CN113569593A - 智能花瓶***及花卉识别展示方法、电子设备 - Google Patents

智能花瓶***及花卉识别展示方法、电子设备 Download PDF

Info

Publication number
CN113569593A
CN113569593A CN202010350790.1A CN202010350790A CN113569593A CN 113569593 A CN113569593 A CN 113569593A CN 202010350790 A CN202010350790 A CN 202010350790A CN 113569593 A CN113569593 A CN 113569593A
Authority
CN
China
Prior art keywords
flower
image
target
vase
recognition
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
Application number
CN202010350790.1A
Other languages
English (en)
Inventor
汪然
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.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group 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 BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202010350790.1A priority Critical patent/CN113569593A/zh
Priority to PCT/CN2021/086851 priority patent/WO2021218624A1/zh
Priority to US17/629,354 priority patent/US20220248880A1/en
Publication of CN113569593A publication Critical patent/CN113569593A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47G—HOUSEHOLD OR TABLE EQUIPMENT
    • A47G7/00—Flower holders or the like
    • A47G7/02—Devices for supporting flower-pots or cut flowers
    • A47G7/06—Flower vases
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
    • G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)

Abstract

本说明书一个或多个实施例提供一种智能花瓶***及花卉识别展示方法、电子设备。所述***包括：花瓶主体；摄像头，设置于所述花瓶主体上，被配置为采集***所述花瓶主体中的花卉的花卉图像；花卉识别装置，设置在所述花瓶主体上，被配置为：获取花卉图像；对所述花卉图像进行目标提取，获得至少一个目标花卉图像；基于所述目标花卉图像进行花卉识别，获得花卉识别结果；基于所述花卉识别结果，获取目标花卉的展示信息；以及显示装置，设置于所述花瓶主体上，被配置为显示所述展示信息。本实施例所述智能花瓶***及花卉识别展示方法、电子设备能够解决现有技术中花瓶功能单一不能满足展示需求的问题。

