CN111144514A - 家电型号的识别方法、装置、存储介质及电子设备 - Google Patents

家电型号的识别方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN111144514A
CN111144514A CN202010001748.9A CN202010001748A CN111144514A CN 111144514 A CN111144514 A CN 111144514A CN 202010001748 A CN202010001748 A CN 202010001748A CN 111144514 A CN111144514 A CN 111144514A
Authority
CN
China
Prior art keywords
image
household appliance
preset
model
appliance
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.)
Withdrawn
Application number
CN202010001748.9A
Other languages
English (en)
Inventor
刘静
林浩生
王博
吕沙沙
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010001748.9A priority Critical patent/CN111144514A/zh
Publication of CN111144514A publication Critical patent/CN111144514A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及图像识别技术领域，具体涉及一种家电型号的识别方法、装置、存储介质及电子设备。该方法包括：获取家电的图像，判断图像是否满足预设识别条件，当图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到图像对应的家电型号并显示家电型号。解决了现有技术中不能根据对产品标志的识别直接获得对应的产品型号以及使用说明书的技术问题的问题。

Description

家电型号的识别方法、装置、存储介质及电子设备
技术领域
本公开涉及图像识别技术领域，特别地涉及一种家电型号的识别方法、装置、存储介质及电子设备。
背景技术
通过产品的相应介绍以及使用说明书，可以高效快速的了解产品并掌握产品的使用方法。使得产品的相应介绍以及使用说明书，在了解产品以及掌握产品的使用方法的过程中占有重要的地位。
而传统的纸质说明书携带不方便，易丢失，且修改不方便，浪费资源。而电子说明书仅仅将纸质说明书的内容电子化了，在产品的使用过程中，需要用户主动查找对应的介绍以及使用说明书，不够简便，且纸质的说明书易丢失。
相关技术中存在不能根据对产品标志的识别直接获得对应的产品型号以及使用说明书的技术问题。
发明内容
针对上述问题，本公开提供一种家电型号的识别方法、装置、存储介质及电子设备，解决了相关技术中不能根据对产品标志的识别直接获得对应的产品型号以及使用说明书的技术问题。
第一方面，本公开提供了一种家电型号的识别方法，所述方法包括：
获取家电的图像；
判断所述图像是否满足预设识别条件；
当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号并显示所述家电型号。
根据本公开的实施例，可选的，上述家电型号的识别方法中，判断所述家电图像是否满足预设识别条件，包括：
对所述图像进行识别，判断所述图像是否包含预设家电标志以及所述图像质量是否满足预设要求；
其中，当所述图像包含预设家电标志且所述图像质量满足预设要求时，所述图像满足预设识别条件。
根据本公开的实施例，可选的，上述家电型号的识别方法中，判断所述图像质量是否满足预设要求，包括：
判断所述图像中家电标志的完整度是否满足预设条件；
在所述图像中家电标志的完整度满足预设条件时，获取所述家电标志的模糊值；
判断所述模糊值是否小于等于预设模糊值，当所述模糊值小于等于预设模糊值时，所述图像质量满足预设要求。
根据本公开的实施例，可选的，上述家电型号的识别方法中，判断所述图像中家电标志的完整度是否满足预设条件，包括：
获取所述图像的照度；
在确认所述图像的照度大于等于预设照度时，获取所述家电标志在所述图像中的分辨率；
判断所述家电标志在所述图像中的分辨率是否大于等于预设值；
当所述分辨率大于等于预设值时，所述图像中家电标志的完整度满足预设条件。
根据本公开的实施例，可选的，上述家电型号的识别方法中，所述神经网络模型的训练过程包括：
获取家电的图像集；
提取图像中的家电标志，得到家电标志训练集；
通过所述家电标志训练集对待训练的神经网络模型进行训练，以得到训练好的神经网络模型。
根据本公开的实施例，可选的，上述家电型号的识别方法中，得到所述图像对应的家电型号之后，还包括：
根据所述家电型号，在预设的数据库中进行查询，得到与所述家电型号对应的家电信息并显示所述家电信息；
其中，所述数据库中的每个家电型号分别对应一个家电信息。
根据本公开的实施例，可选的，上述家电型号的识别方法中，所述家电信息在预设数据库中的存储格式包括图像格式、文本格式、视频格式、音频格式以及AR格式中的至少一种。
第二方面，本公开提供了一种家电型号的识别装置，所述装置包括：
获取模块，被配置成获取家电的图像；
判断模块，被配置成判断所述图像是否满足预设识别条件；
