CN117115532A - 一种基于物联网的展览台智能控制方法及系统 - Google Patents
一种基于物联网的展览台智能控制方法及系统 Download PDFInfo
- Publication number
- CN117115532A CN117115532A CN202311067516.3A CN202311067516A CN117115532A CN 117115532 A CN117115532 A CN 117115532A CN 202311067516 A CN202311067516 A CN 202311067516A CN 117115532 A CN117115532 A CN 117115532A
- Authority
- CN
- China
- Prior art keywords
- exhibits
- exhibit
- placement
- display
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 235000013305 food Nutrition 0.000 claims abstract description 84
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 60
- 230000000875 corresponding effect Effects 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 1
- 230000001747 exhibiting effect Effects 0.000 abstract description 5
- 238000012790 confirmation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 6
- 241000287828 Gallus gallus Species 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 235000020095 red wine Nutrition 0.000 description 5
- 235000013361 beverage Nutrition 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000001795 light effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 235000014101 wine Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241001593968 Vitis palmata Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000015173 baked goods and baking mixes Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000020965 cold beverage Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000009920 food preservation Methods 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47F—SPECIAL FURNITURE, FITTINGS, OR ACCESSORIES FOR SHOPS, STOREHOUSES, BARS, RESTAURANTS OR THE LIKE; PAYING COUNTERS
- A47F7/00—Show stands, hangers, or shelves, adapted for particular articles or materials
- A47F7/0071—Show stands, hangers, or shelves, adapted for particular articles or materials for perishable goods
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47F—SPECIAL FURNITURE, FITTINGS, OR ACCESSORIES FOR SHOPS, STOREHOUSES, BARS, RESTAURANTS OR THE LIKE; PAYING COUNTERS
- A47F5/00—Show stands, hangers, or shelves characterised by their constructional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing 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
- G06V10/774—Generating 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网的展览台智能控制方法及系统,该方法用于展示不同展品类型的食物展,该方法包括:获取展品顺序表;响应于针对展品顺序表的移动请求,基于展品顺序表对展览台上所有展品进行重新放置;响应于放置完成信息设置为待确认状态,基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;其中,展品顺序表具体为序号和相对应的展品类型进行一一映射的列表。本申请通过对重新放置后提供智能化的确认和提示,提高了检查环节的效率和准确性。
Description
技术领域
本申请涉及展览技术领域,尤其是一种基于物联网的展览台智能控制方法及系统。
背景技术
食品展是专门展示各种食品和饮料的展会,包括不同类型的食品、饮料、酒类等。在展会期间通常需要展示各种食品和饮料,以吸引食品行业的企业和个人参展。而不同的摆放方式会因为食品本身影响展会的展示效果,有时摆放后会需要多次反复调整来确定最终的摆放情况,但调整期间需要耗费大量的人力物力去搬运和摆放,十分不便,且摆放后可能出错,依然需要人工去核查。
发明内容
为了克服现有技术存在的缺陷与不足,本申请提供了一种基于物联网的展览台智能控制方法及系统,能够提高食品展重新摆放的智能化程度,辅助工作人员及时确认食品摆放效果,提高了摆放效率,降低人力物力的耗费。
为了达到上述目的,本发明采用以下技术方案:
根据本申请的一个方面,提供了一种基于物联网的展览台智能控制方法,用于展示不同展品类型的食物展,所述方法包括:
获取展品顺序表;
响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置;
响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;
其中,所述展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,所述放置完成信息用于表示当前展品在调整时的放置情况,所述待确认状态为用于针对所述移动请求响应完成后进行设置。
优选地,所述响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置的步骤中,具体包括:
优选地,所述响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置的步骤中,具体包括:
初始化第一放置区、第二放置区;
