商品自助计费方法、装置及系统制造方法及图纸

本发明专利技术提供一种商品自助计费方法、装置及系统。所述方法包括：获取商品在进行称重时的商品图像，识别商品图像中商品所属的商品类别，将商品类别发送给后台计费服务器，以由后台计费服务器根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费；或者，根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费；重量信息由称重设备采集并发送给本设备或后台计费服务器。本发明专利技术实施例能够自动识别出商品类别，并基于商品类别自动对商品进行计费，不需要对可自助称重的商品进行人工值守，因此降低了人力成本。

【技术实现步骤摘要】
商品自助计费方法、装置及系统
本专利技术涉及人工智能
，尤其涉及一种商品自助计费方法、装置及系统。
技术介绍
很多超市中都存在散货区域。散货区域的商品需要称重后才能确定商品的价款。当前，超市专门为散货区域分派值守人员，由值守人员对顾客所选的散货商品进行人工称重。在规模比较大的超市中，散货类别比较多，这时就需要为散货区域分派更多的值守人员。这种有人值守称重方式，一方面增加了超市的人力成本，另一方面，由于是人工称重，因此速度缓慢，效率较低，导致顾客较多时需要长时间的排队等待，给顾客的购买体验很差。
技术实现思路
为克服相关技术中存在的问题，本专利技术提供了一种商品自助计费方法、装置及系统。根据本专利技术实施例的第一方面，提供一种商品自助计费方法，应用于商品识别设备，所述方法包括：获取商品在进行称重时的商品图像；识别所述商品图像中所述商品所属的商品类别；将所述商品类别发送给后台计费服务器，以由后台计费服务器根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；或者，根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；所述重量信息由称重设备采集并发送给本设备或后台计费服务器。根据本专利技术实施例的第二方面，提供一种商品自助计费装置，应用于商品识别设备，所述装置包括：图像获取模块，用于获取商品在进行称重时的商品图像；商品识别模块，用于识别所述商品图像中所述商品所属的商品类别；计费模块，用于将所述商品类别发送给后台计费服务器，以由后台计费服务器根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；或者，根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；所述重量信息由称重设备采集并发送给本设备或后台计费服务器。根据本专利技术实施例的第三方面，提供一种商品自助计费系统，包括：称重设备，用于采集商品的重量信息并发送给后台计费服务器或商品识别设备，以及在采集到所述重量信息时向外部采集设备发送图像采集指令；外部采集设备，用于在接收到图像采集指令时采集所述商品进行称重时的图像，根据采集的图像确定商品图像并发送给商品识别设备；商品识别设备，用于接收所述商品图像，并从所述商品图像中识别出所述商品所属的商品类别，以及将所述商品类别发送给后台计费服务器；后台计费服务器，用于根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费。本专利技术的实施例提供的技术方案可以包括以下有益效果：本专利技术实施例中，通过获取商品在进行称重时的商品图像，利用已训练的深度学习网络模型识别商品图像中商品所属的商品类别，将商品类别发送给后台计费服务器，以由后台计费服务器根据商品类别确定对应的商品单价并依据商品单价以及商品的重量信息对商品进行计费，能够自动识别出商品类别，并基于商品类别自动对商品进行计费，不需要对可自助称重的商品进行人工值守，因此降低了人力成本。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本专利技术的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术实施例提供的商品自助计费方法的流程示例图。图2是任务分配过程示例图。图3是一个3维卷积核的计算过程示例图。图4是N个3维卷积核的计算过程示例图。图5是本专利技术实施例提供的商品自助计费装置的功能方块图。图6是本专利技术实施例提供的商品识别设备的一个硬件结构图。图7是本专利技术实施例提供的商品自助计费系统的结构示例图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。接下来对本专利技术实施例进行详细说明。本专利技术实施例提供的商品自助计费方法可以用于对超市中散货区域的商品进行自动计费。在一个例子中，在散货区域可以设置一定数量的称重设备。称重设备内配置有压力传感器。当顾客将在散货区域选好的商品放置在称重设备的称重台上时，称重设备可以根据压力传感器获得的压力信息自动计算出商品的重量信息。在每个称重设备的正对位置处，可以设置相机。该相机可以是超市中用于监控的摄像机。当称重设备的压力传感器接收到压力信息时，称重设备可以根据感应到压力这一事件产生一个触发信号，并将该触发信号发送给与称重设备对应的相机。相机接收到称重设备发送的触发信号后，对称重设备所在区域进行图像采集，从而获得待计费商品的图像。在不需要采集待计费商品图像的时候(例如尚未接收到称重设备发送的触发信号时，或者已经采集完待计费商品的图像时)，相机可以用于对监控区域进行录像。相机采集完待计费商品的图像后，可以将待计费商品的图像发送给商品识别设备，由商品识别设备根据待计费商品的图像识别待计费商品的商品类别。其中，商品识别设备可以是由至少一个相机组成的云计算设备，这样就可以将识别所需要的计算量分摊到各个空闲的相机进行处理。在一个例子中，商品识别设备中相机的数量可以根据需要识别的商品的类别的多少确定。例如，需要识别的商品的类别较多时，商品识别设备中可以包括较多数量的相机，需要识别的商品的类别较少时，商品识别设备中可以包括较少数量的相机甚至一个相机。称重设备将商品的重量信息发送给后台计费服务器，相机将待计费商品的类别发送给后台计费服务器。后台计费服务器可以根据待计费商品的类别，确定待计费商品的商品单价，然后根据待计费商品的商品单价和待计费商品的重量信息，对待计费商品进行计费，从而获得待计费商品的计费信息。后台计费服务器还可以生成报表信息并存储，以供相关管理人员利用报表信息进行决策分析。在一个例子中，报表信息可以包括待计费商品的重量信息、待计费商品的剩余量本文档来自技高网...