处理模块，被配置成当所述图像满足预设识别条件时，通过训练好的神经网络模型进行识别，以得到所述图像对应的家电型号；
显示模块，被配置成显示所述家电型号。
第三方面，本公开提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述的家电型号的识别方法。
第四方面，本公开提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述的家电型号的识别方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本公开提供的一种家电型号的识别方法、装置、存储介质及电子设备，包括获取家电的图像，判断所述图像是否满足预设识别条件，当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号并显示所述家电型号。使得产品说明书去纸化，不需通过特定的标识来识别产信息。解决了现有技术中不能根据对产品标志的识别获得对应的产品型号以及使用说明书。
附图说明
在下文中将基于实施例并参考附图来对本公开进行更详细的描述：
图1为本公开实施例提供的一种家电型号的识别方法的流程示意图；
图2为本公开实施例提供的神经网络模型的训练过程示意图；
图3为本公开实施例提供的一种家电型号的识别方法的另一流程示意图；
图4为本公开实施例提供的一种家电型号的识别方法的另一流程示意图；
图5为本公开实施例提供的一种家电型号的识别装置的连接框图。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本公开的实施方式，借此对本公开如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本公开实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本公开的保护范围之内。
本公开提供了一种家电型号的识别方法、装置、存储介质及电子设备，包括获取家电的图像，判断所述图像是否满足预设识别条件，当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号并显示所述家电型号。
实施例一
图1为本公开实施例提供的一种家电型号的识别方法的流程示意图。如图1所示，本方法包括：
步骤S110：获取家电的图像。
优选的，家电的图像可以是用户在使用手机等电子设备进行拍摄时得到的，也可以是电子设备中存储好的家电的图像。
其中，家电的图像分为包含家电标志图像和不包含家电标志图像两类。
优选的，家电的图像为64*64*3的RGB(red green blue)图片。
步骤S120：判断图像是否满足预设识别条件。
具体的，对图像进行识别，判断图像是否包含预设家电标志；当图像中包含预设家电标志时，判断图像质量是否满足预设要求；当图像质量满足预设要求时，图像满足预设识别条件。
进一步的，判断图像质量是否满足预设要求，包括：判断图像的照度是否大于等于预设照度，当照度大于等于预设照度时，获取家电标志在所述图像中的分辨率；通过判断分辨率是否等于预设值，判定家电标志的完整性是否满足要求，当分辨率等于预设值时，家电标志的完整性满足要求，将分辨率与预设区间进行映射，得到家电标志的模糊值；判断模糊值是否小于等于预设模糊值，当模糊值小于等于预设模糊值时，图像满足预设识别条件。
优选的，图像的照度的取值范围为[0，255]，当图像的照度越接近255勒克斯，图像的光照越好，当图像的照度大于预设照度时，图像的光照程度满足要求。
优选的，当分辨率等于预设值，即家电标志的完整性满足要求时，将该分辨率与预设的模糊程度区间进行映射，得到家电标志的模糊值。
优选的，预设的模糊程度区间为[0,1]，其中0为清晰，1为模糊。举例说明，当分辨率与预设的模糊程度区间进行映射，得到家电标志的模糊值为0.6时，将模糊值0.6与预设模糊值进行比较，判断模糊值0.6是否小于等于预设模糊值，从而判定图像是否满足预设识别条件。
其中，预设照度、预设值以及预设模糊值是人为根据实际图像识别条件进行预设的。
步骤S130：当图像满足预设识别条件时，通过训练好的神经网络模型对图像进行识别，得到图像对应的家电型号。
进一步的，神经网络模型的训练过程包括：获取家电的图像集，提取图像集中每个图像中的家电标志，得到家电标志训练集；通过家电标志训练集对预训练神经网络模型进行训练，得到训练好的神经网络模型。
如图2所示，获取家电的图像集，提取图像中的家电标志，得到家电标志训练集，通过家电标志训练集对预训练神经网络模型进行训练，得到训练后的神经网络模型，获取训练后的神经网络模型的识别率，判断识别率是否大于90％，即评估训练后的神经网络模型是否满足预设使用要求，当识别率是否大于90％，即评估训练后的神经网络模型满足预设使用要求时，得到训练好的神经网络模型。当识别率是否小于等于90％，即评估训练后的神经网络模型不满足预设使用要求时，重新获取家电的图像集，再次进行训练。
进一步的，在步骤S130：当图像满足预设识别条件时，通过训练好的神经网络模型进行识别，得到图像对应的家电型号之后，还包括：根据家电型号，在预设数据库中进行查询，得到与家电型号对应的家电信息。
其中，预设数据库中的每个家电型号分别对应一个家电信息。
优选的，家电信息在数据库中的存储格式包括图像格式、文本格式、视频格式、音频格式以及AR(Augmented Reality，增强现实)格式等等。
优选的，家电信息包括家电的简介以及家电的使用说明书。
