CN117156104A - 用于无人售卖的摄像头监测异物方法及系统 - Google Patents
用于无人售卖的摄像头监测异物方法及系统 Download PDFInfo
- Publication number
- CN117156104A CN117156104A CN202311097120.3A CN202311097120A CN117156104A CN 117156104 A CN117156104 A CN 117156104A CN 202311097120 A CN202311097120 A CN 202311097120A CN 117156104 A CN117156104 A CN 117156104A
- Authority
- CN
- China
- Prior art keywords
- target object
- camera
- image
- control end
- algorithm
- 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 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000010801 machine learning Methods 0.000 claims abstract description 19
- 241000238631 Hexapoda Species 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000008054 signal transmission Effects 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013024 troubleshooting Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000036541 health Effects 0.000 abstract description 2
- 239000002609 medium Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供用于无人售卖的摄像头监测异物方法及系统，所述方法包括：设置多个摄像头，从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将目标物体图像传送到控制端，采用图像处理算法对捕捉到的目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；根据对目标物体的检测和识别结果，实时进行相应的处理。本发明能够智能快捷地处理无人售卖亭出现的异物及飞虫，保障了无人售卖的食品安全以及消费者的人身健康安全，增强了消费者对户外无人售卖的卫生信任度，提升了消费者便捷安全的生活体验。
Description
技术领域
本发明涉及无人售卖技术领域，具体而言，涉及一种用于无人售卖的摄像头监测异物方法及系统。
背景技术
随着人民生活水平的不断提高，人民对食品安全的要求和关注程度非常高，不仅要吃得饱，还要吃得健康、吃得安全。因为这与每个人的生活息息相关。
目前人们对食品的购买需求也在不断增加，为了满足人们日益增长的食品购物需求，无人售卖方式得到了很大发展，无人售卖机已经实现了广泛的应用。
然而，由于无人售卖机亭子通常会部署在户外，经常出现异物或飞虫进入无人售卖设备内部，现阶段对异物或飞虫的侵入难以及时处理，影响到消费者对户外无人售卖机购买消费的食品卫生安全。
因此，目前市场上亟需一种发现异物能够进行紧急叫停处理的技术，以解决现阶段户外无人售卖机存在的上述食品卫生安全难点和痛点问题。
发明内容
鉴于此，本发明的目的在于通过多个摄像头多角度、无死角识别异物或虫子，当摄像头捕捉到图像时，使用计算机视觉和机器学习算法检测和识别图像中的目标物体，通过训练上述算法来识别特定物体比如异物或虫子，并及时处理，以保障无人售卖机的食品安全。
本发明提供用于无人售卖的摄像头监测异物方法，包括以下步骤：
S1、设置多个摄像头，从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；
从而提高识别精度和范围；
所述摄像头包括：高清摄像头、智能摄像头；
高清摄像头：使用高清摄像头能够捕捉更清晰的图像，从而更好地识别异物或虫子；
智能摄像头：支持计算机视觉的智能摄像头能够自动识别和跟踪目标物体，并将捕捉到的图像传输到云端进行处理。
S2、在控制端采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
所述预处理包括：去除噪声、增强对比度、边缘检测，从而提高识别精度；
所述分类和识别的方法包括：使用深度学习算法对目标物体进行检测和分类；
S3、根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
计算机视觉在摄像头捕捉技术中的性能取决于多个因素，例如摄像头的分辨率、图像处理算法的复杂度和效率、机器学习算法的准确性和效率、处理器的性能等。高性能的计算机视觉系统可以快速、准确地识别目标物体，从而提高生产效率和质量。
进一步地，所述S2步骤的对目标物体图像进行预处理，对目标物体进行检测和分类的方法包括以下步骤：
S21、收集大量的关于异物或虫子的图像数据，并对所述图像数据进行图像增强、去噪、裁剪、缩放操作，以便后续的训练和检测；
S22、通过图像分析和变换对所述图像数据进行特征提取，提取图像数据中的边缘、角点、纹理特征，以准确地区分异物或虫子与其他物体；
S23、选择合适的机器学习算法模型，并进行模型训练，所述机器学习算法模型包括：支持向量机SVM算法、决策树算法、随机森林算法中的任一种；通过模型训练使算法学习如何根据图像数据的特征识别出异物或飞虫；
S24、对训练好的算法模型进行优化，以提高其识别准确率和速度；
模型优化的方法包括：特征选择、参数调整；
S25、将收集输入的图像数据送入已经训练好的算法模型中进行检测和识别。
进一步地，所述S23步骤的机器学习算法模型的建模和训练方法包括：
将收集的目标物体的图像数据分为训练数据集和测试数据集；其中，所述训练数据集用于训练模型，所述测试数据集用于验证模型的准确率；
使用图像处理算法提取图像数据中的特征，对提取的特征进行数据预处理；所述数据预处理的方法包括：归一化、标准化。
进一步地，所述S1步骤的通过无线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端都设置有无线通信模块，并连接到同一个无线局域网WiFi或者蓝牙网络中，建立摄像头与控制端的通信连接；