【技术保护点】
1.一种商品自助计费方法，其特征在于，应用于商品识别设备，所述方法包括：/n获取商品在进行称重时的商品图像；/n识别所述商品图像中所述商品所属的商品类别；/n将所述商品类别发送给后台计费服务器，以由后台计费服务器根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；或者，根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；所述重量信息由称重设备采集并发送给本设备或后台计费服务器。/n

【技术特征摘要】
1.一种商品自助计费方法，其特征在于，应用于商品识别设备，所述方法包括：
获取商品在进行称重时的商品图像；
识别所述商品图像中所述商品所属的商品类别；
将所述商品类别发送给后台计费服务器，以由后台计费服务器根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；或者，根据所述商品类别确定对应的商品单价并依据所述商品单价以及所述商品的重量信息对所述商品进行计费；所述重量信息由称重设备采集并发送给本设备或后台计费服务器。


2.根据权利要求1所述的方法，其特征在于，所述获取商品在进行称重时的商品图像包括：
接收来自外部采集设备发送的所述商品图像，所述商品图像是由所述外部采集设备在所述商品进行称重时采集的；或者，所述商品图像是所述外部采集设备从所述商品进行称重时采集的图像中提取出的。


3.根据权利要求1所述的方法，其特征在于，所述识别所述商品图像中所述商品所属的商品类别包括：
将识别商品类别过程中的计算量分摊到多个目标计算模块，根据所述多个目标计算模块的输出信息确定所述商品类别，所述识别商品类别过程为利用已训练的深度学习网络模型识别所述商品图像中所述商品所属的商品类别的过程。


4.根据权利要求3所述的方法，其特征在于，所述将识别商品类别过程中的计算量分摊到多个目标计算模块，根据所述多个目标计算模块的输出信息确定所述商品类别，包括：
将所述深度学习网络模型中的首个计算层作为当前计算层，将所述商品图像确定为所述当前计算层的输入信息；根据本设备中当前处于空闲状态的计算模块的数量以及当前计算层的特征参数数量确定当前计算层所需的目标计算模块的数量N，并从当前处于空闲状态的计算模块中选择出N个目标计算模块；
将当前计算层的特征参数均分为N份特征子参数，所述深度学习网络模型的当前计算层运行在所述N个目标计算模块上；
将N份特征子参数、当前计算层的输入信息、当前计算层的计算策略分别发送给N个目标计算模块，以由各个目标计算模块根据接收的特征子参数、输入信息、计算策略进行计算；
汇总各个目标计算模块的计算结果得到当前计算层的目标输出信息，检查所述深度学习网络模型中是否还存在当前计算层的下一个计算层，如果是，将下一个计算层确定为当前计算层，将所述目标输出信息确定为当前计算层的输入信息，返回将当前计算层的特征参数均分为N份特征子参数的操作，如果否，利用当前计算层的目标输出信息确定所述商品类别。

【专利技术属性】
技术研发人员：苏军，张子敬，刘有文，颜奉丽，王劭杰，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33