JP7073607B2 - 穀物の識別方法、装置およびコンピュータ記憶媒体 - Google Patents
穀物の識別方法、装置およびコンピュータ記憶媒体 Download PDFInfo
- Publication number
- JP7073607B2 JP7073607B2 JP2020533125A JP2020533125A JP7073607B2 JP 7073607 B2 JP7073607 B2 JP 7073607B2 JP 2020533125 A JP2020533125 A JP 2020533125A JP 2020533125 A JP2020533125 A JP 2020533125A JP 7073607 B2 JP7073607 B2 JP 7073607B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- grain
- identification
- data
- identified
- 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
- 238000000034 method Methods 0.000 title claims description 101
- 238000012549 training Methods 0.000 claims description 53
- 230000015654 memory Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 27
- 235000013339 cereals Nutrition 0.000 description 204
- 240000007594 Oryza sativa Species 0.000 description 72
- 235000007164 Oryza sativa Nutrition 0.000 description 72
- 235000009566 rice Nutrition 0.000 description 72
- 238000010411 cooking Methods 0.000 description 14
- 240000002582 Oryza sativa Indica Group Species 0.000 description 9
- 230000001360 synchronised effect Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000005291 magnetic effect Effects 0.000 description 7
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000009966 trimming Methods 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005294 ferromagnetic effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/476—Contour-based spatial representations, e.g. vector-coding using statistical shape modelling, e.g. point distribution models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
本発明の実施例は、穀物の識別方法を提供し、前記方法は、
識別される穀物を含む第1画像データを取得することと、
前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得し、前記第1画像データおよび第2識別モデルに基づいて第2識別結果を取得することであって、前記第1識別結果は、前記識別される穀物の属するタイプを表し、前記第2識別結果は、前記識別される穀物の属する品種を表すことと、
前記第1識別結果および前記第2識別結果に基づいて前記識別される穀物の情報を決定することとを含む。
複数の第2画像情報を取得することであって、前記第2画像情報は、第2画像データおよび対応するタグデータを含むことと、
前記第2画像データに対して特徴強調処理を実行して、特徴強調画像データを取得することと、
前記特徴強調画像データに対してデータ強調処理を実行して、データ強調画像データを取得することと、
前記データ強調画像データおよび対応するタグデータに基づいて学習トレーニングを実行して、識別モデルを取得することとを含む。
前記タグデータが穀物の属する品種を表す場合、前記識別モデルを取得することは、第2識別モデルを取得することを含む。
前記第2画像データの輝度を識別し、前記輝度に基づいて前記第2画像データをトリミングして、第2画像サブデータを取得することであって、前記第2画像サブデータの輝度差は、プリセット条件を満たすことをさらに含み、
対応的に、前記第2画像データに対して特徴強調処理を実行することは、前記第2画像サブデータに対して特徴強調処理を実行することを含む。
前記第2画像データをグレースケール画像に変換し、前記グレースケール画像に対してコントラスト強調処理を実行して、コントラスト強調画像データを取得することと、前記コントラスト強調画像データに基づいて特徴強調画像データを取得することとを含む。
前記特徴強調画像データに対して反転および/または回転を実行して、前記特徴強調画像データに対応する反転画像データおよび/または回転画像データを取得することと、前記反転画像データおよび/または回転画像データに基づいてデータ強調画像データを生成することとを含む。
前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得することと、前記第1識別結果における前記識別される穀物の属するタイプの信頼度を取得することと、前記識別される穀物の属するタイプの信頼度が第1プリセット条件に達する場合、前記第1画像データおよび前記第2識別モデルに基づいて第2識別結果を取得することと、前記第2識別結果における前記識別される穀物の属する品種の信頼度を取得することと、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達する場合、前記識別される穀物の情報を前記識別される穀物の属する品種として決定することと、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達しない場合、前記識別される穀物の情報を前記識別される穀物の属するタイプとして決定することとを含む。
プロセッサ上で実行可能なコンピュータプログラムを記憶するためのメモリを含み、
