识别物品的方法、装置、售货设备及计算机可读存储介质制造方法及图纸

本公开提供了一种识别物品的方法、装置、售货设备及计算机可读存储介质，涉及图像识别技术领域。其中的识别物品的方法包括：采集售货设备中被取出物品的图像，售货设备中含有旧款物品和上新物品；利用机器学习模型提取图像的特征向量，机器学习模型是由标注了物品名称的旧款物品图像进行训练得到的；从特征向量库中确定图像的特征向量的相似特征向量，特征向量库包含利用机器学习模型提取的旧款物品图像及上新物品图像的特征向量，特征向量库中的各个特征向量表示相应的物品名称；将被取出物品识别为相似特征向量表示的物品名称。本公开通过被取出物品的图像及特征向量库识别被取出物品，无需重新训练机器学习模型，实现了售货设备的快速上新。

Methods, devices, sales equipment and computer-readable storage media for identifying items

【技术实现步骤摘要】
识别物品的方法、装置、售货设备及计算机可读存储介质
本公开涉及机器人
，特别涉及一种识别物品的方法、装置、售货设备及计算机可读存储介质。
技术介绍
自动售货机是一种智能的售货设备，能够在没有售货人员参与的情况下为用户提供物品。通常情况下，自动售货机中同时含有多种物品。如何识别用户从自动售货机中取出的物品，是与自动售货机相关的重要技术问题。识别自动售货机中被取出物品的相关技术主要分为三类。第一类是基于射频识别的识别技术，该技术需要为每种物品添加唯一的射频识别标签，因此较为繁琐。第二类是基于重力的识别技术，该技术要求自动售货机中的每种物品具有不同的重量，因此适用性较差。第三类是基于图像的识别技术，该技术能够根据被取出物品的图像识别出物品名称，使售货设备具有相对较好的用户体验。
技术实现思路
专利技术人针对基于图像的识别技术进行了深入研究。相关技术中，首先需要采集售货设备中所有物品的图像，并标注各个图像对应的物品名称。然后，利用标注完成的图像对机器学习模型进行训练，使训练后的机器学习模型能够根据输入的图像直接输出相应的物品名称。售货设备在售卖物品时，采集被取出物品的图像并输入该机器学习模型，从而直接识别出相应的物品名称。专利技术人研究发现，相关技术会导致售货设备的上新周期较长。由于售货设备中含有的物品是不断更新的，售货设备中含有的物品可能包括售卖已久的旧款物品以及最新布置的上新物品。为了使机器学习模型能够识别出上新物品，每一次在售货设备布置上新物品之前，都需要利用旧款物品图像以及上新物品图像重新对机器学习模型进行训练。在实际应用当中，利用全量的图像重新训练机器学习模型可能需要两周甚至更长的时间，因此从客观上限制了售货设备的上新速度，延长了售货设备的上新周期。本公开解决的一个技术问题是，如何缩短售货设备的上新周期。根据本公开实施例的一个方面，提供了一种识别物品的方法，包括：采集售货设备中被取出物品的图像，售货设备中含有旧款物品和上新物品；利用机器学习模型提取图像的特征向量，机器学习模型是由标注了物品名称的旧款物品图像进行训练得到的；从特征向量库中确定图像的特征向量的相似特征向量，特征向量库包含利用机器学习模型提取的旧款物品图像及上新物品图像的特征向量，特征向量库中的各个特征向量表示相应的物品名称；将被取出物品识别为相似特征向量表示的物品名称。在一些实施例中，该方法还包括：利用机器学习模型提取旧款物品图像及上新物品图像的特征向量；利用旧款物品图像及上新物品图像的特征向量组成特征向量库。在一些实施例中，从特征向量库中确定图像的特征向量的相似特征向量包括：分别计算图像的特征向量与特征向量库中的各个特征向量之间的距离；将特征向量库中与图像的特征向量距离最近的特征向量，作为相似特征向量。在一些实施例中，从特征向量库中确定图像的特征向量的相似特征向量包括：分别计算图像的特征向量与特征向量库中的各个特征向量之间的距离；将特征向量库中与图像的特征向量距离最近、且最近距离小于第一阈值的特征向量，作为相似特征向量。在一些实施例中，该方法还包括：在目标物品被售货设备识别为相似物品的概率大于预设概率的情况下，不在所述售货设备中布置所述相似物品。