Description

智能花瓶***及花卉识别展示方法、电子设备
技术领域
本说明书一个或多个实施例涉及物联网技术领域，尤其涉及一种智能花瓶***及花卉识别展示方法、电子设备。
背景技术
目前，花瓶是一种器皿，用来盛放鲜花等美丽之物。花瓶多为陶瓷或玻璃制成，外表美观光滑。
随着互联网时代的到来，智能设备已经逐渐深入到我们的生活，花瓶作为一种装饰物是提升室内视觉效果的一种重要物品。然而，现有花瓶只能单一的作为一种装饰物，功能单一；同时，对于酒店、银行、展厅等大型公共场所，更想进一步提高花瓶的展示需求。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种智能花瓶***及花卉识别展示方法、电子设备，以解决现有技术中花瓶功能单一不能满足展示需求的问题。
基于上述目的，本说明书一个或多个实施例提供了一种智能花瓶***，包括：
花瓶主体；
摄像头，设置于所述花瓶主体上，被配置为采集***所述花瓶主体中的花卉的花卉图像；
花卉识别装置，设置在所述花瓶主体上，被配置为：获取花卉图像；对所述花卉图像进行目标提取，获得至少一个目标花卉图像；基于所述目标花卉图像进行花卉识别，获得花卉识别结果；基于所述花卉识别结果，获取目标花卉的展示信息；以及，
显示装置，设置于所述花瓶主体上，被配置为显示所述展示信息。
可选的，所述花卉识别装置对所述花卉图像进行目标提取，获得至少一个目标花卉图像包括：
对所述花卉图像进行处理，获得灰度图像；
对所述灰度图像进行阈值分割以及二值化处理，获得二值图像；
获取所述二值图像中的至少一个连通域；
计算所述连通域的中心位置坐标，基于所述中心位置坐标在所述花卉图像中标记所述目标花卉图像。
可选的，所述花卉识别装置对所述灰度图像进行阈值分割包括根据最佳阈值对所述灰度图像进行分割；所述最佳阈值的获取方法包括：
根据初始阈值将所述灰度图像分割为目标区域及背景区域；
计算所述目标区域的目标区域像素灰度平均值、所述背景区域的背景区域像素灰度平均值以及所述灰度图像的全图像素灰度平均值；
根据所述目标区域像素灰度平均值、所述背景区域像素灰度平均值以及所述全图像素灰度平均值计算所述目标区域以及所述背景区域之间的像素方差；
更新所述初始阈值并重新计算所述像素方差，选取所述像素方差最大时的阈值作为所述最佳阈值。
可选的，所述花卉识别装置还被配置为：
响应于用户的确认指令，基于当前的所述目标花卉图像进行花卉识别；或者，
响应于用户的返回指令，重新获取所述花卉图像并进行所述目标花卉图像的提取。
可选的，所述花卉识别装置基于所述目标花卉图像进行花卉识别，获得花卉识别结果包括：
根据所述目标花卉图像以及预先训练的花卉识别模型获得所述花卉识别结果。
可选的，所述花卉识别模型的训练集方法包括：
获取样本图像集合和与所述样本图像集合中的每个样本图像对应的标签；其中，所述样本图像集合中包括显示有花卉的样本图像；
利用机器学习方法，基于所述样本图像集合、所述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对预设的卷积神经网络进行训练，得到所述花卉识别模型。
可选的，还包括：
获取多个初始样本图像；
采用数据标准化方法对所述初始样本图像进行预处理，得到所述样本图像；
根据所述样本图像构建所述样本图像集合。
可选的，所述花卉识别装置还被配置为：
根据所述花卉识别结果获取花卉视频展示信息以及花卉文字展示信息；
将所述花卉视频展示信息、所述花卉文字展示信息发送至不同的显示装置分别显示。
可选的，还包括：
转盘，设置在所述花瓶主体底部；
电机，与所述转盘连接，被配置为接收所述花卉识别装置生成的旋转控制指令，并基于所述旋转控制指令控制所述转盘旋转以实现所述花瓶主体的旋转。
可选的，还包括：
红外传感器，设置在所述花瓶主体瓶口内侧，被配置为采集花卉的***或拔出状态并发送给所述花卉识别装置，以使所述花卉识别装置根据所述***或拔出状态生成控制信号控制所述展示信息的播放与停止。
本说明书一个或多个实施例还提供了一种用于智能花瓶***的花卉识别展示方法，包括：
获取花卉图像；
对所述花卉图像进行目标提取，获得至少一个目标花卉图像；
基于所述目标花卉图像进行花卉识别，获得花卉识别结果；
基于所述花卉识别结果，获取目标花卉的展示信息并显示。
本说明书一个或多个实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的用于智能花瓶***的花卉识别展示方法。
