[发明专利]物品识别方法、装置、云端服务器、智能家电设备及系统在审
申请号: | 201810958930.6 | 申请日: | 2018-08-22 |
公开(公告)号: | CN109101937A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 赵仕军 | 申请(专利权)人: | 海尔优家智能科技(北京)有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06F17/30 |
代理公司: | 工业和信息化部电子专利中心 11010 | 代理人: | 张然 |
地址: | 100086 北京市海淀区知春*** | 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: | 智能家电设备 预设 云端服务器 物品识别 监测 处理程序 有效解决 食材 图片 | ||
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:农药和爆炸物品;
所述违禁物品包括以下中的一种或多种:枪支弹药和吸毒工具。
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。
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海尔优家智能科技(北京)有限公司,未经海尔优家智能科技(北京)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/201810958930.6/1.html,转载请声明来源钻瓜专利网。