CN109101937A - 物品识别方法、装置、云端服务器、智能家电设备及*** - Google Patents
物品识别方法、装置、云端服务器、智能家电设备及*** Download PDFInfo
- Publication number
- CN109101937A CN109101937A CN201810958930.6A CN201810958930A CN109101937A CN 109101937 A CN109101937 A CN 109101937A CN 201810958930 A CN201810958930 A CN 201810958930A CN 109101937 A CN109101937 A CN 109101937A
- Authority
- CN
- China
- Prior art keywords
- article
- picture
- default
- intelligent appliance
- judging
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种物品识别方法、装置、云端服务器、智能家电设备及***,本发明通过根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测,从而有效解决了现有技术中智能家电设备只能实现对食材进行监测,而不能够对其内的其他物品进行监测。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种物品识别方法、装置、云端服务器智能家电设备及物品识别***。
背景技术
现在随着WIFI网络、智能手机的普及,越来越多的智能家电设备开始走智能化的道路,并且为了提升用户体验,现有的智能家电设备的功能也越来越多,例如,现有的智能冰箱等智能家电都具有拍照功能,通过将智能家电设备内存储的物品进行拍照,并发送给与该智能家电设备相关联的终端上,使得用户能够通过终端及时监测智能家电设备内物品的状态。但是以智能冰箱为例,现有的智能冰箱的拍照功能仅供用户来监测食材的状态,例如,监测食材是否变质等,而并不能对其他物品进行监测。
也就是说,现有的智能家电设备只能实现对食材进行监测,而不能够对其内的其他物品进行监测。
发明内容
本发明提供了一种物品识别方法、装置、云端服务器智能家电设备及物品识别***,以解决现有技术中智能家电设备只能实现对食材进行监测,而不能够对其内的其他物品进行监测的问题。
本发明第一实施例提供了一种物品识别方法,该方法包括:对图片中的物品进行识别,判断识别出的物品是否是预设物品;当判断物品是预设物品后,执行与物品相对应的预设处理;预设物品包括以下中的一种或多种:食材、危险物品和违禁物品,图片为智能家电设备获取的智能家电设备内的物品的图片。
可选地,该方法还包括:建立识别训练模型;
对图片中的物品进行识别,判断识别出的物品是否是预设物品,具体包括:通过识别训练模型对图片中的物品进行识别,并判断识别出的物品是否是预设物品。
可选地,建立识别训练模型,具体包括:从互联网爬取危险物品和违禁物品的图片;将爬取的图片按照预设的比例分成训练图片和测试图片;基建立训练模型,通过训练图片对训练模型进行训练,并通过测试图片对训练模型进行验证,得到识别训练模型。
可选地,基建立训练模型具体包括:基于快速循环卷积神经网络FasterRCNN、maskrcnn、ssd或者yolo建立训练模型。
可选地,该方法还包括:通过智能家电拍摄的预设物品的图片对识别训练模型进行微调。
可选地,当判断物品是预设物品后,执行与物品相对应的预设处理,具体包括:当判断物品是食材后,将图片发送给绑定的终端,以使终端对食材进行监测;当判断物品是危险物品后,进行报警提示;当判断物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
可选地,危险物品包括以下中的一种或多种:农药和***物品
违禁物品包括以下中的一种或多种:***弹药和吸毒工具。
本发明第二实施例提供了一种物品识别装置,该装置包括:
识别判断单元,用于对图片中的物品进行识别,判断识别出的物品是否是预设物品;
处理单元,用于当识别判断单元判断物品是预设物品后,执行与物品相对应的预设处理;
预设物品包括以下中的一种或多种:食材、危险物品和违禁物品;图片为智能家电设备获取的智能家电设备内的物品的图片。
可选地,该装置还包括:建立单元;建立单元,用于建立识别训练模型;
识别单元还用于,通过识别训练模型对图片中的物品进行识别。
