CN110688997B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN110688997B CN110688997B CN201910906453.3A CN201910906453A CN110688997B CN 110688997 B CN110688997 B CN 110688997B CN 201910906453 A CN201910906453 A CN 201910906453A CN 110688997 B CN110688997 B CN 110688997B
- Authority
- CN
- China
- Prior art keywords
- image
- sdk
- product
- sequence
- character
- 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
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本申请公开一种图像处理方法及装置,属于人工智能技术领域,该方法包括:确定用于判断SDK是否识别出错的预设规则,在利用SDK对获取的图像序列中的各图像进行字符识别之后,对每个图像,若根据SDK识别出的该图像中的字符序列和预设规则确定SDK对该图像识别出错,则上传该图像,这样,可监控SDK对图像中字符的识别效果,自动发现SDK识别出错的图像并上传,获取SDK现场识别出错的图像的成本更低,也便于快速提升SDK的字符识别效果。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种图像处理方法及装置。
背景技术
随着人工智能技术的快速发展,光学字符识别(Optical CharacterRecognition,OCR)技术也越来越成熟,并逐渐应用到工业生产之中。
在工业OCR领域中,采用机器学习的方法进行字符识别,而机器学习需要使用大量现场图像进行字符识别训练,得到用于识别字符的软件开发工具包(SoftwareDevelopment Kit,SDK)。并且,在将SDK提供给第三方用户使用之后,还需要不断获取SDK识别出错的现场图像以对SDK进行优化。现有技术中,在优化SDK阶段,获取现场图像的方式是生产线上的工作人员在现场甄别识别出错的图像,拍摄识别出错的图像并保存,然后通过邮箱、云盘等通讯工具再将图像发送给技术人员,这样,不但费时费力,而且成本比较高。
发明内容
本申请实施例提供一种图像处理方法及装置,用以解决现有技术中存在的在工业OCR领域中获取现场识别出错的图像的方式比较费时费力的问题。
第一方面,本申请实施例提供的一种图像处理方法,包括:
获取图像序列;
利用进行字符识别的软件开发工具包SDK对所述图像序列中的各图像进行字符识别;
对每个图像,若根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,则上传所述图像。
可选地,根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,包括:
对所述SDK识别出的所述图像中的字符序列,若确定所述字符序列不符合预先确定的字符特征,则确定所述SDK对所述图像识别出错,所述字符特征至少包括字符组合特征。
可选地,对所述图像序列中的每个图像,若所述图像中应包含表示产品生产时间的字符,则根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,包括:
根据所述SDK识别出的所述图像中的字符序列确定所述图像中产品的生产时间;
根据所述图像中产品的生产时间和相邻图像中产品的生产时间,确定所述图像中产品与所述相邻图像中产品的生产次序;
若确定所述图像中产品与所述相邻图像中产品的生产次序与实际生产次序不一致,则确定所述SDK对所述图像识别出错。
可选地,上传所述图像之后,还包括:
接收用于表示所述SDK已更新的消息;
发送用于对所述SDK进行更新的请求;
根据接收到的指示对所述SDK进行更新。
可选地,还包括:
统计所述SDK识别出错的概率;
若确定所述SDK识别出错的概率大于预设概率,则发送用于表示生成字符序列的设备发生故障的告警信息。
第二方面,本申请实施例提供的一种图像处理装置,包括:
获取模块,用于获取图像序列;
识别模块,用于利用进行字符识别的软件开发工具包SDK对所述图像序列中的各图像进行字符识别;
处理模块,用于对每个图像,若根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,则上传所述图像。
可选地,所述处理模块具体用于:
对所述SDK识别出的所述图像中的字符序列,若确定所述字符序列不符合预先确定的字符特征,则确定所述SDK对所述图像识别出错,所述字符特征至少包括字符组合特征。
可选地,对所述图像序列中的每个图像,若所述图像中应包含表示产品生产时间的字符,则所述处理模块具体用于:
根据所述SDK识别出的所述图像中的字符序列确定所述图像中产品的生产时间;
根据所述图像中产品的生产时间和相邻图像中产品的生产时间,确定所述图像中产品与所述相邻图像中产品的生产次序;
