CN117350316B - 基于ai视觉的产品关联检测方法、系统、介质及设备 - Google Patents

基于ai视觉的产品关联检测方法、系统、介质及设备 Download PDF

Info

Publication number
CN117350316B
CN117350316B CN202311633599.8A CN202311633599A CN117350316B CN 117350316 B CN117350316 B CN 117350316B CN 202311633599 A CN202311633599 A CN 202311633599A CN 117350316 B CN117350316 B CN 117350316B
Authority
CN
China
Prior art keywords
dimensional code
representing
pull ring
shielding
same
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
CN202311633599.8A
Other languages
English (en)
Other versions
CN117350316A (zh
Inventor
翟兴
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 Tianxingcheng Technology Co ltd
Original Assignee
Shenzhen Tianxingcheng 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 Tianxingcheng Technology Co ltd filed Critical Shenzhen Tianxingcheng Technology Co ltd
Priority to CN202311633599.8A priority Critical patent/CN117350316B/zh
Publication of CN117350316A publication Critical patent/CN117350316A/zh
Application granted granted Critical
Publication of CN117350316B publication Critical patent/CN117350316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9554—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL] by using bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • 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
    • G06K19/08—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 using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means
    • G06K19/10—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 using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means at least one kind of marking being used for authentication, e.g. of credit or identity cards
    • G06K19/14—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 using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means at least one kind of marking being used for authentication, e.g. of credit or identity cards the marking being sensed by radiation
    • G06K19/145—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 using markings of different kinds or more than one marking of the same kind in the same record carrier, e.g. one marking being sensed by optical and the other by magnetic means at least one kind of marking being used for authentication, e.g. of credit or identity cards the marking being sensed by radiation at least one of the further markings being adapted for galvanic or wireless sensing, e.g. an RFID tag with both a wireless and an optical interface or memory, or a contact type smart card with ISO 7816 contacts and an optical interface or memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps
    • G06K7/1482—Methods for optical code recognition the method including quality enhancement steps using fuzzy logic or natural solvers, such as neural networks, genetic algorithms and simulated annealing
    • 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
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Toxicology (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本申请提出一种基于AI视觉的产品关联检测方法、系统、介质及设备，属于机器视觉领域，通过将同箱中所有罐装饮料的二维码进行第一关联，将每条罐装饮料的二维码进行第二关联；对每条罐装饮料的顶部拉环进行拍摄获取每个罐装饮料的拉环形状特征，并对拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。保证投放的合理性。

Description

基于AI视觉的产品关联检测方法、系统、介质及设备
技术领域
本发明涉及一种基于AI视觉的产品关联检测方法、系统、介质及设备，属于机器视觉技术领域。
背景技术
灌装饮料的拉环提供了抽奖信息，如二维码，厂商需要针对不同的市场制定相应抽奖策略。为了配合相应抽奖策略，需要调整灌装饮料拉环上的抽奖信息。将灌装饮料投放到不同市场时，按照一箱2条（一条的12罐被热缩膜包裹），每条12罐的包装发货。基于投放出货的便利性考虑，需要将一条中的12罐作为一个整体进行关联，以及将一箱中的24罐作为一个整体进行关联，便于投放以及后续追踪。
为了从灌装包装外侧识别灌装信息，采用方案是在拉环外表面也打印一个标识该灌装饮料的二维码。由于热缩膜的存在，导致二维码识别可能不准确，也就是在后续市场投放的过程中，由于包装不能拆开，所以会存在热缩膜对二维码的阻挡导致只存在部分二维码画面，在一定程度上并不能对该未遮挡部分的二维码进行有效识别，也就是在不清楚二维码中奖的情况下进行罐装饮料的投放，会直接影响中奖公平性，进而影响市场销量。
因此，本发明提出一种基于AI视觉的产品关联检检测方法及系统。
发明内容
针对上述现有技术的不足，本发明的目的在于提供一种基于AI视觉的产品关联检测方法、系统、介质及设备，通过将同箱以及同条中的二维码进行关联以及对拉环顶部进行拍摄，来进行关联，保证生产完成后在后续市场投放过程中能够对二维码的信息进行全面获取及分析，实现罐装饮料在市场的合理投放。
根据本发明的实施方案，提供第一个方案为：一种基于AI视觉的产品关联检测方法，包括：
步骤1：将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
步骤2：对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
步骤3：在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
步骤4：根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
进一步地，将同箱中所有罐装饮料的二维码进行第一关联之前，包括：
根据商家制定的抽奖策略，确定基于当下罐装饮料的生产量的第一中奖概率；
基于所述第一中奖概率以及每箱罐装饮料的饮料数量，向同箱罐装饮料设置第二中奖概率；
基于第二中奖概率以及每箱罐装饮料的条数量，向同箱罐装饮料中的每条饮料设置第三中奖概率；
根据概率设置结果，向不同的罐装饮料配置二维码。
进一步地，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，包括：
对所述罐装饮料的拉环部位进行完整拍摄，获取得到拉环图像；
对所述拉环图像进行同像素的依次检索，分别获取得到同像素的像素条纹，并得到基于同像素的条纹分布；
提取所述条纹分布中的单点分布，并根据相机的拍摄水平线确定基于所述单点分布的横向线集以及竖向线集；
提取所述横向线集中的单点数量最多的第一线以及提取所述竖向线集中单点数量最多的第二线；
提取所述第一线中的第一噪声点，构建得到基于第一线的第一代表序列，并绘制得到第一曲线；
提取所述第二线中的第二噪声点，构建得到基于第二线的第二代表序列，并绘制得到第二曲线；
寻找所述第一曲线的第一个峰值位置以及第二曲线的第一个峰值位置，将两个峰值位置进行对齐处理，绘制得到基于第一曲线以及第二曲线的对比双曲线；
获取所述对比双曲线中处于同个出现次数的峰值位置差异以及峰值大小差异，并构建得到差异序列；
根据所述差异序列，判定竖向去噪基于横向去噪的调节参数；
基于调节参数对基于横向去噪的原始去噪方式进行调节，得到竖向去噪方式；
根据所述原始去噪方式以及竖向去噪方式依次对所述拉环图像进行去噪处理，得到第一图像；
对所述第一图像进行特征提取，得到所述拉环图像的拉环形状特征。
进一步地，对所述第一图像进行特征提取的过程中，还包括：
获取罐装饮料在出厂之后对所述罐装饮料进行包裹的热缩膜对所述罐装饮料的拉环部位的历史遮挡信息集，构建得到遮挡矩阵，其中，所述遮挡矩阵的行为同个二维码中每个位置点的遮挡情况，列为不同二维码的同个位置点的遮挡情况；
获取所述罐装饮料在运输过程中所包裹的热缩膜对所述罐装饮料的拉环部位的历史磨损信息，构建得到磨损矩阵，其中，所述磨损矩阵的行为同个二维码中每个位置点的磨损情况，列为不同二维码的同个位置点的磨损情况；
同时，获取所述热缩膜在运输过程中的历史移动信息集，构建得到移动矩阵，其中，所述移动矩阵的行为同个二维码中每个位置点的遮挡改变情况，列为不同二维码的同个位置点的遮挡改变情况；
分别计算所述遮挡矩阵中每列向量的遮挡系数；
其中，表示第i列向量的遮挡系数；m表示存在二维码的个数，即为矩阵的行数；m1表示对应列向量中存在全遮挡的元素个数；/>表示对应列向量中第j个元素的遮挡值，取值范围为[0，1]；
分别计算所述磨损矩阵中每列向量的磨损系数；
其中，表示第i列向量的磨损系数；m2表示对应列向量中存在未磨损的元素个数；/>表示对应列向量中第j个元素的磨损值，取值范围为[0，1]；/>表示第i列向量的磨损方差；
分别计算所述移动矩阵中每列向量的改变系数；
其中，表示第i列向量的改变系数；/>表示对应列向量中第j个元素的改变值，取值范围为[0，1]；/>表示第i列向量的改变方差；
基于同个位置点的遮挡系数、磨损系数以及改变系数，计算对应位置点的第一评估系数；
其中，表示第i个位置点的遮挡权重；/>表示基于二维码的第i个位置点的磨损权重；/>表示基于二维码的第i个位置点的改变权重；/>表示第i列向量的遮挡方差；表示基于遮挡矩阵的遮挡方差；/>表示基于磨损矩阵的磨损方差；/>表示基于改变矩阵的改变方差；/>表示第i个位置点的第一评估系数，其中，位置点与列数是一一对应的；
基于同个二维码的三个行向量以及与计算得到所有系数，计算对应二维码的第二评估系数；
其中，/>表示第j个二维码的第二评估系数；/>表示第j个二维码对应行向量中的第i个的遮挡值；/>表示第j个二维码对应行向量中的第i个的模糊值；/>表示第j个二维码对应行向量中的第i个的改变值；/>表示第j个二维码的遮挡行向量中取值为1的元素个数；/>表示第j个二维码的磨损行向量中取值为1的元素个数；/>表示第j个二维码的改变行向量中取值为1的元素个数，其中，二维码与行数一一对应；
基于所述第一评估系数以及第二评估系数，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，得到增强图像并进行特征提取。
进一步地，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，包括：
将每个二维码的第二评估系数、对应二维码中每个位置点的初始评估系数且结合每个位置点的第一评估系数以及每个二维码所对应罐装饮料基于条中的放置位置，依次输入到系数分析模型中，得到对应二维码中每个位置点的模糊评判系数；
基于所述模糊评判系数，向对应二维码的位置点设置增强标签；
根据增强标签的标签分布进行同像素增强的连通分析，来锁定对应二维码中的若干连通区域，并分别向每个连通区域设置增强倍数，进行像素增强处理。
进一步地，对所述拉环形状特征进行字符转换且与对应二维码进行关联，包括：
提取所述拉环形状特征中基于对应二维码每个位置点的特征信息；
将特征信息与特征-字符映射表匹配，得到每个位置点的转换字符；
判断转换字符的字符容量是否大于预设容量，若大于，提取所述转换字符中的相同字符，并按照相同字符的数量对相同字符进行压缩处理，并建立所述相同字符的索引标签；
直到最终压缩处理的容量小于预设容量与标签容量的差容量，得到最终字符，并与对应二维码进行关联；
其中，所述索引标签的标签容量为所有压缩处理后的字符中的最小单位字符容量。
进一步地，根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放，包括：
根据读取结果，从存储结果中调取与读取结果关联的虚拟ID；
基于读取结果以及虚拟ID，得到二维码的全面信息；
对需要投放的所有全面信息进行分析，实现对罐装饮料的市场投放。
本发明提供一种基于AI视觉的产品关联检测系统，包括：
二维码关联模块，用于将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
图像关联模块，用于对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
绑定模块，用于在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
辅助分析模块，用于根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述方法的步骤。
本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述方法的步骤。
与现有技术相比，本申请的有益效果如下：
1、通过将同箱以及同条中的二维码进行关联以及对拉环顶部进行拍摄，来进行关联，保证生产完成后在后续市场投放过程中能够对二维码的信息进行全面获取及分析，实现罐装饮料在市场的合理投放。
2、从遮挡矩阵、磨损矩阵以及移动矩阵三个方面进行分析，便于得到针对同个位置点的合理评估，结合同个二维码的行向量以及所有系数，便于对二维码进行针对性评估，实现模糊精准定位，便于保证特征提取的有效性，为后续投放提供基础。
附图说明
图1为本发明一种基于AI视觉的产品关联检测方法的流程图；
图2为本发明一种基于AI视觉的产品关联检测系统的结构图。
具体实施方式
为了使本领域的技术人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，当元件被称为“固定于”或“设置于”另一个部件上，它可以直接在另一个部件上或者间接设置在另一个部件上；当一个部件被称为是“连接于”另一个部件，它可以是直接连接到另一个部件或间接连接至另一个部件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或部件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容得能涵盖的范围内。
实施例1：
本发明提供一种基于AI视觉的产品关联检测方法，如图1所示，包括：
步骤1：将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
步骤2：对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
步骤3：在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
步骤4：根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
该实施例中，第一关联与第二关联的目的是为了向对应箱中的罐装饮料设置中奖概率，比如，一箱子有2条，每条有6罐，比如，该箱中需要有3罐饮料中奖，此时，将中奖饮料都放在一条明显不合适，可以一条中有2罐，另一条中有1罐，通过这种方式，来将每条以及每箱中的饮料的二维码关联起来，保证中奖概率的公平性。
该实施例中，顶部拉环是存在二维码信息的，此时通过对拉环部位进行拍摄，即可得到拉环图像，为后续市场投放提供基础。
该实施例中，字符转换是为了对拉环形状特征便捷存储，其中虚拟ID是包含拉环部位的二维码信息在内的，因为在市场投放的过程中会因为罐装饮料存在遮挡、磨损等的情况，导致后续二维码识别不精确，此时，就需要结合存储的虚拟ID进行分析，来保证饮料的合理投放。
该实施例中，箱子植入RFID标签是为了确定对应罐装饮料的中奖设置规则、罐装饮料的出厂信息，其中，出厂信息包含对饮料的唯一生产编码，保证其饮料的唯一性，且第一关联与第二关联的目的是为了对饮料的中奖情况进行明确，实际获取的二维码信息指的是二维码存在实际遮挡或者磨损情况下亦或者不存在任何磨损遮挡情况下的一个实际获取信息，也就是当二维码存在遮挡时或者磨损时，结合对应的虚拟ID来获取该罐装饮料的具体信息，通过对具体信息与信息-中奖映射数据库，可以由商家明确饮料的中奖投放情况，该数据库是预先设定好的，主要是为了后续对饮料的投放以及中奖投放情况进行有效追踪。
该实施例中，饮料投放规则指的是，向不同市场投放一定中将比例的罐装饮料，此时，在后续投放的过程中就需要对每箱的饮料情况进行分析，保证满足投放要求。
上述技术方案的有益效果是：通过将同箱以及同条中的二维码进行关联以及对拉环顶部进行拍摄，来进行关联，保证生产完成后在后续市场投放过程中能够对二维码的信息进行全面获取及分析，实现罐装饮料在市场的合理投放。
实施例2：
基于实施例1的基础上，将同箱中所有罐装饮料的二维码进行第一关联之前，包括：
根据商家制定的抽奖策略，确定基于当下罐装饮料的生产量的第一中奖概率；
基于所述第一中奖概率以及每箱罐装饮料的饮料数量，向同箱罐装饮料设置第二中奖概率；
基于第二中奖概率以及每箱罐装饮料的条数量，向同箱罐装饮料中的每条饮料设置第三中奖概率；
根据概率设置结果，向不同的罐装饮料配置二维码。
该实施例中，抽奖策略是上将制定好的，保持公平公正的原则进行的设定。
该实施例中，生产量比如是10000罐，第一中奖率为30%；
那么，同箱的第二中奖概率以及第三中奖概率是30%左右浮动的，可以是数量×30%得到的整数，进而设置二维码，也就是最后可以扫描出来的信息。
该实施例中，扫描出来的信息是与中奖相关的隐藏信息，也就是只能是商家扫描才能明确隐藏信息对应的中奖情况。
上述技术方案的有益效果是：通过确定生产量、箱以及条的中奖概率，便于实现二维码的配置，保证后续投放的合理性，实现有效的投放追踪。
实施例3：
基于实施例1的基础上，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，包括：
对所述罐装饮料的拉环部位进行完整拍摄，获取得到拉环图像；
对所述拉环图像进行同像素的依次检索，分别获取得到同像素的像素条纹，并得到基于同像素的条纹分布；
提取所述条纹分布中的单点分布，并根据相机的拍摄水平线确定基于所述单点分布的横向线集以及竖向线集；
提取所述横向线集中的单点数量最多的第一线以及提取所述竖向线集中单点数量最多的第二线；
提取所述第一线中的第一噪声点，构建得到基于第一线的第一代表序列，并绘制得到第一曲线；
提取所述第二线中的第二噪声点，构建得到基于第二线的第二代表序列，并绘制得到第二曲线；
寻找所述第一曲线的第一个峰值位置以及第二曲线的第一个峰值位置，将两个峰值位置进行对齐处理，绘制得到基于第一曲线以及第二曲线的对比双曲线；
获取所述对比双曲线中处于同个出现次数的峰值位置差异以及峰值大小差异，并构建得到差异序列；
根据所述差异序列，判定竖向去噪基于横向去噪的调节参数；
基于调节参数对基于横向去噪的原始去噪方式进行调节，得到竖向去噪方式；
根据所述原始去噪方式以及竖向去噪方式依次对所述拉环图像进行去噪处理，得到第一图像；
对所述第一图像进行特征提取，得到所述拉环图像的拉环形状特征。
该实施例中，同像素指的是相同灰度值，依次检索指的是先确定拉环图像中存在的不同像素值大小，并依据每个不同的像素值大小来对该图像进行检索，确定同像素下的像素点基于图像上的位置，进而得到像素条纹，也就是，如果同个像素值下的位置有连续的则进行线段绘制，如果是不连续的则进行单点绘制，都统称为像素条件，所有条纹的分布即为条纹分布。
该实施例中，单点分布指的是单点绘制对应位置点的分布，拍摄水平线是基于相机直接获取得到的，因此，以拍摄水平线作为横向线，来得到单点分布的横向线集，与拍摄水平线垂直的线作为竖向线，来得到单点分布的竖向线集，也就是横向线与竖向线会分别将涉及到的所有单点都涉及在内，也就是对单点分布进行无限分割。
该实施例中，在获取到线集之后，可以统计每个线条上的单点数量，进而得到第一线与第二线，此时的第一线与第二线是除了对应单点之外还包含该图像上只要经过该线的其他位置点的像素值。
该实施例中，第一线中的噪声点以及第二线的噪声点是将像素值大于预设值的点视为噪声点。
该实施例中，第一代表序列以及第二代表序列是基于通过获取噪声点两侧最近的非噪声点的平均像素值来对该噪声点进行替换，基于替换后的值，来按照一定的位置间隔从对应线中进行等位置像素抽取得到序列，且两个序列中的抽取像素的数量可能会不同。
该实施例中，第一曲线以及第二曲线是根据对应的代表序列中的抽取像素按照位置依次绘制得到的。
该实施例中，对齐处理指的是将两个曲线的第一个峰值位置对齐，然后绘制得到对比双曲线。
该实施例中，同个出现次数峰值位置差异指的是对比双曲线中曲线1中第一次的出现峰值位置对应的像素点坐标是（x1，y1），曲线2中第一次的出现峰值位置对应的像素点坐标是（x2,y2），那么，位置差异即为位置（x1，y1）与（x2,y2）的差异，峰值大小差异即为这两个像素点的像素值的差异，以此类推，即可得到差异序列：[第1次峰值：位置差异-像素差异 第2次峰值：位置差异-像素差异....]。
该实施例中，将所述差异序列、第一代表序列、第一线中的第一噪声点，输入到序列噪声分析模型中获取得到基于第二线的调节参数，该模型是基于不同的差异序列、噪声点以及专家对第一线的噪声消除设定标准为样本训练得到的，因此，可以得到基于第二线的噪声去除调节参数，实现对竖向线的有效去噪。
该实施例中，横向去噪为：参数1的取值为a1，参数2的取值为a3，此时，调整后的竖向去噪为：参数1的取值为a1+a01，参数2的取值为a3-a03，即得到竖向去噪方式。
该实施例中，去噪处理的目的是为了保证拉环顶部的图像特征的有效性，为后续市场投放提供可靠基础。
上述技术方案的有益效果是：通过进行同像素检索以及单点分布的提取，便于对零散的点进行分析，且后续通过从竖向与横向两方面进行分析，来基于横向对竖向的噪声参数调整，实现对整体图像的合理噪声消除，为获取图像提供提供便利基础。
实施例4：
基于实施例3的基础上，对所述第一图像进行特征提取的过程中，还包括：
获取罐装饮料在出厂之后对所述罐装饮料进行包裹的热缩膜对所述罐装饮料的拉环部位的历史遮挡信息集，构建得到遮挡矩阵，其中，所述遮挡矩阵的行为同个二维码中每个位置点的遮挡情况，列为不同二维码的同个位置点的遮挡情况；
获取所述罐装饮料在运输过程中所包裹的热缩膜对所述罐装饮料的拉环部位的历史磨损信息，构建得到磨损矩阵，其中，所述磨损矩阵的行为同个二维码中每个位置点的磨损情况，列为不同二维码的同个位置点的磨损情况；
同时，获取所述热缩膜在运输过程中的历史移动信息集，构建得到移动矩阵，其中，所述移动矩阵的行为同个二维码中每个位置点的遮挡改变情况，列为不同二维码的同个位置点的遮挡改变情况；
分别计算所述遮挡矩阵中每列向量的遮挡系数；
其中，表示第i列向量的遮挡系数；m表示存在二维码的个数，即为矩阵的行数；m1表示对应列向量中存在全遮挡的元素个数；/>表示对应列向量中第j个元素的遮挡值，取值范围为[0，1]；
分别计算所述磨损矩阵中每列向量的磨损系数；
其中，表示第i列向量的磨损系数；m2表示对应列向量中存在未磨损的元素个数；/>表示对应列向量中第j个元素的磨损值，取值范围为[0，1]；/>表示第i列向量的磨损方差；
分别计算所述移动矩阵中每列向量的改变系数；
其中，表示第i列向量的改变系数；/>表示对应列向量中第j个元素的改变值，取值范围为[0，1]；/>表示第i列向量的改变方差；
基于同个位置点的遮挡系数、磨损系数以及改变系数，计算对应位置点的第一评估系数；
其中，表示第i个位置点的遮挡权重；/>表示基于二维码的第i个位置点的磨损权重；/>表示基于二维码的第i个位置点的改变权重；/>表示第i列向量的遮挡方差；表示基于遮挡矩阵的遮挡方差；/>表示基于磨损矩阵的磨损方差；/>表示基于改变矩阵的改变方差；/>表示第i个位置点的第一评估系数，其中，位置点与列数是一一对应的；
基于同个二维码的三个行向量以及与计算得到所有系数，计算对应二维码的第二评估系数；
其中，/>表示第j个二维码的第二评估系数；/>表示第j个二维码对应行向量中的第i个的遮挡值；/>表示第j个二维码对应行向量中的第i个的模糊值；/>表示第j个二维码对应行向量中的第i个的改变值；/>表示第j个二维码的遮挡行向量中取值为1的元素个数；/>表示第j个二维码的磨损行向量中取值为1的元素个数；/>表示第j个二维码的改变行向量中取值为1的元素个数，其中，二维码与行数一一对应；
基于所述第一评估系数以及第二评估系数，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，得到增强图像并进行特征提取。
该实施例中，各种历史信息集都是对历史存在的情况进行提取得到的，方便对后续投放过程中可能存在的二维码情况进行合理分析，也就是基于相机拍摄的图像来作为辅助分析过程中可能保证像素点的有效性以及合理性。
该实施例中，每个二维码涉及到的位置点的总个数都是相等的。
该实施例中，三个行向量指的是分别从遮挡矩阵、磨损矩阵以及移动矩阵中提取的对应二维码的一行向量，构成三行。
上述技术方案的有益效果是：从遮挡矩阵、磨损矩阵以及移动矩阵三个方面进行分析，便于得到针对同个位置点的合理评估，结合同个二维码的行向量以及所有系数，便于对二维码进行针对性评估，实现模糊精准定位，便于保证特征提取的有效性，为后续投放提供基础。
实施例5：
基于实施例4的基础上，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，包括：
将每个二维码的第二评估系数、对应二维码中每个位置点的初始评估系数且结合每个位置点的第一评估系数以及每个二维码所对应罐装饮料基于条中的放置位置，依次输入到系数分析模型中，得到对应二维码中每个位置点的模糊评判系数；
基于所述模糊评判系数，向对应二维码的位置点设置增强标签；
根据增强标签的标签分布进行同像素增强的连通分析，来锁定对应二维码中的若干连通区域，并分别向每个连通区域设置增强倍数，进行像素增强处理。
该实施例中，系数分析模式基于基于不同的评估系数、放置位置以及由专家进行模糊评判结果为样本对神经网络模型训练得到的，因此可以得到模糊评判系数。
该实施例中，增强标签的设置是基于模糊评判系数/预设评判系数的比值确定得到的，比值越大，越是需要进行增强处理，保证二维码的清晰度。
该实施例中，连通分析指的是，比如，连续位置1、位置2、位置3、位置4、位置5中，只有位置3是增强标签01，其余的都是增强标签02，此时，就将位置3归到增强标签02中，得到连通区域。
该实施例中，增强倍数是基于比值向上取整的结果。
该实施例中，模糊评判系数越大对应的比值越大，也就是该点的信息越需要清晰。
上述技术方案的有益效果是：通过获取每个点的模糊评估系数，来设置标签，且通过连通分析以及增强倍数的设置，便于实现增强处理，方便后续有效辅助分析。
实施例6：
基于实施例1的基础上，对所述拉环形状特征进行字符转换且与对应二维码进行关联，包括：
提取所述拉环形状特征中基于对应二维码每个位置点的特征信息；
将特征信息与特征-字符映射表匹配，得到每个位置点的转换字符；
判断转换字符的字符容量是否大于预设容量，若大于，提取所述转换字符中的相同字符，并按照相同字符的数量对相同字符进行压缩处理，并建立所述相同字符的索引标签；
直到最终压缩处理的容量小于预设容量与标签容量的差容量，得到最终字符，并与对应二维码进行关联；
其中，所述索引标签的标签容量为所有压缩处理后的字符中的最小单位字符容量。
该实施例中，特征信息指的是对应位置点的像素点的分量情况，且映射表是包含不同的特征信息以及与信息匹配的符号，便于匹配对应转换。
该实施例中，预设容量是预先设定好的，比如是b1，此时，字符容量为b0，如果b0大于b1，就需要将进行压缩处理，根据总的压缩字符的容量b2，来确定压缩倍数。
该实施例中，标签容量指的是在建立标签时候需要额外占用的容量。
该实施例中，最终字符指的是压缩处理后的字符。
上述技术方案的有益效果是：对信息匹配得到字符，对字符压缩处理得到最终字符，降低存储，实现有效关联，便于后续的辅助分析。
实施例7：
基于实施例1的基础上，根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放，包括：
根据读取结果，从存储结果中调取与读取结果关联的虚拟ID；
基于读取结果以及虚拟ID，得到二维码的全面信息；
对需要投放的所有全面信息进行分析，实现对罐装饮料的市场投放。
上述技术方案的有益效果是：通过读取结果与虚拟ID的结合，有效获取得到全面二维码信息，实现有效投放。
实施例8：
本发明提供一种基于AI视觉的产品关联检测系统，如图2所示，包括：
二维码关联模块，用于将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
图像关联模块，用于对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
绑定模块，用于在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
辅助分析模块，用于根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
上述技术方案的有益效果是：通过将同箱以及同条中的二维码进行关联以及对拉环顶部进行拍摄，来进行关联，保证生产完成后在后续市场投放过程中能够对二维码的信息进行全面获取及分析，实现罐装饮料在市场的合理投放。
实施例9：
本发明提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述方法的步骤：
步骤1：将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