从上面所述可以看出，本说明书一个或多个实施例提供的智能花瓶***及花卉识别展示方法、电子设备，通过位于花瓶主体上的摄像头对准备***花瓶主体的花卉进行图像采集获得花卉图像，之后摄像头将采集到的花卉图像发送给花卉识别装置；花卉识别装置接收到该花卉图像后，首先进行目标提取，将花卉图像中单独的花朵作为目标提取出来作为目标花卉图像，并基于该目标花卉图像进行花卉识别，得到花卉识别结果，之后基于该花卉识别结果获得图像、文字、视频等用于介绍该花卉的展示信息发送给显示装置进行显示，从而使得本实施例中的花瓶不仅可以盛放花卉，还可以对花瓶中盛放的花卉进行图像、视频、文字等全方位的展示，从而使得本实施例所述智能花瓶能够满足酒店、银行、展厅等大型公共场所对鲜花展示的需求，从而可以实现提升目标价值定位、吸引流量的目的。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例所述智能花瓶***的结构示意图；
图2为本说明书一个或多个实施例所述智能花瓶***的一个应用场景的使用示意图；
图3为本说明书一个或多个实施例花卉识别装置进行目标提取的流程示意图；
图4a为本说明书一个或多个实施例主屏幕显示示意图；
图4b为本说明书一个或多个实施例副屏幕显示示意图；
图5为本说明书一个或多个实施例用于智能花瓶***的花卉识别展示方法的流程示意图；
图6为本说明书一个或多个实施例电子设备硬件结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
现有技术中，花瓶只能单一的作为一种装饰物，功能单一。为了满足酒店、银行、展厅等大型公共场所对鲜花展示的需求，本说明书一个或多个实施例提供一种智能花瓶***，如图1所示，包括花瓶主体1、摄像头2、花卉识别装置3以及显示装置4。其中，花瓶主体1可用于盛装花卉。摄像头2设置于花瓶主体1上，被配置为采集***所述花瓶主体中的花卉的花卉图像。花卉识别装置3设置在花瓶主体1上，被配置为：获取花卉图像；对所述花卉图像进行目标提取，获得至少一个目标花卉图像；基于所述目标花卉图像进行花卉识别，获得花卉识别结果；基于所述花卉识别结果，获取目标花卉的展示信息。显示装置4设置于所述花瓶主体1上，被配置为显示所述展示信息。
在本实施例中，首先通过位于花瓶主体1上的摄像头2对准备***花瓶主体1的花卉进行图像采集获得花卉图像，之后摄像头2将采集到的花卉图像发送给花卉识别装置3；花卉识别装置3接收到该花卉图像后，首先进行目标提取，将花卉图像中单独的花朵作为目标提取出来作为目标花卉图像，并基于该目标花卉图像进行花卉识别，得到花卉识别结果，之后基于该花卉识别结果获得图像、文字、视频等用于介绍该花卉的展示信息发送给显示装置进行显示，从而使得本实施例中的花瓶不仅可以盛放花卉，还可以对花瓶中盛放的花卉进行图像、视频、文字等全方位的展示，从而使得本实施例所述智能花瓶能够满足酒店、银行、展厅等大型公共场所对鲜花展示的需求，从而可以实现提升目标价值定位、吸引流量的目的。
可选的，在本实施例中，花卉识别装置3可以为单个设备，包括处理器、存储器等，存储器中存储大量花卉信息，处理器进行目标花卉图像的提取后，从存储器中提取出对应的花卉展示信息发送给显示装置进行展示。如图2所示，本实施例中花卉识别装置3也可以包括终端设备和服务器5，其中终端设备设置于花瓶主体1上，终端设备获取到花卉图像后进行目标提取，将提取到的目标花卉图像发送至服务器5进行花卉识别，获得目标花卉的展示信息后再发送给显示装置进行显示；或者终端设备获取到花卉图像后直接将花卉图像直接发送给服务器进行目标提取以及花卉识别。
可选的，摄像头2可以设置在花瓶主体1的背面，防止放置于花瓶主体1前侧时无法保护隐私。
在一些可选的实施例中，采用多目标提取算法对花卉图像进行目标提取，从而得到目标花卉图像。其中，多目标提取算法可以包括阈值分割算法、最大类间方差法(OTSU)、基于机器视觉图像的多目标提取算法等。如图3所示，以最大类间方差法为例，花卉识别装置3对花卉图像进行目标提取，获得至少一个目标花卉图像包括：
步骤101，对所述花卉图像进行处理，获得灰度图像。首先对花卉图像进行灰度处理从而获得灰度图像。
步骤102，对所述灰度图像进行阈值分割以及二值化处理，获得二值图像。在本实施例中，基于阈值对灰度图像进行分割，将获取灰度图像的每一个像素点的像素灰度，将每个像素点的像素灰度与阈值进行比较，若像素点的像素灰度大于阈值则将该像素点的像素灰度置为第一灰度值，若像素点的像素灰度小于于阈值则将该像素点的像素灰度置为第二灰度值，从而得到二值图像。第一灰度值为255且第二灰度值为0，或者第一灰度值为0且第二灰度值为255。
其中，花卉识别装置3对所述灰度图像进行阈值分割包括根据最佳阈值对所述灰度图像进行分割；所述最佳阈值的获取方法包括：
步骤201，根据初始阈值将所述灰度图像分割为目标区域及背景区域。
首选，设置初始阈值。本实施例中，初始阈值可以为预设值；或者获得灰度图像的最小灰度值，将最小灰度值与预设步长的和作为初始阈值。
步骤202，计算所述目标区域的目标区域像素灰度平均值、所述背景区域的背景区域像素灰度平均值以及所述灰度图像的全图像素灰度平均值。
步骤203，根据所述目标区域像素灰度平均值、所述背景区域像素灰度平均值以及所述全图像素灰度平均值计算所述目标区域以及所述背景区域之间的像素方差。
步骤204，更新所述初始阈值并重新计算所述像素方差，选取所述像素方差最大时的阈值作为所述最佳阈值。
