CN117744695A - 一种融合二维码的自动生成方法及系统 - Google Patents
一种融合二维码的自动生成方法及系统 Download PDFInfo
- Publication number
- CN117744695A CN117744695A CN202410171136.2A CN202410171136A CN117744695A CN 117744695 A CN117744695 A CN 117744695A CN 202410171136 A CN202410171136 A CN 202410171136A CN 117744695 A CN117744695 A CN 117744695A
- Authority
- CN
- China
- Prior art keywords
- fusion
- dimensional code
- determining
- standard
- code
- 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.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 246
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007499 fusion processing Methods 0.000 claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 19
- 230000003213 activating effect Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 56
- 230000000007 visual effect Effects 0.000 claims description 40
- 238000012937 correction Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 238000009434 installation Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 17
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000002950 deficient Effects 0.000 claims description 13
- 230000008439 repair process Effects 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 13
- 206010063385 Intellectualisation Diseases 0.000 abstract description 5
- 238000012986 modification Methods 0.000 abstract description 5
- 230000004048 modification Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 10
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Processing (AREA)
Abstract
本公开提供了一种融合二维码的自动生成方法及系统，涉及二维码生成技术领域，方法包括：基于部署生成环境，进行基础信息导入与二维码生成，确定初始二维码；激活自适应调改模型，对初始二维码进行调整重构，确定标准二维码；导入预融合图片，激活融合模型，结合融合约束条件，进行标准二维码与预融合图片的融合处理，确定生成二维码；结合校验模型，对生成二维码进行异常检测与伪装修复，确定校正二维码；对校正二维码进行地址存储。能够解决现有的融合二维码生成方法由于自动化程度较低，导致生成过程中需要较多的人工操作，造成生成效率较低和质量较差的技术问题，可以提高融合二维码生成的智能化和自动化，进一步提高生成效率和质量。
Description
技术领域
本公开涉及二维码生成技术领域，并且更具体地，涉及一种融合二维码的自动生成方法及系统。
背景技术
融合二维码是一种将图片和二维码融合在一起的技术，用户扫描后可以直接获取到图像中的二维码信息，使得二维码更具吸引力和个性化，被广泛应用于广告、商业宣传、个人品牌等方面。
现有的融合二维码生成过程中，由于涉及的算法和图像处理技术较多，通常需要多次进行人工干预和调整，这种方法需要花费较长的时间，同时由于作业工人的作业素质各不相同，因此可能存在操作错误的情况，最终导致融合二维码生成的效率较低和生成的质量较差。
现有的融合二维码生成方法存在的不足之处在于：由于自动化程度较低，导致生成过程中需要较多的人工操作，造成融合二维码生成的效率较低和质量较差的技术问题。
发明内容
因此，为了解决上述技术问题，本公开的实施例采用的技术方案如下：
一种融合二维码的自动生成方法，包括以下步骤：进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
一种融合二维码的自动生成系统，包括：部署生成环境确定模块，所述部署生成环境确定模块用于进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；初始二维码确定模块，所述初始二维码确定模块用于基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；标准二维码确定模块，所述标准二维码确定模块用于读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；生成二维码确定模块，所述生成二维码确定模块用于导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；校正二维码确定模块，所述校正二维码确定模块用于结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；校正二维码存储模块，所述校正二维码存储模块用于结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
