[发明专利]一种基于深度学习的冰柜库存情况监督识别方法

权利要求书

1.一种基于深度学习的冰柜库存情况监督识别方法，其特征在于，包括以下步骤：

步骤1、对采集到的所述冰柜排面照片进行矫正；

步骤2、对矫正后的所述冰柜排面照片进行检出单元标注，并根据所述检出单元的库存情况进行分类；

步骤3、利用标注的数据，使用目标检测框架，训练检出识别模型；

步骤4、训练过程中，利用验证集检验训练的模型效果，若效果达到预定需求，则停止模型训练，得到算法模型；

步骤5、使用测试集对得到的所述算法模型进行最终测试，若测试合格，则投入使用；如果测试不合格，则回到所述步骤3，对所述算法模型进行重新训练；

步骤6、将得到的所述算法模型部署，对冰柜排面情况采集得到的照片，使用算法即可得到冰柜的库存状态。

2.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤1采集所述冰柜排面照片的方法包括人工拍摄，安装在冰柜上的摄像头拍摄。

3.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤1对采集到的所述冰柜排面照片进行去畸变操作。

4.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤2检出单元包括冰柜的层、节、框。

5.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤2标注方法包括：bounding box标注方法、加入旋转角度的rotated bounding box标注方法、多边形标注方法、mask标注方法。

6.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤2库存情况包括满、半满和空。

7.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤3目标检测框架包括Faster-RCNN和FPN相结合的目标检测方法、基于YOLO的目标检测方法、基于SSD的目标检测方法、基于rotated bounding box目标检测方法、多边形标注相应的目标检测方法、mask标注相应的目标检测方法。

8.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤3检出识别模型为端到端模型或先检出、后分类由两个模型组成的两段式方法。

9.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述步骤6算法模型部署方式包括云端部署、冰柜端部署。

10.如权利要求1所述的基于深度学习的冰柜库存情况监督识别方法，其特征在于，所述冰柜包括卧式冰柜、立式冰柜。