可选地,建立单元还用于,从互联网爬取危险物品和违禁物品的图片,将爬取的图片按照预设的比例分成训练图片和测试图片,基于快速循环卷积神经网络Faster RCNN建立训练模型,通过训练图片对训练模型进行训练,并通过测试图片对训练模型进行验证,得到识别训练模型。
可选地,建立单元还用于,基于快速循环卷积神经网络Faster RCNN、maskrcnn、ssd或者yolo建立训练模型。
可选地,建立单元还用于,通过智能家电拍摄的预设物品的图片对识别训练模型进行微调。
可选地,处理单元还用于,当判断物品是食材后,将图片发送给绑定的终端,以使终端对食材进行监测;当判断物品是危险物品后,进行报警提示;当判断物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
本发明第三实施例提供了一种云端服务器,云端服务器包括上述任意一种的物品识别装置。
本发明第四施例提供了一种智能家电设备,智能家电设备包括上述任意一种的物品识别装置。
本发明第五施例提供了一种物品识别***,该***包括:
智能家电,用于对其内部的物品进行拍摄,并将拍摄得到的图片发送给云端服务器;
云端服务器,用于对图片中的物品进行识别,判断识别出的物品是否是预设物品;当判断物品是预设物品后,执行与物品相对应的预设处理;
其中,预设物品包括以下中的一种或多种:食材、危险物品和违禁物品。
可选地,云端服务器还用于,通过建立的识别训练模型对图片中的物品进行识别,并判断识别出的物品是否是预设物品。
本发明有益效果如下:
本发明通过根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测,从而有效解决了现有技术中智能家电设备只能实现对食材进行监测,而不能够对其内的其他物品进行监测。
附图说明
图1是本发明第一实施例提供的一种物品识别方法的流程示意图;
图2是本发明第一实施例提供的另一种物品识别方法的流程示意图;
图3是本发明第二实施例提供的物品识别装置的结构示意图;
图4是本发明第三实施例提供的物品识别***的结构示意图。
具体实施方式
为了解决现有技术中智能家电设备只能实现对正常的物品进行监测,而不能够对危险物品等进行监测的问题,本发明提供了一种物品识别方法,本发明实施例通过根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测。以下结合附图以及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
本发明第一实施例提供了一种物品识别方法,参见图1,该方法包括:
S101、对图片中的物品进行识别;
S102、判断识别出的物品是否是预设物品,当判断物品是预设物品后,进入下一步;
S103、根据预设物品执行与预设物品相对应的预设处理。
也就是说,本发明实施例通过根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测。
本发明实施例预设物品包括以下中的一种或多种:食材、危险物品和违禁物品,当然在具体实施时,本领域的技术人员也可以根据实际需要来设置其他的物品,如设置预设物品为药物等等。
在具体实施时,本发明实施例危险物品包括以下中的一种或多种:农药和***物品,违禁物品包括以下中的一种或多种:***弹药和吸毒工具,当然本领域的技术人员也可以设置其他的危险物品或者违禁物品,本发明实施例对此不作具体限定。
需要说明的是,本发明实施例图片为智能家电设备获取的智能家电设备内的物品的图片,具体可包括智能家电设备内的存储空间内存储的物品,当然也可以是智能家电设备的其他空间内存储的物品,例如,洗衣机的洗衣桶里,以及其他任意可设置摄像头并可放置物品的空间均可,本发明实施例对此不作具体限定。
总体来说,本发明实施例的核心就是,对智能家电设备内的异常物品进行检测,如果是,就进行报警等处理,从而降低食品中毒等危险,同时也能有效减少社会危险事件发生的几率。
具体实施时,本发明实施例方法还包括:建立识别训练模型,并通过识别训练模型对图片中的物品进行识别,判断识别出的物品是否是预设物品。
也就是说,本发明实施例是通过识别训练模型来对图片中的物品进行识别和判断的。
具体实施时,本发明实施例是基于快速循环卷积神经网络Faster RCNN、maskrcnn、ssd(Single Shot MultiBox Detector)或者yolo3(You Only Look Once)建立识别训练模型,并通过网络上的预设物品的图片对识别训练模型进行训练。
当然,在具体实施时,本领域的技术人员也可以通过其他手段来建立本发明实施例的识别训练模型,只要建立的训练模型能够准确对图片中的预设物品进行识别即可,本发明实施例对此不作具体限定。