本实施例中，若基于某一阈值使得分割后获得的目标区域像素灰度平均值、背景区域像素灰度平均值与全图像素灰度平均值之间的差别最大，其分割结果使得目标亮点区域(如白色点区域)相对集中，则该阈值为最佳阈值，基于最佳阈值进行分割，获得二值图像，并基于该二值图像进行后续的处理。
步骤103，获取所述二值图像中的至少一个连通域。
在本实施例中，可采用四邻接的连通域方式可以确定花卉图像中的单一花朵的大致区域，从而确定目标花卉图像。
步骤104，计算所述连通域的中心位置坐标，基于所述中心位置坐标在所述花卉图像中标记所述目标花卉图像。
在本实施例中，选择最大连通域作为基准，小于最大连通域预设百分比(本实施例中预设百分比为35％)的连通域被滤除，剩余的连通域从图像中分割出来，获得各连通域对应的目标图像。之后分别对每一个连通域对应的目标图像进行中心位置计算获得中心位置坐标，将该中心位置坐标与原本的花卉图像结合，最后通过4x4矩阵膨胀显示，获得最终的目标花卉图像，并通过矩形框在显示装置上标注目标花卉图像。
在本说明书的一些可选实施例中，当***花瓶的花束中包括多种类花卉时，目标花卉图像中也可能标注出多个种类的花朵。若当前标注出的目标花卉图像满足用户的要求，则用户可操作进行花卉识别；此时，花卉识别装置3还被配置为：响应于用户的确认指令，基于当前的所述目标花卉图像进行花卉识别。
若目标花卉图像中不包含全部的花卉种类或者用户感兴趣的花卉种类，则需要将花束调整拍摄角度重新拍摄花卉图像并重新进行目标花卉图像的提取。此时，花卉识别装置3还被配置为：响应于用户的返回指令，重新获取所述花卉图像并进行所述目标花卉图像的提取。
在上述实施例中，显示装置可以为触摸显示装置，因此用户的确认指令以及返回指令均可通过用户对触摸显示装置的操作实现。此外，用户的确认指令以及返回指令也可通过按键等其他方式实现。
在本说明书的另一些实施例中，花卉识别装置3基于所述目标花卉图像进行花卉识别，获得花卉识别结果包括：根据所述目标花卉图像以及预先训练的花卉识别模型获得所述花卉识别结果。
在本实施例的一些可选的实现方式中，花卉识别模型可以是通过对预设的卷积神经网络(Convolutional Neural Network，CNN)进行训练得到的。其中，该卷积神经网络可以是未经训练或未训练完成的多层卷积神经网络。该卷积神经网络例如可以包括卷积层、池化层、全连接层和损失层。另外，该卷积神经网络中的非首个卷积层可以与位于该非首个卷积层之前的至少一个卷积层相连接。例如，该非首个卷积层可以与位于其之前的所有卷积层相连接；该非首个卷积层也可以与位于其之前的部分卷积层相连接。
需要说明的是，上述花卉识别模型可以是设置于花瓶主体1上的花卉识别装置3或者与设置于花瓶主体1上的终端设备远程通信连接的服务器通过执行以下训练步骤训练得到的：
首先，需获取大量的样本图像。获取数据库中常见的图像作为初始样本图像，对获取到的初始样本图像进行预处理，采用数据标准化方法(标准差标准化)，使得处理过的数据符合正态分布特征，均值为0，标准差为1。标准差标准化公式：
Figure BDA0002471756520000081
其中x和y分别为输入和输出序列，
Figure BDA0002471756520000082
为输入序列的平均值，s为输入序列的标准差。通过预处理获得样本图像，根据样本图像构建样本图像集合以便于花卉识别模型的训练。
而后，获取样本图像集合和与该样本图像集合中的每个样本图像对应的标签。其中，样本图像集合中可以存在显示有花卉的样本图像，也可以存在未显示有花卉的样本图像。对于显示有花卉的样本图像，该样本图像所对应的标签可以用于指示该样本图像显示的花卉所归属的花卉类别。对于未显示有花卉的样本图像，该样本图像所对应的标签可以用于指示该样本图像中不存在花卉。另外，样本图像集合和该样本图像集合中的样本图像所对应的标签可以预先存储在该训练步骤的执行端(例如花瓶主体1上的花卉识别装置3)本地，当然也可以预先存储在服务器中，本实施例不对此方面内容做任何限定。
再次，利用机器学习方法，基于样本图像集合、样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对上述卷积神经网络进行训练，得到花卉识别模型。这里，在训练过程中，花卉识别装置3可以将样本图像输入上述卷积神经网络，得到与该样本图像对应的第一识别结果，花卉识别装置3可以利用预设的分类损失函数来确定该识别结果与该样本图像所对应的标签之间的差异，并可以根据该差异采用预设的反向传播算法对上述卷积神经网络中的参数进行调整。
需要说明的是，上述分类损失函数可以是各种用于分类的损失函数(例如HingeLoss函数或Softmax Loss函数等)。在训练过程中，分类损失函数可以约束卷积核修改的方式和方向，训练的目标为使分类损失函数的值最小。因而，训练后得到的卷积神经网络的参数即为分类损失函数的值为最小值时所对应的参数。