基于所述展品顺序表将所有展品依次进行重新放置,将所有展品从第一放置区移动至第二放置区,根据所述顺序展品顺序表依次选取指定序号的展品进行移动,直至所有展品移动完毕,将所述放置完成信息设置为待确认状态;
其中所述第一放置区用于摆放展品,所述第二放置区用于暂放展品,此时重新放置的过程中所耗费的时间为push{}表示展品从所述第一放置区移动至所述第二放置区的过程所耗费的时间,pop{}表示展品从所述第二放置区重新放置到所述第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品从所述第二放置区重新放置到所述第一放置区时所耗费的时间,Tα表示依次放置整体所耗费的时间,/>表示所有n个展品从所述第一放置区移动至所述第二放置区所耗费的时间,pop{∑t1+t2+…+ti+…+tn}表示所有n个展品从所述第二放置区重新放置到至所述第一放置区所耗费的时间。
优选地,所述基于所述展品顺序表将所有展品依次进行重新放置的步骤中,还包括:
初始化第一放置区、第二放置区;
基于所述展品顺序表将所有展品进行重新放置,将所有展品从第一放置区移动至第二放置区,所述将所有展品从第一放置区移动至第二放置区的步骤中,具体包括:在所述第二放置区中划分为第一备选区和第二备选区,所述第一备选区用于暂存属于排序前50%的展品,所述第二备选区用于暂存属于排序后50%的展品;
所述根据所述顺序展品顺序表依次选取指定序号的展品进行移动的步骤中,具体包括:
在第一备选区中,基于所述展品顺序表将排序前50%的展品依次移动至第一放置区,同时在第二备选区中,基于所述展品顺序表将排序后50%的展品依次移动至第二放置区;
此时重新放置的过程中所耗费的时间为 push{}表示展品从所述第一放置区移动至所述第二放置区的过程所耗费的时间,pop{}表示展品从所述第二放置区重新放置到所述第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品重新放置时所耗费的时间,tmid表示序号为中间顺序的展品重新放置时所耗费的时间,Tβ表示前后分类后分别依次放置整体所耗费的时间,/>表示排序前50%的展品从所述第一放置区移动至所述第一备选区所耗费的时间,/>表示排序后50%的展品从所述第一放置区移动至所述第二备选区所耗费的时间,/>表示所有n个展品从所述第一放置区移动至所述第二放置区所耗费的时间,pop{max(∑(t1+…+ti+…+tmid),∑(tmid+1+…+tn))}表示所有n个展品从所述第二放置区重新放置到至所述第一放置区所耗费的时间,∑(t1+…+ti+…+tmid)表示排序前50%的展品从所述第一备选区重新放置到至所述第一放置区所耗费的时间,∑(tmid+1+…+tn)用于表示排序后50%的展品从所述第二备选区重新放置到至所述第一放置区所耗费的时间,max()表示取其中的最大值。
优选地,所述响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态的步骤中,包括:
从所述展品顺序表中依次确定当前处理序号;
基于所述当前处理序号进行确定参考展品图像,所述参考展品图像为根据展品类型对应的展品预存图像;
基于所述当前处理序号进行确定待检图像,其中每个待检图像分别对应于所述展品顺序表里的唯一序号,每个待检图像为从所述展览台图像集中根据序号进行确定;
基于序号依次计算每个待检图像与相应的参考展品图像之间的余弦相似度,判断所述余弦相似度是否超过预设相似度阈值,当超过则视为识别成功,否则视为识别失败;
当所有展品均识别成功时,此时为判断所有展品的放置位置均正确且设置放置完成信息为已确认状态,否则当存在任一个展品识别失败时,基于所有识别失败的展品的序号进行生成识别提示信息,以提醒用户进行人工复查。
优选地,所述方法还包括:
响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理;
响应于获得针对食品展结束的标识信息,关闭所有灯光。
优选地,所述响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理的步骤,具体包括:
获取多个展品待识别图像,每个展品待识别图像与实际展品的序号一一对应;
依次将每个展品待识别图像输入至展品分类模型进行识别以确定所有展品的展品类型;
基于食品灯光关联表依次匹配出每个展品类型所对应的灯光控制信息;
基于灯光控制信息对每个展品进行灯光处理;
其中,所述展品分类模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个食品图像和对应该食品图像的标识信息,该标识信息用于表示食品图像中的展品类型,所述灯光控制信息为包括灯光类型、角度、光强、色调、色温和颜色的关联信息,所述食品灯光关联表为将每个食品的展品类型与相应的灯光控制信息的进行关联的预存匹配表。
优选地,还包括:根据不同相对高度差L、不同工作功率P、展会温度Tout进行构建能量拟合关系式,具体地,所述能量拟合关系式为:
E(Tout,L,P)=a1*P2+a2*P+a3*Tout+a4*L+a5*b;
其中E(Tout,L,P)表示能量估计值,P表示工作功率且与能量估计值正相关,Tout表示展会温度且与能量估计值正相关,L表示展品与相应灯光设备之间的相对高度差L且与能量估计值负相关,P、Tout、L根据实际应用的需求进行预设,a1、a2、a3、a4、a5分别为相应的系数项,且a1>0,a2>0,a3>0,a4<0,a5*b为误差修正参数项且用于修正运行工况下的随机噪声,b为误差修正参数项的参考值,T=t2-t1,t1和t2均为预先设置的参考时间,且T设置为大于1且为周期的正倍数以便于计算,t表示时间自变量,(t-[t])为以1为最小正周期的周期函数,[t]为阶梯函数,具体为:
基于所述能量拟合关系式及实测的工作功率、展会温度、展品与相应灯光设备之间的相对高度差及当前时刻值进行计算能量估计值E(Tout,L,P);
判断所述能量估计值E(Tout,L,P)是否超出预设能量阈值,当超出时,进行调节灯光设备实际工作的电流直至最终的能量估计值小于所述预设能量阈值。
优选地,所述方法还包括:获取多个展品监测图像和多个重量信息,其中每个展品监测图像与实际展品的序号一一对应,每个重量信息为通过相应的重量感应区采集得到,每个重量感应区与展品的序号进行一一对应;
对每个展品的检测过程执行以下处理:
识别展品监测图像是否含有参展者,以确定第一检测标识;
响应于第一检测标识为真,基于重量信息确定第二检测标识;
当第二检测标识为真时,判断语音讲解状态是否为播放状态,若是播放状态则不做处理,否则基于当前展品的序号确定语音介绍信息并进行播放所述语音介绍信息,若第二检测标识为假,则不做处理;
其中所述语音讲解状态用于表示语音介绍信息是否处于播放讲解的状态情况。
优选地,所述识别展品监测图像是否含有参展者,以确定第一检测标识的步骤,具体包括:将所述展品监测图像输入至参展者检测模型以检测展品周围是否存在参展者,当判断为存在参展者时,设置第一检测标识为真,否则设置第一检测标识为假;
其中所述参展者检测模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个展品图像和对应该展品图像是否含有参展者的标识信息;
所述响应于第一检测标识为真,基于重量信息确定第二检测标识的步骤,具体包括:
判断所述重量信息是否达到预设重量阈值,若达到则设置第二检测标识为真,否则设置第二检测标识为假。
优选地,所述方法还包括:响应于第一检测标识为假,判断语音讲解状态是否为播放状态,若为播放状态,则停止播放。
根据本申请的另一个方面,提供了一种基于物联网的展览台智能控制系统,用于展示不同展品类型的食物展,所述系统包括:
顺序表获取模块,用于获取展品顺序表;
