[发明专利]基于智慧烘焙的商品识别方法及装置

说明书

本发明公开了一种基于智慧烘焙的商品识别方法及装置，该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；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。本发明实施例能够解决现有技术中存在的烘焙店商品识别效率低且成本较高的问题。

技术领域

本发明涉及图像识别技术领域，尤指一种基于智慧烘焙的商品识别方法及装置。

背景技术

传统烘焙店的商品，如面包，特别是新鲜烘烤的面包是没有包装和价格标签的，因此不能像传统自助收银那样，扫一下条形码就能识别出商品价格。在结算收款过程中，需要收银员对面包蛋糕的价格进行计算，但前提是需要店员记得每个商品的价格，对店员的要求和培训成本来说都比较高。

尤其当顾客在挑选完面包等烘焙商品需要结账时，人工计算面包蛋糕价格速度慢，易出错，消费高峰期，易出现顾客长时间排队等候问题；人力成本较高且效率低。

发明内容

本发明实施例提供一种基于智慧烘焙的商品识别方法及装置，用以解决现有技术中存在的烘焙店商品识别效率低且成本较高的问题。

本发明实施例提供一种基于智慧烘焙的商品识别方法，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；

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。

其中，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。

其中，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。

其中，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；