本公开的实施例公开了图像检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待检测物品的第一物品图像和第二物品图像；对上述第一物品图像和上述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量；对上述第一物品图像向量和上述第二物品图像向量进行融合处理以生成融合向量；将上述融合向量输入至预先训练的图像检测模型中，得到图像检测结果；将上述图像检测结果发送至具有显示功能和存储功能的结算设备以进行结算处理。该实施方式实现了从多个角度对用户获取的物品进行检测，提高了物品检测结果的准确度。从而，降低了物品结算的误差率。了物品结算的误差率。了物品结算的误差率。
【技术实现步骤摘要】
图像检测方法、装置、电子设备和计算机可读介质
[0001]本公开的实施例涉及计算机
，具体涉及图像检测方法、装置、电子设备和计算机可读介质。
技术介绍
[0002]随着互联网技术的发展，出现越来越多的自动售货柜。用户在通过自动售货柜获取物品时，自动售货柜通常会采用传统的RFID（Radio Frequency Identification，射频识别）技术对用户获取的物品进行检测，以及根据检测结果进行结算处理。
[0003]然而，采用上述检测方式通常会存在以下技术问题：第一，无法从多个角度对用户获取的物品进行检测，导致物品的检测结果的准确度不高，造成物品结算的误差率较高；第二，传统的射频识别技术在进行物品检测时，未综合考虑图像所包括的各个信息之间的关系，进而，使得对物品检测的准确度较低，进一步造成物品结算的误差率较高。
技术实现思路
[0004]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]本公开的一些实施例提出了图像检测方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0006]第一方面，本公开的一些实施例提供了一种图像检测方法，该方法包括：获取待检测物品的第一物品图像和第二物品图像；对上述第一物品图像和上述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量；对上述第一物品图像向量和上述第二物品图像向量进行融合处理以生成融合向量；将上述融合向量输入至预先训练的图像检测模型中，得到图像检测结果；将上述图像检测结果发送至具有显示功能和存储功能的结算设备以进行结算处理。
[0007]在一些实施例中，所述基于所述至少一个训练样本、所述至少一个训练样本中的每个训练样本对应的图像检测结果、所述第一差值组和所述第二差值组，确定所述至少一个训练样本的损失值，包括：通过公式，生成所述至少一个训练样本的损失值：，
其中，表示图像高度损失值，表示所述至少一个训练样本所包括的训练样本的数量，表示所述至少一个训练样本中训练样本的序号，表示所述至少一个训练样本中第个训练样本包括的样本图像高度值，表示所述至少一个训练样本中第个训练样本包括的样本图像高度值对应的第一差值，表示预设高度调整值，表示所述至少一个训练样本中第个训练样本对应的图像高度值，表示和中的最大值，表示预设图像属性损失值，表示所述至少一个训练样本中第个训练样本包括的样本属性值，表示所述至少一个训练样本中第个训练样本包括的样本属性值对应的第二差值，表示所述至少一个训练样本中第个训练样本对应的图像属性值，表示和中的最大值，表示所述至少一个训练样本的损失值。
[0008]第二方面，本公开的一些实施例提供了一种图像检测装置，装置包括：获取单元，被配置成获取待检测物品的第一物品图像和第二物品图像；提取单元，被配置成对上述第一物品图像和上述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量；融合单元，被配置成对上述第一物品图像向量和上述第二物品图像向量进行融合处理以生成融合向量；输入单元，被配置成将上述融合向量输入至预先训练的图像检测模型中，得到图像检测结果；发送单元，被配置成将上述图像检测结果发送至具有显示功能和存储功能的结算设备以进行结算处理。
[0009]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0010]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0011]本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的图像检测方法，提高了物品检测结果的准确度，物品结算的误差率有所降低。具体来说，造成物品检测结果的准确度不高的原因在于：无法从多个角度对用户获取的物品进行检测，导致物品的检测结果的准确度不高，造成物品结算的误差率较高。基于此，本公开的一些实施例的图像检测方法，首先，获取待检测物品的第一物品图像和第二物品图像。由此，为从两个不同的角度对待检测物品进行检测提供了数据支持。其次，对上述第一物品图像和上述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量。然后，对上述第一物品图像向量和上述第二物品图像向量进行融合处理以生成融合向量。由此，便于综合考量待检测物品的变化，为提高物品检测结果的准确度提供了数据支持。接着，将上述融合向量输入至预先训练的图像检测模型中，得到图像检测结果。由此，实现了从多个角度对用户获取的物品进行检测，提高了物品检测结果的准确度。从而，降低了物品结算的误差率。
附图说明
[0012]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0013]图1是根据本公开的一些实施例的图像检测方法的一个应用场景的示意图；图2是根据本公开的图像检测方法的一些实施例的流程图；图3是根据本公开的图像检测方法的一些实施例中的图像检测模型；图4是根据本公开的图像检测方法的另一些实施例的流程图；图5是根据本公开的图像检测装置的一些实施例的结构示意图；图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0014]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0015]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0016]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0017]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0018]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0019]下面将参考附图并结合实施例来详细说明本公开。
[0020]图1是根据本公开一些实施例的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法，包括：获取待检测物品的第一物品图像和第二物品图像；对所述第一物品图像和所述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量；对所述第一物品图像向量和所述第二物品图像向量进行融合处理以生成融合向量；将所述融合向量输入至预先训练的图像检测模型中，得到图像检测结果；将所述图像检测结果发送至具有显示功能和存储功能的结算设备以进行结算处理。2.根据权利要求1所述的方法，其中，所述对所述第一物品图像和所述第二物品图像分别进行图片特征提取处理，得到第一物品图像向量和第二物品图像向量，包括：将所述第一物品图像输入至预先训练的图片特征提取网络，得到第一物品图像向量；将所述第二物品图像输入至所述图片特征提取网络，得到第二物品图像向量。3.根据权利要求2所述的方法，其中，所述图片特征提取网络包括：卷积网络和池化网络，所述卷积网络包括第一卷积层和第二卷积层，所述池化网络包括第一池化层和第二池化层。4.根据权利要求3所述的方法，其中，所述将所述第一物品图像输入至预先训练的图片特征提取网络，得到第一物品图像向量，包括：将所述第一物品图像分别输入至所述第一卷积层和所述第二卷积层，得到第一图像特征序列和第二图像特征序列；将所述第一图像特征序列和所述第二图像特征序列输入至所述第一池化层，得到第一池化特征向量序列集；将所述第一图像特征序列和所述第二图像特征序列输入至所述第二池化层，得到第二池化特征向量序列集；将所述第一池化特征向量序列集中的每个第一池化特征向量序列和对应所述第一池化特征向量序列的第二池化特征向量序列进行拼接处理以生成拼接池化特征向量序列，得到拼接池化特征向量序列集；对所述拼接池化特征向量序列集中的各个拼接池化特征向量序列进行融合处理，得到融合池化特征向量作为第一物品图像向量。5.根据权利要求1所述的方法，其中，所述图像检测模型是通过以下步骤训练得到的：获取训练样本集，其中，所述训练样本集中的训练样本包括：样本图像、样本名称、样本图像高度值和样本属性值；基于训练样本集，执行如下处理步骤：将训练样本集中的至少一个训练样本包括的样本图...
【专利技术属性】
技术研发人员：王涛，
申请(专利权)人：北京每日优鲜电子商务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。