若确定所述图像中产品与所述相邻图像中产品的生产次序与实际生产次序不一致,则确定所述SDK对所述图像识别出错。
可选地,所述获取模块,还用于在上传所述图像之后,接收用于表示所述SDK已更新的消息;
所述处理模块,还用于发送用于对所述SDK进行更新的请求;根据接收到的指示对所述SDK进行更新。
可选地,还包括:
统计模块,用于统计所述SDK识别出错的概率;
所述处理模块,还用于若确定所述SDK识别出错的概率大于预设概率,则发送用于表示生成字符序列的设备发生故障的告警信息。
第三方面,本申请实施例提供的一种电子设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
存储器存储有可被至少一个处理器执行的指令,该指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述图像处理方法。
第四方面,本申请实施例提供的一种计算机可读介质,存储有计算机可执行指令,所述计算机可执行指令用于执行上述图像处理方法。
本申请实施例中,确定用于判断SDK是否识别出错的预设规则,在利用SDK对获取的图像序列中各图像进行字符识别之后,对每个图像,若根据SDK识别出的该图像中的字符序列和预设规则确定SDK对该图像识别出错,则上传该图像,这样,可监控SDK对图像中字符的识别效果,自动发现SDK识别出错的图像并上传,获取SDK现场识别出错的图像的成本更低,也便于快速提升SDK的字符识别效果。
另外,第二方面至第四方面中任一种设计方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
本申请的这些方面或其它方面在以下实施例的描述中会更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种图像处理方法的应用场景示意图;
图2为本申请实施例提供的一种图像处理方法的流程图;
图3为本申请实施例提供的一种判断SDK是否对图像识别出错的流程图;
图4为本申请实施例提供的一种用于实现图像处理方法的电子设备的硬件结构示意图;
图5为本申请实施例提供的一种图像处理装置的结构示意图。
具体实施方式
为了解决现有技术中存在的在工业OCR领域中获取现场识别出错的图像的方式比较费时费力的问题,本申请实施例提供了一种图像处理方法及装置。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参见图1,图1示出了本申请实施例提供的一种图像处理方法的应用场景示意图,包括终端11、云平台12和服务器13,其中:
终端11,一般位于工业现场,用于获取从工业现场采集的图像序列,并利用进行字符识别的SDK对各图像进行字符识别,对每个图像,若根据SDK识别出的该图像中的字符序列和用于判断SDK是否识别出错的预设规则确定SDK对该图像识别出错,则可以将该图像发送给云平台12。云平台12,用于接收并存储终端11发送的SDK识别出错的图像。后续,技术人员可从云平台12下载SDK识别出错的图像,并对下载的图像进行标注后存储到服务器13中,服务器13可根据这些标注图像对SDK进行更新,更新后服务器13可向终端11发送SDK的更新消息,终端11再从服务器13获取最新的SDK使用。
这样,由终端11监控SDK对图像中字符的识别效果,自动将工业现场中SDK识别出错的图像上传到云平台12,技术人员从云平台12获取SDK识别出错的图像进行标注,然后存储到服务器13中,由服务器13根据这些标注图像对SDK进行更新,不必工作人员再到现场去甄别SDK检测出错的图像,获取SDK检测出错的现场图像的方式更加便捷,也利于快速提升SDK的字符识别效果。
需要说明的是,云平台12和服务器13可设置在同一个实体设备中,也可以分散设置在不同的实体设备中。
实际应用中,软件公司的技术人员一般采用机器学习的方法来进行字符识别训练,得到进行字符识别的SDK,但由于工业图像种类复杂、数量繁多,厂家在从软件公司购买了SDK之后,还需监测SDK的识别效果,将SDK在现场识别出错的图像提供给软件公司,以便软件公司的技术人员进一步优化SDK的识别效果。
现有技术中,是由生产线上的工作人员来发现SDK在现场识别出错的图像,然而,人工发现错误图像成本比较高,且发现错误图像的速度也难以提高,不便于快速提升SDK的识别效果。
为了解决上述问题,本申请实施例提供了一种图像处理方法,该方法应用于图1中的终端,如图2所示,为本申请实施例提供的图像处理方法的流程图,包括以下步骤:
S201:获取图像序列。
在工业OCR领域中,为了检测生产线上产品上的字符信息是否正确,一般会对生产线上的每个产品进行图像采集,采集的相邻产品的图像就形成了图像序列,即,图像序列是对同一生产线上的产品进行图像采集得到的。
S202:利用进行字符识别的SDK对图像序列中的各图像进行字符识别。
具体实施时,厂家将从软件公司购买的SDK安装在终端中之后,终端即可利用SDK对图像序列中的各图像进行字符识别。
S203:对每个图像,若根据SDK识别出的该图像中的字符序列和用于判断SDK是否识别出错的预设规则确定SDK对该图像识别出错,则上传该图像。
一般地,在工业OCR领域中,图像中需要检测的字符数量是确定的,需要检测的字符格式也是确定的,并且,同一条产线上,一般只有特定的几个字符会发生变化,其他字符都是固定的。