前記プロセッサは、前記コンピュータプログラムを実行するとき、識別される穀物を含む第1画像データを取得すること、前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得し、前記第1画像データおよび第2識別モデルに基づいて第2識別結果を取得することであって、前記第1識別結果は、前記識別される穀物の属するタイプを表し、前記第2識別結果は、前記識別される穀物の属する品種を表すこと、前記第1識別結果および前記第2識別結果に基づいて前記識別される穀物の情報を決定することを実行するように構成される。
一実施例において、前記プロセッサ31は、前記コンピュータプログラムを実行するとき、前記第2画像データをグレースケール画像に変換し、前記グレースケール画像に対してコントラスト強調処理を実行して、コントラスト強調画像データを取得すること、前記コントラスト強調画像データに基づいて特徴強調画像データを取得することを実行するように構成される。
32 メモリ
33 バスシステム
Claims (11)
- 穀物の識別方法であって、前記方法は、
識別される穀物を含む第1画像データを取得することと、
前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得し、前記第1画像データおよび第2識別モデルに基づいて第2識別結果を取得することであって、前記第1識別結果は、前記識別される穀物の属するタイプを表し、前記第2識別結果は、前記識別される穀物の属する品種を表すことと、
前記第1識別結果および前記第2識別結果に基づいて前記識別される穀物の情報を決定することと、
複数の第2画像情報を取得することであって、前記第2画像情報は、第2画像データおよび対応するタグデータを含むことと、
前記第2画像データに対して特徴強調処理を実行して、特徴強調画像データを取得することと、
前記特徴強調画像データに対してデータ強調処理を実行して、データ強調画像データを取得することと、
前記データ強調画像データおよび対応するタグデータに基づいて学習トレーニングを実行して、識別モデルを取得することと、を含み、さらに
前記第2画像データに対して特徴強調処理を実行する前に、前記穀物の識別方法は、
前記第2画像データの輝度を識別し、前記輝度に基づいて前記第2画像データをトリミングして、第2画像サブデータを取得することであって、前記第2画像サブデータの輝度差は、プリセット条件を満たすこと、を含み、
対応的に、前記第2画像データに対して特徴強調処理を実行することは、前記第2画像サブデータに対して特徴強調処理を実行することを含む、穀物の識別方法。 - 前記タグデータが穀物の属するタイプを表す場合、識別モデルを取得することは、第1識別モデルを取得することを含み、
前記タグデータが穀物の属する品種を表す場合、前記識別モデルを取得することは、第2識別モデルを取得することを含む、
請求項1に記載穀物の識別方法。 - 前記第2画像データに対して特徴強調処理を実行して、特徴強調画像データを取得することは、
前記第2画像データをグレースケール画像に変換し、前記グレースケール画像に対してコントラスト強調処理を実行して、コントラスト強調画像データを取得することと、前記コントラスト強調画像データに基づいて特徴強調画像データを取得することとを含む、
請求項1または2に記載の穀物の識別方法。 - 前記特徴強調画像データに対してデータ強調処理を実行して、データ強調画像データを取得することは、
前記特徴強調画像データに対して反転および/または回転を実行して、前記特徴強調画像データに対応する反転画像データおよび/または回転画像データを取得することと、前記反転画像データおよび/または回転画像データに基づいてデータ強調画像データを生成することとを含む、
請求項1または2に記載の穀物の識別方法。 - 前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得し、前記第1画像データおよび第2識別モデルに基づいて第2識別結果を取得し、前記第1識別結果および前記第2識別結果に基づいて前記識別される穀物の情報を決定することは、
前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得することと、前記第1識別結果における前記識別される穀物の属するタイプの信頼度を取得することと、前記識別される穀物の属するタイプの信頼度が第1プリセット条件に達する場合、前記第1画像データおよび前記第2識別モデルに基づいて第2識別結果を取得することと、前記第2識別結果における前記識別される穀物の属する品種の信頼度を取得することと、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達する場合、前記識別される穀物の情報を前記識別される穀物の属する品種として決定することと、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達しない場合、前記識別される穀物の情報を前記識別される穀物の属するタイプとして決定することとを含む、
請求項1に記載の穀物の識別方法。 - 穀物の識別装置であって、
プロセッサ上で実行可能なコンピュータプログラムを記憶するためのメモリを含み、
前記プロセッサは、前記コンピュータプログラムを実行するとき、識別される穀物を含む第1画像データを取得すること、前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得し、前記第1画像データおよび第2識別モデルに基づいて第2識別結果を取得することであって、前記第1識別結果は、前記識別される穀物の属するタイプを表し、前記第2識別結果は、前記識別される穀物の属する品種を表すこと、前記第1識別結果および前記第2識別結果に基づいて前記識別される穀物の情報を決定することを実行するように構成され、
前記プロセッサは、さらに、前記コンピュータプログラムを実行するとき、複数の第2画像情報を取得することであって、前記第2画像情報は、第2画像データおよび対応するタグデータを含むこと、前記第2画像データに対して特徴強調処理を実行して、特徴強調画像データを取得すること、前記特徴強調画像データに対してデータ強調処理を実行して、データ強調画像データを取得すること、前記データ強調画像データおよび対応するタグデータに基づいて学習トレーニングを実行して、識別モデルを取得することを実行するように構成され、
