CN117253170B - 一种批量识别方法、识别系统以及屠宰场信息管理系统 - Google Patents
一种批量识别方法、识别系统以及屠宰场信息管理系统 Download PDFInfo
- Publication number
- CN117253170B CN117253170B CN202311264202.2A CN202311264202A CN117253170B CN 117253170 B CN117253170 B CN 117253170B CN 202311264202 A CN202311264202 A CN 202311264202A CN 117253170 B CN117253170 B CN 117253170B
- Authority
- CN
- China
- Prior art keywords
- target object
- dimensional code
- numerical
- numbers
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims description 39
- 238000003307 slaughter Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 244000144972 livestock Species 0.000 description 11
- 239000000047 product Substances 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
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)
- Image Analysis (AREA)
Abstract
本发明公开一种批量识别方法、识别系统以及屠宰场信息管理系统,涉及信息管理技术领域。本发明包括根据二维码区域图像内每个二维码色块的色深值的色深数值分布将目标物体划分为若干个目标物体群组;根据每个二维码区域图像内二维码色块的位置分布进行识别解码得到二维码记载的编码信息;根据编码信息得到对应目标物体的编号;根据画面帧中目标物体的轮廓和对应目标物体的编号得到无法识别目标物体;在同一个目标物体群组内根据目标物体的编号以及目标物体的轮廓在画面帧中的分布得到正常目标物体和异常目标物体。本发明实现了批量准确识别的技术效果。
Description
技术领域
本发明属于信息管理技术领域,特别是涉及一种批量识别方法、识别系统以及屠宰场信息管理系统。
背景技术
在畜牧业中,特别是在屠宰场的运营过程中,对动物进行快速、准确的识别和信息管理至关重要。准确的识别和信息管理不仅能提高屠宰效率,还有助于确保食品安全,追溯产品来源,以及控制和预防疾病的传播。然而,当前在屠宰场的动物识别和信息管理中存在一些挑战和问题。
传统的动物识别方法通常基于人工操作,如通过阅读耳标、刻印编号等手段进行。然而,这些方法速度慢,劳动强度大,准确性依赖于工作人员的经验和技能,容易出错。此外,这些方法无法提供实时的信息反馈,对于大规模的动物处理和管理来说效率低下。
在屠宰场的信息管理方面,当前的管理系统通常基于手工输入或者扫描设备输入动物信息,这些方法不仅效率低下,且容易导致信息输入错误。
发明内容
本发明的目的在于提供一种批量识别方法、识别系统以及屠宰场信息管理系统,通过对屠宰产品表面转印的二维码进行批量扫描识别和纠错,实现了批量准确识别的技术效果。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明提供一种批量识别方法,包括,
获取包括若干个目标物体的视频流,其中,若干个所述目标物体在初始编号顺序上具有关联性;
识别所述视频流内若干个连续的画面帧中所述目标物体的轮廓和所述目标物体表面设置的若干个二维码区域图像以及每个所述二维码区域图像内每个二维码色块的色深值;
根据所述二维码区域图像内每个二维码色块的色深值的色深数值分布将所述目标物体划分为若干个目标物体群组;
根据每个二维码区域图像内二维码色块的位置分布进行识别解码得到二维码记载的编码信息;
根据所述编码信息得到对应所述目标物体的编号;
根据画面帧中所述目标物体的轮廓和对应所述目标物体的编号得到无法识别目标物体;
在同一个目标物体群组内根据所述目标物体的编号以及所述目标物体的轮廓在所述画面帧中的分布得到正常目标物体和异常目标物体;
输出正常目标物体对应的编码信息作为识别结果;
根据视频流中的其它所述画面帧对无法识别目标物体和异常目标物体进行补充识别直至解码得到对应二维码记载的编码信息。
本发明还公开了一种识别系统,包括,
编组单元,用于将多个目标物体按照对应的编号进行排序,或,按照多个目标物体的排序方式进行编号;
