JP6983451B1 - 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
- JP6983451B1 JP6983451B1 JP2021168363A JP2021168363A JP6983451B1 JP 6983451 B1 JP6983451 B1 JP 6983451B1 JP 2021168363 A JP2021168363 A JP 2021168363A JP 2021168363 A JP2021168363 A JP 2021168363A JP 6983451 B1 JP6983451 B1 JP 6983451B1
- Authority
- JP
- Japan
- Prior art keywords
- image data
- region
- predetermined
- area
- 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.)
- Active
Links
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
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 true JP6983451B1 (ja) | 2021-12-17 |
JP2022167756A 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) |
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 |
Also Published As
Publication number | Publication date |
---|---|
JP2022167756A (ja) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10748035B2 (en) | Visually aided active learning for training object detector | |
US10769500B2 (en) | Localization-aware active learning for object detection | |
CN110705405B (zh) | 目标标注的方法及装置 | |
JP7000627B2 (ja) | 標的細胞標識方法、装置、記憶媒体及び端末デバイス | |
CN104919794A (zh) | 用于从主从式相机跟踪系统提取元数据的方法和系统 | |
CN110956081B (zh) | 车辆与交通标线位置关系的识别方法、装置及存储介质 | |
CN110569856B (zh) | 样本标注方法及装置、损伤类别的识别方法及装置 | |
CN112703538B (zh) | 读取辅助系统、移动体、读取辅助方法、程序以及存储介质 | |
CN111597857B (zh) | 一种物流包裹检测方法、装置、设备及可读存储介质 | |
CN112819796A (zh) | 烟丝异物识别方法及设备 | |
JP2021086379A (ja) | 情報処理装置、情報処理方法、プログラム及び学習モデルの生成方法 | |
CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
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 | |
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 | |
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 | |
CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
WO2023207535A1 (zh) | 一种伪标签框生成方法、装置及电子设备 | |
JP2017521011A (ja) | シンボルの光学的検出方法 | |
CN111914706A (zh) | 一种文字检测输出结果质量检测和控制的方法与装置 | |
CN116525133A (zh) | 核酸的自动采集方法、系统、电子设备及介质 | |
CN115830025A (zh) | 白细胞分类计数方法、系统、存储介质及计算机设备 | |
CN114170029A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN114140735A (zh) | 一种基于深度学习的货道堆积检测方法、系统及存储介质 | |
CN113420579A (zh) | 标识码位置定位模型的训练及定位方法、装置、电子设备 | |
CN110705633A (zh) | 目标物检测、目标物检测模型的建立方法及装置 |
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 |