另外，上述反向传播算法也可称为误差反向传播算法，或误差逆传播算法。反向传播算法的学习过程由正向传播过程和反向传播过程组成。在前馈网络中，输入信号经输入层输入，通过隐藏层计算，由输出层输出。将输出值与标记值比较，若有误差，将误差反向由输出层向输入层传播，在这个过程中，可以利用梯度下降算法(例如随机梯度下降算法)对神经元权值(例如卷积层中卷积核的参数等)进行调整。
在一个具体的实施例中，预处理后获得统一大小的样本图像集合，其中样本图像集合中样本图像的大小为250x250x3，其中250为分辨率，3表示通道。之后分别使用32和64个尺寸为5x5d卷积核进行特征提取；采用最大池化方式(核为2x2，步长为2)对上一个卷积层提取的特征图进行下采样；采用1024个节点与上一个池化层S4输出进行全连接；以35％的概率随机丢弃数据；最后使用softmax回归进行分类输出。采用通用反向传播方法对模型进行多层前馈神经网络训练，即Soft-max损失函数和小批量梯度下降算法对模型进行训练，设定批大小为128。最终获得训练后的花卉识别模型。
使用时，将提取出的目标花卉图像输入训练后的花卉识别模型进行花卉识别，获得花卉识别结果。可选的，花卉识别结果可包括花卉类别，花卉类别可以是按照花卉科属种中的种来划分的类别，花卉类别例如可以包括牡丹、芍药、菊花、紫薇花、月季、百合、梅花、茉莉花等等。当然，花卉类别还可以是按照花卉科属种中的属或科来划分的类别。以按属划分出的花卉类别为例，花卉类别例如可以包括百合属、芦荟属、杜鹃属、凤仙花属、木槿属、菊属、紫薇属等等。
在本说明书的另一些实施例中，花卉识别装置3还被配置为：根据所述花卉识别结果获取花卉视频展示信息以及花卉文字展示信息；将所述花卉视频展示信息、所述花卉文字展示信息发送至不同的显示装置分别显示。
为更好的展示花卉识别结构，可在花瓶主体1上设置双显示装置分别来显示花卉视频展示信息以及花卉文字展示信息。为降低***成本，采用单一控制器板卡，通过双MIPI接口实现双屏异显功能。如图4a所示，将有机电致发光(Organic Light Emitting Diode，以下简称OLED)柔性显示装置作为主屏幕，将主屏幕设置在花瓶本体1的正面，利用其画质进行花卉视频展示信息的播放展示；如图4b所示，液晶显示器(Liquid Crystal Display，LCD)作为副屏幕，用于花卉文字展示信息的展示、显示花卉识别界面和设备管理界面。本***可基于Android的Presentation类实现将视频播放和信息交换两个不同的界面分别展示在不同屏幕之上，实现双屏异显。
在另一些实施例中，本说明书实施例所述智能花瓶***还包括转盘以及电机。其中转盘设置在所述花瓶主体1的底部；电机与所述转盘连接，被配置为接收所述花卉识别装置生成的旋转控制指令，并基于所述旋转控制指令控制所述转盘旋转以实现所述花瓶主体的旋转。可选的，转盘可以设置在花瓶主体1的内部，转盘上设置一用于固定花束的固定支架，当转盘转动时，通过固定支架带动花束旋转，从而可以更加全面的进行花卉的展示。可选的，转盘也可以设置在花瓶主体1的外部，花瓶主体1的底部固定于转盘上，转盘在电机的作用下转动时可带动整个花瓶主体1转动，从而实现花卉的全面展示。
可选的，所述智能花瓶***还包括设置在所述花瓶主体1瓶口内侧的红外传感器，红外传感器被配置为采集花卉的***或拔出状态并发送给所述花卉识别装置3，以使所述花卉识别装置3根据所述***或拔出状态生成控制信号控制所述展示信息的播放与停止。在本实施例中，花卉***花瓶主体1时，位于瓶口的红外传感器感应到花卉的***生成花卉***信号发送给花卉识别装置3，使得花卉识别装置3开始播放花卉的展示信息；当拔出花卉时，位于瓶口的红外传感器感应到花卉的拔出生成花卉拔出信号发送给花卉识别装置3，使得花卉识别装置3停止播放花卉的展示信息。
本说明书一个或多个实施例提供还一种用于智能花瓶***的花卉识别展示方法，如图5所示，所述方法包括：
步骤301，获取花卉图像。
步骤302，对所述花卉图像进行目标提取，获得至少一个目标花卉图像。
步骤303，基于所述目标花卉图像进行花卉识别，获得花卉识别结果。
步骤304，基于所述花卉识别结果，获取目标花卉的展示信息并显示。
在本实施例中，通过花卉图像的获取、目标提取、花卉识别识别出花卉的种类等花卉识别结果，之后基于该花卉识别结果获得图像、文字、视频等用于介绍该花卉的展示信息发送给显示装置进行显示，从而对花瓶中盛放的花卉进行图像、视频、文字等全方位的展示，从而使得本实施例所述智能花瓶能够满足酒店、银行、展厅等大型公共场所对鲜花展示的需求，从而可以实现提升目标价值定位、吸引流量的目的。
其中，在进行目标提取以及花卉识别时，可以由安装于花瓶本体上的花卉识别装置3单独实现，此时该花卉识别装置3包括处理器、存储器等，存储器中存储大量花卉信息，处理器进行目标花卉图像的提取后，从存储器中提取出对应的花卉展示信息发送给显示装置进行展示。本实施例中花卉识别装置3也可以包括终端设备和服务器5，其中终端设备设置于花瓶主体1上，终端设备获取到花卉图像后进行目标提取，将提取到的目标花卉图像发送至服务器5进行花卉识别，获得目标花卉的展示信息后再发送给显示装置进行显示；或者终端设备获取到花卉图像后直接将花卉图像直接发送给服务器进行目标提取以及花卉识别。
