[发明专利]零售结账终端新鲜农产品标识系统

说明书

公开了系统和方法，所述系统和方法包括：从第一数量的图像开始，通过对所述第一数量的图像进行数字操作生成第二数量的图像，从所述第二数量的图像中提取特征，以及通过在所述第二数量的图像上训练神经网络生成分类模型，其中所述分类模型提供图像的分类的百分比可能性；将所述分类模型嵌入处理器中并且接收用于分类的图像，其中所述处理器与POS系统通信，所述处理器运行所述分类模型以向所述POS系统提供所述图像的分类的百分比可能性的输出。

技术领域

本发明涉及一种零售结帐终端新鲜农产品标识系统，更具体地说，所述系统采用机器学习，所述机器学习使用新鲜农产品学习集来在使用中的新鲜农产品类型通过终端处捕获的图像数据呈现时对其进行视觉分类。此外，以特定方式训练本机器学习系统以解决新鲜农产品零售环境中固有的限制。尽管本系统和方法广泛应用于不同类型的零售结账终端，下文将主要参考自助结账终端对其进行描述。然而，应当理解，在所提供的实施方案的目的范围内，本发明不必限于此特定应用。

背景技术

如今，自助式结帐变得越来越普遍，其中购物者能够扫描商品并基本上自主地进行付款。

尽管可在包装的货物上扫描条形码，但是对于新鲜农产品(诸如新鲜水果、蔬菜等)而言，则需要用户从屏幕显示中做出选择。

但是，这种方法是不准确的，因为新鲜农产品商品经常被无意或不诚实地错误分类。

本发明力图提供一种将克服或基本上改善现有技术的至少一些缺陷的方式，或者至少提供一种替代方式。

应当理解的是，如果本文引用了任何现有技术信息，此引用并不构成承认所述信息形成澳大利亚或任何其他国家中的本领域普通常识的一部分。

发明内容

本文提供了用于对新鲜农产品进行视觉标识的零售结账终端新鲜农产品标识系统，其中所述系统是使用机器学习来训练的。所述系统可与常规的结账POS系统集成，以便能够将一种或多种预测的新鲜农产品类型输出到结账系统，以用于在屏幕上显示以供购物者选择。

系统的成像部件可包括机械夹具(所述机械夹具包括照明(通常为LED照明))、任选地合适的均质背景和可见光谱相机。

相机捕获呈现的新鲜农产品的图像，以便对农产品的类型进行分类。

在实施方案中，系统通过神经网络优化采用监督的机器学习。

如将在下文进一步详细描述的，本系统以特定方式进行训练，以便解决新鲜农产品标识系统中固有的某些局限性，同时保持期望的或合适的检测准确性。

具体地，利用大数据集可提高检测准确性，以便解决跨众多零售商的不受控的环境的问题。但是，有问题的是，可能无法获得如此大的数据集，尤其是对于备有相对少的新鲜农产品商品的零售商而言。

并且，在大数据集可用的情况下，在替代解决方案中不可能使性能通用于尚未收集数据的场景。所描述的方法通过描述以下方法来解决此问题：如何收集和扩展数据以使得可生成将通用于POS应用程序中出现的各种各样的环境的模型。

此外，本系统理想地适合于在处理和存储方面使计算需求最小化，从而允许以低成本构建系统。所述系统还可解决图像分辨率限制(诸如低至740x 480像素)。

此外，结帐终端处的亮度和照明颜色波动可能影响对所呈现的新鲜农产品商品的成像。

具体地，在一个或优选的实施方案中，本系统捕获并利用从新鲜农产品图像数据中提取的两个特征向量，包括颜色直方图特征向量和Harlick纹理特征，它们被结合以形成全特征向量。考虑到零售农产品标识系统的固有限制，在实验过程中发现这两种特征向量的结合及它们的使用方式可提供足够的准确性和其他优势。