在一些实施例中，该方法还包括：确定目标物品被售货设备识别为相似物品的概率。在一些实施例中，确定目标物品被售货设备识别为相似物品的概率包括：确定售货设备中的目标旧款物品被识别为相似旧款物品的概率；在目标物品被售货设备识别为相似物品的概率大于预设概率的情况下，不在所述售货设备中布置所述相似物品包括：在目标旧款物品被识别为相似旧款物品的概率大于预设概率的情况下，从售货设备中移除相似旧款物品。在一些实施例中，确定售货设备中的目标旧款物品被识别为相似旧款物品的概率包括：采集目标旧款物品的多张图像，并利用机器学习模型分别提取目标旧款物品的各张图像的特征向量；计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第一距离；计算各张图像的特征向量与特征向量库中目标旧款物品的图像的特征向量之间的距离，得到各张图像的第二距离；将第一距离小于第二距离、且第一距离小于第一阈值的图像张数，除以多张图像的图像张数，得到第一距离小于第二距离的概率。在一些实施例中，计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第一距离包括：计算各张图像的特征向量与特征向量库中相似旧款物品的图像的多个特征向量之间的最短距离，得到各张图像的第一距离；计算各张图像的特征向量与特征向量库中目标旧款物品的图像的特征向量之间的距离，得到各张图像的第二距离包括：计算各张图像的特征向量与特征向量库中目标旧款物品的图像的多个特征向量之间的最短距离，得到各张图像的第二距离。在一些实施例中，该方法还包括：确定售货设备中的目标上新物品被识别为相似旧款物品的概率；在目标上新物品被识别为相似旧款物品的概率大于预设概率的情况下，从售货设备中移除相似旧款物品。在一些实施例中，确定售货设备中的目标上新物品被识别为相似旧款物品的概率包括：采集目标上新物品的多张图像，并利用机器学习模型分别提取各张图像的特征向量；计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第三距离；计算各张图像的特征向量与特征向量库中目标上新物品的图像的特征向量之间的距离，得到各张图像的第四距离；将第三距离小于第四距离、且第三距离小于第二阈值的图像张数，除以多张图像的图像张数，得到第三距离小于第四距离的概率；第二阈值大于第一阈值。在一些实施例中，该方法还包括：采用如下方法确定第二阈值：确定各个旧款物品的识别准确率，并计算各个旧款物品的平均识别准确率；确定上新物品的识别准确率，同时在第一阈值的基础上不断增加预设数值得到第二阈值，直至确定得到的上新物品的识别准确率不小于平均识别准确率。在一些实施例中，计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第三距离包括：计算各张图像的特征向量与特征向量库中相似旧款物品的图像的多个特征向量之间的最短距离，得到各张图像的第三距离；计算各张图像的特征向量与特征向量库中目标上新物品的图像的特征向量之间的距离，得到各张图像的第四距离包括：计算各张图像的特征向量与特征向量库中目标上新物品的图像的多个特征向量之间的最短距离，得到各张图像的第四距离。在一些实施例中，该方法还包括：确定售货设备中的目标上新物品被识别为相似上新物品的概率；在目标上新物品被识别为相似上新物品的概率大于预设概率的情况下，从售货设备中移除相似上新物品。在一些实施例中，确定售货设备中的目标上新物品被识别为相似上新物品的概率包括：计算目标上新物品的各张图像的特征向量与特征向量库中相似上新物品的图像的特征向量之间的距离，得到各张图像的第五距离；将第五距离小于第四距离、且第五距离小于第二阈值的图像张数，除以多张图像的图像张数，得到第五距离小于第四距离的概率。在一些实施例中，计算各张图像的特征向量与特征向量库中相似上新物品的图像的特征向量之间的距离，得到各张图像的第五距离包括：计算各张图像的特征向量与特征向量库中相似上新物品的图像的多个特征向量之间的最短本文档来自技高网...