移动响应模块,用于响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置;
待确认状态响应模块,用于响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;
其中,所述展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,所述放置完成信息用于表示当前展品在调整时的放置情况,所述待确认状态为用于针对所述移动请求响应完成后进行设置。
本发明与现有技术相比,具有如下优点和有益效果:
(1)本申请通过在重新放置后也针对性地提供智能化的验证和提示,提高了检查环节的工作效率,提高了检查的准确性,提高了展品重新放置的可靠性。
(2)本申请通过先划分备选区,然后再基于展品顺序表分别对备选区进行重新放置,基于中间序号进行划分前后部分,进而分别进行依次排序,既提高了依次排序的效率,还避免了当两个指定序号的展品同时进行重新放置时的碰撞情况。
(3)本申请利用食品展开始的标识信息和食品展结束的标识信息作为触发条件,通过识别出展品类型,进而找到所关联的灯光控制信息,基于灯光控制信息使灯光能够根据实际展品进行精准的控制,以使整体灯光效果更适合实际展品,以使得展品重新放置后能够实现自适应灯光的效果,更好地突出食品展上展品的颜色和质地。进一步地,通过设置预设能量阈值进行判断能量预估值,以及时调整灯光工作电流,进而针对性地对每个食品实现更精准的光强自适应调节,使得具有特定温度需求的食品在食品展上具有更久的保藏时间。
(4)本申请通过第一检测标识作为第一次检测以识别出是否存在参展者,再进一步根据第二检测标识进行确认参展者是否感兴趣,当参展者走到重量感应区时即认为参展者对展品感兴趣以及时播放当前展品的食品讲解内容,即通过结合第一检测标识和第二检测标识作为触发条件,使得食品展的展品讲解效果更智能化。
附图说明
图1为本申请实施例中提供的一种基于物联网的展览台智能控制方法的流程示意图;
图2为本申请实施例中基于展品顺序表对展览台上所有展品进行重新放置的步骤示意图;
图3为本申请实施例中基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确的步骤示意图;
图4为本申请实施例中基于展品顺序表将所有展品依次进行重新放置的优化流程示意图;
图5为本申请实施例中自适应灯光处理的流程示意图;
图6为本申请实施例中根据灯光调节信息对所有展品进行自适应灯光处理的步骤示意图;
图7为本申请实施例中光强自适应调节的步骤示意图;
图8为本申请实施例中周期函数t-[t]的函数图像示意图;
图9为本申请实施例中语音讲解处理的流程示意图;
图10为本申请实施例中提供的一种基于物联网的展览台智能控制系统的示意框图;
图11为本申请实施例中提供一种终端的结构示意图;
图12为本申请实施例中提供的一种计算机设备的结构示意图。
具体实施方式
在本公开的描述中,需要说明的是,下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。应当理解,本公开的方法实施方式中记载的各个步骤可以按和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。本公开中提及的“一个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
本申请实施例提供的一种基于物联网的展览台智能控制方法可以应用于会展场景中,具体的,例如食品展、美食展、小吃展。
上述场景中可以包括至少一个设备,该设备可以为云服务器,以适应会展在选址时具有更高的灵活性,设备可以通过自身的通信传输系统,或者,通过额外配置的智能硬件,比如,具有WiFi等无线传输方式与用户的终端设备进行数据交互。其中,终端设备可以是任意具有获取互联网服务能力的设备;例如,终端设备可以是可穿戴设备,或者,终端设备可以是指用户的手持设备,例如手机。
如图1所示,为本申请一个实施例提供的一种基于物联网的展览台智能控制方法的流程示意图。该方法用于展示不同展品类型的食物展,包括以下步骤:
S1.获取展品顺序表;
在本实施例中,执行主体为处理装置,且该处理装置具体为用于数据处理和分析的服务器,处理装置与至少一个终端设备无线连接。
其中,展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,展品顺序表为预先设置或由具有更改权限的用户修改得到。
例如,通过终端设备预先设置好展品顺序表,或者在需要修改时重新上传展品顺序表以完成修改相关信息的操作。示例性的,用户可以通过依次按序号输入展品类型即可完成一次数据输入,待所有序号的展品类型输入完即完成展品顺序表的设置或修改。
S2.响应于针对展品顺序表的移动请求,基于展品顺序表对展览台上所有展品进行重新放置;具体地,结合图2所示,为本申请实施例中基于展品顺序表对展览台上所有展品进行重新放置的步骤示意图,包括:
S21.初始化第一放置区、第二放置区;还需要说明的是,第一放置区为用于展览台实际放置展品的位置区域,因此最终重新放置后,展品会被放置在第一放置区,且会根据最新的展品顺序表进行重新放置。
S22.基于展品顺序表将所有展品依次进行重新放置,将所有展品从第一放置区移动至第二放置区,根据顺序展品顺序表依次选取指定序号的展品进行移动,直至所有展品移动完毕,将放置完成信息设置为待确认状态;
其中第一放置区用于摆放展品,第二放置区用于暂放展品,此时重新放置的过程中所耗费的时间为push{}表示展品从第一放置区移动至第二放置区的过程所耗费的时间,pop{}表示展品从第二放置区重新放置到第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品从第二放置区重新放置到第一放置区时所耗费的时间,Tα表示依次放置整体所耗费的时间,/>表示所有n个展品从第一放置区移动至第二放置区所耗费的时间,/>表示n个展品从第一放置区移动至第二放置区的平均每个展品耗费时间,pop{∑t1+t2+…+ti+…+tn}表示所有n个展品从第二放置区重新放置到至第一放置区所耗费的时间。
S3.响应于放置完成信息设置为待确认状态,基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;其中,放置完成信息用于表示当前展品在调整时的放置情况,待确认状态为用于针对移动请求响应完成后进行设置。需要说明的是,由于人为搬运和摆放可能会出现摆错的意外情况,有时还需要额外增加检查环节去核对,对此,本实施例在重新放置后也针对性地做了智能化的确认和提示,提高了检查环节的效率和检查时的准确性。
在本实施例中,结合图3所示,为本申请实施例中基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确的步骤示意图;具体地,在响应于放置完成信息设置为待确认状态,基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态的步骤中,包括:
S31.从展品顺序表中依次确定当前处理序号;在本实施例中,按顺序依次处理,则每次处理时,当前处理序号则从1开始向后累加,直至对所有展品完成判断。
S32.基于当前处理序号进行确定参考展品图像,参考展品图像为根据展品类型对应的展品预存图像;在本实施例中,在处理之前,由于对食品展的所有展品是确定且已知的,因此可以提前预存每个展品类型所对应的图像,从而将展品类型与相应的展品预存图像建立关联。实际应用时,基于当前处理序号能够从展品顺序表中找到所匹配的展品类型,进而再根据展品类型从预存数据库中查询以确定参考展品图像。
S33.基于当前处理序号进行确定待检图像,其中每个待检图像分别对应于展品顺序表里的唯一序号,每个待检图像为从展览台图像集中根据序号进行确定;