所述无线通信的信号传输速率取决于具体的通信技术和硬件配置，本发明可以达到11Mbps或者2.4Gbps的传输速率。
进一步地，述S1步骤的通过有线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端通过网口或者串口进行连接，建立摄像头与控制端的通信连接；
所述有线通信的信号传输速率取决于具体的有线通信方式和硬件配置，本发明可以达到100Mbps或者921kbps。
进一步地，所述S3步骤的实时进行相应的处理的方法包括：
如果模型判断图像中存在异物或虫子，则进行处理；
如果模型判断图像中不存在异物或虫子，则不进行处理；
进一步地，所述进行处理的方法包括：
发出警报、停机、标记、记录中的一种或多种的组合；
其中，所述发出警报的方式包括：当控制端检测到异常情况时，触发警报机制，通过声音、灯光方式提醒消费者注意；
所述停机的方式包括：当控制端接收到摄像头检测到异物或虫子的结果时，触发停机操作，停止设备的运行，以避免对消费者造成危害；
所述标记的方式包括：在控制端的显示屏上标记出异常位置，以便消费者及时发现和处理；
所述记录的方式包括：在控制端记录每次检测的结果和相应的时间、位置信息，以便后续分析和排查问题。
本发明还提供用于无人售卖的摄像头监测异物系统，执行如上述所述的用于无人售卖的摄像头监测异物方法，包括：
图像采集模块：用于通过多个摄像头从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；
监测识别模块：采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
实时处理模块：根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述所述的用于无人售卖的摄像头监测异物方法。
本发明还提供一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的用于无人售卖的摄像头监测异物方法。
与现有技术相比，本发明的有益效果在于：
本发明用于无人售卖的摄像头监测异物方法能够智能快捷地处理无人售卖亭出现的异物及飞虫，保障了无人售卖的食品安全以及消费者的人身健康安全，增强了消费者对户外无人售卖的卫生信任度，提升了消费者便捷安全的生活体验。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
在附图中：
图1为本发明用于无人售卖的摄像头监测异物方法的流程图；
图2为本发明实施例的对目标物体图像进行预处理，对目标物体进行检测和分类的方法流程图；
图3为本发明实施例计算机设备的构成示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和产品的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图对本发明实施例作进一步详细说明。
本发明实施例提供用于无人售卖的摄像头监测异物方法，参见图1所示包括以下步骤：
S1、设置多个摄像头，从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；从而提高识别精度和范围；
本实施例中，所述摄像头包括：高清摄像头、智能摄像头；
高清摄像头：使用高清摄像头能够捕捉更清晰的图像，从而更好地识别异物或虫子；
智能摄像头：支持计算机视觉的智能摄像头能够自动识别和跟踪目标物体，并将捕捉到的图像传输到云端进行处理。
本实施例中，通过无线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端都设置有无线通信模块，并连接到同一个无线局域网WiFi或者蓝牙网络中，建立摄像头与控制端的通信连接；
所述无线通信的信号传输速率为11Mbps或者2.4Gbps的传输速率。
本实施例中，通过有线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端通过网口或者串口进行连接，建立摄像头与控制端的通信连接；
所述有线通信的信号传输速率为100Mbps或者921kbps。
S2、在控制端采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
所述预处理包括：去除噪声、增强对比度、边缘检测，从而提高识别精度；
所述分类和识别的方法包括：使用深度学习算法对目标物体进行检测和分类；
本实施例中，对目标物体图像进行预处理，对目标物体进行检测和分类的方法，参见图2所示，包括以下步骤：
S21、收集大量的关于异物或虫子的图像数据，并对所述图像数据进行图像增强、去噪、裁剪、缩放操作，以便后续的训练和检测；
S22、通过图像分析和变换对所述图像数据进行特征提取，提取图像数据中的边缘、角点、纹理特征，以准确地区分异物或虫子与其他物体；
S23、选择合适的机器学习算法模型，并进行模型训练，所述机器学习算法模型包括：支持向量机SVM算法、决策树算法、随机森林算法中的任一种；通过模型训练使算法学习如何根据图像数据的特征识别出异物或飞虫；
S24、对训练好的算法模型进行优化，以提高其识别准确率和速度；
模型优化的方法包括：特征选择、参数调整；
S25、将收集输入的图像数据送入已经训练好的算法模型中进行检测和识别。
本实施例中，所述机器学习算法模型的建模和训练方法包括：
将收集的目标物体的图像数据分为训练数据集和测试数据集；其中，所述训练数据集用于训练模型，所述测试数据集用于验证模型的准确率；
使用图像处理算法提取图像数据中的特征，对提取的特征进行数据预处理；所述数据预处理的方法包括：归一化、标准化。
S3、根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
计算机视觉在摄像头捕捉技术中的性能取决于多个因素，例如摄像头的分辨率、图像处理算法的复杂度和效率、机器学习算法的准确性和效率、处理器的性能等。高性能的计算机视觉系统可以快速、准确地识别目标物体，从而提高生产效率和质量。
本实施例中，所述S3步骤的实时进行相应的处理的方法包括：
如果模型判断图像中存在异物或虫子，则进行处理；
如果模型判断图像中不存在异物或虫子，则不进行处理；
本实施例中，所述进行处理的方法包括：
发出警报和标记；
其中，所述发出警报的方式包括：当控制端检测到异常情况时，触发警报机制，通过声音、灯光方式提醒消费者注意；
所述标记的方式包括：在控制端的显示屏上标记出异常位置，以便消费者及时发现和处理。
本发明实施例还提供用于无人售卖的摄像头监测异物系统，执行如上述所述的用于无人售卖的摄像头监测异物方法，包括：
图像采集模块：用于通过多个摄像头从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；