比如某条生产线上需要检测字符为3D20190724M01Ae,其中3D为固定字符,20190724代表生产日期,M01代表产线信息,A代表小时,取值区间为A-W,分别对应0-23时,e代表分钟,取值区间为a-f,分别对应一小时的各个10分钟时间段。
因此,发明人意识到,可根据这些特点确定用于判断SDK是否识别出错的预设规则,进而利用预设规则来发现SDK识别出错的图片。
可选地,对SDK识别出的每个图像中的字符序列,若确定该图像中的字符序列不符合预先确定的字符特征,则确定SDK对该图像识别出错,其中,字符特征至少包括字符组合特征。
具体地,可预先根据图像序列中各图像中应包含的字符序列的字符组合规则确定正则表达式,之后,利用正则表达式对SDK识别出的每个图像中的字符序列进行匹配,若匹配成功,则说明SDK对该图像识别正确,若匹配失败,则说明SDK对该图像识别出错,可将该图像作为错误图像上传给云平台。
另外,参见前述工业生产线上需要检测的字符可发现,字符中可能还应包含表示产品生产时间的字符,此时,还可结合各图像中表示产品生产时间的字符判断SDK是否识别出错。
具体地,可根据图3所示的流程判断SDK是否对图像识别出错,该流程包括以下步骤:
S301a:根据SDK识别出的每个图像中的字符序列确定该图像中产品的生产时间。
一般地,图像中表示产品的生产时间的字符的位置是固定的,因此,对每个图像,可根据预先确定的字符位置从SDK识别出的该图像中的字符序列中分离出表示产品生产时间的字符,进而可根据表示产品生产时间的字符和建立的字符与时间之间的对应关系,确定该图像中产品的生产时间。参见上例,则分离出的表示产品生产时间的字符为“20190724Ae”,最终确定的该图像中产品的生产时间为“2019年7月24日0时50分~60分”。
需要说明的是,此处仅是举例,实际生产中产品的生产时间的区间划分更为细致,可精准到分钟。
S302a:根据该图像中产品的生产时间和相邻图像中产品的生产时间,确定该图像中产品与相邻图像中产品的生产次序。
其中,生产次序用于描述该图像中产品与相邻图像中产品之间的先后生产关系。
比如,将该图像中产品的生产时间与前面相邻的图像(指图像采集时刻晚于该图像的图像)中产品的生产时间进行比较,若该图像中产品的生产时间比前面连续若干张(比如3张或1张)图像中产品的生产时间都早,则确定生产次序为:该图像中产品比相邻图像中产品生产的早;否则,确定生产次序为:该图像中产品比相邻图像中产品生产的晚。
再比如,将该图像中产品的生产时间与后面相邻的图像(指图像采集时刻早于该图像的图像)中产品的生产时间进行比较,若该图像中产品的生产时间比后面连续若干张(比如3张或1张)图像中产品的生产时间都早,则确定生产次序为:该图像中产品比相邻图像中产品生产的早;否则,确定生产次序为:该图像中产品比相邻图像中产品生产的晚。
S303a:判断该图像中产品与相邻图像中产品的生产次序是否与实际生产次序一致,若是,则进入S304a;否则,进入S305a。
工业生产中,流水线上的产品依次经过喷码机进行喷码,之后再由图像采集装置对产品进行图像采集以确定产品上的喷码是否有误,因此,在获取的图像序列中,图像的采集时刻越早,图像中产品的生产时间越早,图像的采集时刻越晚,图像中产品的生产时间越晚。
因此,具体实施时,若将该图像中产品的生产时间与前面相邻的图像(指图像采集时刻晚于该图像的图像)中产品的生产时间进行比较,则实际生产次序为:该图像中产品比相邻图像中产品生产的早;若将该图像中产品的生产时间与后面相邻的图像(即图像采集时刻早于该图像的图像)中产品的生产时间进行比较,则实际生产次序为:该图像中产品比相邻图像中产品生产的晚。
S304a:确定SDK未对该图像识别出错。
S305a:确定SDK对该图像识别出错。
S204:接收用于表示SDK已更新的消息。
具体实施时,可以基于获取的SDK识别出错的图像对SDK进行更新。
具体实施时,SDK识别出错的图像可以上传至云平台,技术人员可以定期或不定期地去云平台下载SDK识别出错的图像,并对每个图像进行标注,进而将标注好的图像存储到服务器中,后续,服务器即可利用这些标注好的图像来对SDK进行更新,服务器在每次对SDK更新后,还可向终端推送SDK已更新的消息。
S205:发送用于对SDK进行更新的请求。
具体实施时,服务器在向终端推送SDK已更新的消息时,还可显示是否要对SDK进行更新的选项,如果用户选择了要对SDK进行更新的选项,则可触发终端向服务器发送用于对SDK进行更新的请求。
S206:根据接收到的指示对SDK进行更新。
具体实施时,服务器可向终端发送用于更新SDK的指示,终端根据接收到的指示即可对SDK进行更新。
实际应用中,随着SDK优化次数的增多,SDK识别出错的概率会稳定在比较低的水平,比如低于5%,此阶段,如果发现SDK识别出错的概率比较高,则说明生产线上用于生成字符序列的设备可能发生了故障。
为此,具体实施时,还可周期性统计SDK识别出错的概率,若确定SDK识别出错的概率大于预设概率,则可发送用于表示生成字符序列的设备发生故障的告警信息,以便于相关人员及时处理,尽量降低生产损失。
本申请实施例提供的图像处理方法,可实时监控SDK对现场图像的识别效果,自动发现SDK识别出错的图像并上传,减轻发现SDK识别出错的图像成本,也可快速提升SDK的字符识别效果,用户体验更好。
