检索系统，如图1所示，其包括单位产品库存建立层和检索目标建立层；单位产品库存建立层用于对单位产品的图像(即单位产品图像，且单位产品指的是单个子产品，然后由多个子产品组合或者拼接成一个产品)进行分析，以得到单位产品的库存量，且单位产品库存建立层借助单位产品模型形成库存量的被检索点，也就是说在检索时以产品模型为特征，这样会更具代表性，而且不需要人工对产品或者子产品的名称进行记忆，只需要有产品或者子产品的图像，对应的库存量就被检索到了，以减轻人工的工作负担。
在被检索点形成后，检索目标建立层就可以通过图像的方式输入检索目标，具体可以通过图像扫描设备识别的产品或者子产品的图像作为检索目标，通过检索目标的图像获取检索目标的目标模型，借助目标模型形成检索目标的检索点，再基于与检索点匹配的被检索点的库存量确定检索目标的产量，最后得到产量数据。
需要说明的是，检索目标的图像输入方式还包括图像数据的上传、基于设备端对图像进行选择以及通过摄像头采集等。
具体的，请参阅图2所示，单位产品库存建立层包括单位产品图像采集模块100、单位产品合格分析模块200以及单位产品入库模块400；
单位产品图像采集模块100用于获取生产出的单位产品的图像，单位产品图像采集模块100采用至少一个摄像头来获取单位产品图像；
单位产品合格分析模块200基于获取的单位产品图像，对单位产品图像对应的单位产品的合格率进行分析，具体是对单位产品的外形进行评估，因为通过获取的单位产品图像可以知道对应单位产品的外表特征，这时候以通过对应的单位产品模型，就能够对单位产品的外表特征进行识别判断，判断单位产品图像对应的单位产品是否合格，合格的单位产品为合格单位产品，不合格的单位产品为非合格单位产品；
接着，单位产品入库模块400对合格单位产品进行入库，得到库存量，且以合格单位产品模型形成库存量的被检索点，这样筛除不合格的单位产品，避免不合格的单位产品影响到对应产品的库存量，因为带不合格单位产品的库存量并不能得到相应数量的产品；
最后，基于与检索点匹配的被检索点的库存量确定检索目标的产量，得到产量数据，而将不合格单位产品筛除，从而提高了最后得到产量数据的精确度。
进一步的，检索目标建立层包括检索目标图像采集模块500、检索目标分析模块600和目标产量输出模块700；
检索目标图像采集模块500用于获取检索目标的图像，其获取方式已进行描述，在此就不进行赘述了，而本实施例优选采用设备端(例如：手机、平板等)对检索目标的图像进行选取；
检索目标分析模块600根据获取到检索目标的图像确定目标模型，以通过目标模型形成检索目标的检索点；
目标产量输出模块700通过检索点确定与其匹配的被检索点，再基于被检索点对应的库存量确定检索目标的产量，并将得到的产量数据以可视化的方式输出，具体可以通过视频、图片、文字或者表格等的方式进行输出，也可以通过上述方式的结合进行输出。
再进一步的，产量数据检索系统还包括产品模型输入模块300，产品模型输入模块300用于输入形成单位产品模型和目标模型的产品模型。
具体实施原理：
首先，单位产品图像采集模块100在生产单位产品的生产线上架设多个摄像头，以获取多视角的单位产品图像，如图3所示，假设单位产品通过输送带进行传输，然后下落在对其收集的箱体内，这时候在其下落的路径上设置六个摄像头，分别是摄像头a、b、c、d、e和f，以获取单位产品在下落时的六个不同方向的视图，而且在此路径上还设置有红外感应器A，当单位产品下落过程中，会经过红外感应器A，这时候就能够对生产得到单位产品的数量进行记录，同时触发摄像头a、b、c、d、e和f同时拍摄，从而形成多视角的单位产品图像，以实现全方位的拍摄。
与此同时，单位产品合格分析模块200获取同时拍摄得到的多视角的单位产品图像(由摄像头a、b、c、d、e和f拍摄得到的六个单位产品图像组成)，并采用如下方法步骤对单位产品的外形进行评估：
S1.1、对摄像头a、b、c、d、e和f拍摄得到的六个单位产品图像进行特征点的提取，针对特征的提取又分为四步，即(1)利用高斯卷积构建六个单位产品图像简化后的高斯金字塔；(2)计算高斯残差金字塔；(3)在高斯残差金字塔中选择局部邻域(包括同层的八邻域点、上层对应的九个像素点和下层对应的九个像素点)内取得极值并大于阈值的像素点为特征点；(4)确定特征点的位置、尺度和方向。
其中，六个单位产品图像中的特征点的尺度为对应尺度空间图像层的尺度大小,特征点方向角度的计算依照SIFT的计算方法进行，计算公式为：
式中，L(x,y)为六个单位产品图像中的特征点；m(x,y)和θ(x,y)分别是L(x,y)的尺度以及方向。
S1.2、选取六个单位产品图像中边缘的特征点来确定单位产品模型的姿态，也就是说每一个视角的单位产品图像，都有四个边缘区域，从而形成24个边缘区域，这时候借助这24个边缘区域内的特征点与单位产品模型做比对，这样可以减少需要比对特征点的数量，而且当边缘区域确定后，就能够获取单位产品模型在24个边缘区域限定下的姿态，并以此来调整单位产品模型的方向，使其与当时拍摄的单位产品的姿态匹配；
