JP2022167756A - 計数方法、計数システム、及び計数のためのコンピュータプログラム - Google Patents
計数方法、計数システム、及び計数のためのコンピュータプログラム Download PDFInfo
- Publication number
- JP2022167756A JP2022167756A JP2021168363A JP2021168363A JP2022167756A JP 2022167756 A JP2022167756 A JP 2022167756A JP 2021168363 A JP2021168363 A JP 2021168363A JP 2021168363 A JP2021168363 A JP 2021168363A JP 2022167756 A JP2022167756 A JP 2022167756A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- predetermined
- area
- counted
- output image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 title claims description 10
- 238000010801 machine learning Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims description 61
- 238000003860 storage Methods 0.000 claims description 25
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000007792 addition Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010024796 Logorrhoea Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- 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
- Image Analysis (AREA)
Abstract
【解決手段】計数方法は、学習済みの機械学習モデルを用意するステップと、カウント対象物の画像データを取得するステップと、カウント対象物の画像を学習済み機械学習モデルに入力し、出力される出力画像データを取得するステップと、出力画像データにおける所定のラベルが付された所定の形状を含むカウント対象物を計数するステップと、計数済み出力画像データを作成して送信するステップと、訂正後の計数済み出力画像データを、取得するステップと、を含む。計数するステップの前に、所定のラベルが付された所定の形状を含むカウント対象物のうちから、面積の平均値若しくは外周の平均値に基づいてノイズの領域を決定し、それらを消去する。
【選択図】図1
Description
処理回路により、外部端末から送信される、所定の形状を含むカウント対象物の画像データを取得するステップと、
前記処理回路により、所定の形状を含むカウント対象物の画像データと、前記カウント対象物に含まれる前記所定の形状に所定のラベルが付された前記カウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルを用意するステップであって、前記所定のラベルは所定の色である、用意するステップと、
前記処理回路により、前記カウント対象物の画像データを学習済み機械学習モデルに入力し、前記学習済み機械学習モデルから出力される出力画像データを取得するステップと、
前記処理回路により、前記所定のラベルである前記所定の色が付された前記所定の形状の、前記所定の色のコントラストを強調するステップと、
前記処理回路により、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去するステップと、
前記処理回路により、前記出力画像データにおける、前記所定のラベルが付された前記所定の形状を含む前記カウント対象物を、計数するステップと、
前記処理回路により、前記出力画像データに、計数された前記カウント対象物の数を添付した計数済み出力画像データを作成して、前記外部端末に送信するステップと、
前記処理回路により、前記外部端末から送信される訂正後の計数済み出力画像データであって、前記計数済み出力画像データにて前記所定のラベルが付されていない前記カウント対象物の前記所定の形状に対して追加的に前記所定のラベルが付された、若しくは、前記計数済み出力画像データにて付されている前記所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、取得するステップと
を含む。
前記計数方法において、前記所定の形状が円形または四角形であり、
更に、
前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去するステップにおいては、
個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とし、
個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする。
前記計数システムには、
所定の形状を含むカウント対象物の画像データと、前記カウント対象物に含まれる前記所定の形状に所定のラベルが付された前記カウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルが構築されており、
前記所定のラベルは所定の色であり、
前記処理回路は、
外部端末から送信され前記記憶装置に記録される、所定の形状を含むカウント対象物の画像データを、前記インタフェース装置を介して取得し、
前記カウント対象物の画像データを学習済み機械学習モデルに入力し、前記学習済み機械学習モデルから出力される出力画像データを取得し、