【技术保护点】
1.一种识别物品的方法，包括：采集售货设备中被取出物品的图像，所述售货设备中含有旧款物品和上新物品；利用机器学习模型提取所述图像的特征向量，所述机器学习模型是由标注了物品名称的旧款物品图像进行训练得到的；从特征向量库中确定所述图像的特征向量的相似特征向量，所述特征向量库包含利用所述机器学习模型提取的旧款物品图像及上新物品图像的特征向量，所述特征向量库中的各个特征向量表示相应的物品名称；将所述被取出物品识别为所述相似特征向量表示的物品名称。

【技术特征摘要】
1.一种识别物品的方法，包括：采集售货设备中被取出物品的图像，所述售货设备中含有旧款物品和上新物品；利用机器学习模型提取所述图像的特征向量，所述机器学习模型是由标注了物品名称的旧款物品图像进行训练得到的；从特征向量库中确定所述图像的特征向量的相似特征向量，所述特征向量库包含利用所述机器学习模型提取的旧款物品图像及上新物品图像的特征向量，所述特征向量库中的各个特征向量表示相应的物品名称；将所述被取出物品识别为所述相似特征向量表示的物品名称。2.如权利要求1所述的识别物品的方法，还包括：利用所述机器学习模型提取所述旧款物品图像及上新物品图像的特征向量；利用所述旧款物品图像及上新物品图像的特征向量组成特征向量库。3.如权利要求1所述的识别物品的方法，其中，所述从特征向量库中确定所述图像的特征向量的相似特征向量包括：分别计算所述图像的特征向量与特征向量库中的各个特征向量之间的距离；将特征向量库中与所述图像的特征向量距离最近的特征向量，作为所述相似特征向量。4.如权利要求1所述的识别物品的方法，其中，所述从特征向量库中确定所述图像的特征向量的相似特征向量包括：分别计算所述图像的特征向量与特征向量库中的各个特征向量之间的距离；将特征向量库中与所述图像的特征向量距离最近、且最近距离小于第一阈值的特征向量，作为所述相似特征向量。5.如权利要求4所述的识别物品的方法，还包括：在目标物品被售货设备识别为相似物品的概率大于预设概率的情况下，不在所述售货设备中布置所述相似物品。6.如权利要求5所述的识别物品的方法，还包括：确定目标物品被售货设备识别为相似物品的概率。7.如权利要求6所述的识别物品的方法，其中，所述确定目标物品被售货设备识别为相似物品的概率包括：确定售货设备中的目标旧款物品被识别为相似旧款物品的概率；所述在目标物品被售货设备识别为相似物品的概率大于预设概率的情况下，不在所述售货设备中布置所述相似物品包括：在目标旧款物品被识别为相似旧款物品的概率大于预设概率的情况下，从所述售货设备中移除所述相似旧款物品。8.如权利要求7所述的识别物品的方法，其中，所述确定售货设备中的目标旧款物品被识别为相似旧款物品的概率包括：采集所述目标旧款物品的多张图像，并利用所述机器学习模型分别提取所述目标旧款物品的各张图像的特征向量；计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第一距离；计算各张图像的特征向量与特征向量库中所述目标旧款物品的图像的特征向量之间的距离，得到各张图像的第二距离；将所述第一距离小于所述第二距离、且所述第一距离小于所述第一阈值的图像张数，除以所述多张图像的图像张数，得到所述第一距离小于所述第二距离的概率。9.如权利要求8所述的识别物品的方法，其中，所述计算各张图像的特征向量与特征向量库中相似旧款物品的图像的特征向量之间的距离，得到各张图像的第一距离包括：计算各张图像的特征向量与特征向量库中相似旧款物品的图像的多个特征向量之间的最短距离，得到各张图像的第一距离；所述计算各张图像的特征向量与特征向量库中所述目标旧款物品的图像的特征向量之间的距离，得到各张图像的第二距离包括：计算各张图像的特征向量与特征向量库中所述目标旧款物品的图像的多个特征向量之间的最短距离，得到各张图像的第二距离。10.如权利要求8所述的识别物品的方法，还包括：确定售货设备中的目标上新物品被识别为相似旧款物品的概率；在所述目标上新物品被识别为相似旧款物品的概率大于所述预设概率的情况下，从所述售货设备中移除相似旧款物品。11.如权利要求1...

【专利技术属性】
技术研发人员：刘朋樟，张屹峰，刘巍，陈宇，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：北京,11