参见图4所示,为本申请实施例提供的一种电子设备的结构示意图,该电子设备包括收发器401以及处理器402等物理器件,其中,处理器402可以是一个中央处理单元(central processing unit,CPU)、微处理器、专用集成电路、可编程逻辑电路、大规模集成电路、或者为数字处理单元等等。收发器401用于电子设备和其他设备进行数据收发。
该电子设备还可以包括存储器403用于存储处理器402执行的软件指令,当然还可以存储电子设备需要的一些其他数据,如电子设备的标识信息、电子设备的加密信息、用户数据等。存储器403可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器403也可以是非易失性存储器(non-volatilememory),例如只读存储器(read-only memory,ROM),快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD)、或者存储器403是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器403可以是上述存储器的组合。
本申请实施例中不限定上述处理器402、存储器403以及收发器401之间的具体连接介质。本申请实施例在图4中仅以存储器403、处理器402以及收发器401之间通过总线404连接为例进行说明,总线在图4中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器402可以是专用硬件或运行软件的处理器,当处理器402可以运行软件时,处理器402读取存储器403存储的软件指令,并在所述软件指令的驱动下,执行前述实施例中涉及的方法。
当本申请实施例中提供的方法以软件或硬件或软硬件结合实现的时候,电子设备中可以包括多个功能模块,每个功能模块可以包括软件、硬件或其结合。
具体的,参见图5所示,为本申请实施例提供的一种图像处理装置50的结构示意图,包括获取模块501、识别模块502、处理模块503。
获取模块501,用于获取图像序列;
识别模块502,用于利用进行字符识别的软件开发工具包SDK对所述图像序列中的各图像进行字符识别;
处理模块503,用于对每个图像,若根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,则上传所述图像。
可选地,所述处理模块503具体用于:
对所述SDK识别出的所述图像中的字符序列,若确定所述字符序列不符合预先确定的字符特征,则确定所述SDK对所述图像识别出错,所述字符特征至少包括字符组合特征。
可选地,对所述图像序列中的每个图像,若所述图像中应包含表示产品生产时间的字符,则所述处理模块503具体用于:
根据所述SDK识别出的所述图像中的字符序列确定所述图像中产品的生产时间;
根据所述图像中产品的生产时间和相邻图像中产品的生产时间,确定所述图像中产品与所述相邻图像中产品的生产次序;
若确定所述图像中产品与所述相邻图像中产品的生产次序与实际生产次序不一致,则确定所述SDK对所述图像识别出错。
可选地,所述获取模块501,还用于在上传所述图像之后,接收用于表示所述SDK已更新的消息;
所述处理模块503,还用于发送用于对所述SDK进行更新的请求;根据接收到的指示对所述SDK进行更新。
可选地,还包括:
统计模块504,用于统计所述SDK识别出错的概率;
所述处理模块503,还用于若确定所述SDK识别出错的概率大于预设概率,则发送用于表示生成字符序列的设备发生故障的告警信息。
本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本申请各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。各个模块相互之间的耦合可以是通过一些接口实现,这些接口通常是电性通信接口,但是也不排除可能是机械接口或其它的形式接口。因此,作为分离部件说明的模块可以是或者也可以不是物理上分开的,既可以位于一个地方,也可以分布到同一个或不同设备的不同位置上。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本申请实施例还提供了一种计算机可读存储介质,存储为执行上述处理器所需执行的计算机可执行指令,其包含用于执行上述处理器所需执行的程序。
在一些可能的实施方式中,本申请提供的图像处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使所述电子设备执行本说明书上述描述的根据本申请各种示例性实施方式的图像处理方法中的步骤。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于图像处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (4)
1.一种图像处理方法,其特征在于,包括:
位于工业现场的终端获取图像序列;
利用进行字符识别的软件开发工具包SDK对所述图像序列中的各图像进行字符识别;
