一种基于双识别技术的物体识别方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于双识别技术的物体识别方法、系统、设备及介质，所述方法包括以下步骤：配置物体识别数据库，训练第一识别模型，设置特征识别算法；获取待识别物体，基于物体识别数据库、特征识别算法和待识别物体生成物体初始判定结果；基于第一识别模型和物体初始判定结果生成物体最终判定结果；本发明专利技术能够采用特征点匹配以及模型训练相结合的双重识别方法，进而实现在物体识别时，对于相似物体可以进行准确辨认，而且在模型训练时，也不需要采用复杂的方式进行训练集的配置，最终可以将两种识别技术的优点相结合，且弥补了两种识别方式所分别具有的缺点，兼顾识别准确性、操作便捷性、使用成本和硬件通用性，具有极高的应用价值。用价值。用价值。

【技术实现步骤摘要】
一种基于双识别技术的物体识别方法、系统、设备及介质


[0001]本专利技术涉及人工智能
，具体的，本专利技术应用于药盒识别领域，特别是涉及一种基于双识别技术的物体识别方法、系统、设备及介质。

技术介绍

[0002]目前，在智能识别领域中，很多计算机视觉赋能产品的第一步均会利用摄像头进行物体识别，这是人工智能在工业领域中的常见应用；比如，常见的智能识别方法包括：图像特征点匹配识别方法或深度学习模型识别方法；这两种方法，具有如下优点：对于特征点匹配方法，其识别速度快，不需大量的样本；对于深度学习模型识别方法，其识别准确性较高，可处理很多相似物体的识别，而且OCR（Optical Character Recognition，文字识别）模型的训练不需要拍摄相关图像；但是，若将上述的特征点匹配识别方法或深度学习模型识别方法单独应用在智能售药机中的药盒识别时，其分别会存在如下缺陷：第一方面，特征点匹配的识别方法难以解决相似药盒识别：在利用特征点匹配方法进行药盒识别时，相似的药盒图像获取的特征点相似度比较高，在进行匹配时，不同药盒但相似外观就容易识别成一种药盒，易出现识别错误，影响物体识别精准度；第二方面，特征点匹配不能识别出小区域的图像差别：在利用特征点匹配方法进行药盒识别时，其无法识别小区域的图像差别，当两个药盒外观一致，仅药品含量不同时，两个药盒其实已极度相似，但这种情况下，特征点匹配的方法无法把两个药盒区分开，也不能识别出其含量；第三方面，深度学习模型识别方法的训练样本的获取较为困难：在利用深度学习模型进行药盒识别时，首先需要进行模型训练，而模型的训练需要采集大量的训练样本，这样对使用者/操作者就提出了更高的要求，需要使用者拍摄大量不同摆放形态的药盒，进而来形成有效的训练集，而由于药盒种类繁多，药盒的新增频率高，故样本的获取难度高，不便于长期的更新、维护和使用；第四方面，深度学习模型识别方法的识别速度受硬件影响：在利用深度学习模型进行识别时，模型的识别速度对硬件算力的要求高，而高算力的硬件模块则会提高相应的预算，提高整个识别方法的应用成本，降低了识别方法的应用范围；综上所述，现有的物体识别方法在进行智能售药机中的药盒识别时，无法同时兼顾识别准确性、操作便捷性、使用成本和硬件通用性，导致现有的物体识别方法的适用性较差，局限性较大。

