CN117522281B - 一种基于视觉识别的工器具出入库管理方法及系统 - Google Patents
一种基于视觉识别的工器具出入库管理方法及系统 Download PDFInfo
- Publication number
- CN117522281B CN117522281B CN202410014649.2A CN202410014649A CN117522281B CN 117522281 B CN117522281 B CN 117522281B CN 202410014649 A CN202410014649 A CN 202410014649A CN 117522281 B CN117522281 B CN 117522281B
- Authority
- CN
- China
- Prior art keywords
- tool
- stock
- information
- tools
- value
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 238000007726 management method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000003860 storage Methods 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims description 46
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 4
- 201000004569 Blindness Diseases 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims 1
- 239000000463 material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Finance (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
Abstract
本发明属于工器具出入库识别技术领域，公开了一种基于视觉识别的工器具出入库管理方法及系统。该方法包括：检测工器具在工具存储库上的存入信息和库存总量信息；计算出工器具的初始库存量和当前库存总量信息，根据工器具库存总量信息设定合适的工器具库存总量集合，然后判断工器具是否有库存量存入信息；纠正工器具重复存入信息的库存量；判断工器具是否有种类变化，获取工器具出入库过程中工器具出入信息。本发明能对工器具出入库的过程进行有效监控与识别，对出入库的库存能获取准确信息，对后续的采购等提供准确的信息。
Description
技术领域
本发明属于工器具出入库识别技术领域，尤其涉及一种基于视觉识别的工器具出入库管理方法及系统。
背景技术
工器具出入库管理大部分依然采用传统手工登记方式，但手工登记方式对运维人员的自觉性要求较高，不同的个人有不同的记录习惯，登记工作基本上流于形式，且手工登记方式较为繁琐，用户每次领取或归还均需填写大量存储信息，占用较多工作时间，降低了班组人员工作效率，尤其是工作任务紧急时，没有时间填写太多的内容，容易因人为原因造成管理混乱，不能满足工器具管理制度要求，严重影响工作效率。
为解决上述技术问题，现有技术中国发明专利《 工器具出入库识别方法、装置、计算机设备和存储介质》，公开号CN110175800A，公开日20190827，公开方法包括：扫描工器具的识别码，获取所述工器具的识别码信息；根据所述识别码信息，得到对应的所述工器具的存储信息；解析所述存储信息获得所述工器具的出入库状态；检测所述出入库状态是否为出库；当所述出入库状态为出库时，将所述出入库状态切换为入库；当所述出入库状态不为出库时，将所述出入库状态切换为出库，需要对工器具进行出入库操作时，只需通过扫描工器具的识别码，就可以将工器具的出入库状态进行切换，即只需要扫码领用或者归还的工器具的识别码，即可实现工器具出入库的登记。
通过上述分析，现有技术存在的问题及缺陷为：现有技术不能对工器具出入库的状态以及库存信息不能进行有效管理记录，对后续的采购等不能提供准确的信息。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了一种基于视觉识别的工器具出入库管理方法及系统。
所述技术方案如下：一种基于视觉识别的工器具出入库管理方法，包括以下步骤：
S1，检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
S2，进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
S3，库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
S4，纠正工器具重复存入信息的库存量；
S5，判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
S6，工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息。
步骤S2中，工器具的初始库存量的表达式为：
；
式中，为四个库存区域边界的横坐标值的平均值，/>为四个库存区域边界的纵坐标值的平均值，/>为四个库存区域边界的交点值，/>为第一库存区域边界的横坐标值，/>为第二库存区域边界的横坐标值，/>为第三库存区域边界的横坐标值，/>为第四库存区域边界的横坐标值，/>为第一库存区域边界的纵坐标值，/>为第二库存区域边界的纵坐标值，为第三库存区域边界的纵坐标值，/>为第四库存区域边界的纵坐标值，/>为第一库存区域边界的交点值，/>为第二库存区域边界的交点值，/>为第三库存区域边界的交点值，为第四库存区域边界的交点值。