将所述目标物体的编号编码为二维码设置在对应所述目标物体表面的若干个位置;
影像采集单元,用于摄录视频流;
识别管理单元,用于将所述视频流按照所述一种批量识别方法进行处理,得到所述目标物体的编号。
本发明还公开了一种屠宰场信息管理系统,包括,
加工流水线,包括入口、加工区以及出口,其中,
在所述入口将多个目标物体按照对应的编号进行排序,或,按照多个目标物体的排序方式进行编号,
在所述入口将多个目标物体按照编号顺序依次送入所述加工区,完成屠宰加工后由所述出口送出;
影像采集单元,设置在所述出口,用于摄录视频流;
识别管理单元,用于将所述视频流按照所述一种批量识别方法进行处理,得到所述目标物体的编号。
本发明通过对屠宰产品表面转印的二维码进行批量扫描识别和纠错,能够实现批量准确识别的技术效果。首先利用识别视频流中目标物体轮廓、目标物体表面的二维码区域图像以及二维码色块的色深值,并根据色深数值分布将目标物体划分为不同群组。通过解码二维码得到编码信息并进一步获得目标物体的编号。同时能够识别出无法解码的目标物体并在目标物体群组内区分正常和异常目标物体。最终将正常目标物体对应的编码信息作为识别结果输出,为屠宰产品识别和管理提供了便捷有效的解决方案通过对屠宰产品表面转印的二维码进行批量扫描识别和纠错,能够实现批量准确识别的技术效果。通过解码二维码得到编码信息,并进一步获得目标物体的编号。同时还能够识别出无法解码的目标物体,并在目标物体群组内区分正常和异常目标物体。最终,将正常目标物体对应的编码信息作为识别结果输出,为屠宰产品识别和管理提供了便捷有效的解决方案。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明所述一种屠宰场信息管理系统于一实施例的功能单元和信息流向示意图;
图2为本发明所述一种批量识别方法于一实施例的步骤流程示意图;
图3为本发明所述步骤S3于一实施例的步骤流程示意图;
图4为本发明所述步骤S33于一实施例的步骤流程示意图;
图5为本发明所述步骤S6于一实施例的步骤流程示意图;
图6为本发明所述步骤S63于一实施例的步骤流程示意图;
图7为本发明所述步骤S64于一实施例的步骤流程示意图;
图8为本发明所述步骤S7于一实施例的步骤流程示意图;
图9为本发明所述步骤S75于一实施例的步骤流程示意图;
附图中,各标号所代表的部件列表如下:
1-加工流水线,11-入口,12-加工区,13-出口;
2-影像采集单元;
3-识别管理单元。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
屠宰场在对猪牛等目标物体进行屠宰的过程中会对印制在牲畜表面的二维码造成破坏,尤其是清洗阶段会造成用于识别的二维码产生痕迹变淡、模糊以及损坏。这就导致加工之后的牲畜无法辨别其编号,导致管理混乱。不仅如此,由于大型屠宰场会批量屠宰加工牲畜,手动人力识别模式也无法快速批量实现对牲畜的识别。有鉴于此,本发明提供以下方案。
请参阅图1至2所示,本发明提供了一种屠宰场信息管理系统,包括加工牲畜等目标物体的加工流水线1,加工流水线1从功能上划分可以包括入口11、加工区12以及出口13。在入口11位置将目标物体进行依次投入,同时在目标物体表面将对应的顺序编号使用二维码进行编码转印。之后送入加工区,完成屠宰加工后由出口送出得到加工完毕的牲畜,完成屠宰场的加工工序。
在此期间为了实现对牲畜的监控和管理,需要对牲畜的编号进行批量准确识别,这就需要将影像采集单元2设置在出口摄录视频流。之后首先由识别管理单元3执行步骤S1获取包括若干个目标物体的视频流。接下来可以执行步骤S2识别视频流内若干个连续的画面帧中目标物体的轮廓和目标物体表面设置的若干个二维码区域图像以及每个二维码区域图像内每个二维码色块的色深值。接下来可以执行步骤S3根据二维码区域图像内每个二维码色块的色深值的色深数值分布将目标物体划分为若干个目标物体群组。接下来可以执行步骤S4根据每个二维码区域图像内二维码色块的位置分布进行识别解码得到二维码记载的编码信息。接下来可以执行步骤S5根据编码信息得到对应目标物体的编号。接下来可以执行步骤S6根据画面帧中目标物体的轮廓和对应目标物体的编号得到无法识别目标物体。接下来可以执行步骤S7在同一个目标物体群组内根据目标物体的编号以及目标物体的轮廓在画面帧中的分布得到正常目标物体和异常目标物体。接下来可以执行步骤S8输出正常目标物体对应的编码信息作为识别结果。最后可以执行步骤S9根据视频流中的其它画面帧对无法识别目标物体和异常目标物体进行补充识别直至解码得到对应二维码记载的编码信息。
以上步骤在实施的过程中,首先利用识别视频流中目标物体的轮廓、目标物体表面的二维码区域图像以及二维码色块的色深值,将目标物体根据色深数值分布划分为不同群组。接着对二维码进行解码获取编码信息,并进一步获得目标物体的编号。同时识别出无法解码的目标物体并在目标物体群组内区分正常和异常目标物体。最终将正常目标物体对应的编码信息作为识别结果输出,批量识别得到屠宰产品的编号。
