[go: up one dir, main page]

CN115546493B - 基于列数据的包裹识别信息过滤去重方法及装置及介质 - Google Patents

基于列数据的包裹识别信息过滤去重方法及装置及介质 Download PDF

Info

Publication number
CN115546493B
CN115546493B CN202211553385.5A CN202211553385A CN115546493B CN 115546493 B CN115546493 B CN 115546493B CN 202211553385 A CN202211553385 A CN 202211553385A CN 115546493 B CN115546493 B CN 115546493B
Authority
CN
China
Prior art keywords
identification
result
frame
column data
identification result
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
Application number
CN202211553385.5A
Other languages
English (en)
Other versions
CN115546493A (zh
Inventor
姜旭
邓军
刘杰
拜正斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Zhiyuanhui Information Technology Co Ltd
Original Assignee
Chengdu Zhiyuanhui Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Zhiyuanhui Information Technology Co Ltd filed Critical Chengdu Zhiyuanhui Information Technology Co Ltd
Priority to CN202211553385.5A priority Critical patent/CN115546493B/zh
Publication of CN115546493A publication Critical patent/CN115546493A/zh
Application granted granted Critical
Publication of CN115546493B publication Critical patent/CN115546493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/273—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 removing elements interfering with the pattern to be recognised
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了基于列数据的包裹识别信息过滤去重方法及装置及介质，涉及包裹识别技术领域，包括：S1：接收到第i列数据图片，若i=1，则转到S2；若i>1，则转到S3；S2：对第i列数据图片进行识别，若获得识别结果，则转到S1和S6；若没有获得识别结果，则转到S1；S3：调用i之前所有列数据图片与第i列数据图片进行拼接，对拼接后的图片进行识别，若获得识别结果，则转到S4；若没有获得识别结果，则转到S1；S4：若获得当前识别结果之前，没有获得识别结果，则转到S1和S6；若获得当前识别结果之前已经获得识别结果，则转到S5；S5：调用上一个识别结果和当前识别结果进行去重融合操作，会得到新的识别结果，然后转到S1和S6；S6：存储并更新识别结果。

