基于手機(jī)的食品安全檢測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于手機(jī)的食品安全檢測(cè)方法，涉及一種對(duì)日常食品進(jìn)行安全檢測(cè)的方法。具體技術(shù)方案：用手機(jī)攝像頭對(duì)食品進(jìn)行攝像，使被檢測(cè)食品成為圖像文件；應(yīng)用圖像處理算法對(duì)圖像進(jìn)行實(shí)時(shí)的預(yù)處理處理，并且將圖像自動(dòng)生成二維信號(hào)；提取二維信號(hào)的特征值；將提取的特征值與用在實(shí)驗(yàn)室中標(biāo)準(zhǔn)樣本圖像特征庫(kù)中建立的判據(jù)進(jìn)行比較；在手機(jī)屏幕上顯示食品安全檢測(cè)的結(jié)果。本發(fā)明的積極效果：操作方便，不增加任何成本，只是在相關(guān)網(wǎng)站上下載相應(yīng)的檢測(cè)程序安裝在手機(jī)上即可，同時(shí)也是一個(gè)開(kāi)放的系統(tǒng)，可以隨時(shí)增加新的檢測(cè)品種。
【專利說(shuō)明】
基于手機(jī)的食品安全檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種對(duì)日常食品進(jìn)行安全檢測(cè)的方法。
【背景技術(shù)】
[0002] 隨著人們對(duì)生活質(zhì)量要求的不斷提高以及目前食品市場(chǎng)的現(xiàn)狀，家庭對(duì)食品品質(zhì) 的要求越來(lái)越高，亟待開(kāi)發(fā)適合家庭應(yīng)用的食品安全檢測(cè)裝置及其方法。
[0003] 公開(kāi)號(hào)：CN103808764A，名稱：基于手機(jī)平臺(tái)的開(kāi)放式食品安全檢測(cè)系統(tǒng)，公開(kāi)了 一種基于手機(jī)平臺(tái)的開(kāi)放式食品安全檢測(cè)系統(tǒng)，它的組成：食品安全檢測(cè)信息采集裝置， GPRS通信，Internet食品安全檢測(cè)數(shù)據(jù)庫(kù)，與圖像云計(jì)算等組成。
[0004] 公開(kāi)號(hào)：CN102564997A，名稱：公開(kāi)了一種家庭用近紅外食品品質(zhì)檢測(cè)裝置，包括 近紅外發(fā)光光源、濾光片、菲涅爾透鏡、樣品池、檢測(cè)器、鎖定放大器和微處理器。
[0005] 上述技術(shù)能夠?qū)崿F(xiàn)對(duì)家庭日常食品進(jìn)行檢測(cè)，但結(jié)構(gòu)還是比較復(fù)雜的，隨著近年 來(lái)高性能智能手機(jī)技術(shù)的迅速發(fā)展與普及，可以基于手機(jī)開(kāi)發(fā)更適合家庭應(yīng)用的食品安全 檢測(cè)方法。

【發(fā)明內(nèi)容】

[0006] 近年來(lái)高性能智能手機(jī)技術(shù)的迅速發(fā)展與普及，一般智能手機(jī)攝像的像素都能達(dá) 到600萬(wàn)以上，隨著像素的進(jìn)一步提高，直接用手機(jī)的攝像頭，對(duì)食品進(jìn)行攝像，再進(jìn)行圖 像處理與識(shí)別，從而可以實(shí)現(xiàn)食品安全檢測(cè)。具體技術(shù)方案如下：
[0007] 用手機(jī)攝像頭對(duì)食品進(jìn)行攝像，使被檢測(cè)食品成為圖像文件；
[0008] 應(yīng)用圖像處理算法對(duì)圖像進(jìn)行實(shí)時(shí)的預(yù)處理處理，并且將圖像自動(dòng)生成二維信 號(hào)；
[0009] 提取二維信號(hào)的特征值；
[0010] 將提取的特征值與用在實(shí)驗(yàn)室中標(biāo)準(zhǔn)樣本圖像特征庫(kù)中建立的判據(jù)進(jìn)行比較；
[0011] 在手機(jī)屏幕上顯示食品安全檢測(cè)的結(jié)果。祥見(jiàn)圖1本發(fā)明食品安全檢測(cè)步驟流程 圖。
[0012] 本發(fā)明與現(xiàn)有技術(shù)相比有如下積極效果：
[0013] 1.操作方便，只需要會(huì)用手機(jī)進(jìn)行拍照即可，其它步驟在手機(jī)內(nèi)部自動(dòng)完成，無(wú)需 進(jìn)行專業(yè)培訓(xùn)；
[0014] 2.無(wú)需增加任何硬件，不增加任何成本，只是在相關(guān)網(wǎng)站上下載相應(yīng)的檢測(cè)程序 安裝在手機(jī)上即可；
[0015] 3.用戶系統(tǒng)升級(jí)也極為方便，可以到相關(guān)網(wǎng)站上下載相應(yīng)的升級(jí)檢測(cè)程序即可， 同時(shí)也是一個(gè)開(kāi)放的系統(tǒng)，可以隨時(shí)增加新的檢測(cè)品種；
[0016] 4.手機(jī)方便、靈活、易于為大眾使用，選擇手機(jī)來(lái)實(shí)現(xiàn)高效率、低成本的食品安全 檢測(cè)是個(gè)不錯(cuò)的選擇，且易于形成社會(huì)化的食品安全監(jiān)督網(wǎng)絡(luò)，使食品安全法切實(shí)落到實(shí) 處；
[0017] 5.本發(fā)明實(shí)施的食品安全檢測(cè)方法本質(zhì)是進(jìn)行食品的圖像處理與識(shí)別，不需要任 何化學(xué)試劑，是一種綠色檢測(cè)方法。
【附圖說(shuō)明】
[0018] 圖1本發(fā)明食品安全檢測(cè)步驟流程圖
[0019] 其中：手機(jī)拍照被檢測(cè)食品1，圖像預(yù)處理2,圖像特征提取3,標(biāo)準(zhǔn)樣本圖像特征 庫(kù)4,比較輸出結(jié)果。
【具體實(shí)施方式】
[0020] 一、食品圖像處理程序的實(shí)現(xiàn)
[0021] 目前，高性能智能手機(jī)拍攝的食品安全檢測(cè)圖片是在可見(jiàn)光圖像，波長(zhǎng) 400-700nm，開(kāi)發(fā)的手機(jī)食品安全檢測(cè)程序，主要包括：圖像預(yù)處理；圖像特征提?。粓D像特 征的識(shí)別。小波分解的多分辨率特點(diǎn)與人眼由粗到細(xì)，由全部到局部，由局部到細(xì)節(jié)的觀察 一致的，因此適合于圖像這類非平穩(wěn)信號(hào)的處理。特別適合于食品安全檢測(cè)的圖像處理，因 為一般情況下獲得的食品安全檢測(cè)的圖像都帶有很大的環(huán)境干擾。
[0022] 1?圖像預(yù)處理
[0023] 小波算法濾噪算法是根據(jù)信號(hào)與噪聲在不同尺度上小波變換的不同形態(tài)表現(xiàn)，構(gòu) 造出相應(yīng)的規(guī)則，對(duì)信號(hào)和噪聲的小波變換系數(shù)進(jìn)行處理，處理的實(shí)質(zhì)在于減小甚至完全 剔除由噪聲產(chǎn)生的系數(shù)，同時(shí)最大限度地保留有效信號(hào)對(duì)應(yīng)的小波系數(shù)。小波變換用于信 號(hào)濾噪的步驟：1)選定一種小波，對(duì)原信號(hào)進(jìn)行小波變換，得到小波系數(shù)w ;2)根據(jù)一定的 閾值法去除w中被認(rèn)為噪聲的系數(shù)；3)用經(jīng)過(guò)處理的小波系數(shù)w進(jìn)行重構(gòu)即可得到濾噪后 的信號(hào)。
[0024] 剔除噪聲系數(shù)的方法用硬閾值法和軟閾值法。硬閾值法即把所有絕對(duì)值低于閾值 的小波系數(shù)全部置零，這種方法容易在某些點(diǎn)產(chǎn)生間斷；軟閾值法即把所有絕對(duì)值低于閾 值的小波系數(shù)全部置零，并從大于閾值的小波系數(shù)的絕對(duì)值中扣除該閾值。
