基于深度学习的识别商品方法及基于机器视觉的商品存储和识别系统技术方案

本发明专利技术涉及计算机机器视觉和深度学习技术领域，特别是涉及基于二维码识别的海量商品的快速定位和检索和基于深度学习的准确的面料识别方法。包括(1)基于二维码识别的商品所在的仓库位置的检索和更新；(2)基于二维码识别的展厅陈列商品属性更新；(3)基于商品图片识别的客户线上下单。本发明专利技术具备以下有益效果：该识别系统能对面料的属性进行识别；对于不同尺度的同一图案检索的成功率高。

【技术实现步骤摘要】
基于深度学习的识别商品方法及基于机器视觉的商品存储和识别系统
本专利技术涉及计算机机器视觉和深度学习
，特别是涉及基于二维码识别的海量商品的快速定位和检索和基于深度学习的准确的面料识别方法。
技术介绍
仓库，便利店，无人超市中的商品的快速定位和查询是非常重要的，尤其当商品的种类是海量的时候，这种需求就会格外强烈.现在市面上的大多店铺还是靠人工清点，这大大的增加了企业的运营成本，而且人工清点很容易引入错误.另一种常用的方式是使用电子标签技术.电子标签技术大大降低了清点的错误率，但如果每个单品都使用电子标签，会造成运营成本的压力非常大.业界也一直在寻找低成本，高效的解决方案。布料的图案识别和属性识别有着广泛的应用,它可以帮助商家及终端用户准确而方便地识别面料属性,可以帮助线上平台做准确的面料检索。市场上应用图像识别技术对面料进行识别的产品还非常少见。目前市面上唯一一款使用图像识别技术进行面料识别的产品有两个缺点：(1)只能对面料上的图案进行识别,无法对面料的属性(材质,工艺等)进行识别；(2)对于不同尺度的同一图案(同一图案在不同图片中大小不同)检索的成功率低.目前市面上还没有能够同时解决这两个缺点的方案。人工神经网络(深度学习)是目前最有效的图像识别的方法.传统的人工设计的图像描述子(如SIFT,HOG,LBP等)是对图像的分布做出各种假设，但这些假设在实践中通常无法满足.但深度学习的方法是从数据中学习到有鉴别性的非线性特征，是从数学中学习到图像的分布.而且分布的复杂性可以通过网络的深度来调整.尽管深度学习功能强大，但目前还没有针对布料识别的尺度问题进行精妙的设计.综上所述，如何给用户提供低成本且准确的海量商品定位和检索功能，如何实现不同尺度的布料图案和属性的检索是亟待解决的问题。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种基于深度学习的识别商品方法及基于机器视觉的商品存储和识别系统，解决了现有只能对面料上的图案进行识别；检索的成功率低的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于机器视觉的商品存储和识别系统，所述系统包括：(1)基于二维码识别的商品所在的仓库位置的检索和更新：通过移动或固定的摄像头拍摄商品和货架的二维码，然后得到某个商品在某个货架上的信息，然后将这个信息上传到数据库.这样实现了商品库位信息的存储和更新，后端可以任意查询；(2)基于二维码识别的展厅陈列商品属性更新：商铺经常需要修改商品属性信息，通过扫描商品的二维码，连接到手机的app商品属性页面进行录入或修改；(3)基于商品图片识别的客户线上下单：顾客可以通过上传商品的图片，系统自动检索与输入图片相应的商品图片，客户在选择的商品上选择下单购买；(4)基于二维码识别的客户线下展厅浏览：顾客在店铺或展厅浏览时，看到自己喜欢的商品时候，扫描该商品的二维码进入商品下单页面下单购买。本专利技术的另一个目的是克服同一图案，不同尺度的匹配困难.数据采集。通过以下方案实现。一种基于深度学习的识别商品方法，其特征在于，该方法包括：获取多张带标尺的商品图像及其对应属性信息的标注，生成训练集；对训练集通过深度学习模型训练；对完成训练的深度学习模型，通过cosine距离进行商品识别。优选的，该方法用于识别面料商品；用于识别商品属性信息和尺度信息。优选的，商品属性信息包括：面料上的花色、图案或者所述花色与所述图案的结合，面料的工艺属性、面料的材质属性。优选的，所述的尺度信息为尺子毫米格子的数目。优选的，所述训练集通过深度学习模型进行训练包括：在原有的VGG-16模型基础上增加一个loss层，对后续层的特征根据训练需求调整，完成对所述训练集通过所述VGG-16模型的训练，其中，所述VGG-16模型包含：13个卷积层，3个全连接层和1个分类层和1个回归层。优选的，所述对完成训练的所述深度学习模型，通过cosine距离进行面料的识别包括：对完成训练的所述深度学习模型，通过cosine距离和最近邻分类器完成所述商品的识别。(三)有益效果本专利技术具备以下有益效果：(1)、该识别系统能对面料的属性(材质,工艺等)进行识别；对于不同尺度的同一图案(同一图案在不同图片中大小不同)检索的成功率高。(2)、该方法可以克服同一图案，不同尺度的匹配困难.数据采集：布料图像的采集(将格尺放置于布料上面)，图像属性信息(面料上的花色、图案或者所述花色与所述图案的结合，面料的工艺属性、面料的材质属性)和尺度信息(厘米格子的数目)的标注。附图说明图1为本专利技术一个实施例中的一种基于深度学习的商品属性图片识别方法的流程示意图；图2为本专利技术一个实施例中的一种基于深度学习的商品存储和识别系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。在本专利技术的描述中，需要理解的是，术语“中心”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“顶”、“底”、“内”、“外”、“轴向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。在本专利技术中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。如图1所示，为一个实施例中的一种基于深度学习的商品识别方法的流程示意图。具体包括以下步骤：步骤102：获取多张商品图像及其对应图像属性信息和尺度信息的标注，生成训练集。实际应用中可以采用精细面料图片采集箱获取面料属性图片的训练集，它既可以用作训练图片的采集,也可以用在模型训练好后的各种识别场景中。例如在我们的实际应用中,本采集箱采集到的图片会自动传输到服务器，再由我们的识别系统进行图案的识别，主要识别系统里有没有类似的图案，以进行相似产品关联，识别好之后根据识别属性结果做各种应用。例如自动生成一个商品档案，并可以编辑后选择发布商品。本实施例中，商品为面料，为了识别出面料的多种属性,我们采集的图片标注了如下信息：织法工艺(方格,横条等),底部颜色工艺(印染,色织等),表面工艺(提花,植绒等),底面工艺(双面,复合等)……。步骤104，对训练集通过深度学习模型进行训练。本实施例中，对训练集通过深度学习模型进行训练包括：在原有的VGG-16模型基础上增加一个loss层，对后续层的特征根据训练需求调整，完成对所述训练集通过所述VGG-16模型的训练，其中，所述VGG-1本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的商品存储和识别系统，其特征在于，所述系统包括：(1)基于二维码识别的商品所在的仓库位置的检索和更新：通过移动或固定的摄像头拍摄商品和货架的二维码，然后得到某个商品在某个货架上的信息，然后将这个信息上传到数据库.这样实现了商品库位信息的存储和更新，后端可以任意查询；(2)基于二维码识别的展厅陈列商品属性更新：商铺经常需要修改商品属性信息，通过扫描商品的二维码，连接到手机的app商品属性页面进行录入或修改；(3)基于商品图片识别的客户线上下单：顾客可以通过上传商品的图片，系统自动识别与输入图片相应的商品图片，客户在选择的商品上选择下单购买；(4)基于二维码识别的客户线下展厅浏览：顾客在店铺或展厅浏览时，看到自己喜欢的商品时候，扫描该商品的二维码进入商品下单页面下单购买。