可选的，步骤302中所述对所述花卉图像进行目标提取，获得至少一个目标花卉图像包括：
步骤401，对所述花卉图像进行处理，获得灰度图像。
步骤402，对所述灰度图像进行阈值分割以及二值化处理，获得二值图像。在本实施例中，基于阈值对灰度图像进行分割，将获取灰度图像的每一个像素点的像素灰度，将每个像素点的像素灰度与阈值进行比较，若像素点的像素灰度大于阈值则将该像素点的像素灰度置为第一灰度值，若像素点的像素灰度小于于阈值则将该像素点的像素灰度置为第二灰度值，从而得到二值图像。第一灰度值为255且第二灰度值为0，或者第一灰度值为0且第二灰度值为255。
其中，所述对所述灰度图像进行阈值分割包括根据最佳阈值对所述灰度图像进行分割；所述最佳阈值的获取方法包括：
步骤501，根据初始阈值将所述灰度图像分割为目标区域及背景区域。
步骤502，计算所述目标区域的目标区域像素灰度平均值、所述背景区域的背景区域像素灰度平均值以及所述灰度图像的全图像素灰度平均值。
步骤503，根据所述目标区域像素灰度平均值、所述背景区域像素灰度平均值以及所述全图像素灰度平均值计算所述目标区域以及所述背景区域之间的像素方差。
步骤504，更新所述初始阈值并重新计算所述像素方差，选取所述像素方差最大时的阈值作为所述最佳阈值。
本实施例中，若基于某一阈值使得分割后获得的目标区域像素灰度平均值、背景区域像素灰度平均值与全图像素灰度平均值之间的差别最大，其分割结果使得目标亮点区域(如白色点区域)相对集中，则该阈值为最佳阈值，基于最佳阈值进行分割，获得二值图像，并基于该二值图像进行后续的处理。
步骤403，获取所述二值图像中的至少一个连通域。
在本实施例中，可采用四邻接的连通域方式可以确定花卉图像中的单一花朵的大致区域，从而确定目标花卉图像。
步骤404，计算所述连通域的中心位置坐标，基于所述中心位置坐标在所述花卉图像中标记所述目标花卉图像。
在本实施例中，选择最大连通域作为基准，小于最大连通域预设百分比(本实施例中预设百分比为35％)的连通域被滤除，剩余的连通域从图像中分割出来，获得各连通域对应的目标图像。之后分别对每一个连通域对应的目标图像进行中心位置计算获得中心位置坐标，将该中心位置坐标与原本的花卉图像结合，最后通过4x4矩阵膨胀显示，获得最终的目标花卉图像，并通过矩形框在显示装置上标注目标花卉图像。
可选的，步骤404所述基于所述中心位置坐标在所述花卉图像中标记所述目标花卉图像并显示之后还包括：响应于用户的确认指令，基于当前的所述目标花卉图像进行花卉识别；或者，响应于用户的返回指令，重新获取所述花卉图像并进行所述目标花卉图像的提取。即，在本说明书的实施例中，当***花瓶的花束中包括多种类花卉时，目标花卉图像中也可能标注出多个种类的花朵。若当前标注出的目标花卉图像满足用户的要求，则用户可操作进行花卉识别；若目标花卉图像中不包含全部的花卉种类或者用户感兴趣的花卉种类，则需要将花束调整拍摄角度重新拍摄花卉图像并重新进行目标花卉图像的提取。
可选的，步骤303所述基于所述目标花卉图像进行花卉识别，获得花卉识别结果包括：根据所述目标花卉图像以及预先训练的花卉识别模型获得所述花卉识别结果。
在本实施例的一些可选的实现方式中，花卉识别模型可以是通过对预设的卷积神经网络(Convolutional Neural Network，CNN)进行训练得到的。其中，该卷积神经网络可以是未经训练或未训练完成的多层卷积神经网络。该卷积神经网络例如可以包括卷积层、池化层、全连接层和损失层。另外，该卷积神经网络中的非首个卷积层可以与位于该非首个卷积层之前的至少一个卷积层相连接。例如，该非首个卷积层可以与位于其之前的所有卷积层相连接；该非首个卷积层也可以与位于其之前的部分卷积层相连接。
可选的，步骤304所述基于所述花卉识别结果，获取目标花卉的展示信息并显示包括：根据所述花卉识别结果获取花卉视频展示信息以及花卉文字展示信息；将所述花卉视频展示信息、所述花卉文字展示信息发送至不同的显示装置分别显示。
可选的，所述用于智能花瓶***的花卉识别展示方法还包括：生成旋转控制指令并发送至电机，使所述电机基于所述旋转控制指令控制转盘旋转以实现花瓶主体的旋转。
可选的，所述用于智能花瓶***的花卉识别展示方法还包括：获取花卉的***或拔出状态，根据所述***或拔出状态生成控制信号以控制所述展示信息的播放与停止。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例提供还一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项实施例所述的用于智能花瓶***的花卉识别展示方法。
图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (12)