Description

基于列数据的包裹识别信息过滤去重方法及装置及介质
技术领域
本发明涉及包裹识别技术领域，具体包括基于列数据的包裹识别信息过滤去重方法及装置及介质。
背景技术
当X光机对包裹信息进行检测时，会通过列数据的方式一列一列的向远端的识图终端进行数据发送。同时，识图终端会持续不断的接收列数据且将列数据拼接成图片，并对图片进行识别。
在现有技术中，通常识图终端是在等待一个包裹的全部列数据图片拼接完成后，再对一个包裹进行识图。这种方法不能完成对列数据图片的动态识别，需要等待一个将包裹的全部列数据图片拼接完成的时间。
并且，若采用在拼接列数据图片的过程中，对一张拼接图片进行一次识别，得到识别结果，然后再对该拼接图片继续拼接列数据图片，会得到一张更大的拼接图片，对更大的拼接图片进行识别后，得到的识别结果就会跟上一次识别结果产生差异。
而在通常情况下，拼接的更大的图片自然会带有更多的信息，所以现有技术中普遍采用新的更大的图片的识别结果来覆盖掉旧的小的图片的识别结果。但是在实际操作中不免会出现比较特殊的情况，比如旧的小的图片的识别结果比新的更大的图片的识别结果更多的时候、新的更大的图片的识别结果中包含干扰信息更多的时候。所以对于列数据图片拼接前后的识别结果如何有效的融合成为了一个问题。
发明内容
本发明的目的是提供基于列数据的包裹识别信息过滤去重方法及装置及介质，通过不停的拼接列数据图片和识别列数据图片的过程中，对拼接前后的列数据图片进行识别，判断其拼接前后的识别结果，然后对拼接前后的识别结果进行一种有效的去重融合操作，不仅可以做到动态的识别包裹信息，还可以避免在包裹识别时，遇到特殊情况下，遗失重要的识别信息，或者识别到过多的干扰信息。
为解决上述技术问题，本发明采用了以下方案：
基于列数据的包裹识别信息过滤去重方法，具体包括以下步骤：
S1：接收到第i列数据图片，
若i=1，则转到步骤S2；
若i>1，则转到步骤S3；
S2：对第i列数据图片进行识别，
若获得识别结果，则转到步骤S1和步骤S6；
若没有获得识别结果，则转到步骤S1；
S3：调用i之前所有列数据图片与第i列数据图片进行拼接，对拼接后的图片进行识别，
若获得识别结果，则转到步骤S4；
若没有获得识别结果，则转到步骤S1；
S4：若获得当前识别结果之前，没有获得识别结果，则转到步骤S1和步骤S6；
若获得当前识别结果之前已经获得识别结果，则转到步骤S5；
S5：调用上一个识别结果和当前识别结果进行去重融合操作，会得到新的识别结果，然后转到步骤S1和步骤S6；
S6：存储并更新识别结果。
进一步的，所述识别结果包括识别框、识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H以及识别框内识别到的违禁品种类。
进一步的，所述S5中还包括以下步骤：
S51：根据上一个识别结果和当前识别结果来判断识别框是否重叠；
S52：根据发生重叠的识别框内识别到的违禁品种类来判断是否融合；
S53：根据识别框的重叠面积来判断融合方式。
进一步的，所述S51中还包括以下步骤：
若识别框发生重叠，则转到步骤S52；
若识别框不发生重叠，则将当前识别结果直接叠加上一个识别结果，作为最新的识别结果。
进一步的，所述S52中还包括以下步骤：
若识别框内识别到的违禁品种类是同一种类，则转到步骤S53；
若识别框内识别到的违禁品种类不是同一种类，则发生重叠的识别框的识别结果不变，以重叠的方式将识别框融合。
进一步的，所述S53中还包括以下步骤：
设定一个阈值z，阈值z为任意的百分比值，上一个识别结果和当前识别结果中识别框的重叠面积为h，上一个识别结果中识别框的面积为a，当前识别结果中识别框的面积为b，
若z≥h/a且z≥h/b或z<h/a且z≥h/b，上一个识别结果和当前识别结果中的识别框进行重叠融合；
若z<h/a且z<h/b或z≥h/a且z<h/b，当前识别结果中的识别框替代上一个识别结果中的识别框进行融合。
进一步的，所述h是由识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H来决定的，所述a和b是由识别框的宽W、识别框的高H来决定。
进一步的，所述识别具体为：进行违禁品种类识别
基于列数据的包裹识别信息过滤去重装置，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现所述的基于列数据的包裹识别信息过滤去重方法。
计算机可读存储的介质，其上存储有计算机程序，
所述计算机程序被处理器执行时能实现所述的基于列数据的包裹识别信息过滤去重方法。
本发明的有益效果：
本发明提高了基于列数据的包裹识别信息过滤去重方法及装置及介质，采用将持续不断地接收到的列数据图片进行按次序重复拼接组合并识别，再对拼接前后的列数据图片的不同的识别结果进行有效去重融合的手段。
由于现有技术中，通常采用等待一个包裹的全部列数据图片拼接完成后，再对该包裹进行识图，所述方法会产生一定的等待时间。而本技术手段采用持续不断的接收列数据图片，将列数据图片按次序重复拼接组合并识别的方法，可以实现动态识别。
并且因为拼接的更大的图片自然会带有更多的信息，所以现有技术普遍采用新的更大的图片的识别结果来覆盖掉旧的小的图片的识别结果。但是在实际操作中不免会出现比较特殊的情况，比如旧的小的图片的识别结果比新的更大的图片的识别结果更多的时候、新的更大的图片的识别结果中包含干扰信息更多的时候。所以本技术手段对拼接前后的列数据图片进行识别，根据得到的识别框的位置和大小以及识别框内的违禁品种类来进行判断，通过去重融合的操作来筛选信息，最终获得有效的识别信息，避免产生信息的丢失或者识别到的信息多为干扰信息。