【技术特征摘要】
1.一种基于机器视觉的商品存储和识别系统，其特征在于，所述系统包括：(1)基于二维码识别的商品所在的仓库位置的检索和更新：通过移动或固定的摄像头拍摄商品和货架的二维码，然后得到某个商品在某个货架上的信息，然后将这个信息上传到数据库.这样实现了商品库位信息的存储和更新，后端可以任意查询；(2)基于二维码识别的展厅陈列商品属性更新：商铺经常需要修改商品属性信息，通过扫描商品的二维码，连接到手机的app商品属性页面进行录入或修改；(3)基于商品图片识别的客户线上下单：顾客可以通过上传商品的图片，系统自动识别与输入图片相应的商品图片，客户在选择的商品上选择下单购买；(4)基于二维码识别的客户线下展厅浏览：顾客在店铺或展厅浏览时，看到自己喜欢的商品时候，扫描该商品的二维码进入商品下单页面下单购买。2.一种基于深度学习的识别商品方法，其特征在于，该方法包括：获取多张带标尺的商品图像及其对应属性信息的标注，生成训练集；对训练集通过深度学习模型训练；对完成训练的深度学习模型，通过cosine距离进行商品识别。3.根据权...

【专利技术属性】
技术研发人员：李斌，
申请(专利权)人：湖州易有科技有限公司，
类型：发明
国别省市：浙江,33