在步骤S2中，进行图像预处理，包括：采用灰度权重分割方法对工器具图像进行权重分割，根据整幅图像的灰度值，选取最佳的权重，权重分割的数学表达为：
；
式中，为当前最佳的整幅图像权重分割值，/>为整幅图像权重分割中当前分割的权重，/>为设定的标准权重。
在步骤S2中，获取图像的灰度区域，包括：
S2.1、确定取样核种类，对原图像边界作对应的拓展，用边界值作为拓展值，使边界处的方差值变小；
S2.2、用取样核遍历所有像素，得到所有像素的邻域方差；
S2.3、将所有方差值映射到0-255的灰度范围，得到方差灰度图，工器具边界位于灰度值最大的部分，表达式为：
；
；
式中，为方差灰度图像/>处的灰度值，/>为/>处的方差值，为方差最小值，/>为方差最大值，/>运算为向下取整，/>为方差最大值与方差最小值的偏差映射到255的灰度比值；
S2.4、设定方差权重，提取方差大于权重的部分像素点，将值设为1，其余像素点的值设为0，得到方差灰度化图像；
S2.5、提取面积最大的区域，得到工器具边界所在区域，对区域进行形态学闭运算，填充补丁；
S2.6、对所得区域之外的部分进行高斯灰度化，对边界区域不作处理。
在步骤S2中，对库存区域边界进行提取，包括：
步骤一、对图像进行边界检测，提取边界图像中的特征点，区域边界不为工器具边线，将区域边界特征点剔除，剩下的特征点组成节点网络空间；式中，/>为节点网络空间，/>为某特征点在节点网络中所处位置的横纵坐标值；
步骤二、按递增的顺序从/>中提取子集，/>，/>为图像高度，作为种子集；由于目标库存区域边界必过图像水平中线，这种种子点的提取方式减少了原算法中选取种子点的盲目性；式中，/>为在横向递增的某节点网络空间子集，/>为横向递增的某节点网络子集特征点所处位置的横坐标值，/>为横向递增的某节点网络子集特征点所处位置的纵坐标值；
步骤三、初始化参数累加器数组；
步骤四、从剩余特征点中随机选取一点/>，计算/>；其中，/>为某节点网络空间中剩余特征点/>的反向角度，/>为某特征点/>在节点网络中所处位置的横纵坐标值，/>为某剩余特征点/>在节点网络中所处位置的横纵坐标值；
步骤五、若点满足/>，则认为/>与/>在一条库存区域边界上，将参数/>的累加器加1；若不满足，则重新开辟/>的累加器；直到某一累加器的值达到权重，则认为检测到一条库存区域边界；其中，/>为节点网络空间中剩余的第/>个特征点网络空间，/>为剩余的第/>个特征点网络空间的反向角度，/>为某节点网络空间中剩余特征点/>的反向角度，/>为剩余特征点的反向角度允许偏差值，/>为累加器权重值；
步骤六、计算参数表示的库存区域边界：
；
式中，为库存区域边界，/>为剩余特征点j在节点网络中所处位置的横坐标值，/>为某节点i网络子集特征点所处位置的纵坐标值；
步骤七、遍历中的特征点/>，若/>，则删除该特征点，若删除的特征点数目大于权重/>，则确定图像中存在上式表示的库存区域边界；其中，/>为剩余特征点，/>为节点网络中横向，/>为节点网络中纵向，/>为剩余特征点的反向角度在库存区域边界约束下允许偏差值，/>为删除的特征点累加器累加权重；
步骤八、将删除第一条库存区域边界上的点后的点集记为，重复以上步骤在/>中提取第二条库存区域边界，将累加器数值最大的库存区域边界作为生产后区域的库存区域边界。
在步骤S3中，判断工器具是否有库存量存入信息，包括：搁置工器具的识别货架上层为有源识别标签工器具，下层为无源识别标签工器具，通过视觉识别仪器配合外部产品追溯终端识别不同工器具的详细信息，详细信息包括：制造地、型号、性能、种类以及等级。
在步骤S3中，通过差异识别终端判定出入工器具取出量及取出频次，包括：由视觉识别仪器检测工器具在工具存储库上的存入信息和库存总量信息，由库存量识别模块采用出入周期的差异识别方法先将工器具库存量差异识别到正常生产消耗标准值，再采用种类识别法将工器具库存总量信息差异识别到生产消耗种类变化库存标准值。
进一步，出入周期的差异识别方法，包括：
库存量差异识别包括：
；
式中，为工器具以取出量/>在库存量差异识别时间段内的偏差；/>为生产前工器具取出量，/>为工器具纠正库存量存入信息时生产后较生产前多消耗的数量；
库存量差异识别开始时，出入工器具同时开始统计出入频率，防止工器具生产前存入量为0，生产后取出量不为0而产生库存欠缺，库存量差异识别结束时，出入量同时降为0，然后开始种类差异识别；表示工器具纠正中种类，/>表示消耗标准值，/>表示时间段；/>为某取出量数值，/>为任意一取出量值；
所述种类识别法包括：出入工器具取出量种类相等，取出频次异常，均先判定正常生产消耗标准量后统计出入频率；工器具开始重复判定，查找工器具原始库存总量信息和当前库存量差异判定新增库存总量信息，即有：
；
其中，为种类差异识别过程中生产后工器具的偏差；/>为纠正库存总量信息时工器具正常生产消耗标准量的数量，/>为生产后工器具取出量；
纠正完库存量存入信息和库存总量信息后，工器具差异识别动作完成，此时出入工器具取出量均为0，最后判定正常生产消耗标准量。
在步骤S6中，获取工器具出入库过程中的工器具出入信息后，通过采集工器具的图像进行对比，获取工器具的自动化保养和维修周期，并对不合格的、超期未试验安全工器具进行报警提示。
本发明的另一目的在于提供一种基于视觉识别的工器具出入库管理系统，该系统实施所述的基于视觉识别的工器具出入库管理方法，该系统包括：
差异变化检测模块，用于检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
