一种智能无人售货柜的快速上新方法技术

本发明专利技术提出一种智能无人售货柜快速上新方法，通过数据合成的方式，构造新商品和原有商品的融合数据，能够合成获得更多的数据，能够极大地减少新商品数据采集的工作量，缩短了上新时间；通过自动标注减少标注人员的工作量，提高了标注的效率，缩短了上新时间；将合成的大量数据加入到现有的模型训练中去，通过对大量图片数据的训练，能够获得精度更高的模型，提高了算法识别的准确度；使得新品类的商品能够快速加入到智能无人售货柜内进行识别和售卖，能够快速满足商户对新品类商品的售卖需求。

A new method of intelligent unmanned container loading

【技术实现步骤摘要】
一种智能无人售货柜的快速上新方法
本专利技术涉及智能无人售货柜领域，尤其是一种智能无人售货柜的快速上新方法。
技术介绍
现有的智能无人售货柜对新品类商品的识别精度低，与原有商品混合后售卖存在很大的识别问题；将新品类商品与原有商品进行混合采集数据的工作量极大，特别是随着售卖商品类别的增多，几乎是不可能完成的工作，这就造成了新品类商品上新速度慢，识别精度低等一系列问题。因此专利技术提出一种智能无人售货柜的快速上新方法，使得新品类的商品能够快速加入到智能无人售货柜内进行识别和售卖，能够快速满足商户对新品类商品的售卖需求。
技术实现思路
为了解决上述问题，本专利技术提出一种智能无人售货柜的快速上新方法，使得新品类的商品能够快速加入到智能无人售货柜内进行识别和售卖，能够快速满足商户对新品类商品的售卖需求。本专利技术通过以下技术方案实现的：本专利技术提出一种智能无人售货柜的快速上新方法，包括：步骤1：将新商品摆放在智能无人售货柜的层架中，并拍摄照片，以采集包含新商品的数据信息的图片，标识了新商品名称；步骤2：使用库存的标注数据训练识别检测神经网络，获得能够识别检测模型，使用该模型对新商品进行识别检测,识别检测神经网络识别检测出包含新商品的数据信息的图片中的新商品的外接框和轮廓形状，在包含新商品的数据信息的图片中自动标注出新商品的轮廓，完成对新商品的多边形轮廓标注，形成标注文件，同时将新商品名称标识添加到标注文件中，完成对新商品的轮廓和类别名称的自动标注；步骤3：人工将自动标注的新商品图片及其标注文件加载到商品标注工具中，逐张检查新商品自动标注的轮廓是否存在偏差，对于存在轮廓偏差的图片手动调整标注轮廓框，使得标注轮廓能够准确地标示出新商品的轮廓边界；步骤4：将待上线的新商品图片与已经上线的商品图片进行融合，合成一个层架内包含新老商品的图片，将新商品融合到已经在线售卖的商品中；步骤5：将合成的图片数据加入到在训练的商品识别网络中进行模型训练，该训练是在原来已有商品训练的基础上加入新商品的数据继续训练；采集新商品与部分已在线商品融合在智能无人售货柜的层架上的真实场景的图片，加入到原来的验证集中作为新的验证集，伴随着模型训练阶段进行模型精度的验证，当模型精度能够达到设定的精度后，该模型即满足了上线发布的条件，将此模型选为待上线发布模型进行导出到待发布模型列表；步骤6：当有更高精度的模型进入待发布状态时，系统查询当前算法系统的状态，选择算法推断系统空闲的状态，将包含新商品识别能力的更高精度的模型替换原有模型，至此识别系统已经可以检测识别出新商品，完成智能无人售货柜上新。进一步的，在步骤1中，每一次只采集一种新商品的图片。进一步的，在步骤1中，所采集图片的命名规则为新商品的名称+新商品所处层架的位置，以表示新商品所处层架的第几行及第几列的位置，智能无人售货柜的层架为M行N列，则一种新商品需要采集M×N张图片数据。进一步的，在步骤4中，合成的规则如下：假设以按列合成为例，假设需要合成一张包含k(2≤k≤N)种商品的图片。N为层架的列数，按列合成时一张图片中最多只能包含N种商品，按行合成数据步骤与按列相同；Step1:选择一张仅有层架没有商品的图片作为背景图片；Step2:随机选择k种商品；Step3:随机选择k列贴放上面选择的k种商品，一种商品贴一列，一一对应；假设商品A需要贴到第n列上，则从根据命名规则从商品A的采集数据中找到第n列的数据图片，基于商品的轮廓边界将其从图片中抠出，贴到背景图片的第n列上。本专利技术的有益效果：本专利技术提出一种智能无人售货柜快速上新方法，通过数据合成的方式，构造新商品和原有商品的融合数据，能够合成获得更多的数据，能够极大地减少新商品数据采集的工作量，缩短了上新时间；通过自动标注减少标注人员的工作量，提高了标注的效率，缩短了上新时间；将合成的大量数据加入到现有的模型训练中去，通过对大量图片数据的训练，能够获得精度更高的模型，提高了算法识别的准确度；使得新品类的商品能够快速加入到智能无人售货柜内进行识别和售卖，能够快速满足商户对新品类商品的售卖需求。附图说明图1为本专利技术提出的智能无人售货柜快速上新方法的流程图；图2为本专利技术的新商品的图片融合步骤示意图。具体实施方式为了更加清楚、完整的说明本专利技术的技术方案，下面结合附图对本专利技术作进一步说明。请参考图1-图2，本专利技术提出一种智能无人售货柜的快速上新方法，包括：步骤1：将新商品摆放在智能无人售货柜的层架中，并拍摄照片，以采集包含新商品的数据信息的图片，标识了新商品名称；步骤2：放入智能无人售货柜内售卖的商品基本为瓶装、灌装、盒装等形状的先验知识，使用库存的标注数据训练识别检测神经网络，获得能够识别检测模型，使用该模型对新商品进行识别检测,识别检测神经网络识别检测出包含新商品的数据信息的图片中的新商品的外接框和轮廓形状，在包含新商品的数据信息的图片中自动标注出新商品的轮廓，完成对新商品的多边形轮廓标注，形成标注文件，同时将新商品名称标识添加到标注文件中，完成对新商品的轮廓和类别名称的自动标注；采用新商品轮廓自动标注的方法，能够极大的节省标注人员的工作量。步骤3：人工将自动标注的新商品图片及其标注文件加载到商品标注工具中，逐张检查新商品自动标注的轮廓是否存在偏差，对于存在轮廓偏差的图片手动调整标注轮廓框，使得标注轮廓能够准确地标示出新商品的轮廓边界；随着不断增加模型的训练数据，提高模型检测识别的精度，该模型能够自动准确地标注出绝大部分商品的轮廓信息，需要标注人员修正的数据极少。步骤4：将待上线的新商品图片与已经上线的商品图片进行融合，合成一个层架内包含新老商品的图片，将新商品融合到已经在线售卖的商品中；合成的规则如下：假设以按列合成为例，假设需要合成一张包含k(2≤k≤N)种商品的图片。N为层架的列数，按列合成时一张图片中最多只能包含N种商品，按行合成数据步骤与按列相同；Step1:选择一张仅有层架没有商品的图片作为背景图片；Step2:随机选择k种商品；Step3:随机选择k列贴放上面选择的k种商品，一种商品贴一列，一一对应；假设商品A需要贴到第n列上，则从根据命名规则从商品A的采集数据中找到第n列的数据图片，基于商品的轮廓边界将其从图片中抠出，贴到背景图片的第n列上。为了构建遮挡关系，贴图时应先贴放远离镜头中心的列(行)，也就是距离镜头中心所在列(行)距离越远的列(行)先贴放。假设层架一共有7列，我们需要在1,3,6这3列贴放商品。镜头中心所在列为第4列，1、3、6列到镜头中心的距离则分别为3、1、2，因此贴放顺序为1、6、3列，这样就合成了一种包含k中商品的图片，通过这种方式可以大量包含不同商品的图片，将新商品融合到已在线的商品中，而不需要大量采集这中融合的商品的数据。步骤5：将合成的图片数据加入到在训练的商品识别网络中进行本文档来自技高网...

