[发明专利]一种基于AI视觉识别生鲜商品的方法

说明书

本发明提供了一种基于AI视觉识别生鲜商品的方法，包括摄像模组和局域网，摄像模组获取的图片信息，基于强大的AI算法芯片的编译与对比，实现识别功能，同时运用的卷积神经网络、弱监督学习算法、分布式学习架构，在缺乏高质量数据或者无人工标注的情况下，仍然能训练出高性能的深度学习模型，也无需投入昂贵的服务器成本，实现AI视觉识别生鲜商品，从而更好地节约成本、提高运营效率的同时，为顾客提供更加流畅、高效、友好的自助体验。

技术领域

本发明涉及AI识别技术领域，特别涉及一种基于AI视觉识别生鲜商品的方法。

背景技术

长期以来，如何提高打秤过磅环节在零售交易中的效率，降低运营成本，一直是生鲜商超行业普遍的痛点，在此之前，行业内虽然已经在该领域进行了一些技术和产品上的探索，但是始终无法在实际生产销售环境下进行普及性地落地。其主要的难点包括：

1)传统的机器学习建模方式下，往往讲究进行20-30张照片进行繁复的图片数据采集后，商品外观特征保持稳定不变以保证识别效果稳定，而商超和生鲜店进货渠道和理货模式多变，可能在短时间内频繁上新大量商品，已有商品的外观特征和包装也可能发生变化，这使得传统的采集-建模的工作模式效费比极低，不能适应实际生产环境;

2)其次，传统方案为了保证可供算法运行的算力足够，往往需要在现场部署服务器，或者是需要长时间保持与云端联网，这都不能与商超生鲜店，尤其是下沉市场门店的复杂环境想匹配，会带来额外的设备成本和部署成本。

自2020年以来，生鲜商超行业经营者和消费者都更加追求无接触化的购物，如何解决这个技术难点，从而更好地节约人力成本、提高运营效率的同时，为顾客提供更加流畅、高效、友好的自助体验，是个亟待解决的问题。

发明内容

为克服上述的技术问题，本发明提供了一种基于AI视觉识别生鲜商品的方法。

本发明提供了一种基于AI视觉识别生鲜商品的方法,包括摄像模组、局域网，所述摄像模组和所述局域网用于AI视觉识别生鲜商品；

所述摄像模组包括AI算法芯片和高分辨率摄像头，所述高分辨率摄像头与所述AI算法芯片电性相连，所述高分辨率摄像头获取生鲜商品的图片，传送至所述AI算法芯片进行信息处理。

优选地，生鲜商品的图片中的特征信息包括不同形状大小、不同外观、不同颜色深浅、不同光亮度。

优选地，对所述AI算法芯片识别类型进行标签量化管理。

优选地，所述局域网使用卷积神经网络构建，所述局域网以原始图像作为输入。

优选地，所述AI算法芯片运用弱监督学习算法。

优选地，采用分布式学习架构，所述局域网内若干个摄像模组各自完成识别过程后，将图像上传至所述局域网中储存并共享，丰富所述局域网内的样本数据。

优选地，生鲜商品注册包括以下步骤：

步骤S11：所述高分辨率摄像头获取图片信息；

步骤S12：定义本次识别的注册信息；

步骤S13：图像信息存储在所述局域网内并共享；

步骤S14：结束。

优选地，生鲜商品识别包括以下步骤：

步骤S21：所述高分辨率摄像头获取图片信息；

步骤S22：图像信息传送至所述AI算法芯片；

步骤S23：所述AI算法芯片提取所述局域网的样品数据，并与本次获取的图像信息做对比；

步骤S24：识别得出结果是否正确，若正确则执行步骤S26，若不正确则执行S25；

步骤S25：人工修正结果；

步骤S26：图像信息保存至所述局域网中归类并共享，丰富原有样品数据信息，并输出识别结果；

步骤S27：结束。