前記出力画像データにて、前記所定のラベルである前記所定の色が付された前記所定の形状の、前記所定の色のコントラストを強調し、
前記出力画像データにて、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去し、
前記出力画像データにおける、前記所定のラベルが付された前記所定の形状を含む前記カウント対象物の数を計数し、
前記出力画像データに、計数された前記カウント対象物の数を添付した計数済み出力画像データを作成して、前記外部端末に送信し、
前記外部端末から送信され前記記憶装置に記録される訂正後の計数済み出力画像データであって、前記計数済み出力画像データにて前記所定のラベルが付されていない前記カウント対象物の前記所定の形状に対して追加的に前記所定のラベルが付された、若しくは、前記計数済み出力画像データにて付されている前記所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、前記インタフェース装置を介して取得する。
前記計数システムにおいて、前記所定の形状が円形または四角形であり、
更に、
前記出力画像データにて、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去する際には、
個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とし、
個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする。
鋼管業、例えば、パイプ製造業のメーカは、様々なサイズのパイプについて各サイズ別に貯蔵し運搬するのが一般的である。パイプの貯蔵の際、特に、棚卸等の際には、一塊や一束のパイプの本数を、正確に且つ迅速に計数することが求められる。しかしながら、現状では、多数のパイプの端面方向から多数のパイプ全体の静止画を撮り、その静止画に基づいて最終的には手作業で計数することが多い。
以下、添付の図面を参照して、本開示の好ましい実施の形態を説明する。
実施の形態に係る計数システム及び計数方法は、所定の形状を含むカウント対象物の画像データから、カウント対象物の数を自動的に計数するための、システム及び方法である。図1は、本実施の形態に係る計数システム2のシステム構成図である。所定の形状を含むカウント対象物の画像データとは、例えばカウント対象物に含まれる所定の形状を認識できる状態の画像データを意味する。
本実施の形態に係る機械学習モデルは、計数システム2に接続する学習サーバ14にて学習が行われる。図8は、機械学習モデルに対する教師データの例を示す図である。本実施の形態に係る機械学習モデルは、所定の形状を含むカウント対象物の画像データと、カウント対象物に含まれる所定の形状に所定のラベルが付されたカウント対象物の画像データ(正解データ)とを教師データとして学習が行われる。
図2Aは、本実施の形態に係る計数システム2の計数処理の動作を示すフローチャートである。
学習済み機械学習モデルの出力画像にて、予測結果における確信度が低い領域は、例えば、ラベルが緑色であるとするならば、低い色相の緑、即ち、薄い緑で表示される。つまり、確信度に対応する(緑の)色相の画素値が低くなっている。図5(a)は、薄い緑(図では、グレー)の領域を含む出力画像の例である。これらの領域について、コントラストを強調する。ここでのコントラストの強調は、後の、ステップS08-(2)におけるノイズ消去処理や、ステップS10における計数(カウント)処理を行いやすくするために行われる。図5(b)は、図5(a)に示す出力画像に基づいて、薄い緑(図では、グレー)領域のコントラストを強調した、出力画像の例である。
コントラスト強調された出力画像にて微小領域や線状になっている領域などのノイズを消去する。図6(a)は、図5(b)と同じ出力画像であり、ノイズである微小領域の消去前の画像の例である。図6(a)の画像に対して、微小領域がノイズとして消去され、図6(b)の微小領域の消去後の画像となる。
本実施の形態の例では、所定の形状は、例えば、円形や四角形と想定されている。そこで、所定の形状が円形であるような場合には、次のようにしてノイズの領域が決定され得る。つまり、図6(a)等に示される、個々の領域について中心点を先ず求め、中心点に基づいて個々の領域の半径「r」及び直径「2r」の理論値を仮定し、個々の領域の面積「πr2」及び個々の領域の外周「2πr」を求める。領域の面積「πr2」及び領域の外周「2πr」について、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する領域についてノイズとする。この方法を採用する場合、過大領域もノイズと決定される。
[ノイズ領域の決定の方法の例、以上]
本実施の形態に係る計数システム2にて構築されている学習済み機械学習モデルは、計数システム2に接続する学習サーバ14を用いて追加学習を行うように構成されている。この際の教師データは、記憶装置12に記録されている所定の形状を含むカウント対象物の画像データと、それに対応する、訂正後の計数済み出力画像データとである。前述のように、訂正後の計数済み出力画像データも記憶装置12に記録されている。
