一种基于深度学习的烟柜卷烟识别方法技术

本发明专利技术公开了一种基于深度学习的烟柜卷烟识别方法，使用图像处理及深度学习技术，通过对大量烟柜图片及烟盒图片进行训练，获取烟柜中卷烟的类别及位置信息，并发布Restful服务，实现输入烟柜图片，输出图片中卷烟的类别及位置。本发明专利技术的一种基于深度学习的烟柜卷烟识别方法和现有技术相比，可以在减少人工投入的基础上了解零售户卷烟柜台中卷烟的分布情况，以及零售户对卷烟品牌中每个规格的重视程度，更好地对商业公司的市场投放提供建设性意见。

【技术实现步骤摘要】
一种基于深度学习的烟柜卷烟识别方法
本专利技术涉及图像处理和深度学习
，具体地说是一种基于深度学习的烟柜卷烟识别方法。
技术介绍
图像处理是指用计算机对图像进行分析，以达到所需结果的技术。图像作为人类认识世界的视觉基础，是人类获取信息、传递信息的重要手段之一。常用的图像处理方法包括：图像变换、图像编码压缩、图像增强和复原、图像分割、图像描述及图像分类等。深度学习是当前热门的研究方向，其是机器学习的一个分支，主要应用在计算机视觉、语音识别、自然语言处理等传统机器学习难以驾驭的领域。在面对大量数据时，如何应用深度学习技术实现功能成为了人们追逐的热点。计算机视觉是深度学习技术最早实现突破性成就的领域。目前深度学习在计算机视觉方面的应用方法主要包括：图像分类、目标检测、目标跟踪、语义分割及实例分割。Flask是常用的轻量级的PythonWeb框架，可以用来将模型发布为RESTful服务。卷烟零售户对不同卷烟的摆放位置在一定程度上体现了零售户对各类型卷烟的重视程度及销售策略，这一点也是烟草公司想要获知的。现有方式是通过人为识别并记录烟柜中各类型卷烟的位置，导致在这一过程中的资源消耗比较严重。
技术实现思路
本专利技术的技术任务是提供一种基于深度学习的烟柜卷烟识别方法。本专利技术的技术任务是按以下方式实现的：一种基于深度学习的烟柜卷烟识别方法，使用图像处理及深度学习技术，通过对大量烟柜图片及烟盒图片进行训练，获取烟柜中卷烟的类别及位置信息，并发布Restful服务，实现输入烟柜图片，输出图片中卷烟的类别及位置。所述的使用图像处理技术生成烟盒图片变体，以扩充烟盒分类模型训练集。所述的使用深度学习技术中的目标检测技术，训练烟盒检测模型，识别烟柜图片中的烟盒位置。所述的使用深度学习技术中的图像分类技术，训练烟盒分类模型，判别卷烟型号。该识别方法的操作步骤如下：步骤1）标记烟柜中卷烟位置并使用图像处理技术生成烟盒图片变体；步骤2）根据烟柜图像及标注信息，基于TensorFlowObjectDetectionAPI使用FasterRCNN模型训练烟柜卷烟位置检测模型；步骤3）根据步骤1）中变体生成的烟盒图片，基于TensorFlowSlim使用Inception-ResNet-V2模型训练卷烟分类模型；步骤4）发布RESTful服务，传入烟柜图片后调用位置检测模型确定卷烟位置信息，再将每一包烟提取出来通过卷烟分类模型判别卷烟的型号；实现用户上传烟柜图片，服务器端预测并返回结果，展示烟柜图片中每包卷烟的名称。所述的步骤1）中变体方式包括旋转、平移、翻转、缩放、亮度调整、模糊化处理。所述的步骤2）中所述的检测模型的训练基于coco数据集预训练的权重进行迁移学习。所述的步骤3）中所述的分类模型的训练基于ImageNet数据集预训练的权重进行迁移学习。本专利技术的一种基于深度学习的烟柜卷烟识别方法和现有技术相比，可以在减少人工投入的基础上了解零售户卷烟柜台中卷烟的分布情况，以及零售户对卷烟品牌中每个规格的重视程度，更好地对商业公司的市场投放提供建设性意见。附图说明附图1为一种基于深度学习的烟柜卷烟识别方法的流程示意图。具体实施方式实施例1：一种基于深度学习的烟柜卷烟识别方法，使用图像处理及深度学习技术，通过对大量烟柜图片及烟盒图片进行训练，获取烟柜中卷烟的类别及位置信息，并发布Restful服务，实现输入烟柜图片，输出图片中卷烟的类别及位置。所述的使用图像处理技术生成烟盒图片变体，以扩充烟盒分类模型训练集；所述的使用深度学习技术中的目标检测技术，训练烟盒检测模型，识别烟柜图片中的烟盒位置；所述的使用深度学习技术中的图像分类技术，训练烟盒分类模型，判别卷烟型号。该识别方法的操作步骤如下：步骤1）标记烟柜中卷烟位置并使用图像处理技术生成烟盒图片变体；所述的变体方式包括旋转、平移、翻转、缩放、亮度调整、模糊化处理。步骤2）根据烟柜图像及标注信息，基于TensorFlowObjectDetectionAPI使用FasterRCNN模型训练烟柜卷烟位置检测模型；所述的检测模型的训练基于coco数据集预训练的权重进行迁移学习；步骤3）根据步骤1）中变体生成的烟盒图片，基于TensorFlowSlim使用Inception-ResNet-V2模型训练卷烟分类模型；所述的分类模型的训练基于ImageNet数据集预训练的权重进行迁移学习；步骤4）发布RESTful服务，传入烟柜图片后调用位置检测模型确定卷烟位置信息，再将每一包烟提取出来通过卷烟分类模型判别卷烟的型号；实现用户上传烟柜图片，服务器端预测并返回结果，展示烟柜图片中每包卷烟的名称。通过上面具体实施方式，所述
的技术人员可容易的实现本专利技术。但是应当理解，本专利技术并不限于上述的几种具体实施方式。在公开的实施方式的基础上，所述
的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。本文档来自技高网...