如图3所示，获取家电的图像，判断图像是否满足预设识别条件，当图像满足预设识别条件时，通过训练好的神经网络模型对图像进行识别，得到图像对应的家电型号，根据家电型号，在预设的数据库中进行查询，得到与所述家电型号对应的家电信息并显示家电信息。
举例说明，用户通过客户端上传或拍照两种方式将电器logo(LOGO type，徽标)的照片上传到服务器，***调用图像质量判断模块判断图像是否可被识别，具体的，图像质量判断模块从图像中的logo的光照程度、logo的完整度以及logo的清晰度进行判断。当判断结果为不能识别时，服务器反馈重新上传照片的信息给到用户。
当判断结果为能识别时，***调用识别模块对图像进行识别，得到图像对应的电器型号，根据得到的电器型号在预设数据库中进行查询，得到电器型号对应的电器的介绍以及用户使用手册等信息，并将该信息反馈给客户端并进行显示。
其中，电器商家制作各类电器的各种格式的介绍以及使用说明书，将电器的介绍以及说明书存储在预设数据库中。电器的介绍以及说明书的格式包括文字格式、文本格式、视频格式、音频格式以及AR格式中的至少一种。
优选的，用户可以根据喜好选择电器的介绍以及说明书的格式，客户端根据用户的选择进行显示。
优选的，商家可以通过修改、替换数据库中的现有说明书，将新版本的说明书提供给访问的用户，使用户能了解产品的最新动态，这种方式也节约了资源，降低了成本。
优选的，可通过统计某种电器的访问次数，商家可以了解用户的兴趣倾向和喜好，从而更有针对性地调整营销策略。
优选的，可以在客户端中添加反馈功能，收集用户意见，提高用户满意度。
这种拍照识别的方便技术降低了用户了解反馈的成本，拉近了用户与产品与商家的距离。此外，通过拍照识别功能，将未购买用户的兴趣转化为用户对产品的了解，对产品销售也有促进作用。
本实施例提供一种家电型号的识别方法，包括获取家电的图像，判断所述图像是否满足预设识别条件，当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号并显示所述家电型号。根据对产品标志的识别获得对应的产品型号以及使用说明书，使得产品说明书去纸化，节约印刷成本，可及时更新产品的使用说明书，提高了产品信息的及时性。
实施例二
图4为本公开实施例提供的一种家电型号的识别方法的另一流程示意图。如图4所示，获取家电的图像，判断图像是否满足预设识别条件；当图像满足预设识别条件时，通过训练好的神经网络模型进行识别，得到图像对应的家电型号；根据家电型号在预设的数据库中进行查询，得到与家电型号对应的家电信息，输出家电信息，并进行显示。
其中，当图像不满足预设识别条件时，重新获取家电的图像，再次判断得到的图像是否满足预设识别条件，直至获取的家电的图像满足预设识别条件。
上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例三
图5为本公开实施例提供的一种家电型号的识别装置20的连接框图。如图5所示，该装置20包括：
获取模块21，被配置成获取家电的图像；
判断模块22，被配置成判断图像是否满足预设识别条件；
处理模块23，被配置成当图像满足预设识别条件时，通过训练好的神经网络模型对该图像进行识别，得到图像对应的家电型号，并控制显示模块24显示家电型号。
进一步的，本装置还可以包括信息调用模块，该信息调用模块被配置根据家电型号获得数据库中对应家电型号的家电信息，并控制显示模块24对家电信息进行显示。
本公开还提供了家电型号识别的装置的另一种优选的实施例，在本实施例中，家电型号识别的装置包括：处理器，其中，所述处理器用于执行存储在存储器中的以下程序模块：获取模块，被配置成获取家电的图像；判断模块，被配置成判断图像是否满足预设识别条件；处理模块，被配置成当图像满足预设识别条件时，通过训练好的神经网络模型对该图像进行，得到图像对应的家电型号，并控制显示模块显示家电型号，信息调用模块根据家电型号获得数据库中对应家电型号的家电信息，并控制显示模块对家电信息进行显示。
上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，该计算机程序被处理器执行时可以实现如下方法步骤：
获取家电的图像；
判断图像是否满足预设识别条件；
当图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到图像对应的家电型号并显示家电型号。
上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例五
本公开实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，包括存储器和处理器，存储器上存储有计算器程序，该计算机程序被处理器执行时实现如实施例一中的家电型号的识别方法。可以理解，电子设备还可以包括，多媒体组件，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的家电型号的识别方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的家电型号的识别方法。
存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