在本实施例中,待检图像为放置完成信息设置转为待确认状态时对每个展品分别进行拍摄得到的图像信息,从而通过汇总所有展品的待检图像以构成展览台图像集。还需要说明的是,食品展布局位置在展出前已规划确定好,则每个展品相应的拍摄角度可以预设以拍摄到指定展品的画面,且展品的每个位置也可以预先与一个序号所关联,则每个待检图像拍摄展品时,可以根据每个展品位置来确定拍摄的角度和序号,进而实际应用时能够获取不同序号所对应的目标展品的待检图像。
S34.基于序号依次计算每个待检图像与相应的参考展品图像之间的余弦相似度,判断余弦相似度是否超过预设相似度阈值,当超过则视为识别成功,否则视为识别失败;在本实施例中,预设相似度阈值可以根据实际情况设置数值,在执行前需要提前设置好。通过比较两幅图像的余弦相似度来确定实际展品类型在展品顺序表中是否摆放准确,从而在重新放置的执行过程后起到一个验证作用,即通过余弦相似度来进行确认重新放置后的实际展品是否跟展品顺序表一致,能够辅助食品展工作人员在布置时的检查工作,提高了展品放置的可靠性。
S35.当所有展品均识别成功时,此时为判断所有展品的放置位置均正确且设置放置完成信息为已确认状态,否则当存在任意一个展品识别失败时,基于所有识别失败的展品的序号进行生成识别提示信息,以提醒用户进行人工复查。在本实施例中,识别提示信息为根据所有识别失败的展品的序号得到,即通过记录所有识别失败的展品的序号,从展品顺序表中提取到序号和相应的展品类型,进而通过汇总得到。
实施例二:
在本申请的另一个实施例中,为了使重新放置的处理更高效便捷,本申请提出的基于物联网的展览台智能控制方法先将需要排序的展品根据中间序号为判断标准进行划分,以作排序前的前置处理。如图4所示,为本申请实施例中基于展品顺序表将所有展品依次进行重新放置的优化流程示意图,具体地,该方法还包括:
在基于展品顺序表将所有展品依次进行重新放置的步骤中,还包括:
S221.划分备选区。即:在将所有展品从第一放置区移动至第二放置区的步骤中,具体包括:在第二放置区中划分为第一备选区和第二备选区,第一备选区用于暂存属于排序前50%的展品,第二备选区用于暂存属于排序后50%的展品;
S222.基于所述展品顺序表将所有展品进行重新放置,即:基于展品顺序表分别对备选区进行重新放置。进一步的:在根据顺序展品顺序表依次选取指定序号的展品进行移动的步骤中,具体包括:
在第一备选区中,基于展品顺序表将排序前50%的展品依次移动至第一放置区,同时在第二备选区中,基于展品顺序表将排序后50%的展品依次移动至第二放置区;
此时重新放置的过程中所耗费的时间为 push{}表示展品从第一放置区移动至第二放置区的过程所耗费的时间,pop{}表示展品从第二放置区重新放置到第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品重新放置时所耗费的时间,tmid表示序号为中间顺序的展品重新放置时所耗费的时间,Tβ表示前后分类后分别依次放置整体所耗费的时间,/>表示排序前50%的展品从第一放置区移动至第一备选区所耗费的时间,/>表示排序后50%的展品从第一放置区移动至第二备选区所耗费的时间,/>表示所有n个展品从第一放置区移动至第二放置区所耗费的时间,pop{max(∑(t1+…+ti+…+tmid),∑(tmid+1+…+tn))}表示所有n个展品从第二放置区重新放置到至第一放置区所耗费的时间,∑(t1+…+ti+…+tmid)表示排序前50%的展品从第一备选区重新放置到至第一放置区所耗费的时间,∑(tmid+1+…+tn)用于表示排序后50%的展品从第二备选区重新放置到至第一放置区所耗费的时间,max()表示取其中的最大值。
此外还需说明的是,当n为奇数时,mid为(n+1)/2;当n为偶数时,mid为n/2。表示排序前50%的展品从第一放置区移动至第一备选区的平均每个展品耗费时间,/>表示排序后50%的展品从第一放置区移动至第二备选区的平均每个展品耗费时间。这样该步骤实际通过设置同时排序第一备选区和第二备选区来减少从第二放置区重新放置到第一放置区所耗费的时间以提高重新放置的效率。
示例性地,以展品总数为50个为例,首先依次将所有展品从第一放置区移动至第二放置区,即依次选择一个展品,根据展品顺序表的序号将其放置在相应的备选区内,例如将序号在1-25的展品依次放置在第一备选区,将序号在26-50的展品依次放置在第二备选区;此时第一备选区只需考虑放置序号1-25的放置顺序情况,第二备选区只需考虑放置序号26-50的放置顺序情况,两部分可以互相独立执行,即可以同时处理,也不会产生放置时交互交错导致碰撞的意外情况。然后根据展品顺序表的序号,对第一备选区进行顺序放置序号1-25的展品,对第二备选区进行顺序放置序号26-50的展品。由于两部分能够同时进行处理,这样整体耗费的时间,为两部分耗时最长的那部分耗费时间。
实际应用时,通过基于中间序号进行划分前后部分,进而分别进行依次排序,一方面,通过对前50%和后50%的展品同时进行排序,提高了整体重新放置的效率,使得重新放置的时间缩短为接近原先一半的时间;另一方面,由于分别通过前后部分进行移动控制,第一备选区仅包含排序前50%的展品,而第二备选区仅包含排序后50%的展品,两区域在重新放置的过程中不会相互干涉,不会跨越到另外的备选区进行处理,即:对于第一备选区仅需处理好前50%的顺序,对于第二备选区仅需处理好后50%的顺序,从而能够达到同步进行处理排序前50%的展品和后50%的展品的移动控制过程且避免前后部分出现碰撞的效果。
实施例三:
在本申请的另一个实施例中,由于在展示食品和饮料时,灯光的设计和使用需要根据实际展品进行调整,从而才能突出展品的颜色和质地。为此,本实施例提供的方法在上述实施例的基础上进行了改进,以使得展品重新放置后能够实现自适应灯光的效果。
在本实施例中,如图5所示,为本申请实施例中自适应灯光处理的流程示意图,该方法还包括:
S4.响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理;在本实施例中,结合图6所示,为本申请实施例中根据灯光调节信息对所有展品进行自适应灯光处理的步骤示意图,具体包括:
S41.获取多个展品待识别图像,每个展品待识别图像与实际展品的序号一一对应;其中,展品待识别图像为通过多个摄像头分别对指定展品进行拍摄得到,即每个展品待识别图像为包含指定序号的展品的图像;
S42.依次将每个展品待识别图像输入至展品分类模型进行识别以确定所有展品的展品类型;
S43.基于食品灯光关联表依次匹配出每个展品类型所对应的灯光控制信息;
S44.基于灯光控制信息对每个展品进行灯光处理;
其中,展品分类模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个食品图像和对应该食品图像的标识信息,该标识信息用于表示食品图像中的展品类型,灯光控制信息为包括灯光类型、角度、光强、色调、色温和颜色的关联信息,食品灯光关联表为将每个食品的展品类型与相应的灯光控制信息的进行关联的预存匹配表。
实际应用时,食品灯光关联表中的每个展品类型都有一个确定的灯光控制信息。还需要说明的是,在灯光控制信息中,灯光类型可以为聚光灯、射灯或者漫射灯中的任一个,通过选择合适的灯光设备,使得灯光更符合实际展品的特性和展示效果。通过调整灯光的角度和光强以突出展品的颜色和质地,使得展品的摆放方式和展示效果更佳。通过选择适合的灯光颜色,使得灯光效果更符合实际展品的颜色和展示效果,例如偏红色的灯光可以增强红色葡萄酒的颜色效果。通过调整灯光的色调和色温,以营造适合的展示氛围。示例性地,当展品类型为烤鸡时,可以使用聚光灯或射灯照亮烤鸡的表面,突出烤制的色泽和纹理,还可以使用柔和的灯光可以更好地展现烤鸡的细节。当展品类型为水果拼盘时,可以使用柔和的、漫射的灯光照亮整个水果拼盘,突出水果的颜色和质感。对于颜色鲜艳的水果,可以使用定向的灯光突出其颜色。当展品类型为咖啡时,可以使用柔和的、定向的灯光照亮咖啡的表面,突出咖啡的色泽和质感,同时使用暖色调的灯光可以营造舒适的氛围。当展品类型为红酒时,可以使用柔和的、定向的灯光照亮红酒的酒液,突出红酒的颜色和质感,并且使用偏紫色的灯光可以增强红酒的色泽。此外,烤鸡、水果拼盘、咖啡、红酒等在实际应用时,通过分别设置不同的数值进行区分,本领域技术人员可以根据实际情况去设置,在此不做限制。
