[发明专利]首饰分类系统、方法、装置以及存储介质在审

专利信息
申请号: 202010653118.X 申请日: 2020-07-08
公开(公告)号: CN111860629A 公开(公告)日: 2020-10-30
发明(设计)人: 钟宗余;张挺杰 申请(专利权)人: 北京滴普科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 北京万思博知识产权代理有限公司 11694 代理人: 刘冀
地址: 100000 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 首饰 分类 系统 方法 装置 以及 存储 介质
【说明书】:

本申请公开了一种首饰分类系统、方法、装置以及存储介质。其中,该系统包括:图像处理服务器、用于采集待分类首饰的图像信息的图像采集装置、用于采集待分类首饰的重量信息的称重装置,并且图像采集装置和称重装置与图像处理服务器连接,其中图像处理服务器配置用于执行以下操作:从图像采集装置接收图像信息,利用预先训练的深度学习模型对图像信息进行计算,确定待分类首饰所属的类别;从称重装置接收重量信息,将重量信息与待分类首饰所属的类别对应的重量信息进行比对;以及根据比对的结果对深度学习模型进行优化。

技术领域

本申请涉及人工智能技术领域,特别是涉及一种首饰分类系统、方法、装置以及存储介质。

背景技术

传统的首饰分拣主要采用人工称重进行分拣,采取人工称重分拣的方式需要大量的熟练分拣员,且受到分拣精度主观和熟练度影响。随着技术的发展,为了提高工人分拣效率,开始研制首饰款式智能分类装置,它综合了深度学习图像处理技术机器学习技术,视觉检测技术。这类智能自动检查装置能针对工人分拣不同款式首饰培训难度大错捡多的问题进行了改善,能进一步提高首饰厂的效率。然而,现有的用于首饰分类的深度学习模型在训练过程中只是采用首饰图像训练模型,缺少对模型的监督训练,因此模型的精准度还有待提升。

针对上述的现有技术中存在的首饰分拣的方法只是利用图像识别模型对首饰图像进行识别,无法对模型的识别结果进行监督,因此影响模型的精准度的技术问题,目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种首饰分类系统、方法、装置以及存储介质,以至少解决现有技术中存在的首饰分拣的方法只是利用图像识别模型对首饰图像进行识别,无法对模型的识别结果进行监督,因此影响模型的精准度。

根据本公开实施例的一个方面,提供了一种首饰分类系统,包括:图像处理服务器、用于采集待分类首饰的图像信息的图像采集装置、用于采集待分类首饰的重量信息的称重装置,并且图像采集装置和称重装置与图像处理服务器连接,其中图像处理服务器配置用于执行以下操作:从图像采集装置接收图像信息,利用预先训练的深度学习模型对图像信息进行计算,确定待分类首饰所属的类别;从称重装置接收重量信息,将重量信息与待分类首饰所属的类别对应的重量信息进行比对;以及根据比对的结果对深度学习模型进行优化。

根据本公开实施例的另一方面,还提供了一种首饰分类的方法,包括:获取待分类首饰的图像信息和重量信息;利用预先训练的深度学习模型对图像信息进行计算,确定待分类首饰所属的类别;将重量信息与待分类首饰所属的类别对应的重量信息进行比对;以及根据比对的结果对深度学习模型进行优化。根据本公开实施例的另一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面,还提供了一种首饰分类的装置,包括:数据获取模块,用于获取待分类首饰的图像信息和重量信息;类别确定模块,用于利用预先训练的深度学习模型对图像信息进行计算,确定待分类首饰所属的类别;比对模块,用于将重量信息与待分类首饰所属的类别对应的重量信息进行比对;以及优化模块,用于根据比对的结果对深度学习模型进行优化。

根据本公开实施例的另一个方面,还提供了一种首饰分类的装置,包括:处理器;以及存储器,与处理器连接,用于为处理器提供处理以下处理步骤的指令:获取待分类首饰的图像信息和重量信息;利用预先训练的深度学习模型对图像信息进行计算,确定待分类首饰所属的类别;将重量信息与待分类首饰所属的类别对应的重量信息进行比对;以及根据比对的结果对深度学习模型进行优化。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京滴普科技有限公司,未经北京滴普科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010653118.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top