The invention discloses an optical identification method and an Unmanned Container Based on the method. The identification method comprises the following steps: initializing convolution neural network, placing commodity samples in a grid hard plate on a shelf, obtaining training samples, training convolution neural network and verifying the accuracy of the neural network, and training. A good neural network is used for identifying commodities; an unmanned container of the present invention comprises a container body and a container door. The container body is provided with a multi-layer shelf, each shelf is provided with a grid hard plate coated with optical marks; and the top of the container is provided with a display screen for displaying pictures of commodities inside the container body. The cabinet door is equipped with an electromagnetic lock and a two-dimensional code identification, and the user opens the cabinet door for shopping by scanning the two-dimensional code through a mobile intelligent terminal. The invention greatly improves the accuracy and speed of vision recognition by setting grid hard plates on the shelves and combining with computer vision recognition technology for image recognition.
【技术实现步骤摘要】
一种光学标识视觉识别方法及基于该方法的无人售货柜
本专利技术属于计算机视觉识别
,具体是一种光学标识视觉识别方法及基于该方法的无人售货柜。
技术介绍
目前的计算机视觉识别方法主要分为监督学习方法和非监督学习方法两大类,监督学习方法可以使得计算机视觉识别的准确率更高,其中以RCNN和YOLO最为显著;传统的非监督学习方法主要是DPM(Deformablepartsmodels),其在VOC-2007数据集上验证的map(meanAveragePrecision)能达到43%;RCNN使用区域建议(具体用的是选择搜索来得到有可能得到是物体的若干图像局部区域,然后把这些区域分别输入到RCNN中,得到区域的特征,再在特征上加上分类器,判断特征对应的区域是属于具体某类object还是背景),RCNN在VOC-2007数据集上验证的map为58%左右。RCNN虽然识别精度较高,但还存在重复计算的问题(建议的区域有几千个,多数都是互相重叠,重叠部分会被多次重复提取特征),于是Fast-RCNN诞生了,其与RCNN最大的区别就是Fast-RCNN将建议的区域映射到RCNN的最后一层卷积层的特征图上,这样,一张图片只需提取一次特征,大大提高了速度,Fast-RCNN在VOC-2007上的map提升到了68%。RCNN的精度已经很高了,但是速度还不行,YOLO提供了另一种更为直接的思路,直接在输出层回归边界框的位置和边界框所属的类别,整张图作为网络的输入,图片分割得到很多正方形网格,把目标检测的问题转化为一个回归问题,提升了检测速度。申请号为201710798823.7 ...
【技术保护点】
1.一种光学标识视觉识别方法,其特征在于,包括以下步骤:步骤A,初始化卷积神经网络;步骤B,在货架上设置网格硬板,并将商品样本置于所述网格硬板的网格内;步骤C,获取训练样本;步骤D,训练卷积神经网络;步骤E,将训练后的卷积神经网络在VOC数据集上进行验证,并判断当前卷积神经网络在所述VOC数据集上的map是否高于68%,若是,则进入下一步,若否,则重复步骤C至步骤E;步骤F,用训练好的卷积神经网络对货架上的网格硬板和所述网格硬板内的商品进行识别。
【技术特征摘要】
1.一种光学标识视觉识别方法,其特征在于,包括以下步骤:步骤A,初始化卷积神经网络;步骤B,在货架上设置网格硬板,并将商品样本置于所述网格硬板的网格内;步骤C,获取训练样本;步骤D,训练卷积神经网络;步骤E,将训练后的卷积神经网络在VOC数据集上进行验证,并判断当前卷积神经网络在所述VOC数据集上的map是否高于68%,若是,则进入下一步,若否,则重复步骤C至步骤E;步骤F,用训练好的卷积神经网络对货架上的网格硬板和所述网格硬板内的商品进行识别。2.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤B中,所述网格硬板上涂覆有光学标识,每个所述商品样本占用一个或者多个网格。3.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤C中,获取训练样本的方法为通过图像采集设备采集网格硬板上的光学标识和所述网格硬板内商品样本的图像数据。4.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤E中,所述VOC数据集为VOC-2007数据集,将所述VOC-2007数据集中的数据输入卷积神经网络进行验证。5.一种基于光学标识视觉识别方法的无人售货柜,其特征在于,包括柜体和柜门,所述柜体内设有多层用于...
【专利技术属性】
技术研发人员:刘钰涛,方无迪,蔡丁丁,唐开,张运辉,
申请(专利权)人:武汉市哈哈便利科技有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。