由于采用了上述技术方法，本公开相对于现有技术来说，取得的技术进步有如下几点：
可以解决现有的融合二维码生成方法由于自动化程度较低，导致生成过程中需要较多的人工操作，造成融合二维码生成的效率较低和质量较差的技术问题。首先，进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；然后基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；然后导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；进一步结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；最后结合所述输出路径，对所述校正二维码进行路径反转与地址存储。通过上述方法可以减少融合二维码生成过程中的人工干预和错误操作，提高融合二维码生成的智能化和自动化，从而进一步提高融合二维码的生成效率和生成质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案，下面将对实施例的描述中所需要使用的附图做简单的介绍。
图1为本申请提供了一种融合二维码的自动生成方法的流程示意图；
图2为本申请提供了一种融合二维码的自动生成方法中筛选确定生成二维码的流程示意图；
图3为本申请提供了一种融合二维码的自动生成系统的结构示意图。
附图标记说明：部署生成环境确定模块01、初始二维码确定模块02、标准二维码确定模块03、生成二维码确定模块04、校正二维码确定模块05、校正二维码存储模块06。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚描述。基于本公开中的实施例，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，都属于本公开保护的范围。
实施例一
基于上述描述，如图1所示，本公开提供了一种融合二维码的自动生成方法，包括：
融合二维码是将二维码技术与图像处理技术相结合的一种新型二维码，本申请提供的方法用于对现有的融合二维码生成方法进行优化，来达到减少融合二维码生成过程中的人工干预和错误操作，提高融合二维码生成的智能化和自动化的目的，从而达到进一步提高融合二维码的生成效率和生成质量的技术效果，所述方法具体实施于一种融合二维码的自动生成系统。
进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；
在本申请实施例中，首先，进行插件安装与运行机制配置，其中插件为融合二维码生成过程中需要用到的软件，且各安装插件中设置有激活程序，其中激活程序用于激活插件中的某些功能，本领域技术人员可根据实际应用场景进行设置，例如：After Detailer插件、OR Code Monster插件等，其中After Detailer插件是一款专门针对AI绘画作品进行后期处理的插件，可以对生成的图像进行磨皮、美白等修复美化操作，让AI画出来的图片看起来更加自然和谐；OR Code Monster插件是一款功能强大的二维码生成和管理工具，它可以帮助用户快速生成高质量的二维码，并提供丰富的配置选项，以满足不同需求，支持多种格式的二维码，包括QR码、EAN码等。
其中运行机制是指融合二维码生成过程中的工作场景，也可根据实际情况进行设置，例如：Stable Diffusion WebUi，Stable Diffusion WebUi是一个基于Gradio库的Stable Diffusion的浏览器界面，可以方便地配置和生成AI绘画作品，并且进行各种精细地配置。其中用户可以选择不同的模型、设置分辨率、每次出图的批次、出图抽象性等参数，并可以通过配置脚本提高效率。
利用上述方法完成插件安装和运行机制配置，确定部署生成环境，通过设置部署生成环境，为下一步进行融合二维码的自动生成提供了支持。
基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；
在本申请实施例中，首先，获取生成二维码的基础信息，其中所述基础信息包括码源文件与输出路径，所述码源文件是指包含了生成二维码所需的数据和配置信息的文件，例如：二维码的尺寸、颜色、版本等信息；二维码所包含的网址、联系方式等数据内容；所述输出路径是指生成二维码后，将二维码图像保存到计算机中的存储位置，其中在选择输出路径时，需要确保目标文件夹存在并且具有写入权限，同时还需要注意文件路径的格式和大小写问题，以避免因路径错误导致无法保存二维码图像。
然后将所述基础信息中的码源文件导入所述部署生成环境，并在所述部署生成环境中，通过具有二维码生成功能的插件进行二维码的自动生成，得到初始二维码。
读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；
在本申请实施例中，首先，读取二维码转换参数，所述二维码转换参数包括纠错等级、尺寸、颜色等信息，本领域技术人员可根据实际需求自行设置，其中纠错等级是指二维码被污染的情况下可能被读取的条件，其中纠错等级越高，读取成功的概率越大；尺寸是指转换二维码的尺寸大小；颜色是指二维码中黑白方块的对比度，其中合适的颜色对比度可以提高二维码的可读性。