附图说明
图1为本发明的流程的示意图。
图2为本发明的第i列数据图片的识别结果的示意图。
图3为本发明的第i列数据图片和i之前所有列数据图片的拼图的识别结果的示意图。
图4为本发明的识别结果重叠的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
下面通过参考附图并结合实施例来详细说明本发明：
实施例1
基于列数据的包裹识别信息过滤去重方法，具体包括以下步骤：
S1：接收到第i列数据图片，
若i=1，则转到步骤S2；
若i>1，则转到步骤S3；
S2：对第i列数据图片进行识别，
若获得识别结果，则转到步骤S1和步骤S6；
若没有获得识别结果，则转到步骤S1；
S3：调用i之前所有列数据图片与第i列数据图片进行拼接，对拼接后的图片进行识别，
若获得识别结果，则转到步骤S4；
若没有获得识别结果，则转到步骤S1；
S4：若获得当前识别结果之前，没有获得识别结果，则转到步骤S1和步骤S6；
若获得当前识别结果之前已经获得识别结果，则转到步骤S5；
S5：调用上一个识别结果和当前识别结果进行去重融合操作，会得到新的识别结果，然后转到步骤S1和步骤S6；
S6：存储并更新识别结果。
优选的，所述识别具体为：进行违禁品种类识别。
具体的，所述识别结果包括识别框、识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H以及识别框内识别到的违禁品种类。
如图1所示，例如，当输入第一列数据图片时，然后对第一列数据图片进行识图，得到识别结果。
接着输入第二列数据图片时，然后从列数据图片存储器中调用从第一列数据图片，将第一列数据图片和第二列数据图片进行拼接，得到拼接后的图片。然后对拼接后的图片进行识图，得到识别结果，将该识别结果作为当前识别结果。由于获得当前识别结果前已经获得识别结果，所以对当前识别结果和上一个识别结果进行去重融合操作，去重融合操作后可以得到新的识别结果，将新的识别结果发送给识别结果存储器进行存储。所述上一个识别结果为对第一列数据图片进行识图得到的识别结果。
接着输入第三列数据图片时，然后从列数据图片存储器中调用从第一列数据图片和第二列数据图片进行按次序拼接，得到新的拼接后的图片。然后对新的拼接后的图片进行识图，得到识别结果，将识别结果作为当前识别结果。由于获得当前识别结果前已经获得识别结果，所以对当前识别结果和上一个识别结果进行去重融合操作，去重融合操作后可以得到新的识别结果，将新的识别结果发送给识别结果存储器更新替换上一个识别结果。所述上一个识别结果为存储器中存储的去重融合操作后得到的新的识别结果。
若对第一列数据图片进行识图，得到第一识别结果，如图2所示，第一识别结果包括识别框、识别框左下角的坐标（X，Y），识别框的宽W，识别框的高H以及识别框内识别到的违禁品种类m。
若对拼接后的图片进行识图，得到第二识别结果，如图3所示，第二识别结果包括识别框、识别框左下角的坐标（X+△X，Y+△Y），识别框的宽W+△W，识别框的高H+△H以及识别框内识别到的违禁品种类n。
优选的，所述S5中还包括以下步骤：
S51：根据上一个识别结果和当前识别结果来判断识别框是否重叠；
S52：根据发生重叠的识别框内识别到的违禁品种类来判断是否融合；
S53：根据识别框的重叠面积来判断融合方式。
如图4所示，然后对第一识别结果和第二识别结果进行去重融合操作，先根据识别框左下角的坐标、识别框的宽和高来对识别框面积进行对比，可以判断出识别框有重叠。
优选的，所述S51中还包括以下步骤：
若识别框发生重叠，则转到步骤S52；
若识别框不发生重叠，则将当前识别结果直接叠加上一个识别结果，作为最新的识别结果。
优选的，所述S52中还包括以下步骤：
若识别框内识别到的违禁品种类是同一种类，则转到步骤S53；
若识别框内识别到的违禁品种类不是同一种类，则发生重叠的识别框的识别结果不变，以重叠的方式将识别框融合。
优选的，所述S53中还包括以下步骤：
设定一个阈值z，阈值z为任意的百分比值，上一个识别结果和当前识别结果中识别框的重叠面积为h，上一个识别结果中识别框的面积为a，当前识别结果中识别框的面积为b，
若z≥h/a且z≥h/b，那么说明上一个识别结果和当前识别结果中包含的是两个不同的违禁品，则使上一个识别结果和当前识别结果中的识别框进行重叠融合；
若z<h/a且z≥h/b，那么说明上一个识别结果中包含的小违禁品被当前识别结果中包含的大违禁品遮挡干扰，则使上一个识别结果和当前识别结果中的识别框进行重叠融合；
若z<h/a且z<h/b，那么说明上一个识别结果和当前识别结果中包含的是两个相同的违禁品，则使当前识别结果中的识别框替代上一个识别结果中的识别框进行融合；
若z≥h/a且z<h/b，那么说明上一个识别结果中包含的大违禁品被当前识别结果中包含的小违禁品遮挡干扰，但是这种情况不太可能发生，可以理解为识别错误，则使当前识别结果中的识别框替代上一个识别结果中的识别框进行融合。
优选的，所述h是由识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H来决定的，所述a和b是由识别框的宽W、识别框的高H来决定。
实施例2
基于列数据的包裹识别信息过滤去重装置，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现所述的基于列数据的包裹识别信息过滤去重方法。
计算机可读存储的介质，其上存储有计算机程序，
所述计算机程序被处理器执行时能实现所述的基于列数据的包裹识别信息过滤去重方法。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (5)