具体来说,本发明实施例是从互联网爬取危险物品和违禁物品的图片;将爬取的图片按照预设的比例分成训练图片和测试图片;基于快速循环卷积神经网络Faster RCNN建立训练模型,通过训练图片对训练模型进行训练,并通过测试图片对训练模型进行验证,得到识别训练模型。
由于上述模型是根据网络上的预设物品的图片进行训练的,而智能家电设备拍摄的图片可能与网上图片存在一定差距,所以在具体实施时,为了提高识别物品的准确率,本发明还通过将智能家电拍摄的预设物品的图片对识别训练模型进行微调,即,进一步通过智能家电拍摄的预设物品的图片对模型进行进一步的训练,从而使得识别训练模型具有更高的识别和判断准确率。
具体实施时,本发明实施例当判断物品是预设物品后执行预设处理,具体包括:
当判断物品是食材后,将图片发送给绑定的终端,以使终端对食材进行监测;
当判断物品是危险物品后,进行报警提示;
当判断物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
也就是说,本发明实施例针对识别判断出的不同物品,执行不同的后续处理,具体来说,本发明实施例针对食材物品,将图片发送给绑定的终端,以使终端对食材进行监测;而针对危险物品则进行报警,或者也可以与街道等相关部门联网,并通知街道等相关部门进行上门走访提醒,以避免食物中毒等事件发生。而针对违禁物品,则直接联系公安街道等相关部门,以使公安部门进行上门协查,从而减少危害社会安全事件发生的几率。
图2是本发明实施例的另一种物品识别方法的流程图,下面将结合图2,以智能冰箱为例,通过一个具体的例子对本发明实施例的方法进行详细的解释和说明。
S201、设计分类类别,包含食材、危险物品和违禁物品等类别;
其中,本发明实施例的食材包括白菜、萝卜等,危险物品农药和***物品等,违禁物品包括***弹药和吸毒工具等。
S202、对智能冰箱摄像头获取的图片以及互联网抓取的预设物品的图片分别进行分类标注;
由于从智能冰箱获取的农药、***、弹药、吸毒工具的图片的数量有限,所以本发明实施例在保留智能冰箱摄像头拍摄的图片数据外,还从互联网爬取包括农药、***、弹药、吸毒工具的图片1000张。
S203、通过互联网抓取的预设物品的图片分为8:2,训练数据800张,测试数据200张;
S204、将危险物品的训练数据用标注工具进行标准,单独对危险物品和违禁物品进行训练,并用200张测试数据进行测试验证,得到初步的识别训练模型;
S205、在上述识别训练模型的基础上,采用智能冰箱摄像头的图片数据对该模型进行微调(fine tune),进而得到最终的识别训练模型;
S206、将最终的识别训练模型部署到智能云端,即云端服务器,通过智能云端对所有的图片进行识别;
S207、对识别出来的物品进行相应的处理;
例如,若识别出农药等,则进行短信、电话、上门走访的方式进行走访提醒,若发现***、弹药、吸毒用具,则直接联系公安部门,上门协查。
需要说明的是,本发明实施例的方法也可以去掉对食材的识别,而只针对危险物品和违禁物品进行识别,单独建立一个识别模型。
总体来说,本发明实施例的核心就是,对智能家电设备内的异常物品进行检测,如果是,就进行报警等处理,从而降低食品中毒等危险,同时也能有效减少社会危险事件发生的几率。
本发明第二实施例提供了一种物品识别装置,参见图3,该装置包括:
识别判断单元,用于对图片中的物品进行识别,判断识别出的物品是否是预设物品;
处理单元,用于在识别判断单元判断物品是预设物品后,执行与物品相对应的预设处理;
也就是说,本发明实施例通过识别判断单元根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,通过处理单元按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测。
本发明实施例预设物品包括以下中的一种或多种:食材、危险物品和违禁物品,当然在具体实施时,本领域的技术人员也可以根据实际需要来设置其他的物品,如设置预设物品为药物等等。
在具体实施时,本发明实施例危险物品包括以下中的一种或多种:农药和***物品,违禁物品包括以下中的一种或多种:***弹药和吸毒工具,当然本领域的技术人员也可以设置其他的危险物品或者违禁物品,本发明实施例对此不作具体限定。
需要说明的是,本发明实施例图片为智能家电设备获取的智能家电设备内的物品的图片,具体可包括智能家电设备内的存储空间内存储的物品,当然也可以是智能家电设备的其他空间内存储的物品,例如,洗衣机的洗衣桶里,以及其他任意可设置摄像头并可放置物品的空间均可,本发明实施例对此不作具体限定。