工器具的初始库存量和当前库存总量信息计算模块，用于进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
出入工器具取出量及取出频次判定模块，用于库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
库存量纠正模块，用于纠正工器具重复存入信息的库存量；
工器具种类差异变化判定模块，用于判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
工器具出入库过程中工器具出入信息获取模块，用于工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息。
结合上述的所有技术方案，本发明所具备的有益效果为：本发明能对工器具出入库的过程进行有效监控与识别，对出入库的库存能获取准确信息，对后续的采购等提供准确的信息。本发明基于视觉识别仪器图像采集的智能货架对货架上物品图像采集并识别货架上物资名称、数量、检定周期，动态实时显示对应储位上物资名称、数量，并提示问题物资。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理；
图1是本发明实施例提供的基于视觉识别的工器具出入库管理方法流程图；
图2是本发明实施例提供的基于视觉识别的工器具出入库管理系统示意图；
图中：1、差异变化检测模块；2、工器具的初始库存量和当前库存总量信息计算模块；3、出入工器具取出量及取出频次判定模块；4、库存量纠正模块；5、工器具种类差异变化判定模块；6、工器具出入库过程中工器具出入信息获取模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
实施例1，如图1所示，本发明实施例提供的基于视觉识别的工器具出入库管理方法包括：
S1，检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
S2，进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
S3，库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
S4，纠正工器具重复存入信息的库存量；
S5，判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
S6，工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息。
在本发明实施例步骤S2中，在对工器具的图像检测之前，将工器具部分剔除，同时将工器具图像分割为三个区域，工器具图像上会有视觉识别仪器本身产生的噪点和工器具表面的杂点，在库存区域边界提取时对图像进行灰度化，同时不能对工器具边界产生影响，灰度化之后，对工器具图像进行权重分割，区分前景与背景，突出工器具边界，然后利用边界检测方法获取工器具边界点，对工器具的四条边线进行提取，得到工器具四条边线的解析式，根据四条库存区域边界的解析式求取四个交点和库存区域边界的初始库存量信息，工器具的初始库存量的表达式为：
；
式中，为四个库存区域边界的横坐标值的平均值，/>为四个库存区域边界的纵坐标值的平均值，/>为四个库存区域边界的交点值，/>为第一库存区域边界的横坐标值，/>为第二库存区域边界的横坐标值，/>为第三库存区域边界的横坐标值，/>为第四库存区域边界的横坐标值，/>为第一库存区域边界的纵坐标值，/>为第二库存区域边界的纵坐标值，为第三库存区域边界的纵坐标值，/>为第四库存区域边界的纵坐标值，/>为第一库存区域边界的交点值，/>为第二库存区域边界的交点值，/>为第三库存区域边界的交点值，为第四库存区域边界的交点值。
最后将图像坐标系中的工器具库存图像信息变换到世界坐标系中；进行图像预处理，包括：采用灰度权重分割方法对工器具图像进行权重分割，根据整幅图像的灰度值，选取最佳的权重，权重分割的数学表达为：
；
式中，为当前最佳的整幅图像权重分割值，/>为整幅图像权重分割中当前分割的权重，/>为设定的标准权重。
在本发明实施例步骤S2中，在库存区域边界提取时对图像进行灰度化，采用以下基于方差的差异化灰度化方法进行灰度化，包括：
S2.1、确定取样核种类，对原图像边界作对应的拓展，用边界值作为拓展值，使边界处的方差值变小；
S2.2、用取样核遍历所有像素，得到所有像素的邻域方差；
S2.3、将所有方差值映射到0-255的灰度范围，得到方差灰度图，工器具边界位于灰度值最大的部分，表达式为：
；
；
式中，为方差灰度图像/>处的灰度值，/>为/>处的方差值，为方差最小值，/>为方差最大值，/>运算为向下取整，/>为方差最大值与方差最小值的偏差映射到255的灰度比值；
S2.4、设定方差权重，提取方差大于权重的部分像素点，将值设为1，其余像素点的值设为0，得到方差灰度化图像；
S2.5、提取面积最大的区域，得到工器具边界所在区域，对区域进行形态学闭运算，填充补丁；
S2.6、对所得区域之外的部分进行高斯灰度化，对边界区域不作处理。
在本发明实施例中，步骤S2所述库存区域边界提取时的步骤如下：
步骤一、对图像进行边界检测，提取边界图像中的特征点，区域边界不为工器具边线，将区域边界特征点剔除，剩下的特征点组成节点网络空间；式中，/>为节点网络空间，/>为某特征点在节点网络中所处位置的横纵坐标值；
步骤二、按递增的顺序从/>中提取子集，/>，/>为图像高度，作为种子集；由于目标库存区域边界必过图像水平中线，这种种子点的提取方式减少了原算法中选取种子点的盲目性；式中，/>为在横向递增的某节点网络空间子集，/>为横向递增的某节点网络子集特征点所处位置的横坐标值，/>为横向递增的某节点网络子集特征点所处位置的纵坐标值；