监测识别模块：采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
实时处理模块：根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
本发明实施例还提供一种计算机设备，图3是本发明实施例提供的一种计算机设备的结构示意图；参见附图图3所示，该计算机设备包括：输入装置23、输出装置24、存储器22和处理器21；所述存储器22，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器21执行，使得所述一个或多个处理器21实现如上述实施例提供的用于无人售卖的摄像头监测异物方法；其中输入装置23、输出装置24、存储器22和处理器21可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器22作为一种计算设备可读写存储介质，可用于存储软件程序、计算机可执行程序，如本发明实施例所述的用于无人售卖的摄像头监测异物方法对应的程序指令；存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等；此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件；在一些实例中，存储器22可进一步包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置23可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入；输出装置24可包括显示屏等显示设备。
处理器21通过运行存储在存储器22中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的用于无人售卖的摄像头监测异物方法。
上述提供的计算机设备可用于执行上述实施例提供的用于无人售卖的摄像头监测异物方法，具备相应的功能和有益效果。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的用于无人售卖的摄像头监测异物方法，存储介质是任何的各种类型的存储器设备或存储设备，存储介质包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDRRAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等；存储介质可以还包括其它类型的存储器或其组合；另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统；第二计算机系统可以提供程序指令给第一计算机用于执行。存储介质包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上实施例所述的用于无人售卖的摄像头监测异物方法，还可以执行本发明任意实施例所提供的用于无人售卖的摄像头监测异物方法中的相关操作。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，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 (10)
1.用于无人售卖的摄像头监测异物方法，其特征在于，包括以下步骤：
S1、设置多个摄像头，从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；
所述摄像头包括：高清摄像头、智能摄像头；
S2、在控制端采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
所述预处理包括：去除噪声、增强对比度、边缘检测；
所述分类和识别的方法包括：使用深度学习算法对目标物体进行检测和分类；
S3、根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
2.根据权利要求1所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述S2步骤的对目标物体图像进行预处理，对目标物体进行检测和分类的方法包括以下步骤：
S21、收集大量的关于异物或虫子的图像数据，并对所述图像数据进行图像增强、去噪、裁剪、缩放操作；
S22、通过图像分析和变换对所述图像数据进行特征提取，提取图像数据中的边缘、角点、纹理特征，以准确地区分异物或虫子与其他物体；
S23、选择合适的机器学习算法模型，并进行模型训练，所述机器学习算法模型包括：支持向量机SVM算法、决策树算法、随机森林算法中的任一种；通过模型训练使算法学习如何根据图像数据的特征识别出异物或飞虫；
S24、对训练好的算法模型进行优化；
模型优化的方法包括：特征选择、参数调整；
S25、将收集输入的图像数据送入已经训练好的算法模型中进行检测和识别。
3.根据权利要求2所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述S23步骤的机器学习算法模型的建模和训练方法包括：
将收集的目标物体的图像数据分为训练数据集和测试数据集；其中，所述训练数据集用于训练模型，所述测试数据集用于验证模型的准确率；
使用图像处理算法提取图像数据中的特征，对提取的特征进行数据预处理；所述数据预处理的方法包括：归一化、标准化。
4.根据权利要求1所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述S1步骤的通过无线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端都设置有无线通信模块，并连接到同一个无线局域网WiFi或者蓝牙网络中，建立摄像头与控制端的通信连接；
所述无线通信的信号传输速率为11Mbps或者2.4Gbps的传输速率。
5.根据权利要求1所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述S1步骤的通过有线通信将所述目标物体图像传送到控制端的方法包括：
所述摄像头和控制端通过网口或者串口进行连接，建立摄像头与控制端的通信连接；
所述有线通信的信号传输速率为100Mbps或者921kbps。
6.根据权利要求2所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述S3步骤的实时进行相应的处理的方法包括：
如果模型判断图像中存在异物或虫子，则进行处理；
如果模型判断图像中不存在异物或虫子，则不进行处理。
7.根据权利要求6所述的用于无人售卖的摄像头监测异物方法，其特征在于，所述进行处理的方法包括：
发出警报、停机、标记、记录中的一种或多种的组合；