S1.3、将所有特征点与其对应单位产品模型形成的视图进行拟合(常用的拟合算法有光线投射、三角测量法和视觉几何法等)，高于拟合阈值的单位产品为非合格单位产品，而等于或者低于拟合阈值的产品为合格单位产品。
然后，单位产品入库模块400对合格单位产品进行入库，得到对应单位产品的库存量，而且作为被检索点的并不是这个单位产品的名称，而是单位产品对应的单位产品模型，假设此时的产品需要三个不同的单位产品进行拼接，这三个单位产品的库存量分别是1000件、2000件和1500件，这时候需要知道产品的产量，那么检索目标图像采集模块500在手机上选择该产品对应的图像数据，然后基于图像数据确定目标模型，通过目标模型可知其有三个检索点，这三个检索点分别对应三个被检索点，这时候就能够得到三个被检索点的库存量，然后基于最低的库存量确定能够拼接产品的数量，也就是能够拼接1000件产品。
假设，一件产品拼接的速度为1天1500件，也就是说理论上的产量是1天1500件，但受到库存影响，其实际产量为1000件。
如果，检索目标就只有一个单位产品，那么其产量就是该产品对应的库存量。
需要说明的是，库存量和产量的计算时间统一，通常都是按照日或者月来计算。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.基于图像分析的智能工厂的产量数据检索系统，其特征在于：其包括单位产品库存建立层和检索目标建立层；
所述单位产品库存建立层用于对单位产品的图像进行分析，以得到单位产品的库存量，且所述单位产品库存建立层借助单位产品模型形成库存量的被检索点；
所述检索目标建立层以图像的方式输入检索目标，通过图像获取检索目标的目标模型，借助目标模型形成检索目标的检索点；
基于与检索点匹配的被检索点的库存量确定检索目标的产量，得到产量数据；
所述单位产品库存建立层包括单位产品图像采集模块(100)、单位产品合格分析模块(200)以及单位产品入库模块(400)；
所述单位产品图像采集模块(100)用于获取生产出的单位产品的图像；
所述单位产品合格分析模块(200)基于单位产品图像采集模块(100)获取的单位产品图像，对单位产品图像对应的单位产品的合格率进行分析，以得到合格单位产品和非合格单位产品；
所述单位产品入库模块(400)对合格单位产品进行入库，得到库存量，且以合格单位产品模型形成库存量的被检索点；
所述检索目标建立层包括检索目标图像采集模块(500)、检索目标分析模块(600)和目标产量输出模块(700)；
所述检索目标图像采集模块(500)用于获取检索目标的图像；
所述检索目标分析模块(600)根据获取到检索目标的图像确定目标模型，以通过目标模型形成检索目标的检索点；
所述目标产量输出模块(700)通过检索点确定与其匹配的被检索点，再基于被检索点对应的库存量确定检索目标的产量，并将得到的产量数据以可视化的方式输出；
系统还包括产品模型输入模块(300)，所述产品模型输入模块(300)用于输入形成单位产品模型和目标模型的产品模型；
所述单位产品合格分析模块(200)对单位产品的合格率分析是通过对单位产品的外形进行评估实现的，其包括如下方法步骤：
S1.1、对摄像头拍摄得到的单位产品图像进行特征点的提取；
S1.2、选取单位产品图像中边缘的特征点来确定单位产品模型的姿态；
S1.3、将所有特征点与其对应单位产品模型形成的视图进行拟合；
所述单位产品图像的获取通过多个摄像头实现；
所述摄像头设置有六个，以获取单位产品在下落时的六个不同方向的视图；
所述单位产品的下落路径上还设置有红外感应器，所述红外感应器用于对生产得到单位产品的数量进行记录，同时触发多个摄像头同时拍摄；
所述S1.1中，特征点的尺度为对应尺度空间图像层的尺度大小，特征点方向角度的计算依照SIFT的计算方法进行，特征点的尺度以及方向角度的计算公式为：
式中，L(x，y)为单位产品图像中的特征点；m(x，y)和θ(x，y)分别是L(x，y)的尺度以及方向角度；
所述检索目标为单位产品或者单位产品组合得到的产品，且基于最低单位产品的库存量确定产品的数量。
CN202310538000.6A 2023-05-12 2023-05-12 基于图像分析的智能工厂的产量数据检索系统 Active CN116561167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310538000.6A CN116561167B (zh) 2023-05-12 2023-05-12 基于图像分析的智能工厂的产量数据检索系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310538000.6A CN116561167B (zh) 2023-05-12 2023-05-12 基于图像分析的智能工厂的产量数据检索系统