总体来说,本发明实施例的核心就是,对智能家电设备内的异常物品进行检测,如果是,就进行报警等处理,从而降低食品中毒等危险,同时也能有效减少社会危险事件发生的几率。
具体实施时,本发明实施例装置还设有建立单元,通过建立单元,用于建立识别训练模型,然后识别单元通过识别训练模型对图片中的物品进行识别。
具体来说,本发明实施例建立单元是从互联网爬取危险物品和违禁物品的图片,将爬取的图片按照预设的比例分成训练图片和测试图片,基于快速循环卷积神经网络Faster RCNN建立训练模型,通过训练图片对训练模型进行训练,并通过测试图片对训练模型进行验证,得到识别训练模型,并通过网络上的预设物品的图片对识别训练模型进行训练,并通过智能家电拍摄的预设物品的图片对识别训练模型进行微调。
由于上述模型是根据网络上的预设物品的图片进行训练的,而智能家电设备拍摄的图片可能与网上图片存在一定差距,所以在具体实施时,为了提高识别物品的准确率,本发明还通过将智能家电拍摄的预设物品的图片对识别训练模型进行微调,即,进一步通过智能家电拍摄的预设物品的图片对模型进行进一步的训练,从而使得识别训练模型具有更高的识别和判断准确率。
进一步地,本发明实施例建立单元是基于快速循环卷积神经网络Faster RCNN、maskrcnn、ssd或者yolo建立识别训练模型,并通过网络上的预设物品的图片对识别训练模型进行训练。
当然,在具体实施时,本领域的技术人员也可以通过其他手段来建立本发明实施例的识别训练模型,只要建立的训练模型能够准确对图片中的预设物品进行识别即可,本发明实施例对此不作具体限定。
具体实施时,本发明实施例的处理单元在判断物品是食材后,将图片发送给绑定的终端,以使终端对食材进行监控;当判断物品是危险物品后,进行报警提示;当判断物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
也就是说,本发明实施例针对识别判断出的不同物品,执行不同的后续处理,具体来说,本发明实施例针对食材物品,将图片发送给绑定的终端,以使终端对食材进行监测;而针对危险物品则进行报警,或者也可以与街道等相关部门联网,并通知街道等相关部门进行上门走访提醒,以避免食物中毒等事件发生。而针对违禁物品,则直接联系公安街道等相关部门,以使公安部门进行上门协查,从而减少危害社会安全事件发生的几率。
本发明第三实施例提供了一种物品识别***,参见图4,该***包括:
智能家电设备,用于对其内部的物品进行拍摄,并将拍摄得到的图片发送给云端服务器;
云端服务器,用于对图片中的物品进行识别,判断识别出的物品是否是预设物品,当判断物品是预设物品后,执行与物品相对应的预设处理;
也就是说,本发明实施例通过根据智能家电设备获取的智能家电设备内物品的图片进行识别判断,并在确定物品是预设物品后,按照预设处理程序进行处理,以实现对智能家电设备内的所有预设物品的识别和监测。
本发明实施例预设物品包括以下中的一种或多种:食材、危险物品和违禁物品,当然在具体实施时,本领域的技术人员也可以根据实际需要来设置其他的物品,如设置预设物品为药物等等。
在具体实施时,本发明实施例危险物品包括以下中的一种或多种:农药和***物品,违禁物品包括以下中的一种或多种:***弹药和吸毒工具,当然本领域的技术人员也可以设置其他的危险物品或者违禁物品,本发明实施例对此不作具体限定。
具体实施时,本发明实施例的云端服务器是通过建立的识别训练模型对图片中的物品进行识别,并判断识别出的物品是否是预设物品。
需要说明的是,本发明实施例的云端服务器是从互联网爬取危险物品和违禁物品的图片,将爬取的图片按照预设的比例分成训练图片和测试图片,基于快速循环卷积神经网络Faster RCNN建立训练模型,通过训练图片对训练模型进行训练,并通过测试图片对训练模型进行验证,得到识别训练模型,并且,本发明实施例的云端服务器还通过将智能家电拍摄的预设物品的图片对识别训练模型进行微调,即,进一步通过智能家电拍摄的预设物品的图片对模型进行进一步的训练,从而使得识别训练模型具有更高的识别和判断准确率。
具体实施时,本发明实施例的云端服务器在判断物品是食材后,将图片发送给绑定的终端,以使终端对食材进行监控;当判断物品是危险物品后,进行报警提示;当判断物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
也就是说,本发明实施例针对识别判断出的不同物品,执行不同的后续处理,具体来说,本发明实施例针对食材物品,将图片发送给绑定的终端,以使终端对食材进行监测;而针对危险物品则进行报警,或者也可以与街道等相关部门联网,并通知街道等相关部门进行上门走访提醒,以避免食物中毒等事件发生。而针对违禁物品,则直接联系公安街道等相关部门,以使公安部门进行上门协查,从而减少危害社会安全事件发生的几率。
本发明第四实施例提供了一种云端服务器,云端服务器包括本发明第二实施例中任意一种的物品识别装置,具体可参见本发明第二实施例进行理解,在此不做详细赘述。
本发明第五实施例提供了一种智能家电设备,智能家电设备包括本发明第二实施例中任意一种的物品识别装置,具体可参见本发明第二实施例进行理解,在此不做详细赘述。
总体来说,本发明实施例通过对智能家电设备内的异常物品进行检测,如果是,就进行报警等处理,从而降低食品中毒等危险,同时也能有效减少社会危险事件发生的几率。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (17)
1.一种物品识别方法,其特征在于,包括:
对图片中的物品进行识别,判断识别出的物品是否是预设物品;
当判断所述物品是预设物品后,执行与所述物品相对应的预设处理;
所述预设物品包括以下中的一种或多种:食材、危险物品和违禁物品;
所述图片为智能家电设备获取的所述智能家电设备内的物品的图片。
2.根据权利要求1所述的方法,其特征在于,
还包括:建立识别训练模型;
所述对图片中的物品进行识别,判断识别出的物品是否是预设物品,具体包括:通过所述识别训练模型对所述图片中的物品进行识别,并判断识别出的物品是否是预设物品。
3.根据权利要求2所述的方法,其特征在于,所述建立识别训练模型,包括:
从互联网爬取所述危险物品和所述违禁物品的图片;
将爬取的图片按照预设的比例分成训练图片和测试图片;
建立训练模型,通过所述训练图片对所述训练模型进行训练,并通过所述测试图片对所述训练模型进行验证,得到所述识别训练模型。
4.根据权利要求3所述的方法,其特征在于,所述建立训练模型,包括:
基于快速循环卷积神经网络Faster RCNN、maskrcnn、ssd或者yolo建立所述训练模型。
5.根据权利要求3所述的方法,其特征在于,还包括:
通过智能家电拍摄的所述预设物品的图片对所述识别训练模型进行微调。
6.根据权利要求1-5中任意一项所述的方法,其特征在于,所述当判断所述物品是预设物品后,执行与所述物品相对应的预设处理,具体包括:
当判断所述物品是食材后,将所述图片发送给绑定的终端,以使所述终端对所述食材进行监控;
当判断所述物品是危险物品后,进行报警提示;
当判断所述物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
7.根据权利要求1所述的方法,其特征在于,
所述危险物品包括以下中的一种或多种:农药和***物品;
所述违禁物品包括以下中的一种或多种:***弹药和吸毒工具。
8.一种物品识别装置,其特征在于,包括:
识别判断单元,用于对图片中的物品进行识别,判断识别出的物品是否是预设物品;
处理单元,用于在所述识别判断单元判断所述物品是预设物品后,执行与所述物品相对应的预设处理;
所述预设物品包括以下中的一种或多种:食材、危险物品和违禁物品,所述图片为智能家电设备获取的所述智能家电设备内的物品的图片。
9.根据权利要求8所述的装置,其特征在于,还包括:建立单元;
所述建立单元,用于建立识别训练模型;
所述识别单元还用于,通过所述识别训练模型对所述图片中的物品进行识别。
10.根据权利要求9所述的装置,其特征在于,
所述建立单元还用于,基于快速循环卷积神经网络Faster RCNN、maskrcnn、ssd或者yolo建立所述训练模型。
11.根据权利要求9所述的装置,其特征在于,
所述建立单元还用于,从互联网爬取所述危险物品和所述违禁物品的图片,将爬取的图片按照预设的比例分成训练图片和测试图片,基于快速循环卷积神经网络Faster RCNN建立训练模型,通过所述训练图片对所述训练模型进行训练,并通过所述测试图片对所述训练模型进行验证,得到所述识别训练模型。
12.根据权利要求11所述的装置,其特征在于,
所述建立单元还用于,通过智能家电拍摄的所述预设物品的图片对所述识别训练模型进行微调。
13.根据权利要求8-12中任意一项所述的装置,其特征在于,
所述处理单元还用于,当判断所述物品是食材后,将所述图片发送给绑定的终端,以使所述终端对所述食材进行监控;当判断所述物品是危险物品后,进行报警提示;当判断所述物品是违禁物品后,直接触发联系公安相关部门,以使公安部门进行上门协查。
14.一种云端服务器,其特征在于,包括权利要求8-13中任意一项所述的物品识别装置。
15.一种智能家电设备,其特征在于,包括权利要求8-13中任意一项所述的物品识别装置。
16.一种物品识别***,其特征在于,包括:
智能家电设备,用于对其内部的物品进行拍摄,并将拍摄得到的图片发送给云端服务器;
所述云端服务器,用于对所述图片中的物品进行识别,判断识别出的物品是否是预设物品,当判断所述物品是预设物品后,执行与所述物品相对应的预设处理;
其中,所述预设物品包括以下中的一种或多种:食材、危险物品和违禁物品。
17.根据权利要求16所述的***,其特征在于,
所述云端服务器还用于,通过建立的识别训练模型对所述图片中的物品进行识别,并判断识别出的物品是否是预设物品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810958930.6A CN109101937A (zh) | 2018-08-22 | 2018-08-22 | 物品识别方法、装置、云端服务器、智能家电设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810958930.6A CN109101937A (zh) | 2018-08-22 | 2018-08-22 | 物品识别方法、装置、云端服务器、智能家电设备及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109101937A true CN109101937A (zh) | 2018-12-28 |
Family
ID=64850666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810958930.6A Pending CN109101937A (zh) | 2018-08-22 | 2018-08-22 | 物品识别方法、装置、云端服务器、智能家电设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101937A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886156A (zh) * | 2019-01-30 | 2019-06-14 | 钟祥博谦信息科技有限公司 | 零售物品的识别方法及装置 |
CN110059618A (zh) * | 2019-04-17 | 2019-07-26 | 北京易达图灵科技有限公司 | 一种违禁物品的识别方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130089802A (ko) * | 2012-01-03 | 2013-08-13 | 최제인 | 바코드를 통한 식품 유통기한 및 위치 정보 제공 시스템 및 방법 |
CN103926628A (zh) * | 2014-04-22 | 2014-07-16 | 史崇政 | 一种安检设备和使用该设备进行违禁物品识别的识别方法 |
CN106295664A (zh) * | 2016-08-02 | 2017-01-04 | 沈阳地泰检测设备有限公司 | 一种邮政分拣***所获取图像的处理方法 |
CN206672120U (zh) * | 2017-02-16 | 2017-11-24 | 深圳市美创达诚安检设备有限公司 | 物品身份识别*** |
CN107480660A (zh) * | 2017-09-30 | 2017-12-15 | 深圳市锐曼智能装备有限公司 | 危险物品识别***及其方法 |
CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、***及电子设备 |
CN108226196A (zh) * | 2018-02-22 | 2018-06-29 | 青岛智慧云谷智能科技有限公司 | 一种智能x光机探测***及探测方法 |
CN108302892A (zh) * | 2017-12-29 | 2018-07-20 | 青岛海尔股份有限公司 | 智能冰箱与基于智能冰箱的信息提醒方法 |
-
2018
- 2018-08-22 CN CN201810958930.6A patent/CN109101937A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130089802A (ko) * | 2012-01-03 | 2013-08-13 | 최제인 | 바코드를 통한 식품 유통기한 및 위치 정보 제공 시스템 및 방법 |
CN103926628A (zh) * | 2014-04-22 | 2014-07-16 | 史崇政 | 一种安检设备和使用该设备进行违禁物品识别的识别方法 |
CN106295664A (zh) * | 2016-08-02 | 2017-01-04 | 沈阳地泰检测设备有限公司 | 一种邮政分拣***所获取图像的处理方法 |
CN206672120U (zh) * | 2017-02-16 | 2017-11-24 | 深圳市美创达诚安检设备有限公司 | 物品身份识别*** |
CN107480660A (zh) * | 2017-09-30 | 2017-12-15 | 深圳市锐曼智能装备有限公司 | 危险物品识别***及其方法 |
CN107871122A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 安检检测方法、装置、***及电子设备 |
CN108302892A (zh) * | 2017-12-29 | 2018-07-20 | 青岛海尔股份有限公司 | 智能冰箱与基于智能冰箱的信息提醒方法 |
CN108226196A (zh) * | 2018-02-22 | 2018-06-29 | 青岛智慧云谷智能科技有限公司 | 一种智能x光机探测***及探测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886156A (zh) * | 2019-01-30 | 2019-06-14 | 钟祥博谦信息科技有限公司 | 零售物品的识别方法及装置 |
CN110059618A (zh) * | 2019-04-17 | 2019-07-26 | 北京易达图灵科技有限公司 | 一种违禁物品的识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295788B (zh) | 客流量的统计方法及装置 | |
CN109977859B (zh) | 一种图标识别的方法以及相关装置 | |
CN108683687A (zh) | 一种网络攻击识别方法及*** | |
CN103999048A (zh) | 基于用户识别的动态配置文件切换 | |
CN110399720A (zh) | 一种文件检测的方法以及相关装置 | |
CN108881263A (zh) | 一种网络攻击结果检测方法及*** | |
CN109446936A (zh) | 一种用于监控场景的身份识别方法及装置 | |
CN110933102B (zh) | 基于半监督学习的异常流量检测模型训练方法及装置 | |
CN111131294A (zh) | 威胁监测方法、装置、设备和存储介质 | |
CN109614608A (zh) | 电子装置、文本信息检测方法及存储介质 | |
CN109961029A (zh) | 一种危险物品检测方法、装置及计算机可读存储介质 | |
CN109101937A (zh) | 物品识别方法、装置、云端服务器、智能家电设备及*** | |
CN109033973A (zh) | 监控预警方法、装置及电子设备 | |
CN105472618B (zh) | 伪基站消息识别方法和装置 | |
CN102750709A (zh) | 利用视频检测打架行为的方法和装置 | |
CN110677384A (zh) | 钓鱼网站的检测方法及装置、存储介质、电子装置 | |
CN108805123A (zh) | 一种时限提醒的装置、方法和*** | |
CN109889512A (zh) | 一种充电桩can报文的异常检测方法及装置 | |
CN108629310B (zh) | 一种工程管理监督方法及装置 | |
CN103942903A (zh) | 一种具有防盗功能的数据采集处理装置、***及方法 | |
CN105578434B (zh) | 一种检测伪基站运动轨迹的方法及服务器 | |
CN109872448A (zh) | 一种异物检测方法、计算机可读存储介质及检测*** | |
CN106331060B (zh) | 一种基于wifi进行布控的方法和*** | |
CN109711149A (zh) | 动态更新机制判定方法及应用全生命周期行为监控方法 | |
CN111540020A (zh) | 目标行为的确定方法及装置、存储介质、电子装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |