[发明专利]基于机器学习的物品识别方法及装置

权利要求书

1.一种基于机器学习的物品识别方法，其特征在于，包括：

通过图像采集装置采集目标物品的第一包装图像；

将所述第一包装图像输入训练模型，得到所述目标物品为疑似物品的概率值，其中，所述疑似物品为所述目标物品的一个或多个预设样本；

将所述目标物品识别为所述概率值符合预定条件的一个疑似物品。

2.根据权利要求1所述的方法，其特征在于，在将所述第一包装图像输入训练模型，得到所述目标物品为疑似物品的概率值之前，所述方法还包括：

采集所述预设样本的第二包装图像；

提取所述第二包装图像的文字特征和外观特征，其中，所述外观特征至少包括：所述第二包装图像的色彩信息，所述第二包装图像的图案信息，所述预设样本的形状信息；

基于所述文字特征和所述外观特征训练初始模型，得到所述训练模型。

3.根据权利要求2所述的方法，其特征在于，基于所述文字特征和所述外观特征训练初始模型，得到所述训练模型包括：

通过所述文字特征和卷积神经网络的第一权重系数训练所述卷积神经网络，得到第一训练模型和所述第一训练模型的第一模型参数；以及通过所述外观特征和高斯随机网络的第二权重系数训练所述高斯随机网络，得到第二训练模型和所述第二训练模型的第二模型参数。

4.根据权利要求1所述的方法，其特征在于，将所述第一包装图像输入训练模型，得到所述目标物品为疑似物品的概率值包括：

分别将所述第一包装图像输入所述训练模型中的第一训练模型和所述训练模型中的第二训练模型；

通过所述第一训练模型计算所述第一包装图像的目标文字特征为所述疑似物品的文字特征的第一概率；以及通过所述第二训练模型计算所述第一包装图像的目标外观特征为所述疑似物品的外观特征的第二概率；

根据所述第一概率和所述第二概率计算所述目标物品为所述疑似物品的概率值。

5.根据权利要求4所述的方法，其特征在于，通过所述第一训练模型计算所述第一包装图像的目标文字特征为所述疑似物品的文字特征的第一概率包括：

检测所述第一包装图像中是否存在目标文本；

在检测所述第一包装图像中存在目标文本的情况下，对所述目标文本进行汉语语言模型N-GRAM编码，得到第一字符串；以及对所述疑似物品的文本进行N-GRAM编码，得到第二字符串；

将所述第一字符串与所述第二字符串进行匹配，以计算所述第一概率。

6.根据权利要求4所述的方法，其特征在于，根据所述第一概率和所述第二概率计算所述目标物品为所述疑似物品的概率值y的公式为：

y＝(1-α)f(W_tx_t)+αf(W_sx_s),

其中，f(W_tx_t)表示所述第一概率；W_t表示所述第一训练模型的第一模型参数；x_t表示所述目标文字特征；f(W_sx_s)表示所述第二概率，W_s表示所述第二训练模型的第二模型参数；x_s表示所述目标外观特征；α表示所述第一概率与所述第二概率之间的权重系数。

7.根据权利要求1所述的方法，其特征在于，将所述目标物品识别为所述概率值符合预定条件的一个疑似物品至少包括：

在所述疑似物品为一个预设样本的情况下，在所述概率值大于或等于阈值时，将所述目标物品识别为所述疑似物品；

在所述疑似物品为多个预设样本的情况下，从多个概率值中选择最大概率值，并将所述目标物品识别为最大概率值对应的一个疑似物品。