进一步地,由于食品展里的部分展品对温度有一定的要求,例如,冷饮:温度一般要求保持在低温下,通常是0-10摄氏度左右,以保持口感和品质。冰淇淋:温度要求保持在-18℃以下,以保持口感和品质。奶制品:温度要求保持在4-8摄氏度左右,以防止细菌滋生和变质。蛋糕和面包等烘焙食品:需要保持在常温下(25-30摄氏度左右),以确保其口感和品质。而当将灯光对准展品时,部分灯光会产生局部的热量,从而影响一些温度较低的食品的保鲜效果或保藏效果。
为此,本实施例提供的方法在上述实施例的基础上针对灯光光强自适应调节进行改进,结合图7所示,为本申请实施例中光强自适应调节的步骤示意图,该方法还包括:
S441.根据不同相对高度差、不同工作功率、展会温度进行构建能量拟合关系式以获取能量估计值:
E(Tout,L,P)=a1*P2+a2*P+a3*Tout+a4*L+a5*b;
其中E(Tout,L,P)表示能量估计值,P表示工作功率且与能量估计值正相关,Tout表示展会温度且与能量估计值正相关,L表示展品与相应灯光设备之间的相对高度差L且与能量估计值负相关,P、Tout、L根据实际应用的需求进行预设,a1、a2、a3、a4、a5分别为相应的系数项,且a1>0,a2>0,a3>0,a4<0,a5为随机数,在满足预设条件时改变,所述预设条件为能量拟合关系式等式右边计算得到的能量估计值与等式右边的能量估计值E(Tout,L,P)差值大于预设误差阈值;a5*b为误差修正参数项且用于修正运行工况下的随机噪声,b为误差修正参数项的参考值,T=t2-t1,t1和t2均为预先设置的参考时间,本领域技术人员可以根据实际情况进行调整,优选的,T设置为大于1的正整数以便于计算,t表示时间自变量,结合图8所示,(t-[t])为以1为最小正周期的周期函数,[t]为阶梯函数,具体为:
实际应用时,根据预先收集多组能量关联数据,包括能量估计值E(Tout,L,P),和在该能量估计值下的不同展会温度Tout、不同相对高度差L、不同灯光功率P。具体的,能量估计值E(Tout,L,P)为通过光强测量仪进行测量得到最符合对应展品灯光和温度需求的能量值,基于多组能量关联数据求取a1、a2、a3、a4进而拟合得到该展品对应的能量拟合关系式,不同的展品有不同的能量估计值,也即有不同的能量拟合关系式,其中在收集多组能量关联数据时,初始的工作功率直接采用额定功率,实际的工作功率P可以通过灯光的电压和电流进行相乘来确定,展会温度Tout可以使用当前食品展内的空调温度进行确定,相对高度差L可以使用展品顺序表内所有序号所对应的每个展品位置和相应的灯光位置进行确定,工作功率P可以通过调节实际工作的电流进行改变,进而最终可以通过改变实际工作的电流进行估计相应的能量值。
能量拟合关系式通过设置预设次数与预设误差阈值来结束迭代过程:先判断能量拟合关系式求取a1、a2、a3、a4、b、a5过程迭代的次数是否达到预设次数,是则结束迭代,否则判断能量拟合关系式等式右边计算得到的能量估计值与等式左边的能量估计值E(Tout,L,P)差值是否小于或等于预设误差阈值,是则结束迭代过程,否则继续迭代;结束迭代时的a1、a2、a3、a4、b、a5为后续步骤的能量拟合关系式所使用,其中能量估计值E(Tout,L,P)为通过光强测量仪进行测量得到最符合对应展品灯光和温度需求的能量值。还需要说明的是,相对高度差L为灯光位置高度L1与展品位置高度L2的差值,即L=L1-L2。在展会期间,每个序号对应的展品位置是预设确定好的,相应的灯光摆设位置也是确定好的,因此只需通过序号来定位出相应的灯光位置高度L1与展品位置高度L2,即可确定出相对高度差。
S442.基于能量拟合关系式及实测的工作功率、展会温度、展品与相应灯光设备之间的相对高度差进行计算能量估计值E(Tout,L,P);
实际应用时,能量拟合关系式为对能量估计值E(Tout,L,P)和相应的相对高度差L、展会温度Tout以及工作功率P建立出关联关系,通过调整工作功率P使得能量估计值及时调整,减缓因灯光具有的能量对指定的展品在食品保藏方面产生的消极影响。
S443.判断能量估计值是否超出预设能量阈值,当超出时,进行调节灯光设备实际工作的电流直至最终的能量估计值小于预设能量阈值。
实际应用时,预设能量阈值为根据展品类型进行确定得到,执行前通过预先对每个展品类型配置一个预设能量阈值,通过及时调节电流使得当前情况下的能量值小于预设能量阈值,以针对性地对每个食品实现更精准的光强自适应调节,使得食品在食品展上具有更久的保鲜时间。
S5.响应于获得针对食品展结束的标识信息,关闭所有灯光。
在本实施例中,食品展开始的标识信息和食品展结束的标识信息均用于表示食品展的进展情况,可以通过设置一个变量来表示食品展进展情况,例如赋值一个指定数值用于表示食品展开始,赋值不同的指定数值用于表示食品展结束,示例性地,BOOL类型:食品展开始的标识信息使用True表示,食品展结束的标识信息使用False表示;INT类型:食品展开始的标识信息使用1表示,食品展结束的标识信息使用0表示,依次类推,本领域技术人员可以根据实际情况进行设置,在此不做限定。
实际应用时,利用食品展开始的标识信息和食品展结束的标识信息作为触发条件,通过识别出展品类型,进而找到所关联的灯光控制信息,基于灯光控制信息使灯光能够根据实际展品进行精准的控制,以使整体灯光效果更适合实际展品。
实施例四:
在本申请的另一个实施例中,为了在举办食品展的过程中为感兴趣的参展者提供一个及时的食品讲解,对此,本实施例在上述实施例的基础上进行改进。
在本实施例中,如图9所示,为本申请实施例中语音讲解处理的流程示意图,该方法还包括:
S6.获取多个展品监测图像和多个重量信息,其中每个展品监测图像与实际展品的序号一一对应,每个重量信息为通过相应的重量感应区采集得到,每个重量感应区与展品的序号进行一一对应;在本实施例中,每个重量感应区为根据预设距离值围绕展品设置地面形成,预设距离值可以设置为20cm,30cm,40cm,50cm,60cm,具体数值可以根据实际会展布置情况进行调整,在此不做限定。示例性地,比如在展品的地板底面通过多个地磅传感器以环形区域设置,还可以以矩形、三角形等任意形状在底部布置,进而当参展者走到重量感应区时,通过地磅传感器能够及时获取到重量信息。
对每个展品的检测过程执行以下处理:
S7.识别展品监测图像是否含有参展者,以确定第一检测标识;具体地,包括:将展品监测图像输入至参展者检测模型以检测展品周围是否存在参展者,当判断为存在参展者时,设置第一检测标识为真,否则设置第一检测标识为假;
其中参展者检测模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个展品图像和对应该展品图像是否含有参展者的标识信息;
S8.响应于第一检测标识为真,基于重量信息确定第二检测标识;具体地,包括:判断重量信息是否达到预设重量阈值,若达到则设置第二检测标识为真,否则设置第二检测标识为假。实际应用时,还可以将获取多个重量信息的处理放在响应于第一检测标识为真时进行处理,这样减少了大量获取重量信息的时间,也避免了过多的无效数据的传输和不必要的数据存储,仅需识别到有参展者时才发送重量信息,提高了数据交互的有效性。