请参阅图3所示,在牲畜等目标物体被屠宰加工的过程中,最容易也是主要对二维码进行污损的步骤就是对牲畜的清洗,这会导致二维码的色块变淡。同时屠宰操作流程相似的目标物体在编号上也具有关联性,可以据此分析出异常目标物体,在此之前需要分析得到屠宰操作流程相似的目标物体。基于此,上述的步骤S3在具体实施的过程中首先可以执行步骤S31根据每个二维码区域图像内每个二维码色块的色深值得到每个二维码区域图像内二维码色块的色深数值分布。接下来可以执行步骤S32根据每个二维码区域图像内二维码色块的色深数值分布计算得到二维码区域图像内二维码色块的若干个数值特征。接下来可以执行步骤S33根据每个二维码区域图像内二维码色块的若干个数值特征将二维码区域图像分类至若干个二维码图像群组。最后可以执行步骤S34按照每个二维码图像对应的目标物体和每个二维码图像群组内的二维码区域图像将目标物体划分为若干个目标物体群组。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。为了保护屠宰加工数量等商业秘密,对不影响方案实施的部分数据进行脱敏处理,下同.
该代码从一个图片文件读取二维码图像,计算色深分布并提取特征。然后根据特征值将图像简单分类到一个二维码图像群组中。最后,将目标物体分类到相应的目标物体群组中。
请参阅图4所示,由于屠宰操作流程相似的目标物体被清洗的加工流程相似,因此对应的二维码区域图像内二维码色块也具有相似性。有鉴于此,上述的步骤S33在具体实施的过程中首先可以执行步骤S331将每个二维码区域图像内二维码色块的若干个数值特征按照设定的顺序进行排列得到每个二维码区域图像内二维码色块的数值特征向量。接下来可以执行步骤S332在若干个数值特征向量中选择若干个规范数值特征向量,其中规范数值特征向量包括数值特征向量中的最大值、最小值、众数以及距离均值最近的值。接下来可以执行步骤S333获取其它数值特性向量与每个规范数值特征向量的差模长。接下来可以执行步骤S334将每个其它数值特性向量与差模长最小的规范数值特征向量组成一个数值特征向量群组。接下来可以执行步骤S335计算获取每个数值特征向量群组的均值向量作为更新后规范数值特征向量。接下来可以执行步骤S336判断更新后的数值特征向量群组内包含的数值特征向量是否发生变化。若是则接下来可以执行步骤S337持续更新数值特征向量群组和规范数值特征向量,若否则最后可以执行步骤S338按照每个数值特征向量群组内包含的数值特征向量,将对应的二维码区域图像分类至若干个二维码图像群组。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。
这段代码将二维码的特征向量分类到不同的群组中。开始时选择了初始质心,然后重复分配每个特征向量到最近的特征值并重新计算这些特征值,直到质心不再发生变化。最后可以根据所分配的质心将二维码图像分组。
请参阅图5和7所示,由于识别错误,可能出现无法识别解码出编号的目标物体,也可能会出现一个目标物体对应多个不同的编号,为了发现这些错误,上述的步骤S6在具体实施的过程中首先可以执行步骤S61根据画面帧中目标物体的轮廓和对应目标物体的编号得到未识别解码出编号的目标物体作为无法识别目标物体。接下来可以执行步骤S62根据画面帧中目标物体的轮廓和对应目标物体的编号得到对应多个编号的目标物体作为多编号目标物体。接下来可以执行步骤S63根据多编号目标物体对应的多个编号的数值分布判断多编号目标物体是否属于无法识别目标物体。若是则接下来可以执行步骤S64将多编号目标物体作为无法识别目标物体,若否则最后可以执行步骤S75根据多编号目标物体对应的多个编号的数值分布中的众数作为多编号目标物体真实的编号。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。
/>
这段代码首先识别了未能解码出编号的目标物体,并将其归类为无法识别的目标物体。然后,对于具有多个编号的目标物体,使用了众数的方式来确定其真实的编号。如果无法确定真实的编号(例如多个编号的数量都是1,没有众数),则这样的目标物体也被归类为无法识别的目标物体。对于确定的真实编号,更新了目标物体的编号为这个众数编号。
