【技术实现步骤摘要】
本专利技术涉及智能识别，具体为一种基于人工智能的冷柜货品识别系统及方法。
技术介绍
1、现阶段，随着消费者健康意识的觉醒，对蔬菜、肉类、乳制品等细分领域的商用冷柜需求有明显提升，为行业的发展带来新的机遇。
2、在商用冷柜为用户带来诸多便捷的同时，对商用冷柜内的货品存储仍存在一些问题，由于商用冷柜内的温度和柜外环境的温度之间存在着温度差，经常会出现冷柜内结冰的现象发生，而当货品的过量存储导致冷柜内部温度不均匀时，货品表面会逐渐出现冰霜，久而久之，货品与货品之间极易发生粘连的现象。因此，如何根据时间序列下商用冷柜内货品的存储位置和温度变化对货品存储进行及时预警和处理成为人们亟待解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的冷柜货品识别系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的冷柜货品识别方法，包括以下步骤：
3、步骤s100：基于对商用冷柜构建的三维空间坐标系，利用温度传感器实时采集商用冷柜内若干三维位置坐标的温度值；实时采集商用冷柜内摄像头对货品的监测图像；基于实时监测图像，识别出商用冷柜内各货品的标签信息和在监测图像中的存储区域；
4、上述步骤中若干三维位置坐标的采集方式为取样采集，用于获取商用冷柜内各空间区域的温度值；同时商用冷柜内各货品的标签信息包括货品的数量和单价等信息；
5、步骤s200：分别获取监测图像中各货品
6、步骤s300：将若干三维位置坐标分别映射在监测图像中的二维位置坐标设为取样点，根据时间序列下各取样点的温度值分别构建温度变化曲线；提取温度变化曲线中温度斜率值绝对值大于斜率阈值的各时间节点，并根据各时间节点的连续性分析各取样点之间温度变化的关联性；基于各取样点之间温度变化的关联性分析商用冷柜内各取样点温度异常的影响因素；
7、步骤s400：若判定商用冷柜内各取样点温度异常的影响因素为自然因素，则获取任意时间节点下各取样点之间的温度差值和在监测图像中的二维位置坐标，分析各取样点之间的温度影响因子；根据各取样点之间的温度影响因子构建温度影响曲线，并根据温度影响曲线中极值的数量和大小分析各取样点在时间序列下的温度影响变化程度；
8、步骤s500：当各取样点在时间序列下的温度影响变化程度大于变化阈值时，以任意两个取样点之间的距离长度为直径建立圆形区域；根据圆形区域内的各货品信息和相应各货品之间的位置关联性自适应对各货品的存储区域进行重新选取和放置。
9、进一步的，步骤s200包括：
10、步骤s210：获取任意时间节点下某一货品在监测图像中的存储区域，并获取某一货品存储区域的中心坐标为(x1,y1)；基于某一货品的中心坐标(x1,y1)和另一货品的中心位置(x2,y2)，得到任意时间节点时某一货品和另一货品之间的距离d；
11、步骤s220：基于不同时间节点时某一货品和另一货品之间的距离d构建距离变化曲线，并计算得到时间序列上某一货品和另一货品之间的距离均值d；获取距离变化曲线中某一相邻时间节点的距离差值绝对值|d1-d2|，则当存在|d1-d2|/d大于差值阈值ɑ时，表示某一货品和另一货品的位置之间存在关联性；基于此，获取所有同某一货品存在位置关联性的货品标签信息，生成某一货品的关联标签集；
12、上述步骤中当某一货品和另一货品之间的距离均值d越小且在时间序列上距离差值变化越大，表示某一货品和另一货品之间的存储距离靠近或扩大的速率逐渐变快，则相应的货品之间发生粘连的现象愈加明显；
13、通过获取各货品存储区域之间的距离，将时间序列上距离的变化速率和距离均值进行比较分析货品与货品之间的位置关联性，有利于识别货品信息分析货品的存储是否异常。
14、进一步的，步骤s300包括：
15、步骤s310：将商用冷柜内的若干三维位置坐标分别映射在监测图像中，并将监测图像中映射出的各二维位置坐标设为取样点；利用温度传感器获取时间序列下某一取样点的温度值，并基于各时间节点的温度值构建温度变化曲线；依次捕捉温度变化曲线中各相邻时间节点之间的温度斜率值，并对温度斜率值的绝对值大于斜率阈值β时相应的各时间节点进行提取，形成时间节点集合a={a1,a2,…,an}，其中a1,a2,…,an表示满足温度斜率值的绝对值大于斜率阈值β时对应的第1,2,…,n个时间节点信息；
16、上述步骤中当温度斜率值的绝对值大于斜率阈值时，表示不同时间节点下某一三维位置坐标的温度变化大；则当时间节点集合a的数量多且连续时，表示某一三维位置坐标温度发生异常；
17、步骤s320：依次获取时间节点集合a中的任意时间节点ai，当存在a(i+1)-ai=1时满足i的连续次数ε>ζ，表示某一取样点在时间序列下存在温度异常周期ai～a(i+ε)，其中，ζ表示连续次数阈值；基于此，分别获取各取样点的温度异常周期，当某一取样点的温度异常周期和另一取样点的温度异常周期发生重叠，且重叠区域占比大于重叠阈值γ时，表示某一取样点和另一取样点的温度变化关联性大；
18、步骤s330：获取所有同某一取样点温度变化关联性大的其他取样点信息，当其他取样点的数量大于数量阈值λ时，确认商用冷柜的供冷异常影响各取样点的温度变化，进行异常提醒；反之，当其他取样点的数量小于数量阈值λ时，确认商用冷柜内各取样点温度异常的影响因素为自然因素；
19、通过将若干三维位置坐标分别映射在监测图像中的二维位置坐标设为取样点，分析各取样点在时间序列上温度的变化规律和影响温度变化的影响因素，有利于后续针对影响因素对商用冷柜内货品进行自适应处理。
20、进一步的，步骤s400包括：
21、步骤s410：若确认商用冷柜内各取样点温度异常的影响因素为自然因素，则基于某一取样点温度异常周期中的各时间节点下，捕捉其它各取样点分别同某一取样点之间的温度差值w；同时根据各取样点在监测图像中的二维位置坐标，得到其它各取样点分别同某一取样点之间的距离长度h；基于其它各取样点分别同某一取样点之间的温度差值w和距离长度h，计算得到其它各取样点分别同某一取样点的温度影响因子u=σ*w/h；其中σ表示某一取样点的温度影响参数；
22、上述步骤中当距离长度h越大时，两个取样点之间的温差影响程度逐渐变小；
23、步骤s420：基于某一取样点温度异常周期中的各时间节点下，对某一取样点同另一取样点的温度影响因子u构建温度影响曲线；根据温度影响曲线中各坐标点信息分别进行极大值和极小值计算，基于此，分别得到温度影响曲线中极大值的数量m1、极大值的均值f1、极小值的数量m2和极小值的均值f2，进一步得到某一取样点同另一取样点在时间序列下的温度影响变化程度为g=(s1*m1*f1+s2本文档来自技高网...
【技术保护点】
1.一种基于人工智能的冷柜货品识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤S200包括：
3.根据权利要求2所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤S300包括：
4.根据权利要求3所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤S400包括：
5.根据权利要求4所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤S500包括：
6.用于实现权利要求1-5中任一项所述的一种基于人工智能的冷柜货品识别方法的冷柜货品识别系统，其特征在于：所述系统包括：数据采集模块、数据库、关联分析模块、温差判断模块、影响程度构建模块和自适应处理模块；
7.根据权利要求6所述的冷柜货品识别系统，其特征在于：所述数据采集模块包括温度采集单元、图像监测单元和信息识别单元；
8.根据权利要求6所述的冷柜货品识别系统，其特征在于：所述关联分析模块包括区域获取单元和关联分析单元；
9.根据权利要求6
10.根据权利要求6所述的冷柜货品识别系统，其特征在于：所述影响程度构建模块包括影响因子确认单元和影响因素判断单元；
...【技术特征摘要】
1.一种基于人工智能的冷柜货品识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤s200包括：
3.根据权利要求2所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤s300包括：
4.根据权利要求3所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤s400包括：
5.根据权利要求4所述的一种基于人工智能的冷柜货品识别方法，其特征在于：所述步骤s500包括：
6.用于实现权利要求1-5中任一项所述的一种基于人工智能的冷柜货品识别方法的冷柜货品识别系统，其特征...
【专利技术属性】
技术研发人员：王振京，
申请(专利权)人：江苏源坤电子科技有限公司，
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。