CN117474911B - 一种数据整合方法、装置、电子设备及存储介质 - Google Patents
一种数据整合方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117474911B CN117474911B CN202311810197.0A CN202311810197A CN117474911B CN 117474911 B CN117474911 B CN 117474911B CN 202311810197 A CN202311810197 A CN 202311810197A CN 117474911 B CN117474911 B CN 117474911B
- Authority
- CN
- China
- Prior art keywords
- image
- unit
- data
- image data
- irregular
- 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
- 230000010354 integration Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 55
- 230000001788 irregular Effects 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 19
- 239000012535 impurity Substances 0.000 claims description 35
- 238000010191 image analysis Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000006698 induction Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 7
- 238000007789 sealing Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000002347 injection Methods 0.000 description 13
- 239000007924 injection Substances 0.000 description 13
- 230000009471 action Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种数据整合方法、装置、电子设备及存储介质,涉及数据处理技术领域,包括步骤一:通过随机、不定时和无规则的方式进行触发启动,并对数据进行分析整合,通过不定时和无规则的启动采集取样端对图像数据进行采样,并通过采集取样端启动智能阀门,通过智能阀门使采集取样端与储油设备之间相连通取样。本发明通过不定时触发单元在进行检测时,使检测整合的结果更加的准确和稳定,避免在进行检测整合的过程中,检测整合的方式有规律可循,就会造成检测整合的结果不够准确,导致检测整合数据出现人为操作,使检测整合的结果不够准确。
Description
技术领域
本发明涉及数据处理技术领域,具体为一种数据整合方法、装置、电子设备及存储介质。
背景技术
数据是事实或观察的结果,是对客观事物的逻辑归纳,是用于表示客观事物的未经加工的的原始素材,据可以是连续的值,比如声音和图像称为模拟数据,其中图像数据在各个领域里面有很重要的文件,当产生大量的图像数据后,就需要对图像数据进行检测和整合,且在油料加工生产的过程中,对图像数据进行处理更是非常重要的;
且在进行检测整合的过程中,很多都是采用图像分析的技术进行分析整合,且就会在后期进行审核过程中带来不便,由于图像数据分析过程中,会直接把对应的数值的放置在图谱内部,需要工作人员进行观察核对,核对完成后才能判断是否异常,并增加核对处理的工作时间,且对图像进行分析整合的过程中,不能根据分析后的数据进行分级判断整合,且进行采样时常规的方式都是有规律可循的,容易在采样时进行作弊,导致最终的分析结果不够准确。
发明内容
本发明的目的在于提供一种数据整合方法、装置、电子设备及存储介质,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种数据整合方法包括以下步骤:
步骤一:通过随机、不定时和无规则的方式进行触发启动,对数据进行分析整合,通过不定时和无规则的启动采集取样端对图像数据进行采样,通过采集取样端启动智能阀门,通过智能阀门使采集取样端与储油设备之间相连通取样;
步骤二:通过送样分析端对采集取样端传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,在分析后把样体的数据生成图像数据,对分析后的图像数据进行传输,图像生成端对送样分析端传输来的图像数据进行接收,根据杂质视觉识别算法对图像数据的含杂率进行判断分析,对分析后的图像数据根据HSV颜色空间模型生成条形光源,杂质视觉识别算法具体为:
其中,和/>分别表示第/>份含杂块的输入和输出,F是含杂函数,表示学习到含杂差,而/>表示恒等映射,/>是激活函数,W表示权值;
对条形光源的均匀性进行调整处理,设置一般、好和很好三种级别,每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
步骤三:图像解析端对图像生成端发出的图像数据进行接收,对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料的质量,再对对比后的数据进行整合,分析整合后的图像数据分别设置一般、良和优三个等级,分别对应的图像形状为矩形、三角形和圆形,并且图像形状记录在对应的条形光源上,图谱生成端对图像解析端传输的数据进行接收,把接收到图像数据整合生成柱状图图谱。
一种数据整合装置,包括储油单元、智能阀门单元、辅助检测单元和辅助处理单元;
不定时触发单元,所述不定时触发单元通过随机、不定时和无规则的方式进行触发启动;
采集取样单元,所述采集取样单元与不定时触发单元电性连接,通过不定时和无规则启动采集取样单元进行采样,并通过采集取样单元启动智能阀门单元,通过智能阀门单元使采集取样单元与储油单元之间相连通取样;
送样分析单元,所述送样分析单元对采集取样单元传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,并在分析后把样体的数据生成图像,并对分析后的图像数据进行传输;
图像生成单元,所述图像生成单元对送样分析单元传输来的图像数据进行接收,根据杂质视觉识别算法对图像数据的含杂率进行判断分析整合,对分析后的图像数据根据HSV颜色空间模型生成条形光源;
对条形光源的均匀性进行调整处理,设置一般、好和很好三种级别,每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
图像解析单元,所述图像解析单元对图像生成单元发出的图像数据进行接收,对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料的质量,再对对比后的数据进行整合,比对整合后数据分别设为一般、良和优,分别对应的图像形状为矩形、三角形和圆形,图像形状记录在对应的条形光源上;
图谱生成单元,所述图谱生成单元对图像解析单元传输的数据进行接收,把接收到图像数据生成柱状图图谱。
优选的,所述不定时触发单元包括气动喷气模块、随机漂浮模块和感应启动模块,气动喷气模块具体为一种喷气式设备,在喷气设备顶端安装有圆形框,圆形框底端开设有圆形口,喷气设备的喷气端位于圆形框内部底端,进行检测时启动喷气设备,把气体吹送到圆形框内部,所述随机漂浮模块由若干空心结构的圆球组成,圆球具体为塑料材质制成,而若干个圆球直接堆放在圆形框内部底端,感应启动模块具体为感应控制开关,感应启动模块安装在圆形框内腔顶端。
优选的,所述辅助检测单元与送样分析单元电性连接,在送样完成后直接通过图像分析仪器对样体进行分析,分析时通过辅助检测单元对图像数据分析整合时进行辅助处理,辅助检测单元包括光线调节模块、均匀调节模块和灰度调节模块,在图像分析过程中通过光线调节模块对仪器工作时的光线进行调节。
优选的,所述智能阀门单元具体为智能电磁阀,储油单元具体为储油设备,智能电磁阀安装在储油设备的底端,采集取样单元与智能电磁阀进行电性连接,采集取样单元包括稳定密封模块,在采集取样单元进行采集取样时,通过稳定密封模块使取样更加的稳定,所述均匀调节模块对图像分析时的图像进行均匀性处理,首先对图像进行分块处理,再分别计算全局和局部的平均亮度,获取差值矩阵再根据插值计算,得到全局的亮度差值矩阵,根据差值矩阵补正局部亮度,使整体图像的亮度趋于统一,再通过灰度调节模块对调整后的图像进行颜色处理,对整体图像整体的灰度进行分块,分块后通过差值矩阵计算出整体画面的差值矩阵,再对灰度较低的位置进行调整。
优选的,所述辅助处理单元与图像解析单元电性连接,且辅助处理单元包括数据库模块,对图像进行解析的过程中,通过与数据库模块进行联网,在进行历史数据比对后可以直接使用,不同质量代表的图像形状标记在条形光源上的位置相同,同时在历史数据比对完成后,自动对数据库模块进行更新,当下次再次使用的时候,就可以使用最新后的数据库。
优选的,所述图谱生成单元在生成图像数据图谱时,按照采集分析的时间进行排列,质量一般、良和优在生成图谱时采用不同的长度进行生成图像,且图像解析单元在解析的过程中,还会与外部的专家在线联网,通过专家在线联网对解析的图像数据进行辅助确定。
一种数据整合电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如上述所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行上述的数据整合方法。
与现有技术相比,本发明的有益效果是:
本发明通过送样分析单元、图像生成单元和图像解析单元,对含杂率进行分析时直接生成数据图像,对数据图像进行分析整合并生成图像数据,分析整合时根据不同的含杂率,在对应的条形光源设置不同的颜色,根据油料的质量生成不同的形状,且通过不同的颜色和不同的形状综合使用,并生成综合的图谱,后期工作人员进行审核工作时,直接观察图谱上不同的颜色和符号,就能第一时间知道油料的含杂率,更加的快捷与方便,降低工作强度提高工作效率;
本发明通过不定时触发单元在进行检测时,使检测整合的结果更加的准确和稳定,避免在进行检测整合的过程中,检测整合的方式有规律可循,就会造成检测整合的结果不够准确,导致检测整合数据出现人为操作,使检测整合的结果不够准确。
附图说明
图1为本发明实施例提供整体方法流程图;
图2为本发明实施例提供系统单元框图。
图中:1、不定时触发单元;101、气动喷气模块;102、随机漂浮模块;103、感应启动模块;2、采集取样单元;3、智能阀门单元;4、储油单元;5、辅助检测单元;501、光线调节模块;502、均匀调节模块;503、灰度调节模块;6、送样分析单元;7、图像生成单元;8、图像解析单元;9、图谱生成单元;10、辅助处理单元。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参阅图1,本发明提供一种技术方案:一种数据整合方法包括以下步骤:
步骤一:通过随机、不定时和无规则的方式进行触发启动,并对数据进行分析整合,通过不定时和无规则的启动采集取样端对图像数据进行采样,并通过采集取样端启动智能阀门,通过智能阀门使采集取样端与储油设备之间相连通取样;
步骤二:通过送样分析端对采集取样端传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,在分析后把样体的数据生成图像数据,对分析后的图像数据进行传输,图像生成端对送样分析端传输来的图像数据进行接收,根据杂质视觉识别算法对图像数据的含杂率进行判断分析,对分析后的图像数据根据HSV颜色空间模型生成条形光源,杂质视觉识别算法具体为:
其中,和/>分别表示第/>份含杂块的输入和输出,F是含杂函数,表示学习到含杂差,而/>表示恒等映射,/>是激活函数,W表示权值;
对条形光源的均匀性进行调整处理,设置一般、好和很好三种级别,每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
步骤三:图像解析端对图像生成端发出的图像数据进行接收,对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料的质量,再对对比后的数据进行整合,分析整合后的图像数据分别设置一般、良和优三个等级,分别对应的图像形状为矩形、三角形和圆形,并且图像形状记录在对应的条形光源上,图谱生成端对图像解析端传输的数据进行接收,把接收到图像数据整合生成柱状图图谱。
实施例二
请参阅图2,一种数据整合装置,包括储油单元4、智能阀门单元3、辅助检测单元5和辅助处理单元10;
不定时触发单元1,不定时触发单元1通过随机、不定时和无规则的方式进行触发启动;
采集取样单元2,采集取样单元2与不定时触发单元1电性连接,通过不定时和无规则启动采集取样单元2进行采样,通过采集取样单元2启动智能阀门单元3,通过智能阀门单元3使采集取样单元2与储油单元4之间相连通取样;
送样分析单元6,送样分析单元6对采集取样单元2传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,在分析后把样体的数据生成图像,对分析后的图像数据进行传输;
图像生成单元7,图像生成单元7对送样分析单元6传输来的图像数据进行接收,根据杂质视觉识别算法对图像数据的含杂率进行判断分析整合,对分析后的图像数据根据HSV颜色空间模型生成条形光源,杂质视觉识别算法具体为:
其中,和/>分别表示第/>分含杂块的输入和输出,F是含杂函数,表示学习到含杂差,而/>表示恒等映射,/>是激活函数,W表示权值;
对条形光源的均匀性,设置一般、好和很好三种级别,每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
图像解析单元8,图像解析单元8对图像生成单元7发出的图像数据进行接收,对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料质量进行对比,比对整合后数据分别设为一般、良和优,分别对应的图像形状为矩形、三角形和圆形,并且图像形状记录在对应的条形光源上;
图谱生成单元9,图谱生成单元9对图像解析单元8传输的数据进行接收,并把接收到图像数据生成柱状图图谱。
不定时触发单元1包括气动喷气模块101、随机漂浮模块102和感应启动模块103,气动喷气模块101具体为一种喷气式设备,在喷气设备顶端安装有圆形框,圆形框底端开设有圆形口,喷气设备的喷气端位于圆形框内部底端,进行检测时启动喷气设备,把气体吹送到圆形框内部,随机漂浮模块102由若干空心结构的圆球组成,圆球具体为塑料材质制成,而若干个圆球直接堆放在圆形框内部底端,感应启动模块103具体为感应控制开关,感应启动模块103安装在圆形框内腔顶端;