[0025] 確定閾值的方法有多種，如SURE法、VISU法、HYBRID法、MINMAX法等。SURE法是 基于Stein的無(wú)偏似然估計(jì)（Unbiased Risk Estimation)原理的一種自適應(yīng)閾值選擇方 法首先對(duì)一個(gè)給的閾值t進(jìn)行無(wú)偏似然估計(jì)，然后將非似然t最小化，即可得到所需的閾 值。
[0026] 小波變換將一幅圖像分解為大小、位置和方向都不同的分量。在做逆變換之前可 以改變小波變換域中某些系數(shù)的大小，這樣就能夠有選擇地放大所感興趣的分量而減小不 需要的分量。
[0027] 2?圖像特征的提取
[0028] 根據(jù)食品安全檢測(cè)圖像實(shí)驗(yàn)室分析可知，在頻域內(nèi)食品安全檢測(cè)的圖像信息主要 集中在低頻部分，因此提取圖像低頻部分信息組建圖像特征向量就可以基本描述圖像的特 征。
[0029] 1)矩特征的一般表達(dá)式
[0030] 令f(r，0 )表示極坐標(biāo)上的二維二值圖像，則矩特征的一般表示式定義為
[0031] Fpq= / / f(r, 0 )gp(r)elq0rdr d0 (1)
[0032] 其中易gp(r)為變換核的徑向分量，而e]qe是變換核的角度分量.進(jìn)一步把上式 寫(xiě)成：
[0033] Fpq= / f S q (r) gp (r) rdrd 0 ⑵
[0034] 其中Sq(r) = J" f (r，0 )ei]q0d 0。如果上式中g(shù)p(r)定義在：r的整個(gè)定義域內(nèi)， 則Fpq。可看作是圖像的全局特征，否則可看作是圖像的局部特征.可以證明圖像發(fā)生旋轉(zhuǎn) 后特征值的模I |Fpq| | ; | |Fpq| |保持不變。
[0035] 假設(shè)| |Fpq| |和| |F' pq| |分別為兩個(gè)相似物體的特征值，存在
[0036] | |Fj I = I |F， J | + Apq (3)
[0037] 設(shè)有噪聲存在，則式（3)變?yōu)?br>[0038] I |Fj | = | |F' J | + Apq+npq (4)
[0039] 因?yàn)閮蓚€(gè)物體是相似的，所以APq總是比較小。由于Hu矩、Li矩及Zemike矩都 是在整個(gè)圖像空間中計(jì)算的，因而n pq就比較大。如果npq比A pq大，就會(huì)使識(shí)別發(fā)生錯(cuò)誤， 而如果gp(r)是定義在圖像的局部空間，則樣本之間的區(qū)別就可能要大一些，同時(shí)n pq必然 會(huì)減小，這樣就提高了識(shí)別的正確率。gp(r)定義在圖像的局部空間，樣本特征的變化區(qū)域 不大可能相互重疊，這是提出利用小波變換從圖像中提取適當(dāng)階數(shù)的不變矩的一個(gè)關(guān)鍵思 想。
[0040] 2)小波矩的構(gòu)造
[0041] 小波矩是取小波基函數(shù)作為gp (r)，考慮小波函數(shù)族
(5)
[0043] 其中a(a G R+)為擴(kuò)張因子；b(b G R)為位移因子。用式（5)代替式（2)中的gp(r)， 得到小波矩不變量。擴(kuò)張參數(shù)的離散值一般為的形式（m為整數(shù)），b為的 形式。需要注意的是b。的值在大于0的范圍內(nèi)選取時(shí)，W[(r-b)/a]函數(shù)族應(yīng)在不同的m 時(shí)都能覆蓋所有范圍。
(6)
[0045] 其中：n = 3 ;a = 0? 697066 ;fQ= 0? 49177 ; orbQ. 5份1銀由于圖像的尺寸一般被 歸一化在r彡1范圍內(nèi)，a。的值一般取為0. 5, b。的值在大于0的范圍內(nèi)適當(dāng)選取?當(dāng)a = 0. 5m，b = n ? 0. 5m時(shí)，小波函數(shù)沿著軸向定義為：
[0046] '，? = 2m/2W(2mr-n)，貝 1J小波函數(shù)集平 '，? = 2m/2W(2mr-n)，選擇不同的 m和n就可以得到圖像的全局特征和局部特征.由此可以定義小波矩不變量為