本実施の形態に係る計数方法は、処理回路8により、外部端末16から送信される、所定の形状を含むカウント対象物の画像データを取得するステップと、処理回路8により、所定の形状を含むカウント対象物の画像データと、カウント対象物に含まれる所定の形状に所定のラベルが付されたカウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルを用意するステップであって、所定のラベルは所定の色である、用意するステップと、処理回路8により、カウント対象物の画像データを学習済み機械学習モデルに入力し、学習済み機械学習モデルから出力される出力画像データを取得するステップと、処理回路8により、所定のラベルである所定の色が付された所定の形状の、所定の色のコントラストを強調するステップと、処理回路8により、所定のラベルである所定の色の付された所定の形状ではない領域を消去するステップと、処理回路8により、出力画像データにおける、所定のラベルが付された所定の形状を含むカウント対象物を、計数するステップと、処理回路8により、出力画像データに、計数されたカウント対象物の数を添付した計数済み出力画像データを作成して、外部端末16に送信するステップと、処理回路8により、外部端末16から送信される訂正後の計数済み出力画像データであって、計数済み出力画像データにて所定のラベルが付されていないカウント対象物の所定の形状に対して追加的に所定のラベルが付された、若しくは、計数済み出力画像データにて付されている所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、取得するステップとを含む。更に、所定の形状が円形または四角形である。更に、上述の、所定のラベルである所定の色の付された所定の形状ではない領域を消去するステップにおいては、個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする。個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする。
以上のように、本出願において開示する技術の例示として、実施の形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施の形態にも適用可能である。
Claims (6)
- 処理回路により、外部端末から送信される、所定の形状を含むカウント対象物の画像データを取得するステップと、
前記処理回路により、所定の形状を含むカウント対象物の画像データと、前記カウント対象物に含まれる前記所定の形状に所定のラベルが付された前記カウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルを用意するステップであって、前記所定のラベルは所定の色である、用意するステップと、
前記処理回路により、前記カウント対象物の画像データを学習済み機械学習モデルに入力し、前記学習済み機械学習モデルから出力される出力画像データを取得するステップと、
前記処理回路により、前記所定のラベルである前記所定の色が付された前記所定の形状の、前記所定の色のコントラストを強調するステップと、
前記処理回路により、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去するステップと、
前記処理回路により、前記出力画像データにおける、前記所定のラベルが付された前記所定の形状を含む前記カウント対象物を、計数するステップと、
前記処理回路により、前記出力画像データに、計数された前記カウント対象物の数を添付した計数済み出力画像データを作成して、前記外部端末に送信するステップと、
前記処理回路により、前記外部端末から送信される訂正後の計数済み出力画像データであって、前記計数済み出力画像データにて前記所定のラベルが付されていない前記カウント対象物の前記所定の形状に対して追加的に前記所定のラベルが付された、若しくは、前記計数済み出力画像データにて付されている前記所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、取得するステップと
を含む、計数方法であって、
前記所定の形状が円形または四角形であり、
更に、
前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去するステップにおいては、
個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とし、
個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする、計数方法。 - 更に、
前記機械学習モデルについて学習を行う学習サーバにより、記憶装置に記録される所定の形状を含むカウント対象物の画像データと、前記記憶装置に記録される訂正後の計数済み出力画像データとを教師データとして前記機械学習モデルについて追加学習を行うステップと、
前記処理回路により、前記追加学習に基づいて、前記学習済みの機械学習モデルを再構築するステップと
を含む、請求項1に記載の計数方法。 - 前記外部端末から送信される所定の形状を含むカウント対象物の画像データは、カウント対象物の画像の領域が切り取られているものである、請求項1または2に記載の計数方法。
- 前記カウント対象物が鋼管である、
請求項1~3のいずれか1項に記載の計数方法。 - 計数システムであって、
前記計数システムは、インタフェース装置と、記憶装置と、処理回路とを含み、
前記計数システムには、
所定の形状を含むカウント対象物の画像データと、前記カウント対象物に含まれる前記所定の形状に所定のラベルが付された前記カウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルが構築されており、
前記所定のラベルは所定の色であり、
前記処理回路は、
外部端末から送信され前記記憶装置に記録される、所定の形状を含むカウント対象物の画像データを、前記インタフェース装置を介して取得し、
前記カウント対象物の画像データを学習済み機械学習モデルに入力し、前記学習済み機械学習モデルから出力される出力画像データを取得し、
前記出力画像データにて、前記所定のラベルである前記所定の色が付された前記所定の形状の、前記所定の色のコントラストを強調し、
前記出力画像データにて、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去し、
前記出力画像データにおける、前記所定のラベルが付された前記所定の形状を含む前記カウント対象物の数を計数し、