S9.第二检测标识为真时,判断语音讲解状态是否为播放状态,若是播放状态则不做处理,否则基于当前展品的序号确定语音介绍信息并进行播放语音介绍信息;其中语音讲解状态用于表示语音介绍信息是否处于播放讲解的状态情况,例如语音讲解状态可以为播放状态或非播放状态;若第二检测标识为假,则不做处理。
在本实施例中,语音介绍信息可以为针对展品类型的预存讲解语音信息,还可以为针对展品类型的预存讲解文本信息。若为针对展品类型的预存讲解文本信息,则还需进一步采用文本转语音技术(TTS)来将其转换为相应的讲解语音信息,其中文本转语音技术可以使用基于规则的TTS、基于参数的TTS或者基于神经网络的TTS中的任一种手段来实现转换功能。
S10.响应于第一检测标识为假,判断语音讲解状态是否为播放状态,若为播放状态,则停止播放,若不为播放状态则不做处理。
实际应用时,通过结合第一检测标识和第二检测标识作为触发条件,使得食品展在进行的时候能够根据参展者所在的位置及时提供针对展品食品的讲解,及时为感兴趣的参展者播放,从而提高了食品展览台在接待参展者的智能化水平。通过第一检测标识作为第一次检测以识别出是否存在参展者,再进一步根据第二检测标识进行确认参展者是否感兴趣,当参展者走到重量感应区时,即向展品靠近,此时即可为感兴趣的参展者及时播放当前展品的食品讲解内容。
实施例五:
在本申请的另一个实施例中,提供了一种基于物联网的展览台智能控制系统,用于展示不同展品类型的食物展,结合图10所示,为本申请实施例中提供的一种基于物联网的展览台智能控制系统的示意框图,该系统包括:
顺序表获取模块,用于获取展品顺序表;
移动响应模块,用于响应于针对展品顺序表的移动请求,基于展品顺序表对展览台上所有展品进行重新放置;
待确认状态响应模块,用于响应于放置完成信息设置为待确认状态,基于展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;
自适应灯光处理模块,用于响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理;
结束模块,用于响应于获得针对食品展结束的标识信息,关闭所有灯光;
信息获取模块,用于获取多个展品监测图像和多个重量信息;
第一检测模块,用于识别展品监测图像是否含有参展者,以确定第一检测标识;
第二检测模块,用于响应于第一检测标识为真,基于重量信息确定第二检测标识;
第一播放处理模块,用于响应于第二检测标识为真,判断语音讲解状态是否为播放状态,若是播放状态则不做处理,否则基于当前展品的序号确定语音介绍信息并进行播放语音介绍信息,若第二检测标识为假,则不做处理;
第二播放处理模块,用于响应于第一检测标识为假,判断语音讲解状态是否为播放状态,若为播放状态,则停止播放;
其中,展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,放置完成信息用于表示当前展品在调整时的放置情况,待确认状态为用于针对移动请求响应完成后进行设置。
实施例六:
在本申请的另一个实施例中,如图11所示,提供了一种终端,包括:至少一个存储器和至少一个处理器;其中,至少一个存储器用于存储程序代码,至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述实施例中的任一种基于物联网的展览台智能控制方法。
实施例七:
在本申请的另一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库为物理层用于存储各种数据库。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于物联网的展览台智能控制方法。本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
实施例八:
在本申请的另一个实施例中,提供了一种存储介质,所述存储介质用于存储程序代码,所述程序代码用于执行上述的基于物联网的展览台智能控制方法。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于物联网的展览台智能控制方法,其特征在于,用于展示不同展品类型的食物展,所述方法包括:
获取展品顺序表;
响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置;
响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;
其中,所述展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,所述放置完成信息用于表示当前展品在调整时的放置情况,所述待确认状态为用于针对所述移动请求响应完成后进行设置。
2.如权利要求1所述的方法,其特征在于,所述响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置的步骤中,具体包括:
初始化第一放置区、第二放置区;
基于所述展品顺序表将所有展品依次进行重新放置,将所有展品从第一放置区移动至第二放置区,根据所述展品顺序表依次选取指定序号的展品进行移动,直至所有展品移动完毕,将所述放置完成信息设置为待确认状态;
其中所述第一放置区用于摆放展品,所述第二放置区用于暂放展品,此时重新放置的过程中所耗费的时间为push{}表示展品从所述第一放置区移动至所述第二放置区的过程所耗费的时间,pop{}表示展品从所述第二放置区重新放置到所述第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品从所述第二放置区重新放置到所述第一放置区时所耗费的时间,Tα表示依次放置整体所耗费的时间,/>表示所有n个展品从所述第一放置区移动至所述第二放置区所耗费的时间,pop{∑t1+t2+…+ti+…+tn}表示所有n个展品从所述第二放置区重新放置到至所述第一放置区所耗费的时间。
3.如权利要求1所述的方法,其特征在于,所述基于所述展品顺序表将所有展品依次进行重新放置的步骤中,还包括:
初始化第一放置区、第二放置区;
基于所述展品顺序表将所有展品进行重新放置,将所有展品从第一放置区移动至第二放置区,所述将所有展品从第一放置区移动至第二放置区的步骤中,具体包括:在所述第二放置区中划分为第一备选区和第二备选区,所述第一备选区用于暂存属于排序前50%的展品,所述第二备选区用于暂存属于排序后50%的展品;
所述根据所述顺序展品顺序表依次选取指定序号的展品进行移动的步骤中,具体包括:
在第一备选区中,基于所述展品顺序表将排序前50%的展品依次移动至第一放置区,同时在第二备选区中,基于所述展品顺序表将排序后50%的展品依次移动至第二放置区;
此时重新放置的过程中所耗费的时间为 push{}表示展品从所述第一放置区移动至所述第二放置区的过程所耗费的时间,pop{}表示展品从所述第二放置区重新放置到所述第一放置区的过程所耗费的时间,n表示展品总数,ti表示序号为i的展品重新放置时所耗费的时间,tmid表示序号为中间顺序的展品重新放置时所耗费的时间,Tβ表示前后分类后分别依次放置整体所耗费的时间,/>表示排序前50%的展品从所述第一放置区移动至所述第一备选区所耗费的时间,/>表示排序后50%的展品从所述第一放置区移动至所述第二备选区所耗费的时间,/>表示所有n个展品从所述第一放置区移动至所述第二放置区所耗费的时间,pop{max(∑(t1+…+ti+…+tmid),∑(tmid+1+…+tn))}表示所有n个展品从所述第二放置区重新放置到至所述第一放置区所耗费的时间,∑(t1+…+ti+…+tmid)表示排序前50%的展品从所述第一备选区重新放置到至所述第一放置区所耗费的时间,∑(tmid+1+…+tn)用于表示排序后50%的展品从所述第二备选区重新放置到至所述第一放置区所耗费的时间,max()表示取其中的最大值。