1.基于列数据的包裹识别信息过滤去重方法，其特征在于，具体包括以下步骤：
S1：接收到第i列数据图片，
若i=1，则转到步骤S2；
若i>1，则转到步骤S3；
S2：对第i列数据图片进行识别，
若获得识别结果，所述识别结果包括识别框、识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H以及识别框内识别到的违禁品种类，则转到步骤S1和步骤S6；
若没有获得识别结果，则转到步骤S1；
S3：调用i之前所有列数据图片与第i列数据图片进行拼接，对拼接后的图片进行识别，
若获得识别结果，则转到步骤S4；
若没有获得识别结果，则转到步骤S1；
S4：若获得当前识别结果之前，没有获得识别结果，则转到步骤S1和步骤S6；
若获得当前识别结果之前已经获得识别结果，则转到步骤S5；
S5：调用上一个识别结果和当前识别结果进行去重融合操作，会得到新的识别结果，然后转到步骤S1和步骤S6，
S51：根据上一个识别结果和当前识别结果来判断识别框是否重叠，
若识别框发生重叠，则转到步骤S52；
若识别框不发生重叠，则将当前识别结果直接叠加上一个识别结果，作为最新的识别结果；
S52：根据发生重叠的识别框内识别到的违禁品种类来判断是否融合，
若识别框内识别到的违禁品种类是同一种类，则转到步骤S53；
若识别框内识别到的违禁品种类不是同一种类，则发生重叠的识别框的识别结果不变，以重叠的方式将识别框融合；
S53：根据识别框的重叠面积来判断融合方式，
设定一个阈值z，阈值z为任意的百分比值，上一个识别结果和当前识别结果中识别框的重叠面积为h，上一个识别结果中识别框的面积为a，当前识别结果中识别框的面积为b，
若z≥h/a且z≥h/b或z<h/a且z≥h/b，上一个识别结果和当前识别结果中的识别框进行重叠融合；
若z<h/a且z<h/b或z≥h/a且z<h/b，当前识别结果中的识别框替代上一个识别结果中的识别框进行融合；
S6：存储并更新识别结果。
2.根据权利要求1所述的基于列数据的包裹识别信息过滤去重方法，其特征在于，所述h是由识别框左下角的横坐标X、识别框左下角的纵坐标Y、识别框的宽W、识别框的高H来决定的，所述a和b是由识别框的宽W、识别框的高H来决定。
3.根据权利要求1所述的基于列数据的包裹识别信息过滤去重方法，其特征在于，所述识别具体为：进行违禁品种类识别。
4.基于列数据的包裹识别信息过滤去重装置，其特征在于，包括：
一个或多个处理器；
存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现根据权利要求1至3中任意一项所述的基于列数据的包裹识别信息过滤去重方法。
5.计算机可读存储的介质，其上存储有计算机程序，其特征在于，
所述计算机程序被处理器执行时能实现根据权利要求1至3中任意一项所述的基于列数据的包裹识别信息过滤去重方法。
CN202211553385.5A 2022-12-06 2022-12-06 基于列数据的包裹识别信息过滤去重方法及装置及介质 Active CN115546493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211553385.5A CN115546493B (zh) 2022-12-06 2022-12-06 基于列数据的包裹识别信息过滤去重方法及装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211553385.5A CN115546493B (zh) 2022-12-06 2022-12-06 基于列数据的包裹识别信息过滤去重方法及装置及介质

Publications (2)

Publication Number Publication Date
CN115546493A CN115546493A (zh) 2022-12-30
CN115546493B true CN115546493B (zh) 2023-05-02

Family

ID=84722397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211553385.5A Active CN115546493B (zh) 2022-12-06 2022-12-06 基于列数据的包裹识别信息过滤去重方法及装置及介质

Country Status (1)

Country Link
CN (1) CN115546493B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117635965B (zh) * 2023-11-10 2024-12-20 北京声迅电子股份有限公司 基于x光图像的违禁品识别方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4014085B2 (ja) * 2002-07-25 2007-11-28 株式会社リコー 画像処理装置、プログラム及び記憶媒体
US20100082564A1 (en) * 2008-10-01 2010-04-01 Navteq North America, Llc Spatial Index for Locating Geographic Data Parcels Stored on Physical Storage Media
US8584951B2 (en) * 2008-12-11 2013-11-19 Ncr Corporation Apparatus, method and system for extracting pixel data from an image capture device
US9507589B2 (en) * 2013-11-07 2016-11-29 Red Hat, Inc. Search based content inventory comparison
FR3052761B1 (fr) * 2016-06-16 2021-10-22 Syleps Procede et dispositif d'egrainage de colis a debit regule.
DE102020105217B3 (de) * 2020-02-27 2021-02-25 Deutsche Post Ag Verfahren zum Verfolgen von Packstücken auf einer Förderstrecke
DE102020126448B4 (de) * 2020-10-08 2022-11-10 Deutsche Post Ag Verfahren und Vorrichtung zum Beladen von Behältern mit Packstücken
CN114428875A (zh) * 2020-10-29 2022-05-03 苏宁云计算有限公司 一种行人重识别建库的方法、装置、计算机设备和存储介质
CN113268403B (zh) * 2021-05-25 2023-10-31 中国联合网络通信集团有限公司 时间序列的分析预测方法、装置、设备及存储介质
CN113780467A (zh) * 2021-09-27 2021-12-10 重庆紫光华山智安科技有限公司 模型训练方法、装置、计算机设备及存储介质
CN114694064B (zh) * 2022-03-23 2023-05-02 成都智元汇信息技术股份有限公司 一种基于目标识别的切图方法与系统
CN114693700A (zh) * 2022-03-23 2022-07-01 成都智元汇信息技术股份有限公司 一种基于多源列数据的调度分配方法、智能识图盒子
CN115345862B (zh) * 2022-08-23 2023-03-10 成都智元汇信息技术股份有限公司 基于列数据的仿x光机扫描成像的方法及装置和显示器
CN115375549A (zh) * 2022-08-30 2022-11-22 金锋馥(滁州)科技股份有限公司 一种多包裹分离系统多相机图像拼接算法设计

Also Published As

Publication number Publication date
CN115546493A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
CN115546493B (zh) 基于列数据的包裹识别信息过滤去重方法及装置及介质
CN111859865A (zh) 用于转换pdf文档的方法、装置、终端及介质
CN113506293A (zh) 一种图像处理方法、装置、设备及存储介质
US11073818B2 (en) Development support apparatus, program development support method, and program development support program
CN110007915A (zh) 一种自适应子控件的线性布局方法及装置
CN111290752B (zh) 一种web表格的边框处理方法和装置
CN105447839A (zh) 矩形框的合并方法及合并系统
CN110458202B (zh) 图片处理方法、装置、设备及计算机可读存储介质
CN115563396B (zh) 可降级的中心化智能推送方法及装置
CN114187502A (zh) 车辆装载率识别方法、装置、电子设备及存储介质
CN114217710B (zh) 弹框控制方法、装置、存储介质及系统
CN112580638B (zh) 文本检测方法、装置、存储介质及电子设备
CN111402368A (zh) 一种绘制图形的矫正方法及终端
CN104199894A (zh) 一种文件扫描方法及装置
US11989560B2 (en) Method and device for executing instructions to perform artificial intelligence
CN109783389A (zh) 元素控件自动测试方法、装置及电子设备
CN107544744A (zh) 一种系统数据的动态构建方法、装置及终端
CN111723316B (zh) 字符串的渲染方法、装置、终端设备及计算机存储介质
CN114445604A (zh) 虚拟对象处理方法、装置、设备及存储介质
CN115567586B (zh) 智能识图结果与原图片分离的中心化智能推送方法及装置
US20240420362A1 (en) Target Detection Method and Apparatus
CN114330684B (zh) 池化算法的硬件加速方法、装置、系统与可读存储介质
CN112508927B (zh) 一种基于错误特征识别的贴片图像识别方法及装置
CN117033239A (zh) 一种控件匹配方法、装置、计算机设备及存储介质
CN107172500B (zh) 网页中视频播放方法及装置

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