步骤2：对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
步骤3：在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
步骤4：根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
实施例10：
本发明提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述方法的步骤：
步骤1：将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
步骤2：对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
步骤3：在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
步骤4：根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于AI视觉的产品关联检测方法，其特征在于，包括：
步骤1：将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
步骤2：对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
步骤3：在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
步骤4：根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放；
其中，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，包括：
对所述罐装饮料的拉环部位进行完整拍摄，获取得到拉环图像；
对所述拉环图像进行同像素的依次检索，分别获取得到同像素的像素条纹，并得到基于同像素的条纹分布；
提取所述条纹分布中的单点分布，并根据相机的拍摄水平线确定基于所述单点分布的横向线集以及竖向线集；
提取所述横向线集中的单点数量最多的第一线以及提取所述竖向线集中单点数量最多的第二线；
提取所述第一线中的第一噪声点，构建得到基于第一线的第一代表序列，并绘制得到第一曲线；
提取所述第二线中的第二噪声点，构建得到基于第二线的第二代表序列，并绘制得到第二曲线；
寻找所述第一曲线的第一个峰值位置以及第二曲线的第一个峰值位置，将两个峰值位置进行对齐处理，绘制得到基于第一曲线以及第二曲线的对比双曲线；
获取所述对比双曲线中处于同个出现次数的峰值位置差异以及峰值大小差异，并构建得到差异序列；
根据所述差异序列，判定竖向去噪基于横向去噪的调节参数；
基于调节参数对基于横向去噪的原始去噪方式进行调节，得到竖向去噪方式；
根据所述原始去噪方式以及竖向去噪方式依次对所述拉环图像进行去噪处理，得到第一图像；
对所述第一图像进行特征提取，得到所述拉环图像的拉环形状特征；
其中，对所述第一图像进行特征提取的过程中，还包括：
获取罐装饮料在出厂之后对所述罐装饮料进行包裹的热缩膜对所述罐装饮料的拉环部位的历史遮挡信息集，构建得到遮挡矩阵，其中，所述遮挡矩阵的行为同个二维码中每个位置点的遮挡情况，列为不同二维码的同个位置点的遮挡情况；
获取所述罐装饮料在运输过程中所包裹的热缩膜对所述罐装饮料的拉环部位的历史磨损信息，构建得到磨损矩阵，其中，所述磨损矩阵的行为同个二维码中每个位置点的磨损情况，列为不同二维码的同个位置点的磨损情况；
同时，获取所述热缩膜在运输过程中的历史移动信息集，构建得到移动矩阵，其中，所述移动矩阵的行为同个二维码中每个位置点的遮挡改变情况，列为不同二维码的同个位置点的遮挡改变情况；
分别计算所述遮挡矩阵中每列向量的遮挡系数；
其中，表示第i列向量的遮挡系数；m表示存在二维码的个数，即为矩阵的行数；m1表示对应列向量中存在全遮挡的元素个数；/>表示对应列向量中第j个元素的遮挡值，取值范围为[0，1]；
分别计算所述磨损矩阵中每列向量的磨损系数；
其中，表示第i列向量的磨损系数；m2表示对应列向量中存在未磨损的元素个数；表示对应列向量中第j个元素的磨损值，取值范围为[0，1]；/>表示第i列向量的磨损方差；
分别计算所述移动矩阵中每列向量的改变系数；
其中，表示第i列向量的改变系数；/>表示对应列向量中第j个元素的改变值，取值范围为[0，1]；/>表示第i列向量的改变方差；
基于同个位置点的遮挡系数、磨损系数以及改变系数，计算对应位置点的第一评估系数；
其中，表示第i个位置点的遮挡权重；/>表示基于二维码的第i个位置点的磨损权重；/>表示基于二维码的第i个位置点的改变权重；/>表示第i列向量的遮挡方差；/>表示基于遮挡矩阵的遮挡方差；/>表示基于磨损矩阵的磨损方差；/>表示基于改变矩阵的改变方差；/>表示第i个位置点的第一评估系数，其中，位置点与列数是一一对应的；
基于同个二维码的三个行向量以及与计算得到所有系数，计算对应二维码的第二评估系数；
其中，/>表示第j个二维码的第二评估系数；/>表示第j个二维码对应行向量中的第i个的遮挡值；/>表示第j个二维码对应行向量中的第i个的模糊值；/>表示第j个二维码对应行向量中的第i个的改变值；/>表示第j个二维码的遮挡行向量中取值为1的元素个数；/>表示第j个二维码的磨损行向量中取值为1的元素个数；/>表示第j个二维码的改变行向量中取值为1的元素个数，其中，二维码与行数一一对应；
基于所述第一评估系数以及第二评估系数，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，得到增强图像并进行特征提取。
2.根据权利要求1所述的基于AI视觉的产品关联检测方法，其特征在于，将同箱中所有罐装饮料的二维码进行第一关联之前，包括：
根据商家制定的抽奖策略，确定基于当下罐装饮料的生产量的第一中奖概率；
基于所述第一中奖概率以及每箱罐装饮料的饮料数量，向同箱罐装饮料设置第二中奖概率；
基于第二中奖概率以及每箱罐装饮料的条数量，向同箱罐装饮料中的每条饮料设置第三中奖概率；
根据概率设置结果，向不同的罐装饮料配置二维码。
3.根据权利要求1所述的基于AI视觉的产品关联检测方法，其特征在于，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，包括：
将每个二维码的第二评估系数、对应二维码中每个位置点的初始评估系数且结合每个位置点的第一评估系数以及每个二维码所对应罐装饮料基于条中的放置位置，依次输入到系数分析模型中，得到对应二维码中每个位置点的模糊评判系数；
