[發明專利]一種智能售貨商品識別檢測方法

有效

• 申請號: 202011513588.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112232334B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 后士云;黃書寶;亢建衛
• 申請（專利權）人: 德明通訊（上海）股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 陳江

1.一種智能售貨商品識別檢測方法，其特征在于，包括以下步驟：

S1、建立自主售貨機識別項目所要標記的商品圖片數據集，并將所述圖片數據集按照每組包含相同數目的類別圖片分成N組，選其中一組圖片數據采用Labellmg軟件進行標記；

S2、將S1步驟選的標記后的所述一組圖片數據用于訓練建立好的Faster R-CNN，計算損失函數，得到訓練好的Faster R-CNN，計算公式如下：

，

式中，表示每一個圖片樣本的下標，和均為歸一化參數，為權重的平衡參數，表示分類損失，表示該圖片樣本被預測為識別項目的概率，是已標記的真實數據標簽；

S3、利用S2步驟訓練好的所述Faster R-CNN的權重值，自動標記下一組圖片數據；

S4、篩選修正S3步驟的標記結果，并將修正后的圖片加入到自主售貨機識別項目的訓練集，進行訓練，重復S2-S4步驟直到所有圖片數據訓練完畢；

S5、判斷是否所有組的圖片數據都已經完成訓練，沒有則重復S3-S4步驟；

S6、判斷是否需要擴充自主售貨機識別項目的圖片數據集，如果需要則進一步判斷是否增加商品識別的種類，如果增加則重復S2-S5步驟；如果不需要則結束所述智能售貨商品識別檢測方法；

其中，所述S2步驟中，所述Faster R-CNN包含14層卷積層和2層池化層，其中在第4層和第7層卷積層后面分別設置池化層；第10層、第13層和第16層卷積層為特征金字塔，其特征圖的分辨率分別為32*32像素、16*16像素和8*8像素；

所述卷積層包含一般卷積和深度可分離卷積兩種類型，其中有4層一般卷積層和5組3*3大小的卷積核和1*1大小的卷積核配對實現的深度可分離卷積層；所述池化層為2*2大小的最大池化層；

所述Faster R-CNN采用基于Faster R-CNN的anchor boxes的方法預測商品目標的包圍框，設置特征圖每個像素點anchor包括anchor框的數量為9個，9個所述anchor框設置3種不同的尺度，每種尺度分別設置3種寬高比1：1、1：2和2：1；

所述特征金字塔的連接方法為8*8分辨率的特征圖通過反卷積與16*16分辨率的特征圖進行對應元素求和運算，16*16分辨率的特征圖通過反卷積與32*32分辨率的特征圖進行對應元素求和運算；

16個所述anchor為一組，在其位置上按照4*4的棋盤格設置，所述棋盤格均勻分布在圖片中。

2.根據權利要求1所述的一種智能售貨商品識別檢測方法，其特征在于，所述S4步驟中，所述篩選修正S3步驟的標記結果的方法包括：更改誤標記商品類別和調整商品誤標記包圍框。

3.根據權利要求1所述的一種智能售貨商品識別檢測方法，其特征在于，所述S6步驟中，所述擴充自主售貨機識別項目的圖片數據集的方法包括圖像旋轉、放縮、裁剪、平移、旋轉和顏色變換在內的圖像處理方法，并包含新加入的相機采集的商品圖片。