【技术保护点】
1.一种基于深度学习的烟柜卷烟识别方法，其特征在于，使用图像处理及深度学习技术，通过对大量烟柜图片及烟盒图片进行训练，获取烟柜中卷烟的类别及位置信息，并发布Restful服务，实现输入烟柜图片，输出图片中卷烟的类别及位置。

【技术特征摘要】
1.一种基于深度学习的烟柜卷烟识别方法，其特征在于，使用图像处理及深度学习技术，通过对大量烟柜图片及烟盒图片进行训练，获取烟柜中卷烟的类别及位置信息，并发布Restful服务，实现输入烟柜图片，输出图片中卷烟的类别及位置。2.根据权利要求1所述的烟柜卷烟识别方法，其特征在于，所述的使用图像处理技术生成烟盒图片变体，以扩充烟盒分类模型训练集。3.根据权利要求1所述的烟柜卷烟识别方法，其特征在于，所述的使用深度学习技术中的目标检测技术，训练烟盒检测模型，识别烟柜图片中的烟盒位置。4.根据权利要求1所述的烟柜卷烟识别方法，其特征在于，所述的使用深度学习技术中的图像分类技术，训练烟盒分类模型，判别卷烟型号。5.根据权利要求1所述的烟柜卷烟识别方法，其特征在于，该识别方法的操作步骤如下：步骤1）标记烟柜中卷烟位置并使用图像处理技术生成烟盒图片变体；步骤2）根据烟柜图像及标注信息，基于TensorFlowObjectDet...

【专利技术属性】
技术研发人员：王健，张旭，
申请(专利权)人：浪潮软件股份有限公司，
类型：发明
国别省市：山东,37