前記出力画像データに、計数された前記カウント対象物の数を添付した計数済み出力画像データを作成して、前記外部端末に送信し、
前記外部端末から送信され前記記憶装置に記録される訂正後の計数済み出力画像データであって、前記計数済み出力画像データにて前記所定のラベルが付されていない前記カウント対象物の前記所定の形状に対して追加的に前記所定のラベルが付された、若しくは、前記計数済み出力画像データにて付されている前記所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、前記インタフェース装置を介して取得する
ものである、計数システムにおいて、
前記所定の形状が円形または四角形であり、
更に、
前記出力画像データにて、前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去する際には、
個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とし、
個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする、計数システム。 - 処理回路を含み、
所定の形状を含むカウント対象物の画像データと、前記カウント対象物に含まれる前記所定の形状に所定のラベルが付された前記カウント対象物の画像データとを教師データとして学習が行われた学習済みの機械学習モデルが構築されており、
前記所定のラベルは所定の色である、
計数システムにおいて、
前記処理回路に、
外部端末から送信される、所定の形状を含むカウント対象物の画像データを取得する処理と、
前記カウント対象物の画像データを学習済み機械学習モデルに入力し、前記学習済み機械学習モデルから出力される出力画像データを取得する処理と、
前記所定のラベルである前記所定の色が付された前記所定の形状の、前記所定の色のコントラストを強調する処理と、
前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去する処理と、
前記出力画像データにおける、前記所定のラベルが付された前記所定の形状を含む前記カウント対象物を、計数する処理と、
前記出力画像データに、計数された前記カウント対象物の数を添付した計数済み出力画像データを作成して、前記外部端末に送信する処理と、
前記外部端末から送信される訂正後の計数済み出力画像データであって、前記計数済み出力画像データにて前記所定のラベルが付されていない前記カウント対象物の前記所定の形状に対して追加的に前記所定のラベルが付された、若しくは、前記計数済み出力画像データにて付されている前記所定のラベルを追加的に消去した、訂正後の計数済み出力画像データを、取得する処理と
を、実行させる計数のためのコンピュータプログラムであって、
前記所定の形状が円形または四角形であり、
更に、
前記所定のラベルである前記所定の色の付された前記所定の形状ではない領域を消去する処理においては、
個々の領域について円形の場合は、中心点を先ず求め、中心点に基づいて個々の領域の半径r及び直径2rの理論値を仮定し、個々の領域の面積πr2及び個々の領域の外周2πrを求め、その上で、領域の面積πr2及び領域の外周2πrについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とし、
個々の領域について四角形の場合は、個々の領域の短辺a及び長辺bの理論値を仮定し、個々の領域の面積ab及び個々の領域の外周2a+2bを求め、その上で、領域の面積ab及び領域の外周2a+2bについて、全部の領域に関して平均値を求め、面積の平均値若しくは外周の平均値から、所定の閾値以上乖離する実測値の領域については、ノイズとして消去すべき領域とする、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021072817 | 2021-04-22 | ||
JP2021072817 | 2021-04-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6983451B1 JP6983451B1 (ja) | 2021-12-17 |
JP2022167756A true JP2022167756A (ja) | 2022-11-04 |
Family
ID=79170087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021168363A Active JP6983451B1 (ja) | 2021-04-22 | 2021-10-13 | 計数方法、計数システム、及び計数のためのコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6983451B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7563811B1 (ja) | 2024-03-05 | 2024-10-08 | あやたかシステム開発株式会社 | 積み上げた物体をカウントするための端末、システム、方法およびプログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118470093B (zh) * | 2024-07-10 | 2024-09-13 | 南昌智巧科技有限公司 | 一种用于钢筋盘点的点数方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200820A (ja) * | 1993-12-28 | 1995-08-04 | Sanyo Electric Co Ltd | 画像認識処理方法 |
JP2017033555A (ja) * | 2015-07-31 | 2017-02-09 | 富士通株式会社 | 交差点の交通信号を制御する装置及び方法 |
JP2020187661A (ja) * | 2019-05-16 | 2020-11-19 | 株式会社キーエンス | 画像検査装置 |