步骤三、初始化参数累加器数组；
步骤四、从剩余特征点中随机选取一点/>，计算/>；其中，/>为某节点网络空间中剩余特征点/>的反向角度，/>为某特征点i在节点网络中所处位置的横纵坐标值，/>为某剩余特征点j在节点网络中所处位置的横纵坐标值；
步骤五、若点满足/>，则认为/>与/>在一条库存区域边界上，将参数/>的累加器加1；若不满足，则重新开辟/>的累加器；直到某一累加器的值达到权重，则认为检测到一条库存区域边界；其中，/>为节点网络空间中剩余的第/>个特征点网络空间，/>为剩余的第/>个特征点网络空间的反向角度，/>为某节点网络空间中剩余特征点/>的反向角度，/>为剩余特征点的反向角度允许偏差值，/>为累加器权重值；
步骤六、计算参数表示的库存区域边界：
；
式中，为库存区域边界，/>为剩余特征点j在节点网络中所处位置的横坐标值，/>为某节点i网络子集特征点所处位置的纵坐标值；
步骤七、遍历中的特征点/>，若/>，则删除该特征点，若删除的特征点数目大于权重/>，则确定图像中存在上式表示的库存区域边界；其中，/>为剩余特征点，/>为节点网络中横向，/>为节点网络中纵向，/>为剩余特征点的反向角度在库存区域边界约束下允许偏差值，/>为删除的特征点累加器累加权重；
步骤八、将删除第一条库存区域边界上的点后的点集记为，重复以上步骤在/>中提取第二条库存区域边界，将累加器数值最大的库存区域边界作为生产后区域的库存区域边界。
在本发明实施例步骤S3中，搁置工器具的识别货架上层为有源识别标签工器具，下层为无源识别标签工器具，均通过视觉识别仪器配合外部产品追溯终端识别不同工器具的详细信息，包括制造地、型号、性能、种类以及等级。以及识别货架上物资名称、数量、检定周期。
在步骤S3中，由视觉识别仪器检测工器具在工具存储库上的存入信息和库存总量信息，由库存量识别模块采用出入周期的差异识别方法先将工器具库存量差异识别到正常生产消耗标准值，再采用种类识别法将工器具库存总量信息差异识别到生产消耗种类变化库存标准值；
所述出入周期的差异识别方法包括：
库存量差异识别，不同时期出入工器具均以象限曲线开始统计出入频率，直到出入工器具均统计出入频率为0；不同时期出入工器具取出量种类不同，库存量差异识别取出量曲线围成的面积即为生产后工器具较生产前多消耗的数量，该数量由工器具存入信息量和当前库存总量信息计算得到，库存量差异识别包括：
；
式中，为工器具以取出量/>在库存量差异识别时间段内的偏差；/>为生产前工器具取出量，/>为工器具纠正库存量存入信息时生产后较生产前多消耗的数量；
库存量差异识别开始时，出入工器具同时开始统计出入频率，防止工器具生产前存入量为0，生产后取出量不为0而产生库存欠缺，库存量差异识别结束时，出入量同时降为0，然后开始种类差异识别；表示工器具纠正中种类，/>表示消耗标准值，/>表示时间段；/>为某取出量数值，/>为任意一取出量值；
所述种类识别法包括：出入工器具取出量种类相等，取出频次异常，均先判定正常生产消耗标准量后统计出入频率；工器具开始重复判定，查找工器具原始库存总量信息和当前库存量差异判定新增库存总量信息，即有：
；
其中，为种类差异识别过程中生产后工器具的偏差；/>为纠正库存总量信息时工器具正常生产消耗标准量的数量，/>为生产后工器具取出量；
纠正完库存量存入信息和库存总量信息后，工器具差异识别动作完成，此时出入工器具取出量均为0，最后判定正常生产消耗标准量。
由视觉识别仪器检测工器具在工具存储库上的存入信息和库存总量信息后，采用动态有限元方法结合BP神经网络法进工器具库存总量集合预测；根据每次工器具的工况，包括品种种类、工器具库存总量种类、损耗状况，采用动态有限元方法进行模拟，得到每一个工况下的工器具库存总量集合；采用正交试验的方法进行工况数据的组合，并依次进行有限元动态模拟，得到一个生产工况对应下的工器具库存总量集合的集合；再运用BP神经网络的方法进行训练，建立较精准的基于工况参数的人工神经网络的工器具库存总量集合的数学映射模型；再以此训练好的数学映射模型代入到新的工况中，得到每次具体工况下的考虑品种种类、工器具库存总量种类、损耗状况的工器具库存总量集合，完成库存总量集合数据库的建立。
在本发明实施例中，在步骤S6获取工器具出入库过程中工器具出入信息后，通过视觉识别仪器进一步进行：
通过采集工器具的图像进行对比，获取工器具的自动化保养和维修周期，并对不合格的、超期未试验安全工器具进行报警提示。
通过上述实施例可知，本发明基于视觉识别仪器图像采集的智能货架对货架上物品图像采集并识别货架上物资名称、数量、检定周期，动态实时显示对应储位上物资名称、数量，并提示问题物资。
本发明通过工器具的图像对比，实现工器具的自动化保养和维修，提高工器具的使用寿命和工作效率，通过识别标签还可以实现工器具的真伪鉴别，防止工器具被假冒伪劣产品代替。
通过系统的及时监控功能，对不合格的、超期未试验安全工器具进行报警提示，防止现场作业过程中因安全工器具质量问题而引发的安全事故，做到防患于未然。
实施例2，如图2所示，本发明实施例提供的基于视觉识别的工器具出入库管理系统包括：
差异变化检测模块1，用于检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
工器具的初始库存量和当前库存总量信息计算模块2，用于进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
出入工器具取出量及取出频次判定模块3，用于库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
库存量纠正模块4，用于纠正工器具重复存入信息的库存量；
