一种用于无人售货柜的商品识别算法在线学习系统技术方案

本发明专利技术提供一种用于无人售货柜的商品识别算法在线学习系统，包括相互通信连接的用户终端、无人售货柜和控制平台，所述控制平台是提供调度服务、线上AI算法服务、在线AI算法标注服务、在线AI算法学习服务和线上AI算法数据库的服务器平台。本发明专利技术从在线订单数据中获取不置信数据、负反馈数据和抽查数据，对这些数据进行标注后用于在线AI算法的学习并更新线上AI算法，充分有效的利用了在线订单数据，实现了商品识别算法的在线学习，不断从在线订单数据中挖掘足够的训练数据来迭代完善所应用的AI算法，逐步提高难样本的识别准确率和针对真实环境的鲁棒性。

【技术实现步骤摘要】
一种用于无人售货柜的商品识别算法在线学习系统
本专利技术涉及无人售货柜
，具体涉及一种用于无人售货柜的商品识别算法在线学习系统。
技术介绍
当前无人售货柜主要有两种技术路线，一种是基于传统的射频识别(RadioFrequencyIdentification；RFID)技术，其缺点是设备和运营成本高，而且RFID技术受液体和金属的影响大，有无法逾越的技术瓶颈；另一种是基于计算机视觉技术，采用动态纯视觉解决方案、深度学习、机器视觉等AI技术，不需贴RFID，即可识别标品和非标品，消费者可一次拿取多件商品，同时，这种技术对于商品的陈列位置没有限制，从而降低了运维成本，能容纳更多的商品数量，另外，利用计算机视觉和机器学习平台处理数据，可以达到人工处理无法达到的细颗粒度与精确程度。目前主要是基于物体识别算法实现对无人售货柜内商品的识别，物体识别算法主要有两种，一种是基于人工特征的物体识别算法，另一种是基于深度学习模型的物体识别算法。基于深度学习模型的物体识别算法通过层次化的网络结构自主学习数据集底层到高层的特征，并利用softmax等分类器进行分类；其所面临的问题是：对于难样本，比如因为部分遮挡、形状变形、环境光变化、少见位置与姿态、摄像头畸变不均等引起的难识别照片，在算法训练阶段难以得到足够的训练数据，因此对难样本的识别准确率很差。申请号201510015226公开了一种基于在线学习的渐进式图像分割方法，该专利描述了基于用户标注，训练及更新分割模型，通过迭代循环，渐进地实现对图像的精确分割。申请号201110184798公开了在线学习算法的并行化，该专利描述的是动态地并行地更新模型。申请号200710121728公开了一种基于在线学习的运动目标分类方法，该专利描述的是对运动目标通过特征向量聚类算法进行在线分类和迭代优化。但是，这些专利没有对在线数据从算法角度进行充分利用，也不能应用于无人售货柜的商品识别算法。
技术实现思路
为克服上述现有技术的不足，本专利技术提供一种用于无人售货柜的商品识别算法在线学习系统。所述系统利用在线订单中的数据筛查出不易识别的难样本，获取到大量的真实的数据，并以获得的真实数据用于算法迭代完善，可使得所应用算法的准确度大大提高，难样本的识别准确率大幅提高，并且针对真实环境的鲁棒性越来越好。本专利技术是通过以下技术方案予以实现的：一种用于无人售货柜的商品识别算法在线学习系统，包括相互通信连接的用户终端、无人售货柜和控制平台，所述控制平台是提供调度服务、线上AI算法服务、在线AI算法标注服务、在线AI算法学习服务和线上AI算法数据库的服务器平台；消费者或者工作人员打开所述无人售货柜，拿取或补充商品后将其关上，所述无人售货柜生成在线订单，所述在线订单发送至所述控制平台；所述调度服务基于所述在线订单生成识别请求，并将所述识别请求发送至所述线上AI算法服务，所述线上AI算法服务对所述识别请求进行处理后反馈识别结果至所述调度服务；所述调度服务将所述识别结果发送至所述用户终端，所述用户终端对所述识别结果进行处理后生成反馈记录，并将所述反馈记录发送至所述调度服务，所述调度服务将所述在线订单、识别结果和反馈记录储存于所述线上AI算法数据库；所述线上AI算法数据库将所