基于所述模糊评判系数，向对应二维码的位置点设置增强标签；
根据增强标签的标签分布进行同像素增强的连通分析，来锁定对应二维码中的若干连通区域，并分别向每个连通区域设置增强倍数，进行像素增强处理。
4.根据权利要求1所述的基于AI视觉的产品关联检测方法，其特征在于，对所述拉环形状特征进行字符转换且与对应二维码进行关联，包括：
提取所述拉环形状特征中基于对应二维码每个位置点的特征信息；
将特征信息与特征-字符映射表匹配，得到每个位置点的转换字符；
判断转换字符的字符容量是否大于预设容量，若大于，提取所述转换字符中的相同字符，并按照相同字符的数量对相同字符进行压缩处理，并建立所述相同字符的索引标签；
直到最终压缩处理的容量小于预设容量与标签容量的差容量，得到最终字符，并与对应二维码进行关联；
其中，所述索引标签的标签容量为所有压缩处理后的字符中的最小单位字符容量。
5.据权利要求1所述的基于AI视觉的产品关联检测方法，其特征在于，根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放，包括：
根据读取结果，从存储结果中调取与读取结果关联的虚拟ID；
基于读取结果以及虚拟ID，得到二维码的全面信息；
对需要投放的所有全面信息进行分析，实现对罐装饮料的市场投放。
6.一种基于AI视觉的产品关联检测系统，其特征在于，包括：
二维码关联模块，用于将同箱中所有罐装饮料的二维码进行第一关联，同时，将所述同箱中每条罐装饮料的二维码进行第二关联；
图像关联模块，用于对每条罐装饮料的顶部拉环进行拍摄，分别获取对应条中每个罐装饮料的拉环图像得到拉环形状特征，并对所述拉环形状特征进行字符转换且与对应二维码进行关联，得到对应条罐装饮料的虚拟ID进行存储；
绑定模块，用于在每个箱子上植入RFID标签，并将对应箱内的所有罐装饮料的唯一生产编码、实际获取的二维码信息、第一关联以及第二关联与植入的RFID标签进行绑定；
辅助分析模块，用于根据饮料投放规则，对需要投放到市场的已绑定的RFID标签进行读取，并结合读取结果从存储结果中提取相关虚拟ID进行辅助分析，实现市场投放；
其中，所述图像关联模块，用于：
对所述罐装饮料的拉环部位进行完整拍摄，获取得到拉环图像；
对所述拉环图像进行同像素的依次检索，分别获取得到同像素的像素条纹，并得到基于同像素的条纹分布；
提取所述条纹分布中的单点分布，并根据相机的拍摄水平线确定基于所述单点分布的横向线集以及竖向线集；
提取所述横向线集中的单点数量最多的第一线以及提取所述竖向线集中单点数量最多的第二线；
提取所述第一线中的第一噪声点，构建得到基于第一线的第一代表序列，并绘制得到第一曲线；
提取所述第二线中的第二噪声点，构建得到基于第二线的第二代表序列，并绘制得到第二曲线；
寻找所述第一曲线的第一个峰值位置以及第二曲线的第一个峰值位置，将两个峰值位置进行对齐处理，绘制得到基于第一曲线以及第二曲线的对比双曲线；
获取所述对比双曲线中处于同个出现次数的峰值位置差异以及峰值大小差异，并构建得到差异序列；
根据所述差异序列，判定竖向去噪基于横向去噪的调节参数；
基于调节参数对基于横向去噪的原始去噪方式进行调节，得到竖向去噪方式；
根据所述原始去噪方式以及竖向去噪方式依次对所述拉环图像进行去噪处理，得到第一图像；
对所述第一图像进行特征提取，得到所述拉环图像的拉环形状特征；
其中，对所述第一图像进行特征提取的过程中，还包括：
获取罐装饮料在出厂之后对所述罐装饮料进行包裹的热缩膜对所述罐装饮料的拉环部位的历史遮挡信息集，构建得到遮挡矩阵，其中，所述遮挡矩阵的行为同个二维码中每个位置点的遮挡情况，列为不同二维码的同个位置点的遮挡情况；
获取所述罐装饮料在运输过程中所包裹的热缩膜对所述罐装饮料的拉环部位的历史磨损信息，构建得到磨损矩阵，其中，所述磨损矩阵的行为同个二维码中每个位置点的磨损情况，列为不同二维码的同个位置点的磨损情况；
同时，获取所述热缩膜在运输过程中的历史移动信息集，构建得到移动矩阵，其中，所述移动矩阵的行为同个二维码中每个位置点的遮挡改变情况，列为不同二维码的同个位置点的遮挡改变情况；
分别计算所述遮挡矩阵中每列向量的遮挡系数；
其中，表示第i列向量的遮挡系数；m表示存在二维码的个数，即为矩阵的行数；m1表示对应列向量中存在全遮挡的元素个数；/>表示对应列向量中第j个元素的遮挡值，取值范围为[0，1]；
分别计算所述磨损矩阵中每列向量的磨损系数；
其中，表示第i列向量的磨损系数；m2表示对应列向量中存在未磨损的元素个数；表示对应列向量中第j个元素的磨损值，取值范围为[0，1]；/>表示第i列向量的磨损方差；
分别计算所述移动矩阵中每列向量的改变系数；
其中，表示第i列向量的改变系数；/>表示对应列向量中第j个元素的改变值，取值范围为[0，1]；/>表示第i列向量的改变方差；
基于同个位置点的遮挡系数、磨损系数以及改变系数，计算对应位置点的第一评估系数；
其中，表示第i个位置点的遮挡权重；/>表示基于二维码的第i个位置点的磨损权重；/>表示基于二维码的第i个位置点的改变权重；/>表示第i列向量的遮挡方差；/>表示基于遮挡矩阵的遮挡方差；/>表示基于磨损矩阵的磨损方差；/>表示基于改变矩阵的改变方差；/>表示第i个位置点的第一评估系数，其中，位置点与列数是一一对应的；
基于同个二维码的三个行向量以及与计算得到所有系数，计算对应二维码的第二评估系数；
其中，/>表示第j个二维码的第二评估系数；/>表示第j个二维码对应行向量中的第i个的遮挡值；/>表示第j个二维码对应行向量中的第i个的模糊值；/>表示第j个二维码对应行向量中的第i个的改变值；/>表示第j个二维码的遮挡行向量中取值为1的元素个数；/>表示第j个二维码的磨损行向量中取值为1的元素个数；/>表示第j个二维码的改变行向量中取值为1的元素个数，其中，二维码与行数一一对应；
基于所述第一评估系数以及第二评估系数，对所述罐装饮料的二维码进行模糊定位，并对模糊定位的位置点进行像素增强处理，得到增强图像并进行特征提取。
7.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
CN202311633599.8A 2023-12-01 2023-12-01 基于ai视觉的产品关联检测方法、系统、介质及设备 Active CN117350316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311633599.8A CN117350316B (zh) 2023-12-01 2023-12-01 基于ai视觉的产品关联检测方法、系统、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311633599.8A CN117350316B (zh) 2023-12-01 2023-12-01 基于ai视觉的产品关联检测方法、系统、介质及设备

Publications (2)

Publication Number Publication Date
CN117350316A CN117350316A (zh) 2024-01-05
CN117350316B true CN117350316B (zh) 2024-03-15

Family

ID=89371344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311633599.8A Active CN117350316B (zh) 2023-12-01 2023-12-01 基于ai视觉的产品关联检测方法、系统、介质及设备

Country Status (1)

Country Link
CN (1) CN117350316B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006098597A1 (en) * 2005-03-17 2006-09-21 Do Hee Lee Method of manufacturing a promotion tab end for a can
JP2008117071A (ja) * 2006-11-01 2008-05-22 Casio Comput Co Ltd Ｒｆｉｄタグアクセス装置
CN104408627A (zh) * 2014-10-31 2015-03-11 许泽人 瓶装商品的商品标识、瓶盖、包装箱及生产工艺
CN107844979A (zh) * 2016-09-18 2018-03-27 刘汉军 一种基于rfid及二维码的快消品防窜货方法
CN107944889A (zh) * 2017-12-22 2018-04-20 澳优乳业（中国）有限公司 一种预包装食品罐质量安全信息追溯方法和系统
CN113627203A (zh) * 2021-08-05 2021-11-09 盘箸有喜(上海)生物科技有限公司 一种基于一物一码的袋箱高效赋码采集关联方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006098597A1 (en) * 2005-03-17 2006-09-21 Do Hee Lee Method of manufacturing a promotion tab end for a can
JP2008117071A (ja) * 2006-11-01 2008-05-22 Casio Comput Co Ltd Ｒｆｉｄタグアクセス装置
CN104408627A (zh) * 2014-10-31 2015-03-11 许泽人 瓶装商品的商品标识、瓶盖、包装箱及生产工艺
CN107844979A (zh) * 2016-09-18 2018-03-27 刘汉军 一种基于rfid及二维码的快消品防窜货方法
CN107944889A (zh) * 2017-12-22 2018-04-20 澳优乳业（中国）有限公司 一种预包装食品罐质量安全信息追溯方法和系统
CN113627203A (zh) * 2021-08-05 2021-11-09 盘箸有喜(上海)生物科技有限公司 一种基于一物一码的袋箱高效赋码采集关联方法

Also Published As

Publication number Publication date
CN117350316A (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN207783158U (zh) 目标物定位系统
Blok et al. The effect of data augmentation and network simplification on the image‐based detection of broccoli heads with Mask R‐CNN
CN102509138B (zh) 一种基于二代身份证和人脸特征识别的身份验证系统及其工作方法
CN107833365A (zh) 一种重力感应和图像识别双控的无人售货系统
EP3822892A1 (en) Open-type self-service vending method based on buyer positioning, and system
CN116187718B (zh) 基于计算机视觉的智慧货物识别分拣方法及系统
CN103744120A (zh) 一种违禁品辅助鉴别方法及装置
KR102441562B1 (ko) Ai 기반의 성인 인증 기능을 포함한 스마트 자판기
CN110097451A (zh) 一种银行业务的监控方法及装置
CN117350316B (zh) 基于ai视觉的产品关联检测方法、系统、介质及设备
CN111260214B (zh) 核电站预留工单领料方法、装置、设备及存储介质
CN114511611A (zh) 一种基于图像识别的货堆统计方法及装置
CN117172804A (zh) 一种用于鉴别酒品真假的系统
CN108734458A (zh) 一种超市商场节能防盗自动识别称重结算方法及系统
CN108765797A (zh) 一种超市商场自动识别称重结算方法及系统
CN109948556B (zh) 作物分类识别方法及系统
CN113222889B (zh) 高分辨率图像下水产养殖物的工厂化养殖计数方法及装置
CN107038703A (zh) 一种基于双目视觉的货物距离测量方法
CN111967879A (zh) 一种基于人脸识别的线上安全支付管理系统
GB2231699A (en) Obtaining information characterising a person or animal
CN108805033A (zh) 基于局部梯度分布的拍摄图像优选方法及装置
EP4224435A1 (en) Multi-item product recognition for checkouts
CN115222621A (zh) 图像校正方法、电子设备、存储介质及计算机程序产品
CN111369188B (zh) 基于机器视觉的捆钞入库方法、系统及介质
CN202472696U (zh) 一种基于二代身份证和人脸特征识别的身份验证系统

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