[发明专利]基于卷积神经网络的自助结账系统及方法

权利要求书

1.一种基于卷积神经网络的自助结账系统，其特征在于，包括：

用于采集菜品图像的摄像装置；

用于结账计算的自助结账装置，所述自助结账装置基于卷积神经网络构成，用于识别菜品图像信息中菜品的实际数量和种类；及

用于完成结账的刷卡扣卡装置。

2.根据权利要求1所述的基于卷积神经网络的自助结账系统，其特征在于，还包括：用户记录装置，其用于存储和更新用户的身份、余额、菜品消费记录和/或营养摄入记录。

3.根据权利要求2所述的基于卷积神经网络的自助结账系统，其特征在于，还包括：信息发布装置，具有远程通信功能，用于与所述用户记录装置通信及向用户发送存储于所述用户记录装置中的记录信息。

4.一种基于卷积神经网络的自助结账方法，其特征在于，包括如下步骤：

步骤a.基于神经卷积网络建立一自助结账系统；

步骤b.拍摄所选取的菜品图像信息，通过所述自助结账系统识别菜品图像信息中菜品的实际数量和种类；

步骤c.根据实际选取的菜品数量和种类，计算价格并完成结账。

5.根据权利要求4所述的基于卷积神经网络的自助结账方法，其特征在于，所述基于神经卷积网络建立一自助结账系统包括：

步骤a1：对菜品进行图像信息采集，并且标识对应种类，构建菜品数据库；

步骤a2：根据所述菜品数据库，引入卷积神经网络并对其进行训练，使所述卷积神经网络获得适用于菜品检测环境的权重值的卷积核；

步骤a3：基于所述卷积神经网络建立一自助结账系统。

6.根据权利要求5所述的基于卷积神经网络的自助结账方法，其特征在于，识别菜品图像信息包括如下步骤：

卷积神经网络的卷积层提取拍摄到的用户所选取的菜品图像信息；

卷积神经网络的全连接层预测不同菜品目标的概率和位置；

卷积神经网络的分类函数调用Softmax回归模型获得实际选取的菜品数量和种类。

7.根据权利要求6所述的基于卷积神经网络的自助结账方法，其特征在于，所述Softmax回归模型如以下公式表示：

式中，Z_j是卷积神经网络对于第j个类别的打分，Z_k为所有n个Z中的最大值，n为食堂菜品不同类别的个数。

8.根据权利要求4所述的基于卷积神经网络的自助结账方法，其特征在于，步骤c之后进一步包括：

步骤d.根据实际选取的菜品数量和种类，生成营养摄入记录并发送至用户。