述在线订单、识别结果和反馈记录分别储存为在线订单数据、置信数据、不置信数据和负反馈数据；所述在线AI算法标注服务从所述线上AI算法数据库中提取不置信数据和负反馈数据并从所述线上AI算法数据库的在线订单数据中提取抽查数据，所述在线AI算法标注服务对提取的不置信数据、负反馈数据和抽查数据进行标注后将标注后的数据储存于所述线上AI算法数据库；所述在线AI算法学习服务定期或定量的从所述线上AI算法数据库中提取储存的标注后的数据用于在线AI算法学习，并将学习结果发送至所述线上AI算法服务，以更新线上AI算法。优选地，所述AI算法是基于深度学习的物体识别算法。优选地，所述AI算法的特征提取网络包括Inception、ResNet、DenseNet；所述AI算法的检测分类网络包括FasterR-CNN、MaskR-CNN、YOLO、SSD、FCN。优选地，所述识别结果包括商品存在概率和商品分类概率的综合结果。优选地，所述不置信数据是指所述识别结果中置信度低的数据，包括：商品分类预测置信度低的数据和商品数量预测置信度低的数据。优选地，所述置信度低包括：(1)所述商品存在概率介于0.3～0.5之间并且所述商品分类概率大于0.75；(2)所述商品存在概率介于0.5～0.7之间并且所述商品分类概率介于0.5～0.75。具体地，当所述商品存在概率介于0.3～0.5之间并且所述商品分类概率大于0.75时，说明有一定概率存在商品漏识别，所述商品的置信度低；当所述商品存在概率介于0.5～0.7之间并且所述商品分类概率介于0.5～0.75时，说明有一定概率存在商品多识别，所述商品的置信度低。优选地，所述负反馈数据是指消费者或者工作人员通过所述用户终端对所述识别结果进行了负反馈操作后形成的数据。优选地，所述负反馈操作是指向所述调度服务反馈包括商品识别错误、商品数量错误、商品库存数量错误和商品未识别的操作。具体地，所述负反馈操作包括：(1)消费者通过所述用户终端向所述调度服务反馈：消费者在打开无人售货柜的柜门、拿取商品并关上柜门后，消费者在其用户终端上收到所述调度服务发送的线上AI算法生成的基于消费者消费订单的识别结果，如果所述识别结果和消费者的实际消费订单不一致，则消费者可以选择反馈操作，比如反馈商品识别错误、商品数量错误等信息至所述调度服务；(2)工作人员通过所述用户终端向所述调度服务反馈：工作人员在打开无人售货柜的柜门、上货并关上柜门后，工作人员在其用户终端上收到所述调度服务发送的线上AI算法生成的基于工作人员补货订单的识别结果，如果所述识别结果和工作人员实际补货订单不一致，则工作人员可以选择反馈操作，比如反馈商品未识别、商品数量错误、商品库存数量错误等信息至所述调度服务。优选地，所述抽查数据是指对所述在线订单的数据进行随机抽查后得到的数据。优选地，所述抽查数据的获取方式包括：(1)从所述在线订单的数据中每隔一定时间按一定比例随机抽取；(2)从所述在线订单的数据中每隔一定时间随机抽取固定数量的数据。具体地，所述抽查数据的获取方式包括：(1)从所述在线订单的数据中每隔7天按5％随机抽取；(2)从所述在线订单的数据中每隔7天随机抽取1000条的数据。与现有技术相比，本专利技术的有益效果在于，1)本专利技术从在线订单数据中获取不置信数据、负反馈数据和抽查数据，对这些数据进行标注后用于在线AI算法的学习并更新线上AI算法，这样的在线学习系统可以筛查出不易识别的难样本，获取到大量的真实的数据，并利用这些真实的数据进行线上AI算法的迭代完善，可以大大提高所应用算法的识别准确度，提高难样本的识别准确率，并且针对真实环境的鲁棒性越来越好；2)本专利技术充分有效的利用了在线订单数据，实现了商品识别算法的在线学习，不断从在线订单数据中挖掘足够的训练数据来迭代完善所应用的AI算法，逐步提高难样本的识别准确率和针对真实环境的鲁棒性。附图说明图1为根据实施例的一种用于无人售货柜的商品识别算法在线学习系统的本文档来自技高网...