请参阅图6所示,在同一个物体被识别解码出多个不同编号的时候,如果多数的编号相同,只有极小数不同的编号,可以尝试对其进行纠正。具体而言,上述的步骤S63在具体实施的过程中首先可以执行步骤S631获取多编号目标物体对应的多个编号的数值分布中的众数作为多编号目标物体的疑似真实编号。接下来可以执行步骤S632获取疑似真实编号的数量。接下来可以执行步骤S633将多编号目标物体对应的多个编号的数值分布中的疑似真实编号以外的其它若干个编号作为疑似错误编号。接下来可以执行步骤S634将疑似错误编号按照编号数值进行排序得到疑似错误编号序列。接下来可以执行步骤S635获取疑似错误编号序列中相邻疑似错误编号之间的第一平均差值。接下来可以执行步骤S636将疑似错误编号序列中与相邻疑似错误编号之间的差值小于第一平均差值且连续的多个疑似错误编号作为核心疑似错误编号。接下来可以执行步骤S637判断核心疑似错误编号的数量是否小于疑似真实编号的数量。若是则接下来可以执行步骤S638判断多编号目标物体不属于无法识别目标物体,若否则最后可以执行步骤S639判断多编号目标物体属于无法识别目标物体。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。
/>
/>
这段代码针对一个多编号目标物体进行处理。首先,从该目标物体对应的多个编号中获取众数作为疑似真实编号,以及计算这个疑似真实编号的数量。接着,将不是疑似真实编号的编号视为疑似错误编号,并进行排序。计算排序后的疑似错误编号之间的平均差值,并根据这个差值识别出核心疑似错误编号。最后,通过比较核心疑似错误编号的数量与疑似真实编号的数量来判断多编号目标物体是否属于无法识别目标物体。
请参阅图8所示,处于在同一个目标物体群组内的目标物体的加工处理工艺相同,由于其在送至入口的顺序是连贯的,因此其对应的编号也具有连贯性,但是由于加工过程中的各种偶然操作也可能会将临近编号的目标物体置入其中,为了发现异常目标物体同时避免误判,上述的步骤S7在具体实施的过程中首先可以执行步骤S71在同一个目标物体群组内根据目标物体的编号以及目标物体的轮廓在画面帧中的分布得到同一个画面帧或者连续画面帧内处于相同目标物体群组的多个目标物体作为同源目标物体。接下来可以执行步骤S72获取同源目标物体的数量。接下来可以执行步骤S73将多个同源目标物体对应的编号按照数值大小进行顺序排列得到同源目标物体编号序列。接下来可以执行步骤S74根据同源目标物体编号序列中多个编号的数值分布以及同源目标物体的数量得到正常编号和异常编号。最后可以执行步骤S75根据正常编号和异常编号得到对应的正常目标物体和异常目标物体。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。
/>
/>
该代码主要处理目标物体群组中的目标物体,通过分析目标物体的编号以及它们在画面帧中的分布来区分正常目标物体和异常目标物体。首先将目标物体根据它们的编号进行排序,然后根据一些预定义的逻辑来判断哪些是正常目标物体,哪些是异常目标物体。在最后程序输出正常目标物体和异常目标物体的编号。
请参阅图9所示,为了避免误判,上述的步骤75在具体实施的过程中首先可以执行步骤S751根据同源目标物体编号序列中多个编号的数值分布得到同源目标物体编号序列中相邻编号的第二平均差值。接下来可以执行步骤S752将同源目标物体编号序列中与任一相邻编号的差值小于第二平均差值的编号作为正常编号,其余作为疑似异常编号。接下来可以执行步骤S753判断疑似异常编号与相邻编号的差值是否大于第二平均差值与同源目标物体的数量的和。若是则接下来可以执行步骤S754将疑似异常编号作为异常编号,若否则最后可以执行步骤S755将疑似异常编号作为正常编号。
为了对上述的实施过程进行补充说明,提供部分功能模块的源代码,并在注释部分进行对照解释说明。
/>
/>
此代码根据提供的同源目标物体编号序列,通过计算相邻编号的第二平均差值来找出正常编号和异常编号。首先计算每两个相邻编号之间的差值,然后计算这些差值的平均值。利用此平均值可以将编号分类为正常编号或疑似异常编号。对于疑似异常编号进一步检查它与相邻编号的差值是否大于第二平均差值与同源目标物体数量的和,以确定是否应将其视为真正的异常编号。
综上所述,本方案通过对屠宰产品表面转印的二维码进行批量扫描识别和纠错,实现高效准确的技术效果。首先利用识别视频流中目标物体的轮廓、目标物体表面的二维码区域图像以及二维码色块的色深值,根据色深数值分布将目标物体划分为不同群组。通过解码二维码获得编码信息,并进一步获取目标物体的编号。同时,该系统能够识别出无法解码的目标物体,并在目标物体群组内区分正常和异常目标物体。最终,将正常目标物体对应的编码信息作为识别结果输出,为屠宰产品的识别和管理提供了便捷有效的解决方案。
附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行相应的功能或动作的硬件,例如电路或ASIC(专用集成电路,Application Specific Integrated Circuit)来实现,或者可以用硬件和软件的组合,如固件等来实现。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其它变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种批量识别方法,其特征在于,包括,
获取包括若干个目标物体的视频流,其中,若干个所述目标物体在初始编号顺序上具有关联性;
识别所述视频流内若干个连续的画面帧中所述目标物体的轮廓和所述目标物体表面设置的若干个二维码区域图像以及每个所述二维码区域图像内每个二维码色块的色深值;
根据所述二维码区域图像内每个二维码色块的色深值的色深数值分布将所述目标物体划分为若干个目标物体群组;
根据每个二维码区域图像内二维码色块的位置分布进行识别解码得到二维码记载的编码信息;
根据所述编码信息得到对应所述目标物体的编号;
根据画面帧中所述目标物体的轮廓和对应所述目标物体的编号得到无法识别目标物体;
在同一个目标物体群组内根据所述目标物体的编号以及所述目标物体的轮廓在所述画面帧中的分布得到正常目标物体和异常目标物体;
输出正常目标物体对应的编码信息作为识别结果;
根据视频流中的其它所述画面帧对无法识别目标物体和异常目标物体进行补充识别直至解码得到对应二维码记载的编码信息;
其中,
所述在同一个目标物体群组内根据所述目标物体的编号以及所述目标物体的轮廓在所述画面帧中的分布得到正常目标物体和异常目标物体的步骤,包括,
在同一个目标物体群组内根据所述目标物体的编号以及所述目标物体的轮廓在所述画面帧中的分布得到同一个画面帧或者连续画面帧内处于相同目标物体群组的多个目标物体作为同源目标物体;
获取所述同源目标物体的数量;
将多个所述同源目标物体对应的编号按照数值大小进行顺序排列得到同源目标物体编号序列;
根据所述同源目标物体编号序列中多个编号的数值分布以及所述同源目标物体的数量得到正常编号和异常编号;
根据正常编号和异常编号得到对应的正常目标物体和异常目标物体;
所述根据所述同源目标物体编号序列中多个编号的数值分布以及所述同源目标物体的数量得到正常编号和异常编号的步骤,包括,
根据所述同源目标物体编号序列中多个编号的数值分布得到同源目标物体编号序列中相邻编号的第二平均差值;
将所述同源目标物体编号序列中与任一相邻编号的差值小于所述第二平均差值的编号作为正常编号,其余作为疑似异常编号;
判断所述疑似异常编号与相邻编号的差值是否大于第二平均差值与所述同源目标物体的数量的和;
若是,则将所述疑似异常编号作为异常编号;
若否,则将所述疑似异常编号作为正常编号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述二维码区域图像内每个二维码色块的色深值的色深数值分布将所述目标物体划分为若干个目标物体群组的步骤,包括,
根据每个所述二维码区域图像内每个二维码色块的色深值得到每个所述二维码区域图像内二维码色块的色深数值分布;
根据每个所述二维码区域图像内二维码色块的色深数值分布计算得到所述二维码区域图像内二维码色块的若干个数值特征;
根据每个所述二维码区域图像内二维码色块的若干个数值特征将所述二维码区域图像分类至若干个二维码图像群组;
按照每个二维码图像对应的所述目标物体和每个二维码图像群组内的所述二维码区域图像将所述目标物体划分为若干个目标物体群组。
3.根据权利要求2所述的方法,其特征在于,所述根据每个所述二维码区域图像内二维码色块的若干个数值特征将所述二维码区域图像分类至若干个二维码图像群组的步骤,包括,
将每个所述二维码区域图像内二维码色块的若干个数值特征按照设定的顺序进行排列得到每个所述二维码区域图像内二维码色块的数值特征向量;
在若干个所述数值特征向量中选择若干个规范数值特征向量,其中规范数值特征向量包括所述数值特征向量中的最大值、最小值、众数以及距离均值最近的值;
获取其它数值特性向量与每个所述规范数值特征向量的差模长;
将每个其它数值特性向量与差模长最小的所述规范数值特征向量组成一个数值特征向量群组;
计算获取每个数值特征向量群组的均值向量作为更新后规范数值特征向量;
判断更新后的数值特征向量群组内包含的数值特征向量是否发生变化;
若是,则持续更新所述数值特征向量群组和所述规范数值特征向量;
若否,则按照每个所述数值特征向量群组内包含的所述数值特征向量,将对应的二维码区域图像分类至若干个二维码图像群组。
4.根据权利要求1所述的方法,其特征在于,所述根据画面帧中所述目标物体的轮廓和对应所述目标物体的编号得到无法识别目标物体的步骤,包括,
根据画面帧中所述目标物体的轮廓和对应所述目标物体的编号得到未识别解码出编号的目标物体作为无法识别目标物体;
根据画面帧中所述目标物体的轮廓和对应所述目标物体的编号得到对应多个编号的目标物体作为多编号目标物体;
根据所述多编号目标物体对应的多个编号的数值分布判断所述多编号目标物体是否属于无法识别目标物体;
若是,则将所述多编号目标物体作为无法识别目标物体;
若否,则根据所述多编号目标物体对应的多个编号的数值分布得到所述多编号目标物体真实的编号。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多编号目标物体对应的多个编号的数值分布判断所述多编号目标物体是否属于无法识别目标物体的步骤,包括,
