一种应用于个体商贩的商品出入库管理系统及方法技术方案

一种应用于个体商贩的商品出入库管理系统及方法，涉及物联网技术和人工智能技术领域。本发明专利技术是为了解决现有商品管理系统不便携、没有运动通信功能、且不适用于流动商贩使用的问题。本发明专利技术所述的一种应用于个体商贩的商品出入库管理系统及方法，不需要一般商场里的条形码进行统计，而是改用商品图像进行记录，能够替代人工实现摆摊商品的入库与结算，同时能够使用微信小程序查询一天的交易结果，这样既减轻了摆摊者的负担，也提高了工作的效率。率。率。

【技术实现步骤摘要】
一种应用于个体商贩的商品出入库管理系统及方法


[0001]本专利技术属于物联网技术和人工智能


技术介绍

[0002]目前针对于流动商贩的商品进出库，往往还是依靠于人工记账，在客流高峰时，经营者难免分身乏术，无法对销售情况进行人工记录，这样就使得商贩无法对一天的销售情况进行统计，影响了商家的进一步决策。而现有的商品管理系统大多应用于超市或无人贩卖机，且这些商品管理系统并不便携化、还没有云通信的功能，因此无法满足人们随时随地使用商品管理系统进行摊位的系统初始化与管理等需求。
[0003]同时，由于流动商贩所销售的大多数是价格较低的商品，而传统的商品管理系统过于昂贵，难以应用。并且现有商品管理系统不便于用户随时查看与修改自己的摆摊状况，无法帮助用户及时准确的了解自己摊位的营收状况。