Publications (2)

Publication Number Publication Date
CN116561167A CN116561167A (zh) 2023-08-08
CN116561167B true CN116561167B (zh) 2024-02-27

Family

ID=87487524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310538000.6A Active CN116561167B (zh) 2023-05-12 2023-05-12 基于图像分析的智能工厂的产量数据检索系统

Country Status (1)

Country Link
CN (1) CN116561167B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573007A (zh) * 2015-01-09 2015-04-29 杭州利珀科技有限公司 一种服装辅料检索系统
CN111260289A (zh) * 2020-01-16 2020-06-09 四川中烟工业有限责任公司 一种基于视觉导航的微型无人机仓库盘点系统及方法
CN112257644A (zh) * 2020-11-02 2021-01-22 苏宇航 一种基于云计算的电子商务平台店铺商品库存智能管理系统
CN113282779A (zh) * 2020-02-19 2021-08-20 阿里巴巴集团控股有限公司 图像搜索方法、装置、设备
CN114020953A (zh) * 2021-10-27 2022-02-08 北京中知智慧科技有限公司 外观设计产品的多图检索方法及装置
CN115457458A (zh) * 2022-08-25 2022-12-09 郭秋昊 一种非接触式智能盘点系统和方法
CN115619710A (zh) * 2022-08-29 2023-01-17 苏州飞搜科技有限公司 基于分步跟踪检测的物品数量统计方法、装置及设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10679180B2 (en) * 2018-06-20 2020-06-09 Capital One Services, Llc Transitioning inventory search from large geographic area to immediate personal area

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573007A (zh) * 2015-01-09 2015-04-29 杭州利珀科技有限公司 一种服装辅料检索系统
CN111260289A (zh) * 2020-01-16 2020-06-09 四川中烟工业有限责任公司 一种基于视觉导航的微型无人机仓库盘点系统及方法
CN113282779A (zh) * 2020-02-19 2021-08-20 阿里巴巴集团控股有限公司 图像搜索方法、装置、设备
CN112257644A (zh) * 2020-11-02 2021-01-22 苏宇航 一种基于云计算的电子商务平台店铺商品库存智能管理系统
CN114020953A (zh) * 2021-10-27 2022-02-08 北京中知智慧科技有限公司 外观设计产品的多图检索方法及装置
CN115457458A (zh) * 2022-08-25 2022-12-09 郭秋昊 一种非接触式智能盘点系统和方法
CN115619710A (zh) * 2022-08-29 2023-01-17 苏州飞搜科技有限公司 基于分步跟踪检测的物品数量统计方法、装置及设备

Also Published As

Publication number Publication date
CN116561167A (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
US20210390678A1 (en) Method for monitoring manufacture of assembly units
CN110619620B (zh) 导致表面缺陷的异常定位方法、装置、系统及电子设备
CN100573388C (zh) 实时颜色自动采集的机器人控制方法及机器人
CN113723325B (zh) 一种装配式预制构件的工装缺陷检测系统
CN103776841B (zh) 合成革缺陷自动检测装置及检测方法
CN105812746B (zh) 一种目标检测方法及系统
CN108287162B (zh) 一种食品安全智能检测的方法
CN113723841B (zh) 一种装配式预制构件中工装缺失的在线检测方法
CN101872423A (zh) 一种生产线上运动目标追踪方法
CN110032654B (zh) 一种基于人工智能的超市商品录入方法及系统
CN113522770A (zh) 一种基于3d视觉的高精度在线检测系统
CN114029237A (zh) 一种铝型材表面缺陷实时分拣系统及方法
CN113588653A (zh) 一种检测和追踪铝用阳极炭块质量的系统及方法
CN112347947A (zh) 融合智能检测与自动化测试的图像数据处理系统与方法
CN116561167B (zh) 基于图像分析的智能工厂的产量数据检索系统
CN114202720A (zh) 一种基于目标识别的实时检测鸡蛋数量的系统及方法
CN118305101A (zh) 一种自动化轴承缺陷检测系统及方法
CN112304965A (zh) 一种多场景保险丝盒视觉检测系统
CN117381793A (zh) 一种基于深度学习的物料智能检测视觉系统
CN110856847A (zh) 一种基于智能视觉的电容字符检测方法及装置
CN115615991A (zh) 适用于钢卷端部的缺陷检测装置及方法
CN117253092B (zh) 一种基于机器视觉的料仓视频分类识别方法及系统
CN117908498B (zh) 一种基于mbs的车间生产监控系统
CN111986198B (zh) 一种模具残留物检测方法及装置
CN117911411B (zh) 一种基于图片流并行检测的计算机视觉检测方法及装置

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