综上，本公开提供的一种家电型号的识别方法、装置、存储介质及电子设备，获取家电的图像，判断图像是否满足预设识别条件，当图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到图像对应的家电型号并显示家电型号，根据家电型号在预设数据库中进行查询，得到以家电型号对应的家电信息并进行显示。本公开根据图像的识别获得对应的产品型号以及使用说明书并进行显示，使得产品说明实现了去媒介化，不需要纸质产品说明，也不需要通过特定标识来识别产品信息，使用户在使用产品时，获取产品介绍以及使用信息更加容易、方便，在使得商家在更新说明书时更加方便快捷，提高用户对产品的了解和信任。
在本公开实施例所提供的几个实施例中，应该理解到，所揭露的***和方法，也可以通过其它的方式实现。以上所描述的***和方法实施例仅仅是示意性的。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本公开所揭露的实施方式如上，但上述的内容只是为了便于理解本公开而采用的实施方式，并非用以限定本公开。任何本公开所属技术领域内的技术人员，在不脱离本公开所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本公开的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种家电型号的识别方法，其特征在于，所述方法包括：
获取家电的图像；
判断所述图像是否满足预设识别条件；
当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号并显示所述家电型号。
2.根据权利要求1所述的方法，其特征在于，判断所述家电图像是否满足预设识别条件，包括：
对所述图像进行识别，判断所述图像是否包含预设家电标志以及所述图像质量是否满足预设要求；
其中，当所述图像包含预设家电标志且所述图像质量满足预设要求时，所述图像满足预设识别条件。
3.根据权利要求2所述的方法，其特征在于，判断所述图像质量是否满足预设要求，包括：
判断所述图像中家电标志的完整度是否满足预设条件；
在所述图像中家电标志的完整度满足预设条件时，获取所述家电标志的模糊值；
判断所述模糊值是否小于等于预设模糊值，当所述模糊值小于等于预设模糊值时，所述图像质量满足预设要求。
4.根据权利要求3所述的方法，其特征在于，判断所述图像中家电标志的完整度是否满足预设条件，包括：
获取所述图像的照度；
在确认所述图像的照度大于等于预设照度时，获取所述家电标志在所述图像中的分辨率；
判断所述家电标志在所述图像中的分辨率是否大于等于预设值；
当所述分辨率大于等于预设值时，所述图像中家电标志的完整度满足预设条件。
5.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练过程包括：
获取家电的图像集；
提取图像中的家电标志，得到家电标志训练集；
通过所述家电标志训练集对待训练的神经网络模型进行训练，以得到训练好的神经网络模型。
6.根据权利要求1所述的方法，其特征在于，得到所述图像对应的家电型号之后，还包括：
根据所述家电型号，在预设的数据库中进行查询，得到与所述家电型号对应的家电信息并显示所述家电信息；
其中，所述数据库中的每个家电型号分别对应一个家电信息。
7.根据权利要求5所述的方法，其特征在于，还包括：所述家电信息在预设数据库中的存储格式包括图像格式、文本格式、视频格式、音频格式以及AR格式中的至少一种。
8.一种家电型号的识别装置，其特征在于，所述装置包括：
获取模块，被配置成获取家电的图像；
判断模块，被配置成判断所述图像是否满足预设识别条件；
处理模块，被配置成当所述图像满足预设识别条件时，通过训练好的神经网络模型对所述图像进行识别，以得到所述图像对应的家电型号；
显示模块，被配置成显示所述家电型号。
9.一种存储介质，其特征在于，该存储介质存储的计算机程序，可被一个或多个处理器执行，执行如权利要求1-7任意一项所述的家电型号的识别方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-7任意一项所述的家电型号的识别方法。
CN202010001748.9A 2020-01-02 2020-01-02 家电型号的识别方法、装置、存储介质及电子设备 Withdrawn CN111144514A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010001748.9A CN111144514A (zh) 2020-01-02 2020-01-02 家电型号的识别方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010001748.9A CN111144514A (zh) 2020-01-02 2020-01-02 家电型号的识别方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN111144514A true CN111144514A (zh) 2020-05-12

Family

ID=70523425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010001748.9A Withdrawn CN111144514A (zh) 2020-01-02 2020-01-02 家电型号的识别方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN111144514A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112287174A (zh) * 2020-09-22 2021-01-29 长沙市到家悠享网络科技有限公司 信息查看与信息处理方法、设备及存储介质