对每个图像,若根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,则上传所述图像,所述图像用于服务器更新SDK;
接收所述服务器发送的用于表示所述SDK已更新的消息;
向所述服务器发送用于对所述SDK进行更新的请求;
根据接收到的所述服务器的指示对所述SDK进行更新;
还包括:
统计所述SDK识别出错的概率;
若确定所述SDK识别出错的概率大于预设概率,则发送用于表示生成字符序列的设备发生故障的告警信息;
对所述图像序列中的每个图像,若所述图像中应包含表示产品生产时间的字符,则根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,包括:
根据所述SDK识别出的所述图像中的字符序列确定所述图像中产品的生产时间;根据所述图像中产品的生产时间和相邻图像中产品的生产时间,确定所述图像中产品与所述相邻图像中产品的生产次序;若确定所述图像中产品与所述相邻图像中产品的生产次序与实际生产次序不一致,则确定所述SDK对所述图像识别出错。
2.一种图像处理装置,其特征在于,应用于位于工业现场的终端,包括:
获取模块,用于获取图像序列;
识别模块,用于利用进行字符识别的软件开发工具包SDK对所述图像序列中的各图像进行字符识别;
处理模块,用于对每个图像,若根据所述SDK识别出的所述图像中的字符序列和用于判断所述SDK是否识别出错的预设规则确定所述SDK对所述图像识别出错,则上传所述图像,所述图像用于服务器更新SDK;
所述获取模块,还用于在上传所述图像之后,接收所述服务器发送的用于表示所述SDK已更新的消息;
所述处理模块,还用于向所述服务器发送用于对所述SDK进行更新的请求;根据接收到的所述服务器的指示对所述SDK进行更新;
还包括:
统计模块,用于统计所述SDK识别出错的概率;
所述处理模块,还用于若确定所述SDK识别出错的概率大于预设概率,则发送用于表示生成字符序列的设备发生故障的告警信息;
对所述图像序列中的每个图像,若所述图像中应包含表示产品生产时间的字符,则所述处理模块,具体用于根据所述SDK识别出的所述图像中的字符序列确定所述图像中产品的生产时间;根据所述图像中产品的生产时间和相邻图像中产品的生产时间,确定所述图像中产品与所述相邻图像中产品的生产次序;若确定所述图像中产品与所述相邻图像中产品的生产次序与实际生产次序不一致,则确定所述SDK对所述图像识别出错。
3.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1所述的方法。
4.一种计算机可读介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906453.3A CN110688997B (zh) | 2019-09-24 | 2019-09-24 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906453.3A CN110688997B (zh) | 2019-09-24 | 2019-09-24 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110688997A CN110688997A (zh) | 2020-01-14 |
CN110688997B true CN110688997B (zh) | 2023-04-18 |
Family
ID=69109983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910906453.3A Active CN110688997B (zh) | 2019-09-24 | 2019-09-24 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688997B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006060590A (ja) * | 2004-08-20 | 2006-03-02 | Canon Inc | 電子データの文字品質を確認する画像処理装置および画像処理方法およびコンピュータプログラム |
EP3522075A1 (en) * | 2011-06-13 | 2019-08-07 | Google LLC | Character recognition for overlapping textual user input |
CN102663360B (zh) * | 2012-03-30 | 2013-10-23 | 中南大学 | 一种钢铁板坯编码自动识别方法以及钢铁板坯跟踪*** |
CN103345629B (zh) * | 2013-07-01 | 2016-08-17 | 北京印刷学院 | 基于红外字符编码与识别技术的实物样册防错生产方法及其*** |
CN104793980B (zh) * | 2015-05-19 | 2019-01-25 | 北京奇虎科技有限公司 | 应用程序更新通知方法及其装置 |