技术实现思路

[0003]本专利技术的目的在于，针对现有技术中的上述问题，提供一种基于双识别技术的物体识别方法、系统、设备及介质，进而解决现有技术中的物体识别方法在进行智能售药机中的药盒识别时，无法同时兼顾识别准确性、操作便捷性、使用成本和硬件通用性，导致现有
的物体识别方法的适用性较差，局限性较大的问题。
[0004]为解决上述技术问题，本专利技术的具体技术方案如下：一方面，本专利技术提供一种基于双识别技术的物体识别方法，包括以下步骤：初始化配置：配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定：获取待识别物体，基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定：基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。
[0005]作为一种改进的方案，所述配置物体识别数据库，包括：获取待录入物体，为所述待录入物体设置标识信息；基于所述待录入物体的容量性，将所述待录入物体划分为易相似物体和非相似物体；获取所述非相似物体的第一图像信息和第一标识信息，设置所述非相似物体的第一标志位，将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，设置所述非相似物体的第二标志位，将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；创建第一数据库，设定所述第一非相似物体信息和所述第二易相似物体信息均为物体识别信息，将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库。
[0006]作为一种改进的方案，所述训练第一识别模型，包括：采集所述待录入物体的特殊区域字样信息；设置初始识别模型；通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型。
[0007]作为一种改进的方案，所述基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：获取所述待识别物体所对应的第三标识信息和第三图像信息；访问所述物体识别数据库，基于所述特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息；若未存在，则生成错误结果作为所述物体初始判定结果；若存在，则识别所述第三物体识别信息中的第三标志位，基于所述第三标志位生成所述物体初始判定结果。
[0008]作为一种改进的方案，所述基于所述第三标志位生成所述物体初始判定结果，包括：判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则生成识别正确结果作为所述物体初始判定结果；
若所述第三标志位为所述第二标志位，则生成相似判断结果作为所述物体初始判定结果。
[0009]作为一种改进的方案，所述基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果，包括：识别所述物体初始判定结果；所述物体初始判定结果为所述错误结果时，生成识别异常结果作为所述物体最终判定结果；所述物体初始判定结果为所述识别正确结果时，将所述识别正确结果作为所述物体最终判定结果；所述物体初始判定结果为所述相似判断结果时，获取所述第三物体识别信息中的第三易相似区域坐标信息和第四图像信息；基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果。
[0010]作为一种改进的方案，所述基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果，包括：确认所述待识别物体上与所述第三易相似区域坐标信息相匹配的第一特殊区域图像；确认所述第四图像信息中与所述第三易相似区域坐标信息相匹配的第二特殊区域图像；通过所述第一识别模型对所述第一特殊区域图像和所述第二特殊区域图像进行OCR识别对比，得到OCR识别对比结果；若所述OCR识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像匹配，则生成识别正确结果作为所述物体最终判定结果；若所述OCR识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像非匹配，则生成识别错误结果作为所述物体最终判定结果。
[0011]另一方面，本专利技术还提供一种基于双识别技术的物体识别系统，包括：初始化配置模块、物体初步判定模块和物体进阶判定模块；初始化配置模块，用于配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定模块，用于获取待识别物体，并基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定模块，用于根据所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双识别技术的物体识别方法，其特征在于，包括以下步骤：初始化配置：配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定：获取待识别物体，基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定：基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。2.根据权利要求1所述的一种基于双识别技术的物体识别方法，其特征在于：所述配置物体识别数据库，包括：获取待录入物体，为所述待录入物体设置标识信息；基于所述待录入物体的容量性，将所述待录入物体划分为易相似物体和非相似物体；获取所述非相似物体的第一图像信息和第一标识信息，设置所述非相似物体的第一标志位，将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，设置所述非相似物体的第二标志位，将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；创建第一数据库，设定所述第一非相似物体信息和所述第二易相似物体信息均为物体识别信息，将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库。3.根据权利要求2所述的一种基于双识别技术的物体识别方法，其特征在于：所述训练第一识别模型，包括：采集所述待录入物体的特殊区域字样信息；设置初始识别模型；通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型。4.根据权利要求3所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：获取所述待识别物体所对应的第三标识信息和第三图像信息；访问所述物体识别数据库，基于所述特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息；若未存在，则生成错误结果作为所述物体初始判定结果；若存在，则识别所述第三物体识别信息中的第三标志位，基于所述第三标志位生成所述物体初始判定结果。5.根据权利要求4所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述第三标志位生成所述物体初始判定结果，包括：判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则生成识别正确结果作为所述物体初始判定结果；
若所述第三标志位为所述第二标志位，则生成相似判断结果作为所述物体初始判定...

【专利技术属性】
技术研发人员：胡焱，索春宝，安静，马伟，
申请(专利权)人：浪潮金融信息技术有限公司，
类型：发明
国别省市：