EP3937430A1 (de) * 2020-07-07 2022-01-12 Deutsche Telekom AG Verfahren und system zur erkennung netzwerkfähiger geräte in einem heimnetzwerk

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108345907A (zh) * 2018-02-09 2018-07-31 广东美的制冷设备有限公司 识别方法、增强现实设备及存储介质
CN109993023A (zh) * 2017-12-29 2019-07-09 佛山市顺德区美的电热电器制造有限公司 一种家电联网指示方法、ar设备和计算机存储介质
CN110020039A (zh) * 2017-08-15 2019-07-16 芜湖美的厨卫电器制造有限公司 说明书的展示方法、装置、***和服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020039A (zh) * 2017-08-15 2019-07-16 芜湖美的厨卫电器制造有限公司 说明书的展示方法、装置、***和服务器
CN109993023A (zh) * 2017-12-29 2019-07-09 佛山市顺德区美的电热电器制造有限公司 一种家电联网指示方法、ar设备和计算机存储介质
CN108345907A (zh) * 2018-02-09 2018-07-31 广东美的制冷设备有限公司 识别方法、增强现实设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3937430A1 (de) * 2020-07-07 2022-01-12 Deutsche Telekom AG Verfahren und system zur erkennung netzwerkfähiger geräte in einem heimnetzwerk
CN112287174A (zh) * 2020-09-22 2021-01-29 长沙市到家悠享网络科技有限公司 信息查看与信息处理方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109166058B (zh) 一种定制化房源信息推荐方法及***
CN107862562B (zh) 一种根据用户的图片喜好选择进行商品推荐的方法及装置
US8452785B1 (en) Item search using normalized item attributes
CN107861750B (zh) 一种标签管理方法、标签管理装置及智能终端
EP2634744A1 (en) Search device, method for controlling search device, program, and information storage medium
CN111144514A (zh) 家电型号的识别方法、装置、存储介质及电子设备
US11462002B2 (en) Wallpaper management method, apparatus, mobile terminal, and storage medium
CN110245069A (zh) 页面版本的测试方法和装置、页面的展示方法和装置
CN109101309B (zh) 用于更新用户界面方法和装置
CN110880139B (zh) 一种商品展示方法、装置、终端、服务器及存储介质
KR20140146685A (ko) 벽지 인테리어정보 서비스 시스템과 가상 벽지인테리어 제어방법
CN109961493A (zh) 展示页面上的横幅广告图片生成方法及装置
CN112364203A (zh) 电视视频推荐方法、装置、服务器和存储介质
CN110895775A (zh) 广告物料元素信息提取方法、装置、电子设备及存储介质
JP7261732B2 (ja) 文字の色を決定する方法および装置
CN106101765A (zh) 一种基于b2c的实时广告推送***与方法
US7395266B2 (en) Portable terminal and method of controlling the same
CN110795184B (zh) 信息处理方法及菜单页面的展示方法、装置及***
CN109656647B (zh) 图表图片生成方法、装置、设备及计算机可读存储介质
CN110941731A (zh) 颜色确定方法、面料定制方法及装置
CN110825898A (zh) 美甲套图推荐方法、装置、电子设备、及存储介质
KR20140078399A (ko) 사용자 인터페이스를 제공하는 방법 및 그 디바이스
CN108038169B (zh) 一种页面显示方法及装置
CN115795212A (zh) 一种页面显示方法、装置、电子设备及存储介质
CN112950167A (zh) 设计服务匹配方法、装置、设备及存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200512

WW01 Invention patent application withdrawn after publication