辅助检测单元5与送样分析单元6电性连接,在送样完成后直接通过图像分析仪器对样体进行分析,分析时通过辅助检测单元5对图像数据分析整合时进行辅助处理,辅助检测单元5包括光线调节模块501、均匀调节模块502和灰度调节模块503,在图像分析过程中通过光线调节模块501对仪器工作时的光线进行调节;
智能阀门单元3具体为智能电磁阀,储油单元4具体为储油设备,智能电磁阀安装在储油设备的底端,采集取样单元2与智能电磁阀进行电性连接,且采集取样单元2包括稳定密封模块,在采集取样单元2进行采集取样时,通过稳定密封模块使取样更加的稳定,通过均匀调节模块502对图像分析时的图像进行均匀性处理,首先对图像进行分块处理,再分别计算全局和局部的平均亮度,获取差值矩阵再根据插值计算,得到全局的亮度差值矩阵,根据差值矩阵补正局部亮度,使整体图像的亮度趋于统一,再通过灰度调节模块503对调整后的图像进行颜色处理,对整体图像整体的灰度进行分块,分块后通过差值矩阵计算出整体画面的差值矩阵,再对灰度较低的位置进行调整;
辅助处理单元10与图像解析单元8电性连接,辅助处理单元10包括数据库模块,对图像进行解析的过程中,通过与数据库模块进行联网,在进行历史数据比对后可以直接使用,不同质量代表的图像形状标记在条形光源上的位置相同,同时在历史数据比对完成后,自动对数据库模块进行更新,当下次再次使用的时候,就可以使用最新后的数据库;
图谱生成单元9在生成图像数据图谱时,按照采集分析的时间进行排列,且质量一般、良和优在生成图谱时采用不同的长度进行生成图像,且图像解析单元8在解析的过程中,还会与外部的专家在线联网,通过专家在线联网对解析的图像数据进行辅助确定。
一种数据整合电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当一个或多个程序被处理器执行时,实现如上述方法。
一种计算机可读存储介质,其上存储有计算机程序,当计算机程序在计算机中执行时,令计算机执行上述的数据整合方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种数据整合方法,其特征在于包括以下步骤:
步骤一:通过随机、不定时和无规则的方式进行触发启动,对数据进行分析整合,通过不定时和无规则的启动采集取样端对图像数据进行采样,通过采集取样端启动智能阀门,通过智能阀门使采集取样端与储油设备之间相连通取样;
步骤二:通过送样分析端对采集取样端传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,在分析后把样体的数据生成图像数据,对分析后的图像数据进行传输,图像生成端对送样分析端传输来的图像数据进行接收,根据杂质视觉识别算法对图像数据的含杂率进行判断分析,对分析后的图像数据根据HSV颜色空间模型生成条形光源,杂质视觉识别算法具体为:
其中,和/>分别表示第/>份含杂块的输入和输出,F是含杂函数,表示学习到含杂差,而/>表示恒等映射,/>是激活函数,W表示权值;
对条形光源的均匀性进行调整处理,设置一般、好和很好三种级别,每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
步骤三:图像解析端对图像生成端发出的图像数据进行接收,对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料的质量,再对对比后的数据进行整合,分析整合后的图像数据分别设置一般、良和优三个等级,分别对应的图像形状为矩形、三角形和圆形,并且图像形状记录在对应的条形光源上,图谱生成端对图像解析端传输的数据进行接收,把接收到图像数据整合生成柱状图图谱。
2.一种数据整合装置,其特征在于:包括储油单元(4)、智能阀门单元(3)、辅助检测单元(5)和辅助处理单元(10);
不定时触发单元(1),所述不定时触发单元(1)通过随机、不定时和无规则的方式进行触发启动;
采集取样单元(2),所述采集取样单元(2)与不定时触发单元(1)电性连接,通过不定时和无规则启动采集取样单元(2)进行采样,并通过采集取样单元(2)启动智能阀门单元(3),通过智能阀门单元(3)使采集取样单元(2)与储油单元(4)之间相连通取样;
送样分析单元(6),所述送样分析单元(6)对采集取样单元(2)传送过来的油料数据进行接收,通过光谱仪跟显微设备对采样体分析,在分析后把样体的数据生成图像,并对分析后的图像数据进行传输;
图像生成单元(7),所述图像生成单元(7)对送样分析单元(6)传输来的图像数据进行接收,并根据杂质视觉识别算法对图像数据的含杂率进行判断分析整合,且对分析后的图像数据根据HSV颜色空间模型生成条形光源,杂质视觉识别算法具体为:
其中,和/>分别表示第/>份含杂块的输入和输出,F是含杂函数,表示学习到含杂差,而/>表示恒等映射,/>是激活函数,W表示权值;
对条形光源的均匀性进行调整处理,且设置一般、好和很好三种级别,并每种级别对应不同的颜色,一般为绿色、好为蓝色、很好为紫色;
