【技术实现步骤摘要】
本申请涉及图像识别，更具体的，涉及一种智能ai售货机的数码产品退货识别方法和系统。
技术介绍
1、随着电子商务和无人零售的快速发展，智能售货机已成为消费者购买日常用品及电子产品的重要渠道。然而，在数码产品的退货过程中，如何高效、准确地判断退货产品是否存在损坏、污染等问题，一直是困扰运营商和消费者的难题。传统的退货质量检验方式需要人工参与，不仅效率低下，而且容易受到人为因素的影响，导致检验结果不准确。
2、因此现有技术存在缺陷，急需改进。
技术实现思路
1、鉴于上述问题，本专利技术的目的是提供一种智能ai售货机的数码产品退货识别方法和系统，通过预设产品异常检测模型，能够高效、准确地对退货产品的包装损坏、污染等问题进行识别，提高数码产品退货效率。
2、本专利技术第一方面提供了一种智能ai售货机的数码产品退货识别方法，包括：
3、对退货产品进行rfid识别，确定所述退货产品的产品信息；
4、当所述退货产品识别成功后，通过检测装置获取多个拍摄角度的第一检测图像；
5、通过退货产品的产品信息从数据库调取所述退货产品的三维图像模型；
6、基于所述三维图像模型，通过预设产品异常检测模型对所述多个拍摄角度的第一检测图像进行分析，通过第一检测框对第一检测图像的异常区域进行框选，并确定所述异常区域的差异类型、第一差异得分和三维坐标数据；
7、根据不同拍摄角度下异常区域的三维坐标数据进行分析，确定第一异常区域和第二异常区
8、计算第一异常区域的最终差异得分，结合第二异常区域的第一差异得分，确定所述退货产品的产品差异得分；
9、当所述产品差异得分大于预设差异得分阈值时，所述退货产品不满足退货条件；
10、当所述产品差异得分小于等于预设差异得分阈值时，所述退货产品满足退货条件，对所述退货产品进行回收。
11、本方案中，所述对退货产品进行rfid识别，确定所述退货产品的产品信息，包括：
12、获取rfid标签的响应数据；
13、将所述响应数据与数据库内的产品信息进行对比，将与所述响应数据相同的产品信息确定为所述退货产品的产品信息；
14、当数据库内不存在与所述响应数据相同的产品信息时，所述退货产品识别失败。
15、本方案中，所述基于所述三维图像模型，通过预设产品异常检测模型对所述多个拍摄角度的第一检测图像进行分析，通过第一检测框对第一检测图像的异常区域进行框选，并确定所述异常区域的差异类型、第一差异得分和三维坐标数据，包括：
16、根据第一检测图像的拍摄角度，通过所述退货产品的三维图像模型获取相同拍摄角度的标准图像；
17、通过预设产品异常检测模型对相同拍摄角度的第一检测图像和相对应的标准图像进行分析，对所述第一检测图像的异常区域进行框选，并确定所述异常区域的差异类型和第一差异得分；将所述异常区域的候选框确定为第一检测框；
18、基于退货产品的三维图像模型确定所述第一检测框的坐标数据，将所述第一检测框的中心坐标数据确定为相对应异常区域的三维坐标数据。
19、本方案中，所述根据不同拍摄角度下异常区域的三维坐标数据进行分析，确定第一异常区域和第二异常区域，包括：
20、通过异常区域的三维坐标数据计算不同拍摄角度下相同差异类型的异常区域的三维坐标距离；
21、将三维坐标距离小于预设坐标距离阈值的相同差异类型的异常区域确定为同一异常区域；
22、将所述同一异常区域的第一检测图像中截取所述同一异常区域的第二检测图像；
23、将存在多个第二检测图像的异常区域确定为第一异常区域，将所述第一异常区域以外的其他异常区域确定为第二异常区域。
24、本方案中，还包括：
25、通过所述退货产品的三维图像模型确定第一异常区域的推荐查看角度；
26、基于所述推荐查看角度对所述第一异常区域的多个第二检测图像进行图像变化；
27、对所述多个第二检测图像进行图像变化后的第一检测框进行叠加，将形成的检测框确定为第二检测框；
28、基于预设分割规格将所述第二检测框分割成多个分割区域；
29、基于所述多个分割区域分别将每个第二检测图像分割成多个子图像，并根据分割区域的中心坐标数据确定每个子图像的坐标数据。
30、本方案中，所述计算第一异常区域的最终差异得分，包括：
31、根据第一异常区域am在每个第二检测图像bn的第一差异得分p1(ambn)的比值确定所述第一异常区域am在每个第二检测图像bn的第一影响权重k1(ambn)；
32、根据所述第一异常区域am的子图像ci在第二检测图像bn的分割区域cj的面积占比确定第二检测图像bn的分割区域cj的第二影响权重k2(cibncj)；
33、通过预设产品异常检测模型确定第一异常区域am的第二检测图像bn的子图像ci的第一差异得分p1(ambnci)；
34、根据第一异常区域am的第二检测图像bn的子图像ci的第一差异得分p1(ambnci)、第一异常区域am在第二检测图像bn的第一影响权重k1(ambn)和第二检测图像bn的分割区域cj的第二影响权重k2(cibncj)计算第二检测图像bn的分割区域cj的第二差异得分p2(cibncj)；
35、；
36、根据子图像的坐标数据计算每个第二检测图像bn的分割区域cj的第二差异得分p2(cibncj)的平均值，确定分割区域cj的第三差异得分p3(cj)；
37、对全部分割区域cj的第三差异得分p3(cj)进行累加，确定所述第一异常区域am的最终差异得分p4(am)。
38、本方案中，所述结合第二异常区域的第一差异得分，确定所述退货产品的产品差异得分，包括：
39、基于差异类型确定每个第一异常区域和第二异常区域的影响权重；
40、将每个第一异常区域的最终差异得分和第二异常区域的第一差异得分分别乘以相对应的影响权重，对计算结果进行累加，确定所述退货产品的产品差异得分。
41、本方案中，还包括：
42、当退货产品退货成功后，基于所述多个拍摄角度的第一检测图像对所述退货产品的三维图像模型进行更新。
43、本专利技术第二方面提供了一种智能ai售货机的数码产品退货识别系统，包括：
44、产品信息获取模块，用于对退货产品进行rfid识别，确定所述退货产品的产品信息；
45、检测图像模块，用于当所述退货产品识别成功后，通过检测装置获取多个拍摄角度的第一检测图像；
46、第一分析模块，用于通过退货产品的产品信息从数据库调取所述退货产品的三维图像模型；基于所述三维图像模型，通过预设产品异常检测本文档来自技高网...
【技术保护点】
1.一种智能AI售货机的数码产品退货识别方法，其特征在于，包括：
2.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其特征在于，所述对退货产品进行RFID识别，确定所述退货产品的产品信息，包括：
3.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其特征在于，所述基于所述三维图像模型，通过预设产品异常检测模型对所述多个拍摄角度的第一检测图像进行分析，通过第一检测框对第一检测图像的异常区域进行框选，并确定所述异常区域的差异类型、第一差异得分和三维坐标数据，包括：
4.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其特征在于，所述根据不同拍摄角度下异常区域的三维坐标数据进行分析，确定第一异常区域和第二异常区域，包括：
5.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其特征在于，还包括：
6.根据权利要求5所述的智能AI售货机的数码产品退货识别方法，其特征在于，所述计算第一异常区域的最终差异得分，包括：
7.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其
8.根据权利要求1所述的智能AI售货机的数码产品退货识别方法，其特征在于，还包括：
9.一种智能AI售货机的数码产品退货识别系统，用于实现如权利要求1-8任一项所述的智能AI售货机的数码产品退货识别方法，其特征在于，包括：
10.根据权利要求9所述的智能AI售货机的数码产品退货识别系统，其特征在于，所述根据不同拍摄角度下异常区域的三维坐标数据进行分析，确定第一异常区域和第二异常区域，包括：
...【技术特征摘要】
1.一种智能ai售货机的数码产品退货识别方法，其特征在于，包括：
2.根据权利要求1所述的智能ai售货机的数码产品退货识别方法，其特征在于，所述对退货产品进行rfid识别，确定所述退货产品的产品信息，包括：
3.根据权利要求1所述的智能ai售货机的数码产品退货识别方法，其特征在于，所述基于所述三维图像模型，通过预设产品异常检测模型对所述多个拍摄角度的第一检测图像进行分析，通过第一检测框对第一检测图像的异常区域进行框选，并确定所述异常区域的差异类型、第一差异得分和三维坐标数据，包括：
4.根据权利要求1所述的智能ai售货机的数码产品退货识别方法，其特征在于，所述根据不同拍摄角度下异常区域的三维坐标数据进行分析，确定第一异常区域和第二异常区域，包括：
5.根据权利要求1所述的智能ai售货机的数码产品退...
【专利技术属性】
技术研发人员：陆勇，梁小娟，
申请(专利权)人：广东君箭智能有限公司，
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。