一种商品识别方法、存储介质及商品识别系统技术方案

本发明专利技术提供一种商品识别方法，用于识别无人货柜上的商品变化信息，该方法包括步骤，S1:获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值。S2:生成无人货柜上商品的预期列表，并给预期列表中的每一种组合一个预期概率及S3:结合预期结果、预期分值及预期列表，得出商品变化的最终结果。本发明专利技术还提供一种存储介质，用于承载商品识别方法。本发明专利技术还提供一种商品识别系统，其包括图片获取模块、重量获取模块及结果输出模块。

A Commodity Recognition Method, Storage Media and Commodity Recognition System

【技术实现步骤摘要】
一种商品识别方法、存储介质及商品识别系统
本专利技术涉及无人货柜领域，尤其涉及一种商品识别方法、存储介质及商品识别系统。
技术介绍
在自动售卖商品的无人货柜等产品中，其内的商品会被用户购买后取走，为了便于后续的补充，自动识别被取走的商品成为了必要。现有的无人货柜商品识别主要是通过对无人货柜上的商品拍照获取图片，然后利用深度学习的检测网络识别图片中的信息以确定有哪些商品被取走。然而，单纯的经过图片识别会存在识别误差，无法满足无人货柜的真实需求。
技术实现思路
为克服现有问题，本专利技术提供一种商品识别方法、存储介质及商品识别系统。本专利技术解决技术问题的技术方案是提供一种商品识别方法，用于识别无人货柜上的商品变化信息，该方法包括步骤：S1:获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值；S2:根据无人货柜上的商品总重量及每件商品的单重，生成无人货柜上商品的预期列表及预期列表中的每一种组合的预期概率；及S3:结合预期结果、预期分值、预期列表及预期概率，得出商品变化的最终结果。优选地，步骤S3包括步骤：S31，选择预期结果作为初步结果；S32，利用预期列表来验证初步结果，并比较预期分值，得到最终结果。优选地，步骤S1包括步骤：S11，分次拍摄无人货柜上的商品并形成图片；S12，将步骤S11拍摄的图片分别提取特征；S13，将步骤S12中分别提取的特征进行对比获取差异特征，并根据差异特征得出商品变化的预期结果，并给每个预期结果一个预期分值。优选地，所述分次拍摄为在无人货柜上的商品发生变化前及发生变化后进行的分次拍摄。优选地，提取特征为提取商品的外观特征，外观特征包括形状、颜色及图案中的一种或多种。优选地，步骤S12中提取图片特征的手段为将图片放入深度学习的检测网络中进行提取。优选地，步骤S2包括步骤，S21：获取每件商品的标准单重及无人货柜上的商品总重；S22：形成预期列表；S23：给预期列表中所有组合一个预期概率，并剔除预期概率低于误差范围临界值的组合。优选地，步骤S23还包括步骤：S231，剔除预期概率低于误差范围临界值的组合。本专利技术还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行商品识别方法。本专利技术还提供一种商品识别系统，所述商品识别系统包括图片获取模块、重量获取模块及结果输出模块，所述图片获取模块用于获取无人货柜上的商品图片，所述重量获取模块用于获取无人货柜上的商品总重及每件商品的单重；所述结果输出模块用于根据获取的商品图片得到预期结果及预期分值，获取的商品总重及每件商品的单重获取预期列表，并综合预期结果、预期分值及预期列表输出商品变化可能性最大的最终结果。与现有技术相比，本专利技术提供的一种模型训练方法具有以下优点：1.通过重量信息生成的预期列表对图片生成的预期结果进行分层筛选，同时结合每个预期结果对应的预期分值，以提高商品识别的准确率。2.在获取预期列表时给每个预期列表中的组合一个预期概率，并提出预期概率小于预期误差临界值的组合。【附图说明】图1是本专利技术第一实施例商品识别方法流程示意图。图2是图1中步骤S1的流程示意图。图3A是图1中步骤S2的流程示意图。图3B是第一实施例中商品单重小概率误差的原理示意图。图4A是图1中步骤S3的流程示意图。图4B是第一实施例中结合初步结果及预期列表的原理图。图5是第一实施例中步骤S3的流程示意图。【具体实施方式】为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，本专利技术提供一种商品识别方法，用于识别无人货柜上的商品变化，该方法包括步骤，S1：获取无人货柜上的商品图片，得出无人货柜上商品变化的预期结果，并给每种预期结果一个预期分值；S2：根据无人货柜上的商品总重量及每件商品的单重，生成无人货柜上商品的预期列表，并给预期列表中的每一种组合一个预期概率；及S3：结合预期结果、预期分值及预期列表，选取商品变化可能性最大的最终结果。即，先获取无人货柜上的商品图片，通过图片分析货柜上的商品是否有变化及变化的具体状态形成预期结果，并给每种变化的具体状态及预期结果一个预期分值，也即该种变化的可能性大小。然后根据货柜上现有的商品总重及每件商品的单重计算出货柜上可能存在商品的预期列表，并通过预期列表验证预期结果，并根据预期分值得到货柜上商品变化的最大可能结果。作为一种实施例，步骤S1中，通过先后分两次对无人货柜上的商品进行拍照形成图片，并使用深度学习的网络将两次拍摄的图片进行特征提取，再将提取的特征进行对比，以得到后一次拍摄的图片相对前一次拍摄的图片之间的差异特征，通过差异特征可分析获得预期结果，也即货柜上的商品发生变化的状况。可以理解，分次拍摄为在不同的时间段分别对无人货柜上的商品进行拍摄，优选的，在无人货柜上的商品发生变化前及变化后分别对无人货柜上的商品进行拍摄，如无人货柜上的一种、两种或多种商品被取走前及被取走后。由于货柜上的商品存在层叠放置、商品间外观差异很小或拍摄过程中的拍摄角度不同等问题，通过拍摄的图片可能无法准确的捕捉到货柜上每一个商品的信息，所以将分次拍摄后的图片特征进行比对所获得的差异特征对应有多种结果，也即会有多种预期结果。根据可能性的大小，给予每种预期结果一个预期分值。以一个具体的例子说明可能性的大小，也即预期分值的给定依据，设定预期分值越高，可能性越大。如第一种预期结果是货柜上被取走了一瓶可口可乐，而第二种预期结果是被取走了一瓶百事可乐。但是由于拍摄问题，只能确定的判断货柜上缺少的是一瓶可乐，可乐上有四个字的特征，但是商品上的前两个字未被准确的捕捉到，这时，可根据第二个字的特征来决定预期结果的可能性，也即预期分值的高低。当第二个字的特征与“事”字特征更相似时，则被取走了一瓶百事可乐这种预期结果的预期分值要高于被取走了一瓶可口可乐这种预期结果的预期分值。反之，若第二个字的特征与“口”字特征更相似时，则被取走一瓶可口可乐这种预期结果的预期分值要高于被取走了一瓶百事可乐这种预期结果的预期分值。得到多种预期结果后，为了进一步提高识别无人货柜中商品变化的准确率，还会根据无人货柜上的商品单重及总重生成商品的预期列表。如，无人货柜上初始的商品为1瓶可口可乐、1瓶百事可乐及1瓶雪碧，单重分别为可口可乐0.5kg、百事可乐0.6kg及雪碧0.6kg，当取走一瓶百事可乐时，无人货柜内的商品总重为0.5kg加上0.6kg，此时单纯的依靠重量，对无人货柜上的商品生成的预期列表为两个，分别是可口可乐及百事可乐，或可口可乐及雪碧。也即，当通过图片判断货柜上被取走的是一瓶百事可乐或可口可乐时，此时结合重量生成的预期列表结果，可以排除可口可乐被取走的可能，进而判断无人货柜上被取走的为百事可乐。通过将预期结果、预期分值及预期列表，可以提高识别无人货柜上商品变化的准确度。可以理解，无人货柜上商品的变化可以是商品被取走，对应的商品总重减少，也可以是商品增加，对应的商品总重增加。请参阅图2，步骤S1包括步骤，S11：分次拍摄无人货柜上的商品并生成图片；S12：将步骤S11拍本文档来自技高网...