[0047] |FPJ | = ||/ Sq(r) Wnjn(r)rdr I (7)
[0048] 式中：m = 0,1，2，…；n = 0,1，."，2m+1;q = 0,1，2，…。對(duì)某一固定的 r，S q(r) =_f f(r，0)eM0d0代表圖像f(r，0)在相位空間[0,2jt]中的第q個(gè)特征。利用不同 的尺度因子m、位移因子!!、',?可以遍及整個(gè)徑向空間[0，1]，小波矩不變量| |Fpq| |可 以提供f(r，0)在不同尺度水平上的特征。在算法實(shí)現(xiàn)中，角度積分和小波變換都是離散 變換。
[0049] 3)基于小波矩特征和神經(jīng)網(wǎng)絡(luò)的識(shí)別算法
[0050] 將輸人二維二值圖像的不變矩作為識(shí)別特征，運(yùn)用BP網(wǎng)絡(luò)進(jìn)行識(shí)別，將輸入圖像 經(jīng)過(guò)歸一化處理，極坐標(biāo)化，旋轉(zhuǎn)不變小波矩特征提取后，送入BP網(wǎng)絡(luò)分類器進(jìn)行識(shí)別，獲 得識(shí)別結(jié)果。
[0051] a特征提取
[0052] (1)歸一化處理
[0053] 樣本可能含有平移、縮放的復(fù)雜情況，要使樣本的特征數(shù)據(jù)適合從各個(gè)方向識(shí)別 就應(yīng)該具有平移、縮放和旋轉(zhuǎn)不變性.為了實(shí)現(xiàn)所提取的矩具有平移、縮放和旋轉(zhuǎn)不變性， 必須先對(duì)樣本進(jìn)行歸一化預(yù)處理。
[0054] 平移和縮放不變性通常由下列方法得到：定義標(biāo)準(zhǔn)矩因子mpq= J J xpyqf(x，y) dxdy因?yàn)閳D形的質(zhì)心具有平移、縮放和旋轉(zhuǎn)不變性，解決平移問(wèn)題的方法是首先確定圖形 的質(zhì)心坐標(biāo)：乂。= m1()/m。。，Y(j= m。/!!!。。。解決縮放問(wèn)題的方法是：定義縮放因子a為圖像 尺寸與標(biāo)準(zhǔn)尺寸的比值
（Area表示所期望的圖像尺寸）。根據(jù)像素點(diǎn)相對(duì)于質(zhì) 心心（H)的距離做歸一化.從而改變坐標(biāo)來(lái)獲取平移、縮放的標(biāo)準(zhǔn)圖像：
(8)
[0056] (2)極坐標(biāo)化
[0057] f (x，y)表示直角坐標(biāo)上的二維二值圖像，其相應(yīng)的極坐標(biāo)形式為f (r，0 )，x = rcos 0，y = rsin 0。因?yàn)閳D像是離散的，應(yīng)注意選取適當(dāng)?shù)慕嵌乳g隔A 0，把極坐標(biāo)轉(zhuǎn)換 造成的誤差控制在最小限度內(nèi)。
[0058] (3)小波矩特征提取
[0059] 理論上小波矩提取是由| |Fpq| | = | | / Sq(r)|獲得，實(shí)際是進(jìn)行離 散處理，因此必領(lǐng)把變換離散化；選取適當(dāng)?shù)慕嵌乳g隔A 0 = 2 Jr /N(N為圖像像素點(diǎn)數(shù)）， 則角度積分戈
，q = 〇, 1，. . .，N對(duì)得到的Sq(r)利用小波函數(shù)在徑向區(qū)域 (0彡r彡1)內(nèi)提取特征。具體算法如1
>這里Ur)代表小波 函數(shù)（m，n為小波相應(yīng)的縮放、平移因子）；q表示所取的FFT諧波階次（一般取0，1，2,3)。 所得為Sq(r)的小波變換。最后的r是在直角坐標(biāo)變換為極坐標(biāo)時(shí)引人。對(duì)于固定的 r，Sq(r)表示圖像f (r，0 )在相位區(qū)域（0彡0彡2 31)頻率為q時(shí)的特征。所以又Sq(r) r表示f(r，0)在徑向區(qū)域1)內(nèi)的特征分布，利用不同的縮放因子m和位移因 子n。保證小波函數(shù)Ur)包含整個(gè)徑向區(qū)域，從而小波矩| |Fpq| |可以提供f(r，0)在 不同的m縮放時(shí)的特征，同時(shí)易見(jiàn)小波不變矩具有旋轉(zhuǎn)不變性。利用不同的縮放因子m，可 以實(shí)現(xiàn)對(duì)對(duì)象的粗糙一精細(xì)處理，逐步提取特征，直至實(shí)現(xiàn)所需要的分辨率。
[0060] 因?yàn)樘崛〉奶卣骺倲?shù)遠(yuǎn)大于所需的特征數(shù)，所以還必須進(jìn)行特征選擇。實(shí)驗(yàn)中根 據(jù)特征的類間距離和類內(nèi)距離之比來(lái)衡量特征的分類識(shí)別能力，選取具有較強(qiáng)識(shí)別能力的 特征。因?yàn)闊o(wú)法也無(wú)須考慮所有特征因子的情況，所以采用的方法是準(zhǔn)最優(yōu)的。
[0061] b.采用BP網(wǎng)的多層前饋神經(jīng)網(wǎng)絡(luò)分類器
[0062] BP神經(jīng)網(wǎng)絡(luò)是模式識(shí)別分類中使用最廣的神經(jīng)網(wǎng)絡(luò)模型，有隱含層的網(wǎng)絡(luò)可完成 多維空間的任意分割。BP網(wǎng)絡(luò)采取誤差反向傳播學(xué)習(xí)算法，廣泛應(yīng)用于函數(shù)逼近、模式識(shí) 另IJ、分類、數(shù)據(jù)壓縮等方面。
[0063] 構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)是一個(gè)3層前饋網(wǎng)絡(luò)，所有的單元在區(qū)間[0,1]取連續(xù)值，最 低層是輸人層，
[0064] 第2層是隱含層，第3層是輸出層。訓(xùn)練相當(dāng)于發(fā)現(xiàn)適當(dāng)?shù)幕ミB權(quán)重，使得對(duì)應(yīng)一 個(gè)輸人樣本，能產(chǎn)生一個(gè)期望的輸出。使用這樣的網(wǎng)絡(luò)要求對(duì)應(yīng)于輸人模式所屬類別的那 個(gè)節(jié)點(diǎn)的輸出設(shè)為1，而其余所有的輸出節(jié)點(diǎn)設(shè)置為〇。
[0065] BP學(xué)習(xí)算法用來(lái)訓(xùn)練網(wǎng)絡(luò)，該算法的主要步驟為：
[0066] (1)用小的隨機(jī)數(shù)初始化全部的&，Wu是從神經(jīng)元了到下一層神經(jīng)元的互連權(quán) 重。
[0067] (2)從類別m中給出一個(gè)輸入模式，并具體化期望的輸出，在實(shí)驗(yàn)中第m個(gè)輸出節(jié) 點(diǎn)的輸出設(shè)為1，其他所有的輸出節(jié)點(diǎn)的輸出設(shè)為〇。
[0068] (3)使用當(dāng)前的Wl]計(jì)算所有節(jié)點(diǎn)的實(shí)際輸出，節(jié)點(diǎn)j總的輸入為mdW."而 一節(jié)點(diǎn)j的輸出為它的總輸人的非線性函數(shù)，當(dāng)此函數(shù)為sigmoid函數(shù)時(shí)，有
[0069] o.j= f(net.) = l/(l+exp((_netj+ 0 .)/ 0。）） (9)
[0070] 式中：參數(shù)0 ,表示閥值；0。為正常數(shù)，可以任意選定，它的作用是調(diào)節(jié)sgimoid 函數(shù)的形狀。
[0071] (4)輸出單元產(chǎn)生的激活再與期望值相比較，輸人模式的誤差
(10)
[0073] 式中：tp]是目標(biāo)模式p的第j個(gè)分量〇 ]p、是由當(dāng)前輸人模式p產(chǎn)生的輸出模式的 第j個(gè)分量。對(duì)訓(xùn)練數(shù)據(jù)集的所有其余模式重復(fù)上述過(guò)程，總的系統(tǒng)誤差由&十算。 r.
[0074] 總之，上述算法是在權(quán)重空間中的梯度下降迭代過(guò)程，使得整個(gè)系統(tǒng)中所有節(jié)點(diǎn) 的實(shí)際輸出與期望輸出之間的誤差最小。
[0075] 二、食品安全檢測(cè)標(biāo)準(zhǔn)樣本獲取
[0076] 在圖1中的4中的食品安全檢測(cè)的標(biāo)準(zhǔn)判據(jù)的獲取，是實(shí)現(xiàn)用手機(jī)進(jìn)行食品安全 檢測(cè)的基礎(chǔ)性工作，如果這一樣本有誤，就會(huì)導(dǎo)致手機(jī)檢測(cè)方法的失敗，在建立標(biāo)準(zhǔn)樣本圖 像特征庫(kù)時(shí)，必須在食品安全檢測(cè)實(shí)驗(yàn)室中進(jìn)行，用多種技術(shù)手段（例如：光譜圖像檢測(cè)技 術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、多傳感器信息融合技術(shù)），互相校正檢測(cè)誤差，同時(shí)互相驗(yàn)證各自檢測(cè) 結(jié)果。將結(jié)果互相驗(yàn)證的標(biāo)準(zhǔn)樣本在訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，建立食品安全檢測(cè)的標(biāo)準(zhǔn)判據(jù)。
[0077] 三、檢測(cè)食品的種類及其標(biāo)準(zhǔn)判據(jù)
[0078] 1.建立新鮮蔬菜分類別的殘留農(nóng)藥檢測(cè)標(biāo)準(zhǔn)判據(jù)；
[0079] 2.建立家家畜、禽肉類新鮮度的檢測(cè)標(biāo)準(zhǔn)判據(jù)；
[0080] 3.建立水產(chǎn)類新鮮度的檢測(cè)標(biāo)準(zhǔn)判據(jù)；
[0081] 4.建立米、面質(zhì)量的檢測(cè)標(biāo)準(zhǔn)判據(jù)；
[0082] 5?建立飲料、酒類的質(zhì)量檢測(cè)標(biāo)準(zhǔn)判據(jù)。
[0083] 開(kāi)發(fā)檢測(cè)程序是一個(gè)開(kāi)發(fā)系統(tǒng)，可以隨時(shí)增加新的檢測(cè)品種的判據(jù)。
【主權(quán)項(xiàng)】
1. 一種基于手機(jī)的食品安全檢測(cè)方法，其特征在于： 用手機(jī)攝像頭對(duì)食品進(jìn)行攝像，使被檢測(cè)食品成為圖像文件； 應(yīng)用圖像處理算法對(duì)被檢測(cè)食品圖像進(jìn)行實(shí)時(shí)的預(yù)處理處理，并且將圖像自動(dòng)生成二 維信號(hào)； 提取二維信號(hào)的特征值； 將提取的特征值與用在實(shí)驗(yàn)室中標(biāo)準(zhǔn)樣本圖像特征庫(kù)中建立的判據(jù)進(jìn)行比較； 在手機(jī)屏幕上顯示食品安全檢測(cè)的結(jié)果。2. 根據(jù)權(quán)利要求1所述的食品安全檢測(cè)方法，其特征在于：應(yīng)用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練標(biāo) 準(zhǔn)樣本，建立食品安全檢測(cè)的標(biāo)準(zhǔn)判據(jù)。3. 根據(jù)權(quán)利要求2所述的食品安全檢測(cè)方法，其特征在于：所述的神經(jīng)網(wǎng)絡(luò)算法是BP 神經(jīng)網(wǎng)絡(luò)。4. 根據(jù)權(quán)利要求1所述的食品安全檢測(cè)方法，其特征在于：構(gòu)造小波矩提取被檢測(cè)食 品二維圖像特征。5. 根據(jù)權(quán)利要求1所述的食品安全檢測(cè)方法，其特征在于：應(yīng)用小波算法濾噪算法對(duì) 被檢測(cè)食品圖像進(jìn)行實(shí)時(shí)的預(yù)處理處理。
【文檔編號(hào)】G06K9/64GK105894048SQ201510004678
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2015年1月4日
【發(fā)明人】吳明贊, 曹杰
【申請(qǐng)人】南京理工大學(xué)