【技术保护点】
1.一种智能无人售货柜的快速上新方法，其特征在于，包括：/n步骤1：将新商品摆放在智能无人售货柜的层架中，并拍摄照片，以采集包含新商品的数据信息的图片，标识了新商品名称；/n步骤2：使用库存的标注数据训练识别检测神经网络，获得能够识别检测模型，使用该模型对新商品进行识别检测,识别检测神经网络识别检测出包含新商品的数据信息的图片中的新商品的外接框和轮廓形状，在包含新商品的数据信息的图片中自动标注出新商品的轮廓，完成对新商品的多边形轮廓标注，形成标注文件，同时将新商品名称标识添加到标注文件中，完成对新商品的轮廓和类别名称的自动标注；/n步骤3：人工将自动标注的新商品图片及其标注文件加载到商品标注工具中，逐张检查新商品自动标注的轮廓是否存在偏差，对于存在轮廓偏差的图片手动调整标注轮廓框，使得标注轮廓能够准确地标示出新商品的轮廓边界；/n步骤4：将待上线的新商品图片与已经上线的商品图片进行融合，合成一个层架内包含新老商品的图片，将新商品融合到已经在线售卖的商品中；/n步骤5：将合成的图片数据加入到在训练的商品识别网络中进行模型训练，该训练是在原来已有商品训练的基础上加入新商品的数据继续训练；采集新商品与部分已在线商品融合在智能无人售货柜的层架上的真实场景的图片，加入到原来的验证集中作为新的验证集，伴随着模型训练阶段进行模型精度的验证，当模型精度能够达到设定的精度后，该模型即满足了上线发布的条件，将此模型选为待上线发布模型进行导出到待发布模型列表；/n步骤6：当有更高精度的模型进入待发布状态时，系统查询当前算法系统的状态，选择算法推断系统空闲的状态，将包含新商品识别能力的更高精度的模型替换原有模型，至此识别系统已经可以检测识别出新商品，完成智能无人售货柜上新。/n...

【技术特征摘要】
1.一种智能无人售货柜的快速上新方法，其特征在于，包括：
步骤1：将新商品摆放在智能无人售货柜的层架中，并拍摄照片，以采集包含新商品的数据信息的图片，标识了新商品名称；
步骤2：使用库存的标注数据训练识别检测神经网络，获得能够识别检测模型，使用该模型对新商品进行识别检测,识别检测神经网络识别检测出包含新商品的数据信息的图片中的新商品的外接框和轮廓形状，在包含新商品的数据信息的图片中自动标注出新商品的轮廓，完成对新商品的多边形轮廓标注，形成标注文件，同时将新商品名称标识添加到标注文件中，完成对新商品的轮廓和类别名称的自动标注；
步骤3：人工将自动标注的新商品图片及其标注文件加载到商品标注工具中，逐张检查新商品自动标注的轮廓是否存在偏差，对于存在轮廓偏差的图片手动调整标注轮廓框，使得标注轮廓能够准确地标示出新商品的轮廓边界；
步骤4：将待上线的新商品图片与已经上线的商品图片进行融合，合成一个层架内包含新老商品的图片，将新商品融合到已经在线售卖的商品中；
步骤5：将合成的图片数据加入到在训练的商品识别网络中进行模型训练，该训练是在原来已有商品训练的基础上加入新商品的数据继续训练；采集新商品与部分已在线商品融合在智能无人售货柜的层架上的真实场景的图片，加入到原来的验证集中作为新的验证集，伴随着模型训练阶段进行模型精度的验证，当模型精度能够达到设定的精度后，该模型即满足了上线发布的条件，将此模型选为待上线发布模型进行导...

【专利技术属性】
技术研发人员：郭奇锋，马跃平，孟繁龙，张齐宁，
申请(专利权)人：深圳深知未来智能有限公司，
类型：发明
国别省市：广东;44