[发明专利]基于智慧烘焙的商品识别方法及装置

权利要求书

1.一种基于智慧烘焙的商品识别方法，其特征在于，所述方法应用于通过云端与至少一个客户端连接的服务端，包括：

接收客户端上传的待识别商品的第一图像；

利用预设的分类模型确定所述第一图像是否存在商品重叠，所述分类模型为通过卷积神经网络进行深度学习得到的模型；以及

利用预设的异常检测算法对所述第一图像进行图像检测，根据检测结果确定所述第一图像是否满足识别条件，当检测存在异常情况时，则确定所述第一图像不满足识别条件；

若所述第一图像存在商品重叠或不满足识别条件，则发送错误提示给所述客户端；

若所述第一图像不存在商品重叠且满足识别条件，则通过预设的图像识别模型对所述第一图像进行商品识别，并发送识别结果给所述客户端。

2.根据权利要求1所述的方法，其特征在于，所述利用预设的分类模型确定所述第一图像是否存在商品重叠，包括：

所述分类模型按照预设类库对所述第一图像进行分类；所述预设类库包括重叠类库和非重叠类库；

当所述第一图像属于重叠类库时，则确定所述第一图像存在商品重叠。

3.根据权利要求1或2所述的方法，其特征在于，通过卷积神经网络进行深度学习得到分类模型，包括：

对训练集中的每个训练图像进行两层卷积处理，得到卷积处理结果；

对所述卷积处理结果进行最大值池化，得到池化处理结果；

对所述池化处理结果进行正则化处理，输出分类结果；

将所述分类结果与所述训练图像的类别进行比对，确定本次训练的分类准确率；

当所述分类准确率小于预设准确率阈值时，再次循环训练，直至所述分类准确率达到预设准确率阈值。

4.根据权利要求1所述的方法，其特征在于，所述利用预设的异常检测算法对所述第一图像进行图像检测，包括：

确定所述第一图像中的物体的轮廓信息；

根据所述轮廓信息确定每个轮廓的最小外接矩形；

将面积小于预设第一面积阈值的最小外接矩形删除，得到候选最小外接矩形；

遍历计算所述候选最小外接矩形的面积，将面积最大的候选最小外接矩形确定为目标外接矩形；

当所述目标外接矩形的面积大于预设可视面积时，则检测结果为异常；

当所述目标外接矩形的面积不大于预设可视面积时，计算所述目标外接矩形的面积和预设可视面积的差值绝对值；

当所述差值绝对值大于预设第二面积阈值时，则检测结果为异常；

相应地，所述根据检测结果确定所述第一图像是否满足识别条件，包括：

当所述检测结果为异常，则确定所述第一图像不满足识别条件。

5.根据权利要求1所述的方法，其特征在于，

当新增商品种类时，所述方法还包括：

接收客户端上传的新商品样本图像；

利用预设的自动标注算法对所述新商品样本图像进行标注；

利用标注后的新商品样本图像对所述图像识别模型进行训练以完成新商品样本的添加。

6.根据权利要求5所述的方法，其特征在于，所述利用预设的自动标注算法对所述新商品样本图像进行标注，包括：

确定所述新商品样本图像中的物体的轮廓信息；

根据所述轮廓信息确定每个轮廓的最小外接矩形；

将面积小于所述新商品面积阈值的最小外接矩形删除，得到候选外接矩形；

若所述候选外接矩形为多个时，则将所述候选外接矩形进行合并，得到样本标注矩形。