然后启动第一插件并激活配置的自适应调改模型，其中第一插件是指具有二维码调改功能的软件，例如：OR Code Monster软件。将所述二维码转换参数和所述初始二维码输入自适应调改模型，进行初始二维码调整重构，其中调整重构标准包括几何维度和像素区块维度，其中几何维度包括调整形状、调整尺寸等信息；所述像素区块维度中的每个像素区块对应一个特定的数据符号，用于表示二维码中的数据信息，决定了二维码图像的精度和可读性；得到完成调整重构的初始二维码，并设定为标准二维码。
导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；
在本申请实施例中，首先，启动第二插件并激活配置的融合模型，其中第二插件是指具有二维码和图像融合功能的软件，可根据实际情况选择合适的第二插件，其中第二插件中内嵌具有融合功能的融合模型。然后将预融合图片导入所述融合模型，并结合融合约束条件，对所述标准二维码和所述预融合图片进行融合处理与批量跑图，得到多个二维码融合结果，并在多个二维码融合结果中筛选最优的二维码融合结果作为生成二维码，得到生成二维码。
在一个实施例中，所述方法还包括：
确定融合数据库，其中，所述融合数据库包括多种融合类型，所述多种融合类型至少包括文本要素、二维图片要素、三维图片要素；
建立所述融合数据库与所述融合模型的通信连接，读取导入信息的融合类型，遍历所述融合数据库，匹配融合特性。
在本申请实施例中，在导入预融合图片，启动第二插件并激活配置的融合模型之前，首先，构建融合数据库，其中所述融合数据库包括多种融合类型，其中融合类型的数量本领域技术人员可根据实际需求进行设置，至少包括文本要素、二维图片要素和三维图片要素，且每种融合类型对应不同的融合特性，其中融合类型对应的融合特性可通过历史融合数据分析后获得。
建立所述融合数据库与所述融合模型的通信连接，其中通信连接是指可通过信号传输的方式进行数据交互，然后读取导入信息的融合类型，其中导入信息为所述标准二维码与所述预融合图片，并将所述融合类型输入所述融合数据库进行遍历匹配，根据匹配结果获得融合特性，所述融合特性包括布局特征、清晰度特征、颜色特征、尺寸特征等信息。
由于不同融合类型对应的融合细节可能存在区别，因此，通过构建融合数据库，根据融合类型进行融合特性匹配，可以提高融合特性与融合类型的适配度，从而提高标准二维码与预融合图片的融合处理质量。
如图2所示，在一个实施例中，所述方法还包括：
基于技术层面与视觉层面，确定融合控制参数并配置参数宽容区间，映射确定所述融合约束条件；
在本申请实施例中，其中结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图的方法如下，首先，基于技术层面和视觉层面，确定融合控制参数并配置参数宽容区间，并映射确定融合约束条件，其中技术层面为提供融合二维码生成和应用的底层支持，例如：二维码识别速度、纠错能力等；视觉层面是指二维码融合后的外观、美学设计等特征，例如：色彩搭配、图像清晰度、布局排版等。其中融合控制参数是指标准二维码与预融合图片进行融合处理时的控制参数，所述参数宽容区间是指融合控制参数可调整的范围，本领域技术人员可根据融合后的质量需求进行设置，其中质量需求越高，则参数宽容区间越小；其中融合约束条件是指融合过程中的限制条件。
在一个实施例中，所述方法还包括：
设定融合处理方式，其中，所述融合处理方式包括二维码融入图片或图片融入二维码；
确定基于所述融合处理方式的目标融合方式，对所述标准二维码与所述预融合图片进行融合区域定位与像素映射，确定融合设定基线；
基于所述融合设定基线，结合所述技术层面与所述视觉层面设定所述融合约束条件。
在本申请实施例中，其中确定融合约束条件的方法如下，首先，设定融合处理方式，其中所述融合处理方式包括二维码融入图片或图片融入二维码，其中二维码融入图片是指将图片中的部分区域作为二维码融合区域，进行局部区域融合，例如：图片中心区域、图片右下角区域等；图片融入二维码是指将标准二维码的态势与融合处理后的分布一致，即整体融合的方式。
确定基于所述融合处理方式的目标融合方式，其中所述目标融合方式可根据实际情况提前设置，所述目标融合方式为二维码融入图片或图片融入二维码，然后根据所述目标融合方式对所述标准二维码与所述预融合图片进行融合区域定位与像素映射，其中融合区域定位是指将所述标准二维码与所述预融合图片进行融合的区域进行基准定位匹配，其中像素映射是指将二维码中的每个像素点与相应的数据信息进行关联和映射的过程，像素映射的质量直接影响到二维码的可读性和纠错能力，可根据实际情况选择合适的像素映射算法进行像素映射。
根据融合区域定位结果和像素映射结果确定融合设定基线，其中融合设定基线包括数据格式、数据容量、纠错等级等参数信息，进一步根据所述融合设定基线，结合所述技术层面和所述视觉层面的需求信息设定融合约束条件。通过确定融合约束条件，为保证标准二维码与预融合图片的融合质量提供了支持。
基于所述融合约束条件，结合所述融合模型，对所述标准二维码与所述预融合图片进行融合处理，执行基于预定跑图次数的平行融合处理，确定二维码融合集；
基于所述二维码融合集，校对并筛选最优二维码，作为所述生成二维码。
在本申请实施例中，基于所述融合约束条件，通过所述融合模型对所述标准二维码与所述预融合图片进行融合处理，并执行基于预定跑图次数的平行融合处理，其中预定跑图次数为生成二维码融合的数量，可根据实际需求进行设置，其中平行融合处理是指同时进行多次融合处理，提高融合效率，根据平行融合处理结果得到二维码融合集，其中所述二维码融合集中包括多个二维码融合结果。
