[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

本發明提供了一種智能售貨商品識別檢測方法，包括：建立識別項目的商品圖片數據集，按每組包含相同數目的類別分組，選一組作標記；將標記后的一組圖片數據訓練建立好的Faster R?CNN；利用訓練好的Faster R?CNN權重值，自動標記下一組；篩選修正標記結果，加入訓練集作訓練，直到所有圖片數據訓練完畢；如需增加圖片數據集，增加商品識別種類，重復上述相關步驟直至訓練完畢。本發明實現了自主售貨機商品循環深度學習，從少樣本弱監督學習到多樣本強監督學習的轉變，可自由根據實際情況選擇識別商品的類別，降低了圖像標記復雜工作量，提升了深度Faster R?CNN檢測性能，降低了過擬合風險。

技術領域

本發明涉及智能售貨和視覺目標檢測識別技術領域，具體而言，涉及一種智能售貨商品識別檢測方法。

背景技術

近些年來，智能成為了國內外各大領域關注的焦點，圖像識別作為智能中的重要研究領域，也倍受關注。在零售行業，無人售貨機由于體積小易于擺放，安全方便的諸多優勢，在地鐵、公園和學校等眾多公共場所中出現，已被消費者廣泛認可。

傳統的自主售貨機的售賣方式主要有：其一，顧客在自主售貨機的鍵盤上選擇某個商品并按下對應的按鍵，再選擇現金或非現金方式進行支付，支付完成后，消費者可以在下方取貨口取走商品；其二，通過自主售貨機上的觸摸屏，觸摸屏上展示了可選商品的圖片，消費者點擊圖片選擇支付方式，支付完成后售貨機將對應的商品放到取貨口，消費者可以在下方取貨口取走商品。

從最初的按鍵操作到觸摸屏操作取貨，在提高消費者消費體驗的同時，觸摸屏無疑增加了自主售貨機的成本，并且隨著智能模式識別領域的日益發展，顯然上述傳統的自主售貨機的售賣方式已經限制了消費者的消費體驗。對此，也出現了一些相關的研究工作提出了自主售貨機的商品識別方法。例如，中國專利（CN107516111A）公開了一種售貨機缺貨檢測方法及裝置，通過相機獲取售貨機內的貨物圖像，并根據檢測區域的預設值對其進行二值化處理，通過對比二值化圖像的特征點和預設條件判斷是否缺貨。中國專利（CN107833363A）公開了一種基于圖像識別的自助售貨機自動庫存管理系統及方法，通過圖像識別和云端平臺自動實時更新售貨機在售的庫存量。上述方法提出了一種通過圖像識別管理自主售貨機庫存的方法和裝置，本質上并沒有將視覺識別技術用于增加消費者體驗和節約成本上，也沒有改變上述傳統的自主售貨機零售的方式。

發明內容

鑒于此，本發明提出一種智能售貨商品識別檢測方法，通過構建Faster R-CNN，先對標記的小樣本訓練逐漸過渡到大樣本的訓練，循環訓練的過程中，不僅有效降低了Faster R-CNN過擬合的風險，也提升了Faster R-CNN識別商品的性能。同時增加了用戶的消費體驗、降低了自主售貨機的生產成本，取消了觸摸屏和按鍵識別商品出售的方法，而采用了視覺目標檢測識別技術。

本發明提供了一種智能售貨商品識別檢測方法，利用少量標記的商品圖像樣本訓練Faster R-CNN，并將所述Faster R-CNN的網絡權重值用于大量非標記的商品圖像樣本，通過循環的圖像標記和訓練實現從弱監督學習到強監督學習的過渡，最終得到強監督學習規則算法，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；