1.一种智能花瓶***，其特征在于，包括：
花瓶主体；
摄像头，设置于所述花瓶主体上，被配置为采集***所述花瓶主体中的花卉的花卉图像；
花卉识别装置，设置在所述花瓶主体上，被配置为：获取花卉图像；对所述花卉图像进行目标提取，获得至少一个目标花卉图像；基于所述目标花卉图像进行花卉识别，获得花卉识别结果；基于所述花卉识别结果，获取目标花卉的展示信息；以及，
显示装置，设置于所述花瓶主体上，被配置为显示所述展示信息。
2.根据权利要求1所述的***，其特征在于，所述花卉识别装置对所述花卉图像进行目标提取，获得至少一个目标花卉图像包括：
对所述花卉图像进行处理，获得灰度图像；
对所述灰度图像进行阈值分割以及二值化处理，获得二值图像；
获取所述二值图像中的至少一个连通域；
计算所述连通域的中心位置坐标，基于所述中心位置坐标在所述花卉图像中标记所述目标花卉图像。
3.根据权利要求2所述的***，其特征在于，所述花卉识别装置对所述灰度图像进行阈值分割包括根据最佳阈值对所述灰度图像进行分割；所述最佳阈值的获取方法包括：
根据初始阈值将所述灰度图像分割为目标区域及背景区域；
计算所述目标区域的目标区域像素灰度平均值、所述背景区域的背景区域像素灰度平均值以及所述灰度图像的全图像素灰度平均值；
根据所述目标区域像素灰度平均值、所述背景区域像素灰度平均值以及所述全图像素灰度平均值计算所述目标区域以及所述背景区域之间的像素方差；
更新所述初始阈值并重新计算所述像素方差，选取所述像素方差最大时的阈值作为所述最佳阈值。
4.根据权利要求2所述的***，其特征在于，所述花卉识别装置还被配置为：
响应于用户的确认指令，基于当前的所述目标花卉图像进行花卉识别；或者，
响应于用户的返回指令，重新获取所述花卉图像并进行所述目标花卉图像的提取。
5.根据权利要求1所述的***，其特征在于，所述花卉识别装置基于所述目标花卉图像进行花卉识别，获得花卉识别结果包括：
根据所述目标花卉图像以及预先训练的花卉识别模型获得所述花卉识别结果。
6.根据权利要求5所述的***，其特征在于，所述花卉识别模型的训练集方法包括：
获取样本图像集合和与所述样本图像集合中的每个样本图像对应的标签；其中，所述样本图像集合中包括显示有花卉的样本图像；
利用机器学习方法，基于所述样本图像集合、所述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对预设的卷积神经网络进行训练，得到所述花卉识别模型。
7.根据权利要求6所述的***，其特征在于，还包括：
获取多个初始样本图像；
采用数据标准化方法对所述初始样本图像进行预处理，得到所述样本图像；
根据所述样本图像构建所述样本图像集合。
8.根据权利要求1所述的***，其特征在于，所述花卉识别装置还被配置为：
根据所述花卉识别结果获取花卉视频展示信息以及花卉文字展示信息；
将所述花卉视频展示信息、所述花卉文字展示信息发送至不同的显示装置分别显示。
9.根据权利要求1所述的***，其特征在于，还包括：
转盘，设置在所述花瓶主体底部；
电机，与所述转盘连接，被配置为接收所述花卉识别装置生成的旋转控制指令，并基于所述旋转控制指令控制所述转盘旋转以实现所述花瓶主体的旋转。
10.根据权利要求1所述的***，其特征在于，还包括：
红外传感器，设置在所述花瓶主体瓶口内侧，被配置为采集花卉的***或拔出状态并发送给所述花卉识别装置，以使所述花卉识别装置根据所述***或拔出状态生成控制信号控制所述展示信息的播放与停止。
11.一种用于智能花瓶***的花卉识别展示方法，其特征在于，包括：
获取花卉图像；
对所述花卉图像进行目标提取，获得至少一个目标花卉图像；
基于所述目标花卉图像进行花卉识别，获得花卉识别结果；
基于所述花卉识别结果，获取目标花卉的展示信息并显示。
12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求11所述的用于智能花瓶***的花卉识别展示方法。
CN202010350790.1A 2020-04-28 2020-04-28 智能花瓶***及花卉识别展示方法、电子设备 Pending CN113569593A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010350790.1A CN113569593A (zh) 2020-04-28 2020-04-28 智能花瓶***及花卉识别展示方法、电子设备
PCT/CN2021/086851 WO2021218624A1 (zh) 2020-04-28 2021-04-13 智能花瓶***及花卉识别展示方法、电子设备
US17/629,354 US20220248880A1 (en) 2020-04-28 2021-04-13 Intelligent vase system, flower recognition and presentation method and electronic apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010350790.1A CN113569593A (zh) 2020-04-28 2020-04-28 智能花瓶***及花卉识别展示方法、电子设备