4.如权利要求2或3所述的方法,其特征在于,所述响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态的步骤中,包括:
从所述展品顺序表中依次确定当前处理序号;
基于所述当前处理序号进行确定参考展品图像,所述参考展品图像为根据展品类型对应的展品预存图像;
基于所述当前处理序号进行确定待检图像,其中每个待检图像分别对应于所述展品顺序表里的唯一序号,每个待检图像为从所述展览台图像集中根据序号进行确定;
基于序号依次计算每个待检图像与相应的参考展品图像之间的余弦相似度,判断所述余弦相似度是否超过预设相似度阈值,当超过则视为识别成功,否则视为识别失败;
当所有展品均识别成功时,此时为判断所有展品的放置位置均正确且设置放置完成信息为已确认状态,否则当存在任一个展品识别失败时,基于所有识别失败的展品的序号进行生成识别提示信息,以提醒用户进行人工复查。
5.如权利要求4所述的方法,其特征在于,还包括:
响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理;
响应于获得针对食品展结束的标识信息,关闭所有灯光。
6.如权利要求5所述的方法,其特征在于,所述响应于获得针对食品展开始的标识信息,根据灯光调节信息对所有展品进行自适应灯光处理的步骤,具体包括:
获取多个展品待识别图像,每个展品待识别图像与实际展品的序号一一对应;
依次将每个展品待识别图像输入至展品分类模型进行识别以确定所有展品的展品类型;
基于食品灯光关联表依次匹配出每个展品类型所对应的灯光控制信息;
基于灯光控制信息对每个展品进行灯光处理;
其中,所述展品分类模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个食品图像和对应该食品图像的标识信息,该标识信息用于表示食品图像中的展品类型,所述灯光控制信息为包括灯光类型、角度、光强、色调、色温和颜色的关联信息,所述食品灯光关联表为将每个食品的展品类型与相应的灯光控制信息的进行关联的预存匹配表。
7.如权利要求6所述的方法,其特征在于,还包括:
根据不同相对高度差L、不同工作功率P、展会温度Tout进行构建能量拟合关系式以获得能量估计值,所述能量拟合关系式为:
E(Tout,L,P)=a1*P2+a2*P+a3*Tout+a4*L+a5*b;
其中E(Tout,L,P)表示能量估计值,P表示工作功率且与能量估计值正相关,Tout表示展会温度且与能量估计值正相关,L表示展品与相应灯光设备之间的相对高度差L且与能量估计值负相关,P、Tout、L根据实际应用的需求进行预设,a1、a2、a3、a4、a5分别为相应的系数项,且a1>0,a2>0,a3>0,a4<0,a5*b为误差修正参数项且用于修正运行工况下的随机噪声,b为误差修正参数项的参考值,T=t2-t1,t1和t2均为预先设置的参考时间,且T设置为大于1且为周期的正倍数以便于计算,t表示时间自变量,(t-[t])为以1为最小正周期的周期函数,[t]为阶梯函数,具体为:
基于所述能量拟合关系式及实测的工作功率、展会温度、展品与相应灯光设备之间的相对高度差及当前时刻值进行计算能量估计值E(Tout,L,P);
判断所述能量估计值E(Tout,L,P)是否超出预设能量阈值,当超出时,进行调节灯光设备实际工作的电流直至最终的能量估计值小于所述预设能量阈值。
8.如权利要求7所述的方法,其特征在于,还包括:
获取多个展品监测图像和多个重量信息,其中每个展品监测图像与实际展品的序号一一对应,每个重量信息为通过相应的重量感应区采集得到,每个重量感应区与展品的序号进行一一对应;
对每个展品的检测过程执行以下处理:
识别展品监测图像是否含有参展者,以确定第一检测标识;
响应于第一检测标识为真,基于重量信息确定第二检测标识;
若第二检测标识为真,判断语音讲解状态是否为播放状态,若是播放状态则不做处理,否则基于当前展品的序号确定语音介绍信息并进行播放所述语音介绍信息,若第二检测标识为假,则不做处理;
其中所述语音讲解状态用于表示语音介绍信息是否处于播放讲解的状态情况。
9.如权利要求8所述的方法,其特征在于,所述识别展品监测图像是否含有参展者,以确定第一检测标识的步骤,具体包括:
将所述展品监测图像输入至参展者检测模型以检测展品周围是否存在参展者,当判断为存在参展者时,设置第一检测标识为真,否则设置第一检测标识为假;
其中所述参展者检测模型为预先使用多组数据通过机器学习训练得出,在训练时,多组数据包括多个展品图像和对应该展品图像是否含有参展者的标识信息;
所述响应于第一检测标识为真,基于重量信息确定第二检测标识的步骤,具体包括:
判断所述重量信息是否达到预设重量阈值,若达到则设置第二检测标识为真,否则设置第二检测标识为假。
10.一种基于物联网的展览台智能控制系统,其特征在于,用于展示不同类型的食物以实现如权利要求9的一种基于物联网的展览台智能控制方法,所述系统包括:
顺序表获取模块,用于获取展品顺序表;
移动响应模块,用于响应于针对所述展品顺序表的移动请求,基于所述展品顺序表对展览台上所有展品进行重新放置;
待确认状态响应模块,用于响应于放置完成信息设置为待确认状态,基于所述展品顺序表对展览台图像集进行判断所有展品的放置位置是否正确,当均判断为正确时设置放置完成信息为已确认状态;
其中,所述展品顺序表具体为序号和相对应的展品类型进行一一映射的列表,在展品顺序表中每个展品类型均不相同,所述放置完成信息用于表示当前展品在调整时的放置情况,所述待确认状态为用于针对所述移动请求响应完成后进行设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311067516.3A CN117115532B (zh) | 2023-08-23 | 2023-08-23 | 一种基于物联网的展览台智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311067516.3A CN117115532B (zh) | 2023-08-23 | 2023-08-23 | 一种基于物联网的展览台智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115532A true CN117115532A (zh) | 2023-11-24 |
CN117115532B CN117115532B (zh) | 2024-01-26 |
Family
ID=88812178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311067516.3A Active CN117115532B (zh) | 2023-08-23 | 2023-08-23 | 一种基于物联网的展览台智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115532B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103605A1 (en) * | 2011-10-19 | 2013-04-25 | Frank Villegas | Efficiently delivering and displaying a heated food product |
CN108563702A (zh) * | 2018-03-23 | 2018-09-21 | 美景听听(北京)科技有限公司 | 基于展品图像识别的语音讲解数据处理方法及装置 |
CN109584651A (zh) * | 2018-12-28 | 2019-04-05 | 于珂 | 一种适合亲子互动学习编程的方法以及实现该方法的装置 |
CN109671378A (zh) * | 2018-12-27 | 2019-04-23 | 努比亚技术有限公司 | 一种展示柜交互方法、展示柜及计算机可读存储介质 |