JP2021047710A (ja) * | 2019-09-19 | 2021-03-25 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム及びプログラム |
WO2021059572A1 (ja) * | 2019-09-27 | 2021-04-01 | 富士フイルム株式会社 | 情報処理装置、情報処理装置の作動方法、情報処理装置の作動プログラム |
-
2021
- 2021-10-13 JP JP2021168363A patent/JP6983451B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200820A (ja) * | 1993-12-28 | 1995-08-04 | Sanyo Electric Co Ltd | 画像認識処理方法 |
JP2017033555A (ja) * | 2015-07-31 | 2017-02-09 | 富士通株式会社 | 交差点の交通信号を制御する装置及び方法 |
JP2020187661A (ja) * | 2019-05-16 | 2020-11-19 | 株式会社キーエンス | 画像検査装置 |
JP2021047710A (ja) * | 2019-09-19 | 2021-03-25 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム及びプログラム |
WO2021059572A1 (ja) * | 2019-09-27 | 2021-04-01 | 富士フイルム株式会社 | 情報処理装置、情報処理装置の作動方法、情報処理装置の作動プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7563811B1 (ja) | 2024-03-05 | 2024-10-08 | あやたかシステム開発株式会社 | 積み上げた物体をカウントするための端末、システム、方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6983451B1 (ja) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10789504B2 (en) | Method and device for extracting information in histogram | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
CN110705405B (zh) | 目标标注的方法及装置 | |
CN109740515B (zh) | 一种评阅方法及装置 | |
JP6983451B1 (ja) | 計数方法、計数システム、及び計数のためのコンピュータプログラム | |
TW202013248A (zh) | 車輛損壞識別方法及裝置 | |
CN111461133B (zh) | 快递面单品名识别方法、装置、设备及存储介质 | |
US20210272272A1 (en) | Inspection support apparatus, inspection support method, and inspection support program for concrete structure | |
US20210350521A1 (en) | Method for computer-implemented determination of blade-defects of a wind turbine | |
CN112819796A (zh) | 烟丝异物识别方法及设备 | |
CN116403132B (zh) | 一种基于图像和机器算法生成征地拆迁表的地物识别方法 | |
CN113239227B (zh) | 图像数据结构化方法、装置、电子设备及计算机可读介质 | |
CN111597857B (zh) | 一种物流包裹检测方法、装置、设备及可读存储介质 | |
KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
CN111310826A (zh) | 样本集的标注异常检测方法、装置及电子设备 | |
CN115034200A (zh) | 图纸信息提取方法、装置、电子设备及存储介质 | |
CN112036295A (zh) | 票据图像处理方法、装置、存储介质及电子设备 | |
CN105718931A (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN112883926A (zh) | 表格类医疗影像的识别方法及装置 | |
JP2019220014A (ja) | 画像解析装置、画像解析方法及びプログラム | |
CN115082659A (zh) | 一种图像标注方法、装置、电子设备及存储介质 | |
CN113807364A (zh) | 一种基于三光融合成像的电力设备缺陷检测方法及系统 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
CN112434582A (zh) | 一种车道线颜色识别方法、系统、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211020 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211020 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211116 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6983451 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |