基于自主增量学习的人工智能识别秤系统及识别方法技术方案

本发明专利技术公开了一种基于自主增量学习的人工智能识别秤系统及识别方法，系统包括：打秤系统用于从至少一个候选商品标识中确定目标商品的商品标识；根据目标商品的重量和商品标识生成商品标签；重量传感器用于获得目标商品的重量；视觉传感器用于获得目标商品的图像；识别系统包括识别算法模块，用于识别目标商品的图像；获得图像的特征向量；与特征向量数据库中的特征向量进行相似度计算，获得至少一个特征向量；确定候选商品标识；增量学习模块用于判断是否需要增量学习，若是，对图像进行增强处理后提取特征向量，将特征向量与商标标识合并后存储至特征向量数据库中。本发明专利技术能自主对不同商品进行在线增量式学习，置信度高，鲁棒性和适应性强。棒性和适应性强。棒性和适应性强。

【技术实现步骤摘要】
【国外来华专利技术】基于自主增量学习的人工智能识别秤系统及识别方法


[0001]本专利技术涉及人工智能
，尤其涉及一种基于自主增量学习的人工智能识别秤系统及识别方法。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在线下商品销售领域，主要的结算方式是通过扫描商品条形码进行商品识别，进而执行商品结算。而例如水果、蔬菜之类的没有商品条形码的非标准商品，顾客通常需要将挑选好的商品送至特定的称重台进行称重计量，人工选择商品种类并打印、贴附包含种类、单价、价格信息的对应的条形码标签。这个过程需要大量的人力来进行操作，成本高效率低下，不可避免地增加消费者的排队时间。
[0004]随着人工智能的发展，尤其是深度学习的应用，使得通过计算机视觉技术智能的识别各式各样的称重商品，提高称重结算效率成为可能，最近几年出现了一种技术，即AI视觉识别秤，能够智能地识别和称重没有条形码的商品，并能够根据商品识别结果和称重的结果来便捷地进行商品结算。
[0005]然而现在常见的AI视觉识别秤在使用过程中要面对的就是，可能会遇到一些新增的、之前没有见过的商品，或者在每次打秤结算时会遇到各种商品的不同形态，如套袋、非套袋、一小包、一大包等各种情况，这些情况出现时，AI视觉识别秤就会出现输出置信度很低的候选结果，或者输出错误的识别结果，甚至直接无法对商品进行识别的问题。此时就需要管理人员进行人工的干预输入，或者需要专门的技术人员或后台服务器对AI识别模型进行重新训练优化。

技术实现思路

[0006]本专利技术实施例提供一种基于自主增量学习的人工智能识别秤系统，用以能够自主地对不同商品的不同形态、新增的商品、错误识别的商品进行在线增量式地学习，输出的结果置信度较高，鲁棒性和适应性强，该系统包括：打秤系统、重量传感器、视觉传感器和识别系统，其中，
[0007]打秤系统，用于接收目标商品的重量，在接收到目标商品的图像后，发送至识别系统；接收目标商品的至少一个候选商品标识，从所述至少一个候选商品标识中确定目标商品的商品标识，并发送至识别系统；根据目标商品的重量和商品标识，生成商品标签；
[0008]重量传感器，用于获得目标商品的重量，并发送至打秤系统；
[0009]视觉传感器，用于获得目标商品的图像，并传送至打秤系统；
[0010]识别系统包括识别算法模块、增量学习模块和数据模块，其中，
[0011]识别算法模块，用于识别目标商品的图像，获得所述图像的特征向量；将所述特征向量与特征向量数据库中的特征向量进行相似度计算，获得超过相似度阈值的至少一个特
征向量；确定所述至少一个特征向量对应的候选商品标识，并输出至打秤系统；
[0012]增量学习模块，用于在接收到目标商品确定的商品标识后，判断是否需要增量学习，若是，对所述图像进行增强处理后提取特征向量，将提取的特征向量与目标商品的商标标识合并后存储至数据模块的特征向量数据库中。
[0013]本专利技术实施例提供一种基于自主增量学习的人工智能识别秤的识别方法，应用于基于自主增量学习的人工智能识别秤系统，用以能够自主地对不同商品的不同形态、新增的商品、错误识别的商品进行在线增量式地学习，输出的结果置信度较高，鲁棒性和适应性强，该方法包括：
[0014]识别目标商品的图像，获得所述图像的特征向量；
[0015]将所述特征向量与特征向量数据库中的特征向量进行相似度计算，获得超过相似度阈值的至少一个特征向量；
[0016]确定所述至少一个特征向量对应的候选商品标识，并输出至打秤系统，其中，打秤系统用于接收用户从所述至少一个候选商品标识中确定目标商品的商品标识；
[0017]在接收到目标商品确定的商品标识后，判断是否需要增量学习；
[0018]若是，对所述图像进行增强处理后提取特征向量；
[0019]将提取的特征向量与目标商品的商标标识合并后存储至数据模块的特征向量数据库中。
[0020]本专利技术实施例中，打秤系统，用于接收目标商品的重量，在接收到目标商品的图像后，发送至识别系统；接收目标商品的至少一个候选商品标识，从所述至少一个候选商品标识中确定目标商品的商品标识，并发送至识别系统；根据目标商品的重量和商品标识，生成商品标签；重量传感器，用于获得目标商品的重量，并发送至打秤系统；视觉传感器，用于获得目标商品的图像，并传送至打秤系统；识别系统，包括：识别算法模块，用于识别目标商品的图像，获得所述图像的特征向量；将所述特征向量与特征向量数据库中的特征向量进行相似度计算，获得超过相似度阈值的至少一个特征向量；确定所述至少一个特征向量对应的候选商品标识，并输出至打秤系统；增量学习模块，用于在接收到目标商品确定的商品标识后，判断是否需要增量学习，若是，对所述图像进行增强处理后提取特征向量，将提取的特征向量与目标商品的商标标识合并后存储至数据模块的特征向量数据库中。与现有技术中相比，同时能够自主地对不同商品的不同形态、新增的商品、错误识别的商品进行在线增量式地学习，在经过一次或者若干次的学习之后，就可以输出置信度较高的正确结果，鲁棒性和适应性强。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0022]图1为本专利技术实施例中基于自主增量学习的人工智能识别秤系统的示意图；
[0023]图2为本专利技术实施例中打秤系统的示意图；
[0024]图3为本专利技术实施例中识别算法模块的示意图；
[0025]图4为本专利技术实施例中基于自主增量学习的人工智能识别秤的识别方法的流程图；
[0026]图5为本专利技术实施例中计算机设备的示意图。
具体实施方式
[0027]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0028]图1为本专利技术实施例中基于自主增量学习的人工智能识别秤系统的示意图，包括：打秤系统10、重量传感器20、视觉传感器30和识别系统40，其中，
[0029]打秤系统10，用于接收目标商品的重量，在接收到目标商品的图像后，发送至识别系统；接收目标商品的至少一个候选商品标识，从所述至少一个候选商品标识中确定目标商品的商品标识，并发送至识别系统；根据目标商品的重量和商品标识，生成商品标签；
[0030]重量传感器20，用于获得目标商品的重量，并发送至打秤系统；
[0031]视觉传感器30，用于获得目标商品的图像，并传送至打秤系统；
[0032]识别系统40包括识别算法模块401、增量学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种基于自主增量学习的人工智能识别秤系统，其特征在于，包括：打秤系统、重量传感器、视觉传感器和识别系统，其中，打秤系统，用于接收目标商品的重量，在接收到目标商品的图像后，发送至识别系统；接收目标商品的至少一个候选商品标识，从所述至少一个候选商品标识中确定目标商品的商品标识，并发送至识别系统；根据目标商品的重量和商品标识，生成商品标签；重量传感器，用于获得目标商品的重量，并发送至打秤系统；视觉传感器，用于获得目标商品的图像，并传送至打秤系统；识别系统包括识别算法模块、增量学习模块和数据模块，其中，识别算法模块，用于识别目标商品的图像，获得所述图像的特征向量；将所述特征向量与特征向量数据库中的特征向量进行相似度计算，获得超过相似度阈值的至少一个特征向量；确定所述至少一个特征向量对应的候选商品标识，并输出至打秤系统；增量学习模块，用于在接收到目标商品确定的商品标识后，判断是否需要增量学习，若是，对所述图像进行增强处理后提取特征向量，将提取的特征向量与目标商品的商标标识合并后存储至数据模块的特征向量数据库中。2.如权利要求1所述的系统，其特征在于，打秤系统包括：配置组件，用于配置连接的重量传感器、视觉传感器、识别系统、收银系统；触摸屏，用于展示目标商品的商品标识和重量；交互模块，用于接收目标商品的重量，在接收到目标商品的图像后，发送至识别系统；接收目标商品的至少一个候选商品标识；从所述至少一个候选商品标识中确定目标商品的商品标识，并发送至识别系统；在接收到用户输入的搜索指令后，执行搜索操作；在接收到用户的重新识别指令后，调用识别系统进行目标商品的识别；接收用户确认的商品标识；结算模块，用于根据目标商品的重量和商品标识，生成商品标签；通过连接的收银系统进行目标商品结算。3.如权利要求1所述的系统，其特征在于，打秤系统的交互模块还用于：在接收的目标商品的候选商品标识为空时，接收用户输入的商品标识；将用户输入的商品标识作为确定的商品标识。4.如权利要求1所述的系统，其特征在于，识别算法模块包括：目标检测模块，用于识别目标商品的图像中的商品区域；图像分割模块，用于从目标商品的图像中分割出商品区域；图像识别算法模块，用于识别商品区域，获得图像的特征向量；将所述特征向量与特征向量数据库中的特征向量进行相似度计算，获得超过相似度阈值的至少一个特征向量；确定所述至少一个特征向量对应的候选商品标识，并输出至打秤系统。5.如权利要求1所述的系统，其特征在于，增量学习模块具体用于：在存在如下情况时，确定需要增量学习：在识别的至少一个特征向量对应的候选商品标识中，目标商品确定的商品标识排序在第一位，且目标商品的置信度低于置信度阈值；在识别的至少一个特征向量对应的候选商品标识中，目标商品确定的商品标识不在第一位排序；识别的候选商品标识为空。
6.如权利要求1所述的系统，其特征在于，增量学习模块具体用于：采用如下步骤对所述图像进行增强处理后提取特征向量：对目标商品的图像进行增强处理，所述增强处理包括旋转、翻转、色彩变换中的至少一种；调用识别算法模块，对增强处理后的图像进行识别，获得特征向量；对特征向量中差异化小于差异化阈值的项剔除...

【专利技术属性】
技术研发人员：黄盛，林潮威，陈云凯，金小平，
申请(专利权)人：汉朔科技股份有限公司，
类型：发明
国别省市：