对所述二维码融合集中的多个二维码融合结果分别进行融合质量评价，其中融合质量评价指标包括技术层面和视觉层面两个方向，其中技术层面评价指标包括二维码识别速度、纠错能力等；视觉层面评价指标包括色彩搭配、图像清晰度、布局排版等；获取技术层面评价结果和视觉层面评价结果。分别为技术层面评价结果和视觉层面评价结果设置权重系数，其中两者权重系数之和为1，同时哪项指标的评价结果对整体融合质量的影响程度越大，则对应的权重系数越大，本领域技术人员可根据实际需求进行设置，可通过现有的变异系数法进行赋权。然后根据权重系数对技术层面评价结果和视觉层面评价结果进行加权计算，并将加权计算结果作为二维码融合结果的融合质量系数，其中融合质量系数越大，表征融合结果质量越好。选择最大融合质量系数对应的二维码融合结果作为最优二维码，并将最优二维码设定为生成二维码。
结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；
在本申请实施例中，获取异常判定标准，其中所述异常判定标准包括技术层面与视觉层面，基于所述异常判定标准，通过校验模型对所述生成二维码进行异常检测与伪装修复，得到校正二维码。
在一个实施例中，所述方法还包括：
所述校验模型包括异常检测层与后置并行的伪装处理层与修复处理层；
将所述标准二维码导入所述校验模型，执行所述标准二维码与所述生成二维码的映射，定位异常像素区块，所述异常像素区块标识有异常特征与异常度；
识别所述异常像素区块，基于视觉层面与技术层面进行划分，确定第一异常像素区块与第二异常像素区块；
在本申请实施例中，其中所述校验模型包括异常检测层与后置并行的伪装处理层与修复处理层，所述结合校验模型，对所述生成二维码进行异常检测与伪装修复的方法如下，首先，将所述标准二维码与所述生成二维码导入所述校验模型，并在所述校验模型中，将所述标准二维码与所述生成二维码进行映射比对，根据比对结果定位异常像素区块，其中所述异常像素区块标识有异常特征与异常度，其中异常度和异常特征具有一一对应关系，表征异常特征的偏差程度，其中偏差程度越大，则异常度越大。
基于视觉层面和技术层面对所述异常像素区块进行识别和划分，得到第一异常像素区块与第二异常像素区块，其中第一异常像素区块为视觉层面存在异常的像素区块，第二异常像素区块为技术层面存在异常的像素区块。
在一个实施例中，所述方法还包括：
所述视觉层面至少包括图像转换度、色度、几何分布，其中，标准图像转换度通过均衡视觉需求与技术需求确定；
所述技术层面至少包括可识别度，所述可识别度基于多种识别渠道联合确定；
所述第一异常像素区块与所述第二异常像素区块存在重叠像素区块。
在本申请实施例中，基于视觉层面和技术层面对所述异常像素区块进行识别和划分的方法如下，其中所述视觉层面至少包括图像转换度、色度、几何分布，也可根据实际情况增加视觉层面的判断指标，其中图像转换度是指图像质量分辨率等方面的调整和改变程度，所述图像转换度在本申请中为标准图像转换度，通过进行视觉需求与技术需求综合评估后确定。所述技术层面至少包括可识别度，也可根据实际情况增加技术层面的判断指标，例如：识别速度、纠错能力等；其中所述可识别度基于多种识别渠道联合确定，例如：可设置多种识别方式和多种识别设备进行多次识别测试，并取多次识别测试结果的均值确定可识别度。
通过视觉层面对所述异常像素区块进行识别，并将存在视觉异常的像素区块标识为第一异常像素区块，例如：二维码痕迹过于明显、美观度不足的像素区块；通过技术层面对所述异常像素区块进行识别，并将存在技术异常的像素区块标识为第二异常像素区块，例如：可识别度较低的像素区块；其中所述第一异常像素区块与所述第二异常像素区块存在重叠像素区块。
将所述第一异常像素区块流转至所述伪装处理层，将所述第二异常像素区块流转至所述修复处理层，进行层级处理与像素区块替换，确定所述校正二维码。
在本申请实施例中，首先，将所述第一异常像素区块流转至所述伪装处理层，其中伪装处理是指采用一些技术手段对第一异常像素区块中的图像转换度、色度、几何分布等进行修复，可通过现有的技术手段进行图像修复；将所述第二异常像素区块流转至所述修复处理层，其中修复处理是指对第二异常像素区块中的二维码进行技术层面的修复，例如：可通过纠错码技术来进行修复；在所述伪装处理层和所述修复处理层分别对所述第一异常像素区块和所述第二异常像素区块进行层级处理与像素区块替换，根据处理结果得到校正二维码。
结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
在本申请实施例中，基于所述输出路径，对所述校正二维码进行路径反转与地址存储，将校正二维码保存到指定的文件夹中。通过上述方法可以解决现有的融合二维码生成方法由于自动化程度较低，导致生成过程中需要较多的人工操作，造成融合二维码生成的效率较低和质量较差的技术问题，可以减少融合二维码生成过程中的人工干预和错误操作，提高融合二维码生成的智能化和自动化，从而进一步提高融合二维码的生成效率和生成质量。
在一个实施例中，所述方法还包括：
搭建增量学习模块，所述增量学习模块与所述部署生成环境通信连接；
读取构件运行数据，挖掘构件功能门限，其中，构件包括安装插件、运行机制与配置模型；
识别所述构件功能门限，定位缺陷构件并转移至所述增量学习模块；
结合所述构件运行数据提取学习特征，对所述缺陷构件进行增量学习与迭代更新。
在本申请实施例中，搭建增量学习模块，所述增量学习模块与所述部署生成环境通过信号传输的方式实现数据交互；读取构件运行数据，其中构件包括安装插件、运行机制与配置模型，根据构件运行数据进行构件功能门限挖掘，其中构件功能门限是指需要满足实际运行需求的功能临界值，可根据实际应用场景进行设置，得到构件功能门限信息。
识别构件功能门限信息，并根据识别结果定位缺陷构件，例如：假设某个构件由于功能性不足，导致整体的生成效果较差或异常频率较高，则将此构件定位为缺陷构件，然后将所述缺陷构件转移至所述增量学习模块。
其中增量学习模块为基于增量学习原理构建，增量学习是指机器学习模型在训练过程中，能够随着新数据的不断加入，自动更新和优化模型参数，以提高模型的准确性和泛化能力，与传统的批量学习相比，增量学习不需要重新训练整个模型，而是逐个处理新数据，并逐步更新模型参数，具有实时性、适应性强等多个优点。