【技术保护点】
1.一种用于无人售货柜的商品识别算法在线学习系统，其特征在于，包括相互通信连接的用户终端、无人售货柜和控制平台，所述控制平台是提供调度服务、线上AI算法服务、在线AI算法标注服务、在线AI算法学习服务和线上AI算法数据库的服务器平台；消费者或者工作人员打开所述无人售货柜，拿取或补充商品后将其关上，所述无人售货柜生成在线订单，所述在线订单发送至所述控制平台；所述调度服务基于所述在线订单生成识别请求，并将所述识别请求发送至所述线上AI算法服务，所述线上AI算法服务对所述识别请求进行处理后反馈识别结果至所述调度服务；所述调度服务将所述识别结果发送至所述用户终端，所述用户终端对所述识别结果进行处理后生成反馈记录，并将所述反馈记录发送至所述调度服务，所述调度服务将所述在线订单、识别结果和反馈记录储存于所述线上AI算法数据库；所述线上AI算法数据库将所述在线订单、识别结果和反馈记录分别储存为在线订单数据、置信数据、不置信数据和负反馈数据；所述在线AI算法标注服务从所述线上AI算法数据库中提取不置信数据和负反馈数据并从所述线上AI算法数据库的在线订单数据中提取抽查数据，所述在线AI算法标注服务对提取的不置信数据、负反馈数据和抽查数据进行标注后将标注后的数据储存于所述线上AI算法数据库；所述在线AI算法学习服务定期或定量的从所述线上AI算法数据库中提取储存的标注后的数据用于在线AI算法学习，并将学习结果发送至所述线上AI算法服务，以更新线上AI算法。...

【技术特征摘要】
1.一种用于无人售货柜的商品识别算法在线学习系统，其特征在于，包括相互通信连接的用户终端、无人售货柜和控制平台，所述控制平台是提供调度服务、线上AI算法服务、在线AI算法标注服务、在线AI算法学习服务和线上AI算法数据库的服务器平台；消费者或者工作人员打开所述无人售货柜，拿取或补充商品后将其关上，所述无人售货柜生成在线订单，所述在线订单发送至所述控制平台；所述调度服务基于所述在线订单生成识别请求，并将所述识别请求发送至所述线上AI算法服务，所述线上AI算法服务对所述识别请求进行处理后反馈识别结果至所述调度服务；所述调度服务将所述识别结果发送至所述用户终端，所述用户终端对所述识别结果进行处理后生成反馈记录，并将所述反馈记录发送至所述调度服务，所述调度服务将所述在线订单、识别结果和反馈记录储存于所述线上AI算法数据库；所述线上AI算法数据库将所述在线订单、识别结果和反馈记录分别储存为在线订单数据、置信数据、不置信数据和负反馈数据；所述在线AI算法标注服务从所述线上AI算法数据库中提取不置信数据和负反馈数据并从所述线上AI算法数据库的在线订单数据中提取抽查数据，所述在线AI算法标注服务对提取的不置信数据、负反馈数据和抽查数据进行标注后将标注后的数据储存于所述线上AI算法数据库；所述在线AI算法学习服务定期或定量的从所述线上AI算法数据库中提取储存的标注后的数据用于在线AI算法学习，并将学习结果发送至所述线上AI算法服务，以更新线上AI算法。2.如权利要求1所述的一种用于无人售货柜的商品识别算法在线学习系统，其特征在于，所述AI算法是基于深度学习的物体识别算法。3.如权利要求2所述的一种用于无人售货柜的商品识别算法在线学习系统，其特征在于，所述AI算法的特征提取网...

【专利技术属性】
技术研发人员：方无迪，蔡丁丁，唐开，崔星星，刘钰涛，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