图像解析单元(8),所述图像解析单元(8)对图像生成单元(7)发出的图像数据进行接收,并对接收到数据与历史的图像数据进行比对,以十年为界限比对十年内油料的质量,再对对比后的数据进行整合,比对整合后数据分别设为一般、良和优,分别对应的图像形状为矩形、三角形和圆形,且图像形状记录在对应的条形光源上;
图谱生成单元(9),所述图谱生成单元(9)对图像解析单元(8)传输的数据进行接收,把接收到图像数据生成柱状图图谱。
3.根据权利要求2所述的一种数据整合装置,其特征在于:所述不定时触发单元(1)包括气动喷气模块(101)、随机漂浮模块(102)和感应启动模块(103),且气动喷气模块(101)具体为一种喷气式设备,并在喷气设备顶端安装有圆形框,圆形框底端开设有圆形口,喷气设备的喷气端位于圆形框内部底端,进行检测时启动喷气设备,把气体吹送到圆形框内部,所述随机漂浮模块(102)由若干空心结构的圆球组成,圆球具体为塑料材质制成,而若干个圆球直接堆放在圆形框内部底端,感应启动模块(103)具体为感应控制开关,感应启动模块(103)安装在圆形框内腔顶端。
4.根据权利要求2所述的一种数据整合装置,其特征在于:所述辅助检测单元(5)与送样分析单元(6)电性连接,在送样完成后直接通过图像分析仪器对样体进行分析,分析时通过辅助检测单元(5)对图像数据分析整合时进行辅助处理,辅助检测单元(5)包括光线调节模块(501)、均匀调节模块(502)和灰度调节模块(503),在图像分析过程中通过光线调节模块(501)对仪器工作时的光线进行调节。
5.根据权利要求4所述的一种数据整合装置,其特征在于:所述智能阀门单元(3)具体为智能电磁阀,且储油单元(4)具体为储油设备,且智能电磁阀安装在储油设备的底端,采集取样单元(2)与智能电磁阀进行电性连接,采集取样单元(2)包括稳定密封模块,在采集取样单元(2)进行采集取样时,通过稳定密封模块使取样更加的稳定,所述均匀调节模块(502)对图像分析时的图像进行均匀性处理,首先对图像进行分块处理,再分别计算全局和局部的平均亮度,获取差值矩阵再根据插值计算,得到全局的亮度差值矩阵,根据差值矩阵补正局部亮度,使整体图像的亮度趋于统一,再通过灰度调节模块(503)对调整后的图像进行颜色处理,对整体图像整体的灰度进行分块,分块后通过差值矩阵计算出整体画面的差值矩阵,再对灰度较低的位置进行调整。
6.根据权利要求2所述的一种数据整合装置,其特征在于:所述辅助处理单元(10)与图像解析单元(8)电性连接,辅助处理单元(10)包括数据库模块,对图像进行解析的过程中,通过与数据库模块进行联网,在进行历史数据比对后可以直接使用,不同质量代表的图像形状标记在条形光源上的位置相同,同时在历史数据比对完成后,自动对数据库模块进行更新,当下次再次使用的时候,就可以使用更新后的数据库。
7.根据权利要求2所述的一种数据整合装置,其特征在于:所述图谱生成单元(9)在生成图像数据图谱时,按照采集分析的时间进行排列,质量一般、良和优在生成图谱时采用不同的长度进行生成图像,且图像解析单元(8)在解析的过程中,还会与外部的专家在线联网,通过专家在线联网对解析的图像数据进行辅助确定。
8.一种数据整合电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1中所述的方法。
9.一种计算机可读存储介质,其特征在于:其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1所述的数据整合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311810197.0A CN117474911B (zh) | 2023-12-27 | 2023-12-27 | 一种数据整合方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311810197.0A CN117474911B (zh) | 2023-12-27 | 2023-12-27 | 一种数据整合方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117474911A CN117474911A (zh) | 2024-01-30 |
CN117474911B true CN117474911B (zh) | 2024-03-22 |
Family
ID=89624061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311810197.0A Active CN117474911B (zh) | 2023-12-27 | 2023-12-27 | 一种数据整合方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474911B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062298A (zh) * | 2014-07-04 | 2014-09-24 | 江苏大学 | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3032188A1 (en) * | 2018-01-31 | 2019-07-31 | Pin-Han Ho | Deep convolutional neural network architecture and system and method for building the deep convolutional neural network architecture |
-
2023
- 2023-12-27 CN CN202311810197.0A patent/CN117474911B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062298A (zh) * | 2014-07-04 | 2014-09-24 | 江苏大学 | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 |
Non-Patent Citations (2)
Title |
---|
Online recognition method of impurities and broken paddy grains based on machine vision;Chen Jin et al;《Transactions of the Chinese Society of Agricultural Engineering 》;20181231;第34卷(第13期);第187-194页 * |
机器视觉在食用植物油掺伪鉴别中的研究进展;何思凡 等;《食品科技》;20200920(第9期);第311-317页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117474911A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103034838B (zh) | 一种基于图像特征的特种车辆仪表类型识别与标定方法 | |
US20100195877A1 (en) | Embryo quality evaluation assistance system, embryo quality evaluation assistance apparatus and embryo quality evaluation assistance method | |
CN110018172B (zh) | 产品检测系统及方法 | |
CN115049669A (zh) | 金属缺陷识别方法 | |
TW202042273A (zh) | 用於電子束影像強化之全自動掃描式電子顯微鏡取樣系統 | |
CN117474911B (zh) | 一种数据整合方法、装置、电子设备及存储介质 | |
CN114660040A (zh) | 微生物单细胞种类鉴定方法、装置、介质及设备 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN117576195A (zh) | 一种植物叶片形态识别方法 | |
CN112906740B (zh) | 一种针对组织质谱成像结果去除批次间差异的方法 | |
CN116704387B (zh) | 一种基于视频结构化的电力线路通道巡检系统和方法 | |
CN111795967B (zh) | 一种骨髓细胞形态学自动检测系统的涂片自检方法 | |
CN113327253A (zh) | 一种基于星载红外遥感影像的弱小目标检测方法 | |
CN110991469B (zh) | 一种水果可溶性固形物在线检测方法及系统 | |
CN110232660B (zh) | 一种新型红外图像识别预处理灰度拉伸方法 | |
CN111127570A (zh) | 一种太阳能电池片的颜色分类方法 | |
CN115060323B (zh) | 一种智慧城市环境影响评估装置及方法 | |
CN114536091B (zh) | 一种汽车零部件自动化加工调节方法与系统 | |
CN116152643A (zh) | 一种某类虫体养殖换料过程中的智能定位及分类方法 | |
CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
CN114140647A (zh) | 电芯极组极片模糊图像识别的算法 | |
CN114580503A (zh) | 一种基于dp-svm的大仪工时计算方法 | |
CN114488595A (zh) | 一种基板切割方法及系统 | |
CN113450302A (zh) | 基于机器学习极耳检测方法、装置及计算机可读存储介质 | |
CN110807357A (zh) | 一种基于直方图估计的非监督大田作物分类方法及系统 |
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 |