基于增量学习模块，结合所述构件运行数据提取学习特征，其中学习特征是指需进行优化调整的运行特征，并以优化所述学习特征为目的，对所述缺陷构件进行增量学习与迭代更新。
通过进行缺陷构件识别，并基于增量学习原理对缺陷构件进行增量学习与迭代更新，可以提高构件运行的可靠性，从而提高融合二维码自动生成的效率和质量。
实施例二
基于与上述实施例一中一种融合二维码的自动生成方法同样的发明构思，如图3所示，本申请还提供了一种融合二维码的自动生成系统，包括：部署生成环境确定模块01、初始二维码确定模块02、标准二维码确定模块03、生成二维码确定模块04、校正二维码确定模块05、校正二维码存储模块06，其中：
部署生成环境确定模块01，所述部署生成环境确定模块01用于进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；
初始二维码确定模块02，所述初始二维码确定模块02用于基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；
标准二维码确定模块03，所述标准二维码确定模块03用于读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；
生成二维码确定模块04，所述生成二维码确定模块04用于导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；
校正二维码确定模块05，所述校正二维码确定模块05用于结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；
校正二维码存储模块06，所述校正二维码存储模块06用于结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
在一个实施例中，所述系统还包括：
融合数据库确定模块，所述融合数据库确定模块用于确定融合数据库，其中，所述融合数据库包括多种融合类型，所述多种融合类型至少包括文本要素、二维图片要素、三维图片要素；
融合特性匹配模块，所述融合特性匹配模块用于建立所述融合数据库与所述融合模型的通信连接，读取导入信息的融合类型，遍历所述融合数据库，匹配融合特性。
在一个实施例中，所述系统还包括：
融合约束条件确定模块，所述融合约束条件确定模块用于基于技术层面与视觉层面，确定融合控制参数并配置参数宽容区间，映射确定所述融合约束条件；
二维码融合集确定模块，所述二维码融合集确定模块用于基于所述融合约束条件，结合所述融合模型，对所述标准二维码与所述预融合图片进行融合处理，执行基于预定跑图次数的平行融合处理，确定二维码融合集；
生成二维码设定模块，所述生成二维码设定模块用于基于所述二维码融合集，校对并筛选最优二维码，作为所述生成二维码。
在一个实施例中，所述系统还包括：
融合处理方式设定模块，所述融合处理方式设定模块用于设定融合处理方式，其中，所述融合处理方式包括二维码融入图片或图片融入二维码；
融合设定基线确定模块，所述融合设定基线确定模块用于确定基于所述融合处理方式的目标融合方式，对所述标准二维码与所述预融合图片进行融合区域定位与像素映射，确定融合设定基线；
融合约束条件设定模块，所述融合约束条件设定模块用于基于所述融合设定基线，结合所述技术层面与所述视觉层面设定所述融合约束条件。
在一个实施例中，所述系统还包括：
异常像素区块定位模块，所述异常像素区块定位模块用于将所述标准二维码导入所述校验模型，执行所述标准二维码与所述生成二维码的映射，定位异常像素区块，所述异常像素区块标识有异常特征与异常度；
异常像素区块划分模块，所述异常像素区块划分模块用于识别所述异常像素区块，基于视觉层面与技术层面进行划分，确定第一异常像素区块与第二异常像素区块；
校正二维码确定模块，所述校正二维码确定模块用于将所述第一异常像素区块流转至所述伪装处理层，将所述第二异常像素区块流转至所述修复处理层，进行层级处理与像素区块替换，确定所述校正二维码。
在一个实施例中，所述系统还包括：
视觉层面模块，所述视觉层面模块是指所述视觉层面至少包括图像转换度、色度、几何分布，其中，标准图像转换度通过均衡视觉需求与技术需求确定；
技术层面模块，所述技术层面模块是指所述技术层面至少包括可识别度，所述可识别度基于多种识别渠道联合确定；
重叠像素区块模块，所述重叠像素区块模块是指所述第一异常像素区块与所述第二异常像素区块存在重叠像素区块。
在一个实施例中，所述系统还包括：
增量学习模块搭建模块，所述增量学习模块搭建模块用于搭建增量学习模块，所述增量学习模块与所述部署生成环境通信连接；
构件功能门限挖掘模块，所述构件功能门限挖掘模块用于读取构件运行数据，挖掘构件功能门限，其中，构件包括安装插件、运行机制与配置模型；
构件功能门限识别模块，所述构件功能门限识别模块用于识别所述构件功能门限，定位缺陷构件并转移至所述增量学习模块；
增量学习模块，所述增量学习模块用于结合所述构件运行数据提取学习特征，对所述缺陷构件进行增量学习与迭代更新。
综上所述，与现有技术相比，本公开的实施例具有以下技术效果：
（1）通过上述方法可以减少融合二维码生成过程中的人工干预和错误操作，提高融合二维码生成的智能化和自动化，从而进一步提高融合二维码的生成效率和生成质量。
（2）通过构建融合数据库，根据融合类型进行融合特性匹配，可以提高融合特性与融合类型的适配度，从而提高标准二维码与预融合图片的融合处理质量。
（3）通过进行缺陷构件识别，并基于增量学习原理对缺陷构件进行增量学习与迭代更新，可以提高构件运行的可靠性，从而提高融合二维码自动生成的效率和质量。
以上所述实施例仅表达了本公开的几种实施方式，但并不能因此而理解为对发明专利范围的限制。因此，在不脱离如由所附权利要求限定的本公开构思的范围的情况下，本领域普通技术人员可做出各种类型的替换、修改和变更，并且这些替换、修改和变更都属于本公开的保护范围。