Publications (1)

Publication Number Publication Date
CN113569593A true CN113569593A (zh) 2021-10-29

Family

ID=78158168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010350790.1A Pending CN113569593A (zh) 2020-04-28 2020-04-28 智能花瓶***及花卉识别展示方法、电子设备

Country Status (3)

Country Link
US (1) US20220248880A1 (zh)
CN (1) CN113569593A (zh)
WO (1) WO2021218624A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071763B (zh) * 2023-03-06 2023-06-16 山东薪火书业有限公司 基于文字识别的教辅图书智能校编***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573644A (zh) * 2014-12-29 2015-04-29 天津瑞为拓新科技发展有限公司 多模式人脸识别方法
CN107940292A (zh) * 2017-11-14 2018-04-20 广东瑞可创意设计有限公司 花瓶桌灯
CN108171275A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 用于识别花卉的方法和装置
CN108898059A (zh) * 2018-05-30 2018-11-27 上海应用技术大学 花卉识别方法及其设备
WO2019233394A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法和装置、存储介质、电子设备
CN110730547A (zh) * 2018-07-16 2020-01-24 上海草家物联网科技有限公司 电子装饰物及其花瓶、电子植物以及光照管理***和光照补充方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050185398A1 (en) * 2004-02-20 2005-08-25 Scannell Robert F.Jr. Multifunction-adaptable, multicomponent devices
KR101818497B1 (ko) * 2015-10-06 2018-01-16 대구대학교 산학협력단 스마트 시스템과 연동되는 스마트 화분
US20170262985A1 (en) * 2016-03-14 2017-09-14 Sensors Unlimited, Inc. Systems and methods for image-based quantification for allergen skin reaction
CA3061912A1 (en) * 2017-05-08 2018-11-15 PlantSnap, Inc. Systems and methods for electronically identifying plant species
CN110751621B (zh) * 2019-09-05 2023-07-21 五邑大学 基于深度卷积神经网络的乳腺癌辅助诊断方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573644A (zh) * 2014-12-29 2015-04-29 天津瑞为拓新科技发展有限公司 多模式人脸识别方法
CN107940292A (zh) * 2017-11-14 2018-04-20 广东瑞可创意设计有限公司 花瓶桌灯
CN108171275A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 用于识别花卉的方法和装置
CN108898059A (zh) * 2018-05-30 2018-11-27 上海应用技术大学 花卉识别方法及其设备
WO2019233394A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法和装置、存储介质、电子设备
CN110730547A (zh) * 2018-07-16 2020-01-24 上海草家物联网科技有限公司 电子装饰物及其花瓶、电子植物以及光照管理***和光照补充方法

Also Published As

Publication number Publication date
US20220248880A1 (en) 2022-08-11
WO2021218624A1 (zh) 2021-11-04

Similar Documents

Publication Publication Date Title
US11170210B2 (en) Gesture identification, control, and neural network training methods and apparatuses, and electronic devices
CN107977633B (zh) 人脸图像的年龄识别方法、装置及存储介质
CN108416825B (zh) 动态图的生成装置、方法及计算机可读存储介质
US9912874B2 (en) Real-time visual effects for a live camera view
US20170228809A1 (en) Recommendations utilizing visual image analysis
CN110088799B (zh) 图像处理设备和图像处理方法
CN106066756B (zh) 终端的界面生成方法和装置
CN106033435B (zh) 物品识别方法和装置，室内地图生成方法和装置
US11487975B2 (en) Electronic apparatus and method of controlling the same
CN109961101A (zh) 货架状态确定方法及装置、电子设备、存储介质
CN112215171B (zh) 目标检测方法、装置、设备及计算机可读存储介质
US11159717B2 (en) Systems and methods for real time screen display coordinate and shape detection
CN105683892A (zh) 悬停控制的用户界面元素
KR20200102409A (ko) 키 프레임 스케줄링 방법 및 장치, 전자 기기, 프로그램과 매체
CN113569593A (zh) 智能花瓶***及花卉识别展示方法、电子设备
US11451721B2 (en) Interactive augmented reality (AR) based video creation from existing video
CN109961447A (zh) 价签检测方法及装置、电子设备、存储介质
CN113361459A (zh) 基于注视点识别的广告展示方法、装置、设备及存储介质
CN113132786A (zh) 一种用户界面显示方法、装置及可读存储介质
KR20210092071A (ko) 전자 장치 및 그 제어 방법
KR20210087843A (ko) 디스플레이 장치 및 그 제어 방법
CN115840550A (zh) 一种自适应角度的显示屏显示方法、装置及介质
CN110968804A (zh) 一种基于智能物联网的博物馆电子标签宣传***
CN115565479A (zh) 一种多显示屏图像显示方法、装置及存储介质
CN111814818B (zh) 显示设备及其图像处理方法

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