[发明专利]一种通过java进行反向校准钢印编码的方法

说明书

一种通过java进行反向校准钢印编码的方法，包括如下步骤：java服务端接收到Python识别程序识别的编码数据及识别次数，将获取的编码数据通过java的ArrayList中的contains方法把数据库里面的字符串和识别出来的编码数据进行对比，若无完全匹配则服务端返回false给Python识别程序；Python识别程序对第二张照片进行识别，再将编码发送给java服务端，进行步骤2)操作，直到拍摄的照片全部进行匹配后，java服务端对比数据库依然没有找到完全相同的编码时，PC端调用相似度匹配算法将识别的最后一张图片的编码与数据库编码进行相似度对比匹配；本发明的有益效果是：通过多张照片的多次识别，以及通过四种相似度匹配算法的结合来对钢印编码进行识别校准，以提高提升识别钢印编码准确率。

技术领域

本发明涉及反向算法技术领域，具体涉及一种通过java进行反向校准钢印编码的方法。

背景技术

随着5G时代的到来，智能化工厂变得越来越普及，工厂人员管理数字化已经发展的较为成熟，但在工业加工件管理数字化方面依然处于发展阶段。

针对于加工件的管理，可以对加工件的编码通过固定位置的摄像头或者移动端进行AI视觉识别读取钢印编码，通过识别获取的钢印编码做进一步的处理。通过对工件管理技术的掌握就可以将员工管理与工件管理数字化相结合，打造工件生产、工件分拣、员工考勤计件等多方面的工业高效生产管理模式。

然而在加工件识别的过程中，由于环境因素，例如：光线、温度、湿度以及工厂的环境，工人给工件的摆放位置，拍摄角度，钢印打标轻重不一还有AI本身的识别准确率问题。在以上因素影响下AI识别准确性将大幅度降低，识别出来的编码将错误率频出。这对加工件管理系统迈出稳健的第一步是一个极大的挑战。可以考虑通过控制上述变量去提升准确率，但是将会提升大量的人力物力成本，并且还会出现更多的未知变量。

发明内容

针对现有技术中存在的问题，本发明提供了设计合理的一种通过java进行反向校准钢印编码的方法，以提高提升识别钢印编码准确率。

本发明的技术方案如下：

一种通过java进行反向校准钢印编码的方法，包括如下步骤：

1)APP通过拍照获取多张照片，并将采集到的照片通过http协议传输照片给Python识别程序，识别程序完成识别后，将识别出来的编码传输给java服务端；

2)java服务端接收到Python识别程序识别的编码数据及识别次数，将获取的编码数据通过java的ArrayList中的contains方法把数据库里面的字符串和识别出来的编码数据进行对比，若无完全匹配则服务端返回false给Python识别程序；

3)Python识别程序对第二张照片进行识别，再将编码发送给java服务端，进行步骤2)操作，直到拍摄的照片全部进行匹配后，java服务端对比数据库依然没有找到完全相同的编码时，PC端调用相似度匹配算法将识别的最后一张图片的编码与数据库编码进行相似度对比匹配；

4)相似度匹配算法对比匹配后，若匹配成功，则java服务端返回Python识别程序，则将人员工位信息以及加工识别的编码存入数据库中；若匹配失败，则返回APP最多三个相似度最高的编码进行人工选择，并进行人工录入，录入完毕后，保存到数据库。

进一步的，所述步骤4)中相似度匹配算法步骤如下：

4.1)将Jaro–Winkler similarity算法放在算法的第一位，选择出得到相似度值较高的几个编码，若其中只有一个超过设定阈值，则java服务端返回Python识别程序，匹配成功；否则开始使用余弦相似度算法；

4.2)通过余弦相似度算法，选择出得到相似度值较高的几个编码，若其中只有一个超过设定阈值，则java服务端返回Python识别程序，匹配成功；否则开始使用Levenshtein Distance算法；