[发明专利]一种商品识别方法、存储介质及商品识别系统

说明书

本发明提供一种商品识别方法，用于识别无人货柜上的商品变化信息，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:生成无人货柜上商品的预期列表，并给预期列表中的每一种组合一个预期概率及S3:结合预期结果、预期分值及预期列表，得出商品变化的最终结果。本发明还提供一种存储介质，用于承载商品识别方法。本发明还提供一种商品识别系统，其包括图片获取模块、重量获取模块及结果输出模块。

【技术领域】

本发明涉及无人货柜领域，尤其涉及一种商品识别方法、存储介质及商品识别系统。

【背景技术】

在自动售卖商品的无人货柜等产品中，其内的商品会被用户购买后取走，为了便于后续的补充，自动识别被取走的商品成为了必要。

现有的无人货柜商品识别主要是通过对无人货柜上的商品拍照获取图片，然后利用深度学习的检测网络识别图片中的信息以确定有哪些商品被取走。然而，单纯的经过图片识别会存在识别误差，无法满足无人货柜的真实需求。

【发明内容】

为克服现有问题，本发明提供一种商品识别方法、存储介质及商品识别系统。

本发明解决技术问题的技术方案是提供一种商品识别方法，用于识别无人货柜上的商品变化信息，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。

优选地，步骤S1包括步骤：S11，分次拍摄无人货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；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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；S23：给预期列表中所有组合一个预期概率，并剔除预期概率低于误差范围临界值的组合。

优选地，步骤S23还包括步骤：S231，剔除预期概率低于误差范围临界值的组合。

本发明还提供一种存储介质，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商品识别方法。

本发明还提供一种商品识别系统，所述商品识别系统包括图片获取模块、重量获取模块及结果输出模块，所述图片获取模块用于获取无人货柜上的商品图片，所述重量获取模块用于获取无人货柜上的商品总重及每件商品的单重；所述结果输出模块用于根据获取的商品图片得到预期结果及预期分值，获取的商品总重及每件商品的单重获取预期列表，并综合预期结果、预期分值及预期列表输出商品变化可能性最大的最终结果，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；