其中，所述发出警报的方式包括：当控制端检测到异常情况时，触发警报机制，通过声音、灯光方式提醒消费者注意；
所述停机的方式包括：当控制端接收到摄像头检测到异物或虫子的结果时，触发停机操作，停止设备的运行；
所述标记的方式包括：在控制端的显示屏上标记出异常位置，以便消费者及时发现和处理；
所述记录的方式包括：在控制端记录每次检测的结果和相应的时间、位置信息，以便后续分析和排查问题。
8.用于无人售卖的摄像头监测异物系统，其特征在于，执行如权利要求1-7任一项所述的用于无人售卖的摄像头监测异物方法，包括：
图像采集模块：用于通过多个摄像头从不同视场角度同时捕捉异物或飞虫的目标物体图像，并通过无线和/或有线通信将所述目标物体图像传送到控制端；
监测识别模块：采用图像处理算法对捕捉到的所述目标物体图像进行预处理，基于机器学习算法对预处理后的目标物体图像进行分类和识别；基于计算机视觉算法对捕捉到的目标物体图像进行实时处理，实现快速识别目标物体；
实时处理模块：根据对目标物体的检测和识别结果，在控制端实时进行相应的处理。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-7任一项所述的用于无人售卖的摄像头监测异物方法。
10.一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的用于无人售卖的摄像头监测异物方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097120.3A CN117156104A (zh) | 2023-08-29 | 2023-08-29 | 用于无人售卖的摄像头监测异物方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311097120.3A CN117156104A (zh) | 2023-08-29 | 2023-08-29 | 用于无人售卖的摄像头监测异物方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117156104A true CN117156104A (zh) | 2023-12-01 |
Family
ID=88903836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311097120.3A Pending CN117156104A (zh) | 2023-08-29 | 2023-08-29 | 用于无人售卖的摄像头监测异物方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117156104A (zh) |
-
2023
- 2023-08-29 CN CN202311097120.3A patent/CN117156104A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102189205B1 (ko) | 사람의 활동 개요 생성 시스템 및 방법 | |
| US11295139B2 (en) | Human presence detection in edge devices | |
| EP2973218B1 (en) | Online learning system for people detection and counting | |
| US20140139633A1 (en) | Method and System for Counting People Using Depth Sensor | |
| US20190304272A1 (en) | Video detection and alarm method and apparatus | |
| CN111163285A (zh) | 高空抛坠物监测方法及其系统、计算机可读存储介质 | |
| CN202940921U (zh) | 一种基于人脸识别的实时监控系统 | |
| CN110737201B (zh) | 一种监护方法、装置、存储介质及空调 | |
| CN105303583A (zh) | 一种基于图像变化的宠物行为检测系统 | |
| US20210390287A1 (en) | Unsupervised enrollment for anti-theft facial recognition system | |
| CN109922311A (zh) | 基于音视频联动的监控方法、装置、终端及存储介质 | |
| CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
| CN115205581A (zh) | 一种钓鱼检测方法、钓鱼检测设备和计算机可读存储介质 | |
| Gupta et al. | Plant disease prediction using deep learning and IoT | |
| CN113361469A (zh) | 一种覆盖状态识别方法、装置、设备及存储介质 | |
| CN111723767B (zh) | 一种图像处理方法、装置及计算机存储介质 | |
| CN117156104A (zh) | 用于无人售卖的摄像头监测异物方法及系统 | |
| CN116723295A (zh) | 基于gpgpu芯片的多摄像头监控管理系统 | |
| WO2023049387A1 (en) | System and method for reducing surveillance detection errors | |
| CN112837471A (zh) | 网约房安全监控方法和装置 | |
| CN109523668B (zh) | 一种智能门禁控制的方法、装置及计算设备 | |
| WO2021084895A1 (en) | A method, an apparatus and a system for managing an event to generate an alert indicating a subject is likely to be unauthorized | |
| CN109711260B (zh) | 疲劳状态的检测方法、终端设备及介质 | |
| CN117830053A (zh) | 一种周界安防告警系统及方法 | |
| KR20180001705A (ko) | 사물통신(M2M) 환경에서의 하르유사특징(Haar-Like-Feature)을 이용한 얼굴추적 기반 출입자 탐지 방법 |
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 |