[发明专利]一种冷藏装置存储物管理系统和冷藏装置有效

专利信息
申请号: 201610442232.1 申请日: 2016-06-20
公开(公告)号: CN107527060B 公开(公告)日: 2022-01-25
发明(设计)人: 于海洋 申请(专利权)人: 青岛海尔智能技术研发有限公司;海尔智家股份有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00;G06T7/62;G06Q10/08
代理公司: 青岛联智专利商标事务所有限公司 37101 代理人: 李升娟
地址: 266101 *** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 冷藏 装置 存储 管理 系统
【说明书】:

本发明提供一种冷藏装置存储物管理系统和冷藏装置,包括:基于卷积神经网络的训练模块,用于学习检测目标存储物;基于卷积神经网络的识别模块,用于识别是否有目标存储物以及目标存储物的种类;基于卷积神经网络的检测模块,用于捕捉检测是否有目标存储物、以及是否有目标存储物存入冷藏装置或从冷藏装置中取出。本发明所提出的冷藏装置存储物管理系统可以通过训练、验证和测试等步骤建立卷积神经网络以实现根据采样视频自动学习、交互、识别、统计冷藏装置中的目标存储物、目标存储物的种类和每一种目标存储物数量的变化,无需改变传统的冷藏装置的使用习惯,实现了智能自动统计和交互功能,具有管理精度高、统计数据准确,使用灵活性好的优点。

技术领域

本发明涉及制冷设备技术领域,尤其涉及一种冷藏装置存储物管理系统和冷藏装置。

背景技术

很多人认为食物放进冷藏装置就会安全,不会出现变味或者变质。实际上,冷藏装置只是通过降温的方式,抑制细菌的繁殖速度。但是食物存放时间过长,一样会出现变质,食用后可能会出现恶心、呕吐和腹泻等情况。家用冷藏装置一般不设置统计食材的功能,食物存放期限通过用户经验决定,很容易出现遗漏导致食物变质,影响身体健康。对于大型冷冻仓储行业来说,食材统计更需要专人负责,成本较高。一旦出现遗漏,会造成批量的食物变质销毁,导致很高的经济损失。

为解决上述问题,现有技术中提出了冷藏装置内食材的管理系统,如发明专利(申请号2014106605313)中所公开的技术方案,当检测到冷藏装置门打开时,接收用户输入的语音信息。该语音信息中包括用户对冷藏装置内食材的变更操作对应的基本食材变更信息。冷藏装置识别用户输入的语音信息,并进行预处理,生成用户对冷藏装置内食材变更操作对应的变更信息并传输至终端,使得终端生成冷藏装置内食材变更后的食材管理信息。不但看出,在上述技术方案中,为了统计冷藏装置内食材的信息,必须增加语音输入的步骤,这实际上使得整个操作变得较为复杂,并不符合人们日常使用冷藏装置的习惯。如果偶尔忘记了输入语音信息,则会使得统计信息的准确率大幅降低。

综上所述,现有技术中的冷藏装置内食材管理系统存在不符合用户使用习惯,统计信息准确率低的问题。

发明内容

本发明提供一种冷藏装置存储物管理系统,旨在克服现有技术中存储物统计不符合传统使用习惯且管理成本高的缺陷。本发明所提供的具体技术方案包括:

一种冷藏装置存储物管理系统,包括:

基于卷积神经网络的训练模块,用于学习检测目标存储物;

基于卷积神经网络的识别模块,用于识别是否有目标存储物以及目标存储物的种类;

基于卷积神经网络的检测模块,用于捕捉检测是否有目标存储物、以及是否有目标存储物存入冷藏装置或从冷藏装置中取出;

进一步的,所述训练模块包括:

数据库,用于存储目标存储物的静态图片;

处理模块,用于区分所述数据库中静态图片上的存储物类别,并根据不同类别分别进行标注形成标注原始图像;

第一卷积神经网络,用于接收所述处理模块输出的标注原始图像,提取所述标注原始图像中的特征、定位、分类以学习检测目标存储物。

进一步的,所述第一卷积神经网络包括:

特征提取层,用于提取所述标注原始图像上标注检测区域的像素值,提取特征得到所述检测区域的特征图;

特征采样层,用于利用窗口滑过所述检测区域特征图生成低维向量;

特征映射层,用于映射所述低维向量至全连接层;

全连接层,所述全连接层包括用于定位的回归层和用于分类的分类层,所述全连接层用于输出结果,确定是否检测到目标存储物。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛海尔智能技术研发有限公司;海尔智家股份有限公司,未经青岛海尔智能技术研发有限公司;海尔智家股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610442232.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top