前記プロセッサは、さらに、前記コンピュータプログラムを実行するとき、前記第2画像データの輝度を識別し、前記輝度に基づいて前記第2画像データをトリミングして、第2画像サブデータを取得することであって、前記第2画像サブデータの輝度差は、プリセット条件を満たすこと、前記第2画像サブデータに対して特徴強調処理を実行して、特徴強調画像データを取得することを実行するように構成される、穀物の識別装置。 - 前記プロセッサは、さらに、前記コンピュータプログラムを実行するとき、前記タグデータが穀物の属するタイプを表す場合、第1識別モデルを取得すること、前記タグデータが穀物の属する品種を表す場合、第2識別モデルを取得することを実行するように構成される、
請求項6に記載の穀物の識別装置。 - 前記プロセッサは、前記コンピュータプログラムを実行するとき、前記第2画像データをグレースケール画像に変換し、前記グレースケール画像に対してコントラスト強調処理を実行して、コントラスト強調画像データを取得すること、前記コントラスト強調画像データに基づいて特徴強調画像データを取得することを実行するように構成される、
請求項6~7のいずれか一項に記載の穀物の識別装置。 - 前記プロセッサは、前記コンピュータプログラムを実行するとき、前記特徴強調画像データに対して反転および/または回転を実行して、前記特徴強調画像データに対応する反転画像データおよび/または回転画像データを取得すること、前記反転画像データおよび/または回転画像データに基づいてデータ強調画像データを生成することを実行するように構成される、
請求項6~7のいずれか一項に記載の穀物の識別装置。 - 前記プロセッサは、前記コンピュータプログラムを実行するとき、前記第1画像データおよび第1識別モデルに基づいて第1識別結果を取得すること、前記第1識別結果における前記識別される穀物の属するタイプの信頼度を取得すること、前記識別される穀物の属するタイプの信頼度が第1プリセット条件に達する場合、前記第1画像データおよび前記第2識別モデルに基づいて第2識別結果を取得すること、前記第2識別結果における前記識別される穀物の属する品種の信頼度を取得すること、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達する場合、前記識別される穀物の情報を前記識別される穀物の属する品種として決定すること、前記識別される穀物の属する品種の信頼度が第2プリセット条件に達しない場合、前記識別される穀物の情報を前記識別される穀物の属するタイプとして決定することを実行するように構成される、
請求項6に記載の穀物の識別装置。 - コンピュータ命令を記憶するように構成されるコンピュータ記憶媒体であって、
前記コンピュータ命令がプロセッサによって実行されるとき、請求項1~5のいずれか一項に記載の方法のステップを実現する、コンピュータ記憶媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/119932 WO2019127400A1 (zh) | 2017-12-29 | 2017-12-29 | 一种谷物识别方法、装置和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021507389A JP2021507389A (ja) | 2021-02-22 |
JP7073607B2 true JP7073607B2 (ja) | 2022-05-24 |
Family
ID=67062898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533125A Active JP7073607B2 (ja) | 2017-12-29 | 2017-12-29 | 穀物の識別方法、装置およびコンピュータ記憶媒体 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3715834B1 (ja) |
JP (1) | JP7073607B2 (ja) |
KR (1) | KR102333500B1 (ja) |
CN (1) | CN111033240A (ja) |
WO (1) | WO2019127400A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310815A (zh) * | 2020-02-07 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN113591740B (zh) * | 2021-08-04 | 2024-05-14 | 清华大学 | 基于深度学习的复杂河流环境下泥沙颗粒识别方法及装置 |
CN116343201B (zh) * | 2023-05-29 | 2023-09-19 | 安徽高哲信息技术有限公司 | 谷粒类别识别方法、装置及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002312762A (ja) | 2001-04-12 | 2002-10-25 | Seirei Ind Co Ltd | ニューラルネットワークを利用した穀粒選別装置 |
JP2016062524A (ja) | 2014-09-22 | 2016-04-25 | 日本電気株式会社 | データ処理システム、データ処理方法およびデータ処理プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6148099A (en) * | 1997-07-03 | 2000-11-14 | Neopath, Inc. | Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification |
CN101701916B (zh) * | 2009-12-01 | 2011-05-18 | 中国农业大学 | 一种玉米品种快速鉴定、鉴别方法 |
CN101788497B (zh) * | 2009-12-30 | 2013-05-29 | 深圳先进技术研究院 | 一种基于图像识别技术的嵌入式豆类分类系统 |
CN102279976A (zh) * | 2011-09-22 | 2011-12-14 | 河南工业大学 | 不同糙米籽粒识别的bp神经网络构建及识别方法 |
KR101402764B1 (ko) * | 2012-06-21 | 2014-06-03 | 박지명 | 취사시 물의 양을 자동 조절하는 전기밥솥 |
CN103268492B (zh) * | 2013-04-19 | 2016-03-30 | 北京农业信息技术研究中心 | 一种玉米籽粒类型识别方法 |
CN106326794A (zh) * | 2015-07-07 | 2017-01-11 | 北京奈思膳品科技有限公司 | 一种烹饪系统、终端、服务器及烹饪方法 |
CN105547915A (zh) * | 2016-01-11 | 2016-05-04 | 北京广度漫想科技有限公司 | 基于密度模型的硬壳类食品的新鲜度测定系统及其方法 |
-
2017