Claims (8)
1.一种融合二维码的自动生成方法，其特征在于，所述方法包括：
进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；
基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；
读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；
导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；
结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；
结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
2.如权利要求1所述的方法，其特征在于，所述导入预融合图片，启动第二插件并激活配置的融合模型之前，包括：
确定融合数据库，其中，所述融合数据库包括多种融合类型，所述多种融合类型至少包括文本要素、二维图片要素、三维图片要素；
建立所述融合数据库与所述融合模型的通信连接，读取导入信息的融合类型，遍历所述融合数据库，匹配融合特性。
3.如权利要求1所述的方法，其特征在于，所述结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，包括：
基于技术层面与视觉层面，确定融合控制参数并配置参数宽容区间，映射确定所述融合约束条件；
基于所述融合约束条件，结合所述融合模型，对所述标准二维码与所述预融合图片进行融合处理，执行基于预定跑图次数的平行融合处理，确定二维码融合集；
基于所述二维码融合集，校对并筛选最优二维码，作为所述生成二维码。
4.如权利要求3所述的方法，其特征在于，确定所述融合约束条件之前，包括：
设定融合处理方式，其中，所述融合处理方式包括二维码融入图片或图片融入二维码；
确定基于所述融合处理方式的目标融合方式，对所述标准二维码与所述预融合图片进行融合区域定位与像素映射，确定融合设定基线；
基于所述融合设定基线，结合所述技术层面与所述视觉层面设定所述融合约束条件。
5.如权利要求1所述的方法，其特征在于，所述校验模型包括异常检测层与后置并行的伪装处理层与修复处理层，所述结合校验模型，对所述生成二维码进行异常检测与伪装修复，包括：
将所述标准二维码导入所述校验模型，执行所述标准二维码与所述生成二维码的映射，定位异常像素区块，所述异常像素区块标识有异常特征与异常度；
识别所述异常像素区块，基于视觉层面与技术层面进行划分，确定第一异常像素区块与第二异常像素区块；
将所述第一异常像素区块流转至所述伪装处理层，将所述第二异常像素区块流转至所述修复处理层，进行层级处理与像素区块替换，确定所述校正二维码。
6.如权利要求5所述的方法，其特征在于，所述识别所述异常像素区块，基于视觉层面与技术层面进行划分，包括：
所述视觉层面至少包括图像转换度、色度、几何分布，其中，标准图像转换度通过均衡视觉需求与技术需求确定；
所述技术层面至少包括可识别度，所述可识别度基于多种识别渠道联合确定；
所述第一异常像素区块与所述第二异常像素区块存在重叠像素区块。
7.如权利要求1所述的方法，其特征在于，包括：
搭建增量学习模块，所述增量学习模块与所述部署生成环境通信连接；
读取构件运行数据，挖掘构件功能门限，其中，构件包括安装插件、运行机制与配置模型；
识别所述构件功能门限，定位缺陷构件并转移至所述增量学习模块；
结合所述构件运行数据提取学习特征，对所述缺陷构件进行增量学习与迭代更新。
8.一种融合二维码的自动生成系统，其特征在于，所述系统包括：
部署生成环境确定模块，所述部署生成环境确定模块用于进行插件安装与运行机制配置，确定部署生成环境，其中，各安装插件设定有激活程序；
初始二维码确定模块，所述初始二维码确定模块用于基于所述部署生成环境，进行基础信息导入与二维码生成，确定初始二维码，其中，所述基础信息包括码源文件与输出路径；
标准二维码确定模块，所述标准二维码确定模块用于读取二维码转换参数，启动第一插件并激活配置的自适应调改模型，对所述初始二维码进行调整重构，确定标准二维码，其中，调整重构标准包括几何维度与像素区块维度；
生成二维码确定模块，所述生成二维码确定模块用于导入预融合图片，启动第二插件并激活配置的融合模型，结合融合约束条件，进行所述标准二维码与所述预融合图片的融合处理与批量跑图，筛选确定生成二维码；
校正二维码确定模块，所述校正二维码确定模块用于结合校验模型，对所述生成二维码进行异常检测与伪装修复，确定校正二维码，其中，异常判定标准包括技术层面与视觉层面；
校正二维码存储模块，所述校正二维码存储模块用于结合所述输出路径，对所述校正二维码进行路径反转与地址存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171136.2A CN117744695B (zh) | 2024-02-06 | 2024-02-06 | 一种融合二维码的自动生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410171136.2A CN117744695B (zh) | 2024-02-06 | 2024-02-06 | 一种融合二维码的自动生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117744695A true CN117744695A (zh) | 2024-03-22 |
| CN117744695B CN117744695B (zh) | 2024-05-03 |
Family
ID=90281508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410171136.2A Active CN117744695B (zh) | 2024-02-06 | 2024-02-06 | 一种融合二维码的自动生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117744695B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006010732A (ja) * | 2004-06-22 | 2006-01-12 | Dainippon Printing Co Ltd | ２次元コードポスター、２次元コード表示方法 |
| US20150041539A1 (en) * | 2013-08-08 | 2015-02-12 | National Tsing Hua University | Two dimensional code and method of creating the same |
| CN105117760A (zh) * | 2015-09-15 | 2015-12-02 | 牛建伟 | 一种将二维码与彩色图片融合生成彩色图片二维码的方法 |
| CN105718979A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
| CN106599965A (zh) * | 2016-11-25 | 2017-04-26 | 北京矩石科技有限公司 | 一种将图像卡通化并与二维码融合的方法与装置 |
| CN106778995A (zh) * | 2016-11-25 | 2017-05-31 | 北京矩石科技有限公司 | 一种与图像融合的艺术化二维码生成方法及装置 |
| CN107563966A (zh) * | 2017-08-01 | 2018-01-09 | 北京诺君安信息技术股份有限公司 | 一种二维码与图像融合方法及二维码 |
| CN108229234A (zh) * | 2017-12-07 | 2018-06-29 | 北京航空航天大学 | 一种融合数字编码的可扫描图像生成方法 |
| CN109886380A (zh) * | 2019-01-16 | 2019-06-14 | 王诗会 | 图像信息融合方法及系统 |
| US20200226440A1 (en) * | 2018-10-17 | 2020-07-16 | Boe Technology Group Co., Ltd. | Two-dimensional code image generation method and apparatus, storage medium and electronic device |
| WO2023221343A1 (zh) * | 2022-05-17 | 2023-11-23 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
| CN117115294A (zh) * | 2023-09-27 | 2023-11-24 | 支付宝(杭州)信息技术有限公司 | 一种生成艺术化码图像的方法、装置、设备及介质 |
| CN117195939A (zh) * | 2023-09-13 | 2023-12-08 | 成都恒图科技有限责任公司 | 一种将二维码嵌入图像的融合方法 |
| CN117391115A (zh) * | 2023-12-06 | 2024-01-12 | 宁波邻家网络科技有限公司 | 一种基于图像色彩的二维码生成方法、系统及存储介质 |
-
2024
- 2024-02-06 CN CN202410171136.2A patent/CN117744695B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006010732A (ja) * | 2004-06-22 | 2006-01-12 | Dainippon Printing Co Ltd | ２次元コードポスター、２次元コード表示方法 |
| US20150041539A1 (en) * | 2013-08-08 | 2015-02-12 | National Tsing Hua University | Two dimensional code and method of creating the same |
| CN105117760A (zh) * | 2015-09-15 | 2015-12-02 | 牛建伟 | 一种将二维码与彩色图片融合生成彩色图片二维码的方法 |
| CN105718979A (zh) * | 2016-01-14 | 2016-06-29 | 厦门纳纬信息技术有限公司 | 一种生成二维码图片的方法 |
| CN106599965A (zh) * | 2016-11-25 | 2017-04-26 | 北京矩石科技有限公司 | 一种将图像卡通化并与二维码融合的方法与装置 |
| CN106778995A (zh) * | 2016-11-25 | 2017-05-31 | 北京矩石科技有限公司 | 一种与图像融合的艺术化二维码生成方法及装置 |
| CN107563966A (zh) * | 2017-08-01 | 2018-01-09 | 北京诺君安信息技术股份有限公司 | 一种二维码与图像融合方法及二维码 |
| CN108229234A (zh) * | 2017-12-07 | 2018-06-29 | 北京航空航天大学 | 一种融合数字编码的可扫描图像生成方法 |
| US20200226440A1 (en) * | 2018-10-17 | 2020-07-16 | Boe Technology Group Co., Ltd. | Two-dimensional code image generation method and apparatus, storage medium and electronic device |
| CN109886380A (zh) * | 2019-01-16 | 2019-06-14 | 王诗会 | 图像信息融合方法及系统 |
| WO2023221343A1 (zh) * | 2022-05-17 | 2023-11-23 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
| CN117195939A (zh) * | 2023-09-13 | 2023-12-08 | 成都恒图科技有限责任公司 | 一种将二维码嵌入图像的融合方法 |
| CN117115294A (zh) * | 2023-09-27 | 2023-11-24 | 支付宝(杭州)信息技术有限公司 | 一种生成艺术化码图像的方法、装置、设备及介质 |
| CN117391115A (zh) * | 2023-12-06 | 2024-01-12 | 宁波邻家网络科技有限公司 | 一种基于图像色彩的二维码生成方法、系统及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 刘亚文;余孝源;周飞舟;谢巍;柳贵东;林景春;: "基于金字塔权重的QR二维码重构", 控制工程, no. 04, 20 April 2020 (2020-04-20) * |
| 徐剑;赵英南;田永纯;周福才;: "融合二维码与人脸识别的会议身份认证系统研究", 信息网络安全, no. 04, 10 April 2015 (2015-04-10) * |
| 徐明亮;孙亚西;吕培;郭毅博;周兵;周清雷;: "呈现人脸显著性特征的二维码视觉优化", 计算机辅助设计与图形学学报, no. 08, 15 August 2016 (2016-08-15) * |
| 郎帆;林益臣;赵英男;冯骆银;谭玲;: "电子商务中基于二维码的商品真实性验证系统", 电脑知识与技术, no. 12, 25 April 2016 (2016-04-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117744695B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111930381B (zh) | 一种支持SaaS多租户系统的个性化页面配置方法 | |
| WO2019117065A1 (ja) | データ生成装置、データ生成方法及びデータ生成プログラム | |
| US10964025B2 (en) | Assembly monitoring method and device based on deep learning, and readable storage medium | |
| EP1238337B1 (en) | System and method for printer output regression testing using display lists | |
| CN105809164A (zh) | 文字识别方法和装置 | |
| EP3451206B1 (en) | Method, apparatus, and device for generating a visual model layout of a space | |
| CN105701863A (zh) | 图像处理的方法和装置 | |
| JPH08305778A (ja) | ユーザの作成したマークの存在を調査するための方法 | |
| US20220414066A1 (en) | Data management system, management method, and storage medium | |
| CN110991520A (zh) | 一种生成训练样本的方法以及装置 | |
| CN117744695B (zh) | 一种融合二维码的自动生成方法及系统 | |
| CN113360737B (zh) | 页面内容采集方法、装置、电子设备和可读介质 | |
| CN112309313B (zh) | 模组控制器配置方法、装置及系统以及计算机可读存储介质 | |
| CN105528769A (zh) | 图像修补方法及系统 | |
| CN111190894A (zh) | 一种地图显示的方法、装置及相关存储介质和客户端 | |
| CN114253642B (zh) | 系统信息处理方法、装置、电子设备及介质 | |
| CN112149377B (zh) | 一种快速生成fpd版图的方法、设备及可读存储介质 | |
| CN115237387A (zh) | 一种数字孪生应用的快速开发方法及系统 | |
| CN117377929A (zh) | 在增强现实视图中通过物理对象的3d模型来标识物理对象上的感兴趣地方 | |
| CN110009646A (zh) | 一种电子相册的生成方法、装置、电子设备及存储介质 | |
| CN117392294B (zh) | 一种动画文件检查修复方法、系统、电子设备及存储介质 | |
| CN112528192A (zh) | 信息处理方法、信息显示方法及装置 | |
| CN117033239B (zh) | 一种控件匹配方法、装置、计算机设备及存储介质 | |
| CN117131838B (zh) | 基于表单图像的表单页面生成方法、装置、电子设备和介质 | |
| CN114741064B (zh) | 页面生成方法、装置、系统及存储介质 |
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 |