[发明专利]基于机器学习的物品识别方法及装置

说明书

本发明提供了一种基于机器学习的物品识别方法及装置，该方法包括：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。通过本发明，解决了相关技术中对物品识别不准确等技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种基于机器学习的物品识别方法及装置。

背景技术

目前，无人零售行业异常火爆，而对零售商品的识别是技术关键，在便利店场景下实现无人零售的市场中有很大的需求。

相关技术中，通过人工将零售商品的条形码对准扫码器的扫码区，来进行识别零售商品，该方法存在自动化程度不高的情况，影响用户体验。其次，由于条形码本身存在易变形、易损坏等缺陷，导致扫码器的识别准确率低等问题。另外，现有的还有采用在零售商品上贴RFID(全称为Radio Frequency Identification，无线射频识别技术)标签，通过采用计算机视觉和深度学习结合的商品识别方法进行识别，但是，贴RFID标签的成本较高，比如标签本身成本、贴标人力成本、贴标时间成本等，平均到单件商品上是占了一定商品售价比例的，尤其是部分零售商品单品利润极低，更加降低了商家利润。

针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。

发明内容

本发明实施例提供了一种基于机器学习的物品识别方法及装置，以至少解决相关技术中对物品识别不准确等技术问题。

根据本发明的一个实施例，提供了一种基于机器学习的物品识别方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。