US10025694B1 (en) * | 2016-12-22 | 2018-07-17 | SafeDK Mobile Ltd. | Monitoring activity of software development kits using stack trace analysis |
CN108764195B (zh) * | 2018-06-04 | 2023-04-18 | 平安科技(深圳)有限公司 | 手写模型训练方法、手写字识别方法、装置、设备及介质 |
CN108875738B (zh) * | 2018-06-13 | 2022-03-08 | 深圳市云识科技有限公司 | 一种智能摄像表的云识别纠错***及其方法 |
CN109145809B (zh) * | 2018-08-17 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 一种记谱处理方法和装置以及计算机可读存储介质 |
CN109543596B (zh) * | 2018-11-20 | 2022-06-07 | 浙江大华技术股份有限公司 | 一种水位监测方法、装置、电子设备及存储介质 |
CN109697289B (zh) * | 2018-12-28 | 2023-01-13 | 北京工业大学 | 一种改进的用于命名实体识别的主动学习方法 |
CN110059249B (zh) * | 2019-04-03 | 2022-11-25 | 华为技术有限公司 | 个性化推荐的方法、终端设备和*** |
-
2019
- 2019-09-24 CN CN201910906453.3A patent/CN110688997B/zh active Active
Non-Patent Citations (2)
Title |
---|
rafael Z.frantz et al..On the design of a maintainable software development kit to implement integration solutions.《journal of systems and software》.2016,第89-104页. * |
吕东源 ; 梁鹏 ; .基于图像识别的沥青拌合站生产数据采集***设计.内蒙古公路与运输.2016,(第05期),第58-61页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110688997A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197658B (zh) | 图像标注信息处理方法、装置、服务器及*** | |
CN109726763B (zh) | 一种信息资产识别方法、装置、设备及介质 | |
CN106485261B (zh) | 一种图像识别的方法和装置 | |
CN109658414A (zh) | 一种猪只的智能盘点方法及装置 | |
CN113448854A (zh) | 一种回归测试方法和装置 | |
CN109684309A (zh) | 一种数据质量评测方法及装置、计算机设备和存储介质 | |
CN111198815A (zh) | 用户界面的兼容性测试方法及装置 | |
CN114494863A (zh) | 基于Blend Mask算法的动物幼崽计数方法以及装置 | |
CN110688997B (zh) | 一种图像处理方法及装置 | |
CN114679402B (zh) | 一种医疗机器人上下位机间通信协议的测试方法及装置 | |
CN110716778A (zh) | 应用兼容性测试方法、装置及*** | |
CN112953786B (zh) | 信息处理方法、装置、***和计算机可读存储介质 | |
CN111708561B (zh) | 算法模型更新***、方法、装置及电子设备 | |
US11610328B2 (en) | Method and apparatus for identifying item | |
CN112905722B (zh) | 一种行为识别的方法、装置及存储介质 | |
CN114547008A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN111538914B (zh) | 地址信息的处理方法和装置 | |
KR20180104596A (ko) | 평점 정보 매칭 방법, 장치, 저장 매체 및 서버 | |
CN112801688A (zh) | 估值失败原因的定位方法和装置 | |
CN107800577B (zh) | 用于移动终端的设备配置方法和装置 | |
CN113065787A (zh) | 基于情景构建的应急预案生成方法及*** | |
CN112185058A (zh) | 监控报警方法、***、设备及存储介质 | |
CN103778218A (zh) | 基于云计算的标准信息一致性预警***及方法 | |
CN118095318A (zh) | 目标设备是否离线的检测方法、装置、设备及存储介质 | |
CN106888432A (zh) | 定位***性能的优化方法、装置及移动终端 |
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 |