CN112987916A (zh) * | 2021-02-06 | 2021-06-18 | 北京智扬天地展览服务有限公司 | 一种汽车展会展台互动系统及方法 |
CN113722430A (zh) * | 2021-08-23 | 2021-11-30 | 北京工业大学 | 面向食品安全的多模态人机交互方法和系统、设备及介质 |
CN115249297A (zh) * | 2022-06-15 | 2022-10-28 | 中国标准化研究院 | 生产线布局状态的检测方法、装置和计算机设备 |
CN115312079A (zh) * | 2021-04-20 | 2022-11-08 | 北京沃东天骏信息技术有限公司 | 信息展示方法、装置、电子设备和计算机可读介质 |
CN115345927A (zh) * | 2022-08-17 | 2022-11-15 | 上海商汤智能科技有限公司 | 展品导览方法及相关装置、移动终端和存储介质 |
CN116308068A (zh) * | 2023-05-17 | 2023-06-23 | 成都运荔枝科技有限公司 | 一种适用于仓库冷链食品的库房环境智能管控系统 |
CN116486759A (zh) * | 2023-04-11 | 2023-07-25 | 艺壹佳文化科技(广东)有限公司 | 一种标识显示智能调节方法、装置、设备及存储介质 |
CN116520982A (zh) * | 2023-04-18 | 2023-08-01 | 广州市宇境科技有限公司 | 一种基于多模态数据的虚拟人物切换方法及系统 |
-
2023
- 2023-08-23 CN CN202311067516.3A patent/CN117115532B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130103605A1 (en) * | 2011-10-19 | 2013-04-25 | Frank Villegas | Efficiently delivering and displaying a heated food product |
CN108563702A (zh) * | 2018-03-23 | 2018-09-21 | 美景听听(北京)科技有限公司 | 基于展品图像识别的语音讲解数据处理方法及装置 |
CN109671378A (zh) * | 2018-12-27 | 2019-04-23 | 努比亚技术有限公司 | 一种展示柜交互方法、展示柜及计算机可读存储介质 |
CN109584651A (zh) * | 2018-12-28 | 2019-04-05 | 于珂 | 一种适合亲子互动学习编程的方法以及实现该方法的装置 |
CN112987916A (zh) * | 2021-02-06 | 2021-06-18 | 北京智扬天地展览服务有限公司 | 一种汽车展会展台互动系统及方法 |
CN115312079A (zh) * | 2021-04-20 | 2022-11-08 | 北京沃东天骏信息技术有限公司 | 信息展示方法、装置、电子设备和计算机可读介质 |
CN113722430A (zh) * | 2021-08-23 | 2021-11-30 | 北京工业大学 | 面向食品安全的多模态人机交互方法和系统、设备及介质 |
CN115249297A (zh) * | 2022-06-15 | 2022-10-28 | 中国标准化研究院 | 生产线布局状态的检测方法、装置和计算机设备 |
CN115345927A (zh) * | 2022-08-17 | 2022-11-15 | 上海商汤智能科技有限公司 | 展品导览方法及相关装置、移动终端和存储介质 |
CN116486759A (zh) * | 2023-04-11 | 2023-07-25 | 艺壹佳文化科技(广东)有限公司 | 一种标识显示智能调节方法、装置、设备及存储介质 |
CN116520982A (zh) * | 2023-04-18 | 2023-08-01 | 广州市宇境科技有限公司 | 一种基于多模态数据的虚拟人物切换方法及系统 |
CN116308068A (zh) * | 2023-05-17 | 2023-06-23 | 成都运荔枝科技有限公司 | 一种适用于仓库冷链食品的库房环境智能管控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117115532B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705424B (zh) | 一种商品陈列位置的定位方法、装置及存储介质 | |
CN111340126B (zh) | 物品识别方法、装置、计算机设备和存储介质 | |
CN104063846B (zh) | 用于基于检测到的信息来处理图像的方法和装置 | |
EP3745304A1 (en) | Refrigerator, and system and method for controlling same | |
JP6447865B2 (ja) | デジタルカメラ画像データを用いた鮮度判定方法 | |
US20190026875A1 (en) | Image fusion method, apparatus, and infrared thermal imaging device | |
WO2003022221A3 (en) | Method and apparatus for endobronchial diagnosis | |
CN105898260B (zh) | 一种调节摄像头白平衡的方法及装置 | |
WO2020147345A1 (zh) | 获取米粒的垩白度的方法、装置和烹饪器具 | |
CN111080493A (zh) | 一种菜品信息识别方法、装置及菜品自助结算系统 | |
CN108662843A (zh) | 冰箱内食物的检测系统与冰箱 | |
CN109780810A (zh) | 一种食物状况的确定方法、装置、存储介质及冰箱 | |
CN117115532B (zh) | 一种基于物联网的展览台智能控制方法及系统 | |
CN113808153A (zh) | 番茄成熟检测方法、装置、计算机设备及存储介质 | |
CN106294610A (zh) | 移动终端以及基于增强现实的做菜体验方法 | |
CN109074861A (zh) | 食物监测系统 | |
CN117809053A (zh) | 一种基于邻域相对差异性的detr目标检测方法 | |
CN115965964B (zh) | 一种鸡蛋新鲜度识别方法、系统及设备 | |
JP2019192169A (ja) | 判定装置、判定方法、および対象物判定プログラム | |
US11238051B2 (en) | Method and apparatus for characterizing and determining relationships between items and moments | |
CN208673426U (zh) | 智能售货装置 | |
CN113132693A (zh) | 一种色彩校正方法 | |
CN112815470B (zh) | 空调设备控制方法、装置、空调设备和存储介质 | |
CN114615781A (zh) | 一种rgbw灯具控制方法及系统 | |
CN109725117A (zh) | 冰箱中食品热量检测的方法及装置 |
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 |