工器具种类差异变化判定模块5，用于判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
工器具出入库过程中工器具出入信息获取模块6，用于工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于视觉识别的工器具出入库管理方法，其特征在于，该方法包括以下步骤：
S1，检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
S2，进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
S3，库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
S4，纠正工器具重复存入信息的库存量；
S5，判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
S6，工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息；
在步骤S2中，所述进行图像预处理，包括：采用灰度权重分割方法对工器具图像进行权重分割，根据整幅图像的灰度值，选取最佳的权重，权重分割的数学表达为：
式中，e′(a，b)为当前最佳的整幅图像权重分割值，e(a，b)为整幅图像权重分割中当前分割的权重，g为设定的标准权重；
在步骤S2中，所述获取图像的灰度区域，包括：
S2.1、确定取样核种类，对原图像边界作对应的拓展，用边界值作为拓展值，使边界处的方差值变小；
S2.2、用取样核遍历所有像素，得到所有像素的邻域方差；
S2.3、将所有方差值映射到0-255的灰度范围，得到方差灰度图，工器具边界位于灰度值最大的部分，表达式为：
式中，e(a，b)为方差灰度图像(a，b)处的灰度值，E(a，b)为(a，b)处的方差值，Emin为方差最小值，Emax为方差最大值，[·]运算为向下取整，F为方差最大值与方差最小值的偏差映射到255的灰度比值；
S2.4、设定方差权重，提取方差大于权重的部分像素点，将值设为1，其余像素点的值设为0，得到方差灰度化图像；
S2.5、提取面积最大的区域，得到工器具边界所在区域，对区域进行形态学闭运算，填充补丁；
S2.6、对所得区域之外的部分进行高斯灰度化，对边界区域不作处理；
在步骤S2中，所述对库存区域边界进行提取，包括：
步骤一、对图像进行边界检测，提取边界图像中的特征点，区域边界不为工器具边线，将区域边界特征点剔除，剩下的特征点组成节点网络空间X＝{(ai，bi)|i＝1，2，3…n}；式中，X为节点网络空间，(ai，bi)为某特征点在节点网络中所处位置的横纵坐标值；
步骤二、按a递增的顺序从X中提取子集，Xia＝{(aia，bia)|bia＝c/2}，c为图像高度，作为种子集；由于目标库存区域边界必过图像水平中线，这种种子点的提取方式减少了原算法中选取种子点的盲目性；式中，Xia为在横向递增的某节点网络空间子集，aia为横向递增的某节点网络子集特征点所处位置的横坐标值，bia为横向递增的某节点网络子集特征点所处位置的纵坐标值；
步骤三、初始化参数累加器数组；
步骤四、从剩余特征点X1中随机选取一点Xi(aj，bj)，计算其中，πij为某节点网络空间中剩余特征点X1的反向角度，(ai，bi)为某特征点i在节点网络中所处位置的横纵坐标值，(aj，bj)为某剩余特征点j在节点网络中所处位置的横纵坐标值；
步骤五、若点Xg满足|πig-πij|≤η1，则认为Xg与Xj在一条库存区域边界上，将参数πij的累加器加1；若不满足，则重新开辟πig的累加器；直到某一累加器的值达到权重H1，则认为检测到一条库存区域边界；其中，Xg为节点网络空间中剩余的第g个特征点网络空间，πig为剩余的第g个特征点网络空间的反向角度，πij为某节点网络空间中剩余特征点X1的反向角度，η1为剩余特征点的反向角度允许偏差值，H1为累加器权重值；
步骤六、计算参数π表示的库存区域边界：
ζ＝ajcosπ+bisinπ
式中，ζ为库存区域边界，aj为剩余特征点j在节点网络中所处位置的横坐标值，bi为某节点i网络子集特征点所处位置的纵坐标值；
步骤七、遍历X1中的特征点x(a，b)，若|acosπ+bsinπ-ζ|≤η2，则删除该特征点，若删除的特征点数目大于权重H2，则确定图像中存在上式表示的库存区域边界；其中，X1为剩余特征点，a为节点网络中横向，b为节点网络中纵向，η2为剩余特征点的反向角度在库存区域边界约束下允许偏差值，H2为删除的特征点累加器累加权重；
步骤八、将删除第一条库存区域边界上的点后的点集记为Y2，重复以上步骤在Y2中提取第二条库存区域边界，将累加器数值最大的库存区域边界作为生产后区域的库存区域边界。
2.根据权利要求1所述的基于视觉识别的工器具出入库管理方法，其特征在于，在步骤S2中，所述工器具的初始库存量的表达式为：
式中，a为四个库存区域边界的横坐标值的平均值，b为四个库存区域边界的纵坐标值的平均值，β为四个库存区域边界的交点值，a1为第一库存区域边界的横坐标值，a2为第二库存区域边界的横坐标值，a3为第三库存区域边界的横坐标值，a4为第四库存区域边界的横坐标值，b1为第一库存区域边界的纵坐标值，b2为第二库存区域边界的纵坐标值，b3为第三库存区域边界的纵坐标值，b4为第四库存区域边界的纵坐标值，β1为第一库存区域边界的交点值，β2为第二库存区域边界的交点值，β3为第三库存区域边界的交点值，β4为第四库存区域边界的交点值。
