Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 多伦科技股份有限公司叶剑获国家专利权

多伦科技股份有限公司叶剑获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉多伦科技股份有限公司申请的专利一种车检表单智能信息核对的方法、电子设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114359937B

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210006383.8,技术领域涉及:G06V30/412;该发明授权一种车检表单智能信息核对的方法、电子设备及存储介质是由叶剑;张铁监;何志超;汪洋设计研发完成,并于2022-01-05向国家知识产权局提交的专利申请。

一种车检表单智能信息核对的方法、电子设备及存储介质在说明书摘要公布了:本发明公开了一种车检表单智能信息核对的方法、电子设备及存储介质,包括:获得预设数量的各个车检表单样本图像,以及各车检表单样本图像中各像素关于字符标签或非字符标签的预设对应关系;获得预设数量分别包含单字符的各个单字符图像,以及各单字符图像分别所对应的字符内容;然后通过步骤A和步骤B分别获得文本检测模型和文本识别模型;基于文本检测模型和文本识别模型实现对目标车检表单图像中各字符串内容的识别。通过本发明的核对方法对车检表单报告等表单类数据进行文字识别,利用识别结果进行信息的核对与安全评估,不仅能加快车检速度,减轻工作人员负担,降低文本识别的对形近字的误判率,并降低人工核对信息舞弊的可能。

本发明授权一种车检表单智能信息核对的方法、电子设备及存储介质在权利要求书中公布了:1.一种车检表单智能信息核对的方法,其特征在于,步骤如下:获得预设数量的各个车检表单样本图像,以及各车检表单样本图像中各像素关于字符标签或非字符标签的预设对应关系;并获得预设数量分别包含单字符的各个单字符图像,以及各单字符图像分别所对应的字符内容;然后通过以下步骤A和步骤B分别获得文本检测模型和文本识别模型;再基于得到的文本检测模型和文本识别模型,执行步骤I至步骤IV,实现对目标车检表单图像中各字符串内容的识别; 步骤A、基于预设数量的各个车检表单的样本图像为训练数据,以及各车检表单样本图像中各像素关于字符标签或非字符标签的预设对应关系,以车检表单样本图像为输入,以车检表单样本图像中各像素对应字符标签或非字符标签为输出,对文本检测待训练模型进行训练,获得文本检测模型; 步骤B、基于预设数量的分别包含单字符的各个单字符图像为训练数据,以包含单字符的单字符图像为输入,以单字符图像中的字符内容为输出,对文本识别待训练模型进行训练,获得文本识别模型; 步骤I、通过文本检测模型对目标车检表单图像进行处理,获得目标车检表单图像中各像素分别对应字符标签或非字符标签,进入步骤II;步骤II、根据目标车检表单图像中各像素分别对应字符标签或非字符标签,结合预设字符串相邻像素间最大间距,针对各像素进行划分,获得目标车检表单图像中的各个字符串图像,进入步骤III;步骤III、分别对目标车检表单图像中的各字符串图像进行切分,获得字符串图像中的各个单字符图像,进而获得目标车检表单图像中各字符串图像中的各个单字符图像,进入步骤IV;步骤IV、分别针对目标车检表单图像中各字符串图像中的各个单字符图像,应用文本识别模型,获得单字符图像中的字符内容,进而获得目标车检表单图像中各单字符图像中的字符内容,进入步骤V;步骤V、根据目标车检表单图像中各单字符图像中的字符内容,结合目标车检表单图像中各字符串图像中各单字符图像的排序,获得各字符串图像分别对应的字符内容,即实现对目标车检表单图像的识别; 所述步骤B中,所述文本识别模型使用VGG16网络,获得VGG16网络的输出矩阵后,对输出矩阵执行如下步骤,构成文本识别模型; 步骤B1、对VGG16网络的输出矩阵按第二个维度进行归一化,计算W乘以输出矩阵得到预测向量值;其中,参数W为1024xnum_classes的矩阵,其中num_classes为中文字符的类别数; 步骤B2、从预测向量值中挑出与label对应的值,计算其反余弦得到角度θ; 步骤B3、将cosθ+m赋值给label对应的独热码,其中m为角度margin惩罚,m0; 步骤B4、对预测向量值乘以固定值s后,使用Softmax函数进行归一化,最后使用交叉熵计算损失,所用交叉熵损失函数为: 其中,Loss为交叉熵损失函数,N为训练数据的批量值;s为模型的超参数,用于放大余弦值,设定为30;为参数W矩阵的第i列向量与VGG16网络输出的最后一层的第i类特征向量的夹角,θj,i为参数W矩阵的第j列向量与参数W矩阵的第i列向量的夹角,m为角度margin惩罚,用于强行拉大同类之间的角度。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人多伦科技股份有限公司,其通讯地址为:210000 江苏省南京市江宁区天印大道1555号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。