技术实现思路

[0004]本专利技术是为了解决现有商品管理系统不便携、没有运动通信功能、且不适用于流动商贩使用的问题，现提供一种应用于个体商贩的商品出入库管理系统及方法。
[0005]一种应用于个体商贩的商品出入库管理系统，包括：用于采集商品图像的采集单元，用于对商品图像进行识别，并对识别结果进行非极大值抑制，获得商品种类和数量的识别单元，用于将商品种类和数量录入数据库进行保存的管理单元。
[0006]进一步的，上述识别单元内嵌有利用YOLO算法训练好的卷积神经网络，该卷积神经网络的输入为商品图像，输出为商品类别概率值。
[0007]进一步的，上述一种应用于个体商贩的商品出入库管理系统还包括用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元。
[0008]进一步的，上述一种应用于个体商贩的商品出入库管理系统还包括用于将商品种类和数量显示出来的展示单元。
[0009]进一步的，上述一种应用于个体商贩的商品出入库管理系统还包括用于采集商品重量、并将商品重量发送至管理单元的扩展单元，展示单元将商品重量进行保存。
[0010]一种应用于个体商贩的商品出入库管理方法，包括以下步骤：首先，采集商品图像，然后，对商品图像进行识别，并对识别结果进行非极大值抑制，获得商品种类和数量，最后，将商品种类和数量录入数据库进行保存。
[0011]进一步的，上述对商品图像进行识别时，利用YOLO算法训练卷积神经网络，该卷积神经网络的输入为商品图像，输出为商品类别概率值。
[0012]进一步的，上述采集商品图像之后，对商品图像进行滤波、然后再对商品进行识别。
[0013]进一步的，在上述所有步骤之后，将商品种类和数量通过手机显示出来。
[0014]进一步的，上述采集商品图像的同时，还采集商品重量，并将商品重量录入数据库
进行保存。
[0015]本专利技术所述的一种应用于个体商贩的商品出入库管理系统及方法，不需要一般商场里的条形码进行统计，而是改用商品图像进行记录，能够替代人工实现摆摊商品的入库与结算，同时能够使用微信小程序查询一天的交易结果，这样既减轻了摆摊者的负担，也提高了工作的效率。
附图说明
[0016]图1为一种应用于个体商贩的商品出入库管理系统的整体框图；
[0017]图2为具体实施方式一所述硬件采集系统的框图；
[0018]图3为硬件采集系统与微信小程序之间的结构关系框图；
[0019]图4为一种应用于个体商贩的商品出入库管理方法的流程图。
具体实施方式
[0020]具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的一种应用于个体商贩的商品出入库管理系统，包括：硬件采集系统和云服务器。
[0021]硬件采集系统基于STM32开发板，其内部嵌有用于采集商品图像的采集单元，用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元，用于对商品图像进行识别，并对识别结果进行非极大值抑制，获得商品种类和数量的识别单元，以及用于将商品种类和数量显示出来的展示单元。其中采集单元为摄像头，识别单元为主控芯片，展示单元为触摸屏。还包括用于与云服务器进行通信的WIFI模块。
[0022]识别单元内嵌有利用YOLO算法训练好的卷积神经网络，基于深度学习的YOLO
‑
V3能够减少重叠识别、提高检测速度，该算法因其快速和准确而近年来被广泛使用。为了提高分类的精度，本实施方式相比较于原有的YOLOV3对原有的卷积层进行了优化，将原作者论文中卷积层采用的Leaky ReLU函数用Dynamic ReLU函数代替，以较小的运算代价换取了更好的商品分类效果。
[0023]具体的，YOLO算法利用卷积神经网络将输入的商品图片分割成S
×
S阵列形势的单元格，然后每个单元格负责去检测那些中心点落在该单元格内的目标，每个单元格会预测B个边界框(bounding box)以及边界框的置信度(confidence score)。所谓置信度其实包含两个方面，一是这个边界框含有目标的可能性大小Pr(object)，当该边界框是背景时(即不包含目标)，此时Pr(object)＝0，当该边界框包含目标时，Pr(object)＝1。二是这个边界框的准确度，可以用预测框与实际框(ground truth)的IOU(intersection over union，交并比)来表征，记为IOU。因此边界框的置信度可以定义为Pr(object)*IOU。边界框的大小与位置可以用4个值来表征：(x,y,w,h)，其中(x,y)是边界框的中心坐标，而w和h是边界框的宽与高。而每个边界框的预测值实际上包含5个元素：(x,y,w,h,c)，最后一个值c为该边界框的置信度。
[0024]针对于分类问题，对于每一个单元格要给出预测出的C个类别概率值，其表征的是由该单元格负责预测的边界框其目标属于各个类别的概率。但是这些概率值其实是在各个边界框置信度下的条件概率，即Pr(class|object)。边界框类别置信度表征的是该边界框中目标属于各个类别的可能性大小及边界框匹配目标的好坏。
[0025]综上所述，卷积神经网络的输入为商品图像，输出为商品类别概率值。因此，在对识别结果进行非极大值抑制之后，就能够获得商品种类。
[0026]卷积神经网络为Darknet
‑
53网络，其框架如下表所示：
[0027][0028][0029]进一步的，在实际操作时还能够扩展用于采集商品重量、并将商品重量发送至管理单元的扩展单元，展示单元将商品重量进行保存。该部分不仅能够按商品件数进行出入
库管理，对于水果蔬菜等称重商品也能进行管理。
[0030]用户后台管理方面，在云服务器端设有用于将商品种类和数量录入数据库进行保存的管理单元。如图3所示，本实施方式利用微信小程序实现了用户管理的界面，实现了每天的物品出售和库存情况的统计，如商品的数量或重量的增减。具体的，云服务器采用阿里云服务器。使用的系统CentOS7，JAVA运行环境为JDK1.8，使用的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于个体商贩的商品出入库管理系统，其特征在于，包括：用于采集商品图像的采集单元，用于对商品图像进行识别，并对识别结果进行非极大值抑制，获得商品种类和数量的识别单元，用于将商品种类和数量录入数据库进行保存的管理单元。2.根据权利要求1所述的一种应用于个体商贩的商品出入库管理系统，其特征在于，识别单元内嵌有利用YOLO算法训练好的卷积神经网络，该卷积神经网络的输入为商品图像，输出为商品类别概率值。3.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统，其特征在于，还包括用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元。4.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统，其特征在于，还包括用于将商品种类和数量显示出来的展示单元。5.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统，其特征在于，还包括用于采集商品重量、并将商品重量发送至管理单元的扩展单元，展示单元将...

【专利技术属性】
技术研发人员：张亚男，吴芝路，包涵，张言望，周文杰，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：