3.根据权利要求1所述的基于视觉识别的工器具出入库管理方法，其特征在于，在步骤S3中，所述判断工器具是否有库存量存入信息，包括：搁置工器具的识别货架上层为有源识别标签工器具，下层为无源识别标签工器具，通过视觉识别仪器配合外部产品追溯终端识别不同工器具的详细信息，详细信息包括：制造地、型号、性能、种类以及等级。
4.根据权利要求1所述的基于视觉识别的工器具出入库管理方法，其特征在于，在步骤S3中，所述通过差异识别终端判定出入工器具取出量及取出频次，包括：由视觉识别仪器检测工器具在工具存储库上的存入信息和库存总量信息，由库存量识别模块采用出入周期的差异识别方法先将工器具库存量差异识别到正常生产消耗标准值，再采用种类识别法将工器具库存总量信息差异识别到生产消耗种类变化库存标准值。
5.根据权利要求4所述的基于视觉识别的工器具出入库管理方法，其特征在于，所述出入周期的差异识别方法，包括：
库存量差异识别包括：
O(Pi)-O(Pr)＝Ep(d，β)
式中，O(Pi)为工器具以取出量Pi在库存量差异识别时间段内的偏差；Pr为生产前工器具取出量，Ep(d，β)为工器具纠正库存量存入信息时生产后较生产前多消耗的数量；
库存量差异识别开始时，出入工器具同时开始统计出入频率，防止工器具生产前存入量为0，生产后取出量不为0而产生库存欠缺，库存量差异识别结束时，出入量同时降为0，然后开始种类差异识别；p表示工器具纠正中种类，d表示消耗标准值，β表示时间段；l为某取出量数值，i为任意一取出量值；
所述种类识别法包括：出入工器具取出量种类相等，取出频次异常，均先判定正常生产消耗标准量后统计出入频率；工器具开始重复判定，查找工器具原始库存总量信息和当前库存量差异判定新增库存总量信息，即有：
O(Pl)＝Ea(d，β)
其中，O(Pl)为种类差异识别过程中生产后工器具的偏差；Ea(d，β)为纠正库存总量信息时工器具正常生产消耗标准量的数量，Pl为生产后工器具取出量；
纠正完库存量存入信息和库存总量信息后，工器具差异识别动作完成，此时出入工器具取出量均为0，最后判定正常生产消耗标准量。
6.根据权利要求1所述的基于视觉识别的工器具出入库管理方法，其特征在于，在步骤S6中，所述获取工器具出入库过程中的工器具出入信息后，通过采集工器具的图像进行对比，获取工器具的自动化保养和维修周期，并对不合格的、超期未试验安全工器具进行报警提示。
7.一种基于视觉识别的工器具出入库管理系统，其特征在于，该系统实施如权利要求1-6任意一项所述的基于视觉识别的工器具出入库管理方法，该系统包括：
差异变化检测模块(1)，用于检测工具存储库内工器具的存入信息和库存总量信息，在库存区域工器具的存入信息和库存总量信息变化时，拍摄工器具的变化图像并传送到差异识别终端；
工器具的初始库存量和当前库存总量信息计算模块(2)，用于进行图像预处理，获取图像的灰度区域，对库存区域边界进行提取，计算出工器具的初始库存量信息和当前库存总量信息，将当前库存量信息传递给库存量识别模块；
出入工器具取出量及取出频次判定模块(3)，用于库存量识别模块调整工器具库存总量，根据工器具库存总量信息设定工器具库存总量集合，判断工器具是否有库存量存入信息，若有存入信息，则通过差异识别终端判定出入工器具取出量及取出频次；
库存量纠正模块(4)，用于纠正工器具重复存入信息的库存量；
工器具种类差异变化判定模块(5)，用于判断工器具是否有种类变化，若存在种类变化，差异识别终端采用种类识别法判定出入工器具取出量信息，工器具初始库存量不变，只改变库存总量信息；
工器具出入库过程中工器具出入信息获取模块(6)，用于工器具的初始库存量和当前库存总量信息差异识别结束后，将工器具送到前端服务器进行确认，获取工器具出入库过程中的工器具出入信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410014649.2A CN117522281B (zh) | 2024-01-05 | 2024-01-05 | 一种基于视觉识别的工器具出入库管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410014649.2A CN117522281B (zh) | 2024-01-05 | 2024-01-05 | 一种基于视觉识别的工器具出入库管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117522281A CN117522281A (zh) | 2024-02-06 |
| CN117522281B true CN117522281B (zh) | 2024-04-16 |
Family
ID=89764938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410014649.2A Active CN117522281B (zh) | 2024-01-05 | 2024-01-05 | 一种基于视觉识别的工器具出入库管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117522281B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567093A (zh) * | 2011-12-20 | 2012-07-11 | 广州粤嵌通信科技股份有限公司 | 一种应用于视觉泊位自动引导系统的泊位机型识别方法 |
| WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
| CN108364045A (zh) * | 2018-01-30 | 2018-08-03 | 珠海长园共创软件技术有限公司 | 一种工器具出入库管理方法 |
| CN108961251A (zh) * | 2018-07-24 | 2018-12-07 | 武汉纺织大学 | 一种原棉疵点及杂质检测与识别方法及系统 |
| WO2020233076A1 (zh) * | 2019-05-21 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 基于身份验证的物品入库方法、装置、设备及存储介质 |
| CN112307944A (zh) * | 2020-10-29 | 2021-02-02 | 广东智源机器人科技有限公司 | 菜品库存信息处理方法、菜品出库方法及相关装置 |
| WO2021071123A2 (ko) * | 2019-10-10 | 2021-04-15 | 주식회사 신세계아이앤씨 | 영상 기반 선반 상품 재고 모니터링 시스템 및 방법 |
| CN113052656A (zh) * | 2021-03-29 | 2021-06-29 | 蔡文华 | 一种基于大数据的电商平台管理系统 |
| KR102426837B1 (ko) * | 2021-06-30 | 2022-07-29 | 주식회사 제로원파트너스 | 인공지능 기반 약제 관리 방법, 장치 및 시스템 |
| CN114842223A (zh) * | 2022-03-31 | 2022-08-02 | 神华准格尔能源有限责任公司 | 进出库识别方法、设备及计算机可读存储介质 |
| CN115019160A (zh) * | 2022-08-09 | 2022-09-06 | 中工重科智能装备有限责任公司 | 一种工厂仓库入库物流智能控制方法 |
| CN116128413A (zh) * | 2023-04-17 | 2023-05-16 | 四川科斯特自动化设备有限公司 | 一种基于蓝牙通信的智能仓储物料统计系统 |
| CN116311201A (zh) * | 2023-02-28 | 2023-06-23 | 国网吉林省电力有限公司建设分公司 | 一种基于图像识别技术的变电站设备状态识别方法及系统 |
| CN116682209A (zh) * | 2023-06-15 | 2023-09-01 | 南昌交通学院 | 一种基于机器视觉的自动售货机库存管理方法及系统 |
| CN116957466A (zh) * | 2023-06-21 | 2023-10-27 | 国网山东省电力公司淄博供电公司 | 一种安全工器具智能出入库系统及方法 |
| CN117151595A (zh) * | 2023-10-31 | 2023-12-01 | 苏州极易科技股份有限公司 | 一种商品库存管理方法、设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6381365B2 (en) * | 1997-08-22 | 2002-04-30 | Minolta Co., Ltd. | Image data processing apparatus and image data processing method |
| US10169549B2 (en) * | 2017-03-30 | 2019-01-01 | Adobe Inc. | Digital image processing including refinement layer, search context data, or DRM |
-
2024
- 2024-01-05 CN CN202410014649.2A patent/CN117522281B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567093A (zh) * | 2011-12-20 | 2012-07-11 | 广州粤嵌通信科技股份有限公司 | 一种应用于视觉泊位自动引导系统的泊位机型识别方法 |
| WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
| CN108364045A (zh) * | 2018-01-30 | 2018-08-03 | 珠海长园共创软件技术有限公司 | 一种工器具出入库管理方法 |
| CN108961251A (zh) * | 2018-07-24 | 2018-12-07 | 武汉纺织大学 | 一种原棉疵点及杂质检测与识别方法及系统 |
| WO2020233076A1 (zh) * | 2019-05-21 | 2020-11-26 | 深圳壹账通智能科技有限公司 | 基于身份验证的物品入库方法、装置、设备及存储介质 |
| WO2021071123A2 (ko) * | 2019-10-10 | 2021-04-15 | 주식회사 신세계아이앤씨 | 영상 기반 선반 상품 재고 모니터링 시스템 및 방법 |
| CN112307944A (zh) * | 2020-10-29 | 2021-02-02 | 广东智源机器人科技有限公司 | 菜品库存信息处理方法、菜品出库方法及相关装置 |
| CN113052656A (zh) * | 2021-03-29 | 2021-06-29 | 蔡文华 | 一种基于大数据的电商平台管理系统 |
| KR102426837B1 (ko) * | 2021-06-30 | 2022-07-29 | 주식회사 제로원파트너스 | 인공지능 기반 약제 관리 방법, 장치 및 시스템 |
| CN114842223A (zh) * | 2022-03-31 | 2022-08-02 | 神华准格尔能源有限责任公司 | 进出库识别方法、设备及计算机可读存储介质 |