获取所述多编号目标物体对应的多个编号的数值分布中的众数作为所述多编号目标物体的疑似真实编号;
获取所述疑似真实编号的数量;
将所述多编号目标物体对应的多个编号的数值分布中的疑似真实编号以外的其它若干个编号作为疑似错误编号;
将所述疑似错误编号按照编号数值进行排序得到疑似错误编号序列;
获取疑似错误编号序列中相邻疑似错误编号之间的第一平均差值;
将所述疑似错误编号序列中与相邻疑似错误编号之间的差值小于第一平均差值且连续的多个疑似错误编号作为核心疑似错误编号;
判断核心疑似错误编号的数量是否小于所述疑似真实编号的数量;
若是,则判断所述多编号目标物体不属于无法识别目标物体;
若否,则判断所述多编号目标物体属于无法识别目标物体。
6.根据权利要求4或5所述的方法,其特征在于,所述根据所述多编号目标物体对应的多个编号的数值分布得到所述多编号目标物体真实的编号的步骤,包括,
获取所述多编号目标物体对应的多个编号的数值分布中的众数作为所述多编号目标物体真实的编号。
7.一种识别系统,其特征在于,包括,
编组单元,用于将多个目标物体按照对应的编号进行排序,或,按照多个目标物体的排序方式进行编号;
将所述目标物体的编号编码为二维码设置在对应所述目标物体表面的若干个位置;
影像采集单元,用于摄录视频流;
识别管理单元,用于将所述视频流按照权利要求1至6任一项所述一种批量识别方法进行处理,得到所述目标物体的编号。
8.一种屠宰场信息管理系统,其特征在于,包括,
加工流水线,包括入口、加工区以及出口,其中,
在所述入口将多个目标物体按照对应的编号进行排序,或,按照多个目标物体的排序方式进行编号,
在所述入口将多个目标物体按照编号顺序依次送入所述加工区,完成屠宰加工后由所述出口送出;
影像采集单元,设置在所述出口,用于摄录视频流;
识别管理单元,用于将所述视频流按照权利要求1至6任一项所述一种批量识别方法进行处理,得到所述目标物体的编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264202.2A CN117253170B (zh) | 2023-09-27 | 2023-09-27 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264202.2A CN117253170B (zh) | 2023-09-27 | 2023-09-27 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117253170A CN117253170A (zh) | 2023-12-19 |
CN117253170B true CN117253170B (zh) | 2024-04-02 |
Family
ID=89130931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311264202.2A Active CN117253170B (zh) | 2023-09-27 | 2023-09-27 | 一种批量识别方法、识别系统以及屠宰场信息管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117253170B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018106311A (ja) * | 2016-12-23 | 2018-07-05 | アイネット株式会社 | 個体識別標識及びそれを利用した通報システム、並びに、個体識別標識の生成システム |
CN114298259A (zh) * | 2022-01-11 | 2022-04-08 | 陈永祥 | 一种基于二维码和条形码的防伪溯源方法 |
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
CN115886055A (zh) * | 2021-10-29 | 2023-04-04 | 智锐达仪器科技南通有限公司 | 一种用于牲畜胴体的打标系统和解码系统 |
CN116703969A (zh) * | 2023-05-18 | 2023-09-05 | 优简(南京)信息科技有限公司 | 一种基于机器视觉的生猪身份标识跟踪方法 |
-
2023
- 2023-09-27 CN CN202311264202.2A patent/CN117253170B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018106311A (ja) * | 2016-12-23 | 2018-07-05 | アイネット株式会社 | 個体識別標識及びそれを利用した通報システム、並びに、個体識別標識の生成システム |
CN115886055A (zh) * | 2021-10-29 | 2023-04-04 | 智锐达仪器科技南通有限公司 | 一种用于牲畜胴体的打标系统和解码系统 |
CN114298259A (zh) * | 2022-01-11 | 2022-04-08 | 陈永祥 | 一种基于二维码和条形码的防伪溯源方法 |
CN114896441A (zh) * | 2022-06-07 | 2022-08-12 | 连云港东旺奶牛养殖有限公司 | 一种奶牛信息化智能养殖方法及系统 |
CN116703969A (zh) * | 2023-05-18 | 2023-09-05 | 优简(南京)信息科技有限公司 | 一种基于机器视觉的生猪身份标识跟踪方法 |
Non-Patent Citations (3)
Title |
---|
基于条形码技术的奶牛个体识别系统的研究;安建强;马建辉;张金龙;于桂凤;;农业网络信息;20070626(06);第26-28页 * |
基于深度学习的群养猪个体身份识别;卞子煜;中国优秀硕士学位论文全文数据库 (农业科技辑);20210215(第02期);第D050-293页 * |
施苑英等.大数据技术及应用.北京:机械工业出版社,第160-165页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117253170A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6404903B2 (en) | System for identifying individuals | |
WO2020125057A1 (zh) | 牲畜个数的识别方法及装置 | |
CN114937232B (zh) | 医废处理人员防护用具穿戴检测方法、系统和设备 | |
CN113421192B (zh) | 对象统计模型的训练方法、目标对象的统计方法和装置 | |
CN111985402B (zh) | 一种变电站安全围栏翻越行为识别方法、系统及设备 | |
CN116703969A (zh) | 一种基于机器视觉的生猪身份标识跟踪方法 | |
CN113706463A (zh) | 基于深度学习的关节影像关键点自动检测方法、装置、设备及存储介质 | |
CN117253170B (zh) | 一种批量识别方法、识别系统以及屠宰场信息管理系统 | |
KR102470422B1 (ko) | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 | |
CN111598913A (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
JP2018081629A (ja) | 判定装置、判定方法および判定プログラム | |
CN111325773A (zh) | 运动目标的检测方法、装置、设备及可读存储介质 | |
CN113326778A (zh) | 基于图像识别的人体姿态检测方法、装置和存储介质 | |
CN116030500B (zh) | 一种人员着装规范识别方法及系统 | |
CN109377493B (zh) | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 | |
Wei et al. | Automatic recognition of major fissures in human lungs | |
CN111462114A (zh) | 牙齿色值确定方法、装置和电子设备 | |
Les et al. | Automatic recognition of the kidney in CT images | |
CN115937593A (zh) | 一种模型法建立方法、物体检测方法及相关设备 | |
CN115601699A (zh) | 一种安全帽佩戴检测方法、电子设备以及计算机可读介质 | |
JP2019066909A (ja) | 物体分布推定装置 | |
CN114782994A (zh) | 姿态识别方法、装置、存储介质及电子设备 | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 | |
CN110633710B (zh) | 一种生猪疾病预警系统 | |
IE922603A1 (en) | Method and apparatus to be used by individual treatment of¹pieces of meat |
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 |