【技术保护点】
1.一种商品识别方法，用于识别无人货柜上的商品变化信息，其特征在于：该方法包括步骤：S1:获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值；S2:根据无人货柜上的商品总重量及每件商品的单重，生成无人货柜上商品的预期列表及预期列表中的每一种组合的预期概率；及S3:结合预期结果、预期分值、预期列表及预期概率，得出商品变化的最终结果。

【技术特征摘要】
1.一种商品识别方法，用于识别无人货柜上的商品变化信息，其特征在于：该方法包括步骤：S1:获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值；S2:根据无人货柜上的商品总重量及每件商品的单重，生成无人货柜上商品的预期列表及预期列表中的每一种组合的预期概率；及S3:结合预期结果、预期分值、预期列表及预期概率，得出商品变化的最终结果。2.如权利要求1所述的一种商品识别方法，其特征在于：步骤S3包括步骤：S31，选择预期结果作为初步结果；及S32，利用预期列表来验证初步结果，并比较预期分值，得到最终结果。3.如权利要求2所述的一种商品识别方法，其特征在于：步骤S3进一步包括步骤：S30，剔除预期概率低于误差范围临界值的组合。4.如权利要求1所述的一种商品识别方法，其特征在于：步骤S1包括步骤：S11，分次拍摄无人或柜上的商品并形成图片；S12，将步骤S11拍摄的图片分别提取特征；及S13，将步骤S12中分别提取的特征进行对比获取差异特征，并根据差异特征得出商品变化的预期结果，并给每个预期结果一个预期分值。5.如权利要求4所述的一种商品识别方法，其特征在于：所述分次拍摄为在无人货柜上的...

【专利技术属性】
技术研发人员：张发恩，吴佳洪，秦永强，
申请(专利权)人：创新奇智南京科技有限公司，
类型：发明
国别省市：江苏,32