| CN115019160A (zh) * | 2022-08-09 | 2022-09-06 | 中工重科智能装备有限责任公司 | 一种工厂仓库入库物流智能控制方法 |
| CN116311201A (zh) * | 2023-02-28 | 2023-06-23 | 国网吉林省电力有限公司建设分公司 | 一种基于图像识别技术的变电站设备状态识别方法及系统 |
| CN116128413A (zh) * | 2023-04-17 | 2023-05-16 | 四川科斯特自动化设备有限公司 | 一种基于蓝牙通信的智能仓储物料统计系统 |
| CN116682209A (zh) * | 2023-06-15 | 2023-09-01 | 南昌交通学院 | 一种基于机器视觉的自动售货机库存管理方法及系统 |
| CN116957466A (zh) * | 2023-06-21 | 2023-10-27 | 国网山东省电力公司淄博供电公司 | 一种安全工器具智能出入库系统及方法 |
| CN117151595A (zh) * | 2023-10-31 | 2023-12-01 | 苏州极易科技股份有限公司 | 一种商品库存管理方法、设备及存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| Template matching for inventory management using fuzzy color histogram and spatial filters;Nishchal K. Verma等;2015 IEEE 10th Conference on Industrial Electronics and Applications (ICIEA);20151123;317-322 * |
| 基于RFID技术的工器具管理系统的开发与设计;马晖;穆景龙;欧阳群;陈瑞国;裴玉杰;刘居辉;;自动化与仪器仪表;20161125(第11期);107-109 * |
| 基于计算机视觉的智能仓储图像识别系统设计与实现;赵永良;付鑫;吴尚远;郭阳;王越越;王小滨;边迎迎;杨滨名;;电力信息与通信技术;20191225(第12期);31-36 * |
| 智能工具管理系统设计;张娅娅;中国优秀硕士学位论文全文数据库 信息科技辑;20210515(第05期);I138-257 * |
| 配电带电作业工器具智能库房管理系统研究;陈宇宏;张世国;廖志华;林加评;;科技与创新;20180325(第06期);99-100 * |
| 高斯混合模型对物流仓储安全管理的研究;刘稳;;黑龙江工业学院学报(综合版);20181020(第10期);85-89 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117522281A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
| CN112184617B (zh) | 一种基于深度学习的脊椎mri影像关键点检测方法 | |
| CN115908424A (zh) | 基于三维激光扫描的建筑物健康检测方法、系统及介质 | |
| CN113674273B (zh) | 一种基于产品缺陷的光学检测方法、系统和可读存储介质 | |
| CN1804868A (zh) | 机器自动图像识别方法及装置 | |
| CN111950812B (zh) | 一种自动识别与预测雨量的方法及其装置 | |
| CN116434266B (zh) | 一种医疗检验单的数据信息自动提取分析方法 | |
| CN109886931A (zh) | 基于bp神经网络的轮速传感器齿圈表面缺陷检测方法 | |
| CN112801859A (zh) | 一种具有美妆指导功能的化妆镜系统 | |
| CN117522281B (zh) | 一种基于视觉识别的工器具出入库管理方法及系统 | |
| CN117705815B (zh) | 一种基于机器视觉的印刷缺陷检测方法 | |
| CN109211564B (zh) | 一种用于滚珠丝杠副健康评估的自适应阈值检测方法 | |
| CN106780435A (zh) | 一种物体计数方法及装置 | |
| CN111414930B (zh) | 深度学习模型训练方法及装置、电子设备及存储介质 | |
| CN115830302B (zh) | 一种多尺度特征提取融合配电网设备定位识别方法 | |
| CN116071348B (zh) | 基于视觉检测的工件表面检测方法及相关装置 | |
| CN117277566A (zh) | 基于大数据的电网数据分析电力调度系统及方法 | |
| CN114077877B (zh) | 一种新增垃圾识别方法、装置、计算机设备及存储介质 | |
| CN115941807A (zh) | 一种园区安防系统数据高效压缩方法 | |
| CN113907775A (zh) | 一种髋关节影像质量判断方法及系统 | |
| CN112256766A (zh) | 用于能源采集终端的用电行为分析方法 | |
| CN115439686B (zh) | 一种基于扫描影像的关注对象检测方法及系统 | |
| CN114359882B (zh) | 一种货柜中瓶体商品的检测方法及系统 | |
| CN115546793B (zh) | 水尺刻度自动读数方法、系统及电子设备 | |
| CN114494778B (zh) | 用于电力设备远程监造的图像采集处理系统及其控制方法 |
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 |