- 2017-12-29 JP JP2020533125A patent/JP7073607B2/ja active Active
- 2017-12-29 CN CN201780092478.3A patent/CN111033240A/zh active Pending
- 2017-12-29 WO PCT/CN2017/119932 patent/WO2019127400A1/zh unknown
- 2017-12-29 EP EP17936231.4A patent/EP3715834B1/en active Active
- 2017-12-29 KR KR1020207017704A patent/KR102333500B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002312762A (ja) | 2001-04-12 | 2002-10-25 | Seirei Ind Co Ltd | ニューラルネットワークを利用した穀粒選別装置 |
JP2016062524A (ja) | 2014-09-22 | 2016-04-25 | 日本電気株式会社 | データ処理システム、データ処理方法およびデータ処理プログラム |
Non-Patent Citations (1)
Title |
---|
Megha R. Siddagangappa1, Asso.Prof. A. H. Kulkarni,Classification and Quality Analysis of Food Grains,IOSR Journal of Computer Engineering (IOSR-JCE),IOSR,2014年08月31日,Volume 16, Issue 4, Ver. III,http://www.iosrjournals.org/iosr-jce/papers/Vol16-issue4/Version-3/A016430110.pdf |
Also Published As
Publication number | Publication date |
---|---|
EP3715834A1 (en) | 2020-09-30 |
JP2021507389A (ja) | 2021-02-22 |
EP3715834B1 (en) | 2024-04-03 |
CN111033240A (zh) | 2020-04-17 |
EP3715834A4 (en) | 2021-01-13 |
KR20200087243A (ko) | 2020-07-20 |
KR102333500B1 (ko) | 2021-12-01 |
WO2019127400A1 (zh) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108767B (zh) | 一种谷物识别方法、装置和计算机存储介质 | |
KR102667525B1 (ko) | Ar/vr 디지털 콘텐츠를 생성하기 위한 디지털 이미지 적합성 결정 | |
CN108701352A (zh) | 使用基于三维对象模型的识别的图像修改与增强 | |
CN107145833A (zh) | 人脸区域的确定方法和装置 | |
JP7073607B2 (ja) | 穀物の識別方法、装置およびコンピュータ記憶媒体 | |
US11132547B2 (en) | Emotion recognition-based artwork recommendation method and device, medium, and electronic apparatus | |
TW201832137A (zh) | 識別圖像中物件的類型預測方法、裝置及電子設備 | |
CN105574910A (zh) | 电子设备和用于在电子设备中提供过滤器的方法 | |
WO2015167975A1 (en) | Rating photos for tasks based on content and adjacent signals | |
CN107437072B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
JP2024515532A (ja) | 1つ以上のユーザ固有の頭皮分類を生成するために、ユーザの頭皮の頭皮領域の画素データを分析するためのデジタル撮像及び学習システム並びに方法 | |
CN108701355A (zh) | Gpu优化和在线基于单高斯的皮肤似然估计 | |
EP4128026A1 (en) | Identification of physical products for augmented reality experiences in a messaging system | |
KR102453207B1 (ko) | 곡물 평가 방법, 장치 및 저장 매체 | |
US20210279589A1 (en) | Electronic device and control method thereof | |
CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
JP2022063236A (ja) | 画像処理装置、方法、機器及びコンピュータ読み取り可能な記憶媒体 | |
US20160140748A1 (en) | Automated animation for presentation of images | |
CN116229188B (zh) | 图像处理显示方法、分类模型的生成方法及其设备 | |
JP2020144785A (ja) | 画像収集装置、画像収集システム、画像収集方法及び画像収集プログラム | |
JP7362924B2 (ja) | データ増強基盤空間分析モデル学習装置及び方法 | |
CN114565506B (zh) | 图像颜色迁移方法、装置、设备及存储介质 | |
CN114625456B (zh) | 目标图像显示方法、装置及设备 | |
KR102621076B1 (ko) | 인공지능 모델을 이용한 공간인식 기반 화훼상품 추천 관리장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200616 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211119 |
|
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: 20220412 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7073607 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |