[发明专利]一种商品识别方法、存储介质及商品识别系统

权利要求书

1.一种商品识别方法，用于识别无人货柜上的商品变化信息，其特征在于：该方法包括步骤：

S1:获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值；

S2:根据无人货柜上的商品总重量及每件商品的单重，生成无人货柜上商品的预期列表及预期列表中的每一种组合的预期概率；及

S3:结合预期结果、预期分值、预期列表及预期概率，得出商品变化的最终结果；

步骤S3包括步骤：

S31，选择预期结果作为初步结果；及

S32，利用预期列表来验证初步结果，并比较预期分值，得到最终结果；

基于正态分布规则计算获得所述预期概率，商品在加工存在加工误差，且检测单重时也存在检测误差，导致商品的实际测量单重与标准单重之间存在误差，这种误差呈正态分布。

2.如权利要求1所述的一种商品识别方法，其特征在于：步骤S3进一步包括步骤：

S30，剔除预期概率低于误差范围临界值的组合。

3.如权利要求1所述的一种商品识别方法，其特征在于：步骤S1包括步骤：

S11，分次拍摄无人或柜上的商品并形成图片；

S12，将步骤S11拍摄的图片分别提取特征；及

S13，将步骤S12中分别提取的特征进行对比获取差异特征，并根据差异特征得出商品变化的预期结果，并给每个预期结果一个预期分值。

4.如权利要求3所述的一种商品识别方法，其特征在于：所述分次拍摄为在无人货柜上的商品发生变化前及发生变化后进行的分次拍摄。

5.如权利要求4所述的一种商品识别方法，其特征在于：提取特征为提取商品的外观特征，外观特征包括形状、颜色及图案中的一种或多种。

6.如权利要求4所述的一种商品识别方法，其特征在于：步骤S12中提取图片特征的手段为将图片放入深度学习的检测网络中进行提取。

7.如权利要求1所述的一种商品识别方法，其特征在于：步骤S2包括步骤，

S21：获取每件商品的标准单重及无人货柜上的商品总重；

S22：形成预期列表；及

S23：给预期列表中所有组合一个预期概率。

8.一种存储介质，其特征在于：所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1-7中任一项中所述商品变化识别方法。

9.一种商品识别系统，其特征在于：所述商品识别系统包括：

图片获取模块，用于获取无人货柜上的商品图片，得出无人货柜上商品变化的至少一种预期结果，并给每种预期结果一个预期分值；

重量获取模块，用于获取无人货柜上的商品总重量，并根据每件商品的单重及商品总重量，生成无人货柜上商品的预期列表及预期列表中的每一种组合的预期概率；

及结果输出模块，用于结合预期结果、预期分值、预期列表及预期概率，得出商品变化的最终结果，选择预期结果作为初步结果；及利用预期列表来验证初步结果，并比较预期分值，得到最终结果；

基于正态分布规则计算获得所述预期概率，商品在加工存在加工误差，且检测单重时也存在检测误差，导致商品的实际测量单重与标准单重之间存在误差，这种误差呈正态分布。