一种基于边缘计算的货架缺货预警分析系统及方法技术方案

本发明专利技术提供了一种基于边缘计算的货架缺货预警分析系统及方法，其中，系统包括：视频采集模块，用于采集商品货架的图像；智能检测模块，用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；智能分析模块，用于将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。本发明专利技术通过边缘设备对商品货架图像进行智能检测、分析，当货架发生缺货现象时能及时报警，不仅减轻了工作量，而且能减少漏报、误报商品货架缺货的情况发生。

【技术实现步骤摘要】
一种基于边缘计算的货架缺货预警分析系统及方法
本专利技术涉及图像识别与处理
，尤其是涉及一种基于边缘计算的货架缺货预警分析系统及方法。
技术介绍
由于超市具有自助选购、商品齐全等优点，其受到了人们的喜爱。在人们在超市购买商品的过程中，超市内的商品的库存量在一直变动。在现有的查看货架是否缺货的方法中，通常采用摄像头直接获取货架图像，然后将图像传递到显示器上，再通过人工肉眼方式查看货架图像，判断货架是否已经发生缺货现象。但由于超市商品种类、数目繁多，通过人工方式查看图像判断是否缺货，工作量巨大，且容易造成漏报缺货商品的现象，进而导致超市商品补货不及时，严重时还可能影响超市的经营效益。
技术实现思路
本专利技术的目的是提供一种基于边缘计算的货架缺货预警分析系统及方法，以解决判断货架缺货工作量巨大、且容易造成漏报缺货商品的技术问题。本专利技术的目的，可以通过如下技术方案实现：一种基于边缘计算的货架缺货预警分析系统，包括：视频采集模块，用于采集商品货架的图像；智能检测模块，用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；智能分析模块，用于将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。可选地，还包括：图像获取模块，用于获取所述视频采集模块中采集的图像，并将采集的图像传输至所述智能检测模块。可选地，还包括：报警模块，用于当所述图像的缺货位置与前一预设时间段检测得到的缺货位置相同时，对所述图像进行报警，并将所述图像自动推送到巡店app。可选地，所述智能检测模块包括：下采样单元，用于对所获取的商品货架图像进行下采样；预测单元，用于对下采样后的商品货架图像进行预测，得到预测的缺货位置中心点坐标、偏移量及尺寸；计算单元，用于根据所述预测的缺货位置中心点坐标、偏移量及尺寸计算商品货架缺货位置的左上角、右下角坐标及缺货置信度；输出单元，用于输出商品货架的缺货位置坐标及缺货置信度。可选地，所述智能分析模块包括：保存单元，用于保存商品货架的缺货位置坐标及缺货置信度；对比单元，用于将所述缺货置信度与预设的置信度阈值进行比较；判断单元，用于当所述缺货置信度大于等于预设的置信度阈值时，判断所述商品货架缺货，否则所述商品货架不缺货。本专利技术还提供了一种基于边缘计算的货架缺货预警分析方法，包括：采集商品货架的图像；通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。可选地，采集商品货架的图像之后还包括：获取所述视频采集模块中采集的图像，并将采集的图像传输至所述智能检测模块。可选地，判断所述商品货架是否缺货之后还包括：当所述图像的缺货位置与前一预设时间段检测得到的缺货位置相同时，对所述图像进行报警，并将所述图像自动推送到巡店app。可选地，通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度具体包括：对所获取的商品货架图像进行下采样；对下采样后的商品货架图像进行预测，得到预测的缺货位置中心点坐标、偏移量及尺寸；根据所述预测的缺货位置中心点坐标、偏移量及尺寸计算商品货架缺货位置的左上角、右下角坐标及缺货置信度；输出商品货架的缺货位置坐标及缺货置信度。可选地，将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货具体包括：保存商品货架的缺货位置坐标及缺货置信度；将所述缺货置信度与预设的置信度阈值进行比较；当所述缺货置信度大于等于预设的置信度阈值时，判断所述商品货架缺货，否则所述商品货架不缺货。本专利技术提供了一种基于边缘计算的货架缺货预警分析系统及方法，其中，系统包括：视频采集模块，用于采集商品货架的图像；智能检测模块，用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；智能分析模块，用于将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。本专利技术提供的一种基于边缘计算的货架缺货预警分析系统及方法，现场边缘设备运行压缩过的轻量级深度学习网络模型，边缘设备对摄像头采集的商品货架图像进行实时智能检测和智能分析，当发生货架缺货现象时能及时报警。本专利技术能实时获取门店的商品货架图片并进行智能检测、分析和报警，不仅减轻了工作人员的工作量，而且能减少漏报、误报商品货架缺货的情况发生。本专利技术中使用的边缘设备不受网络波动的影响，不受网络传输速度的影响，也不受中心服务器算力的影响，容易移植到新店且稳定运行。附图说明图1为现有的货架缺货预警分析系统的过程示意图；图2为本专利技术一种基于边缘计算的货架缺货预警分析系统及方法的系统结构图；图3为本专利技术一种基于边缘计算的货架缺货预警分析系统及方法的系统架构示意图；图4为本专利技术一种基于边缘计算的货架缺货预警分析系统及方法的方法流程示意图；图5为本专利技术一种基于边缘计算的货架缺货预警分析系统及方法的预测缺货位置的过程示意图。具体实施方式本专利技术实施例提供了一种基于边缘计算的货架缺货预警分析系统及方法，以解决判断货架缺货工作量巨大、且容易造成漏报缺货商品的技术问题。为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的首选实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。请参阅图1，现有的货架缺货预警分析系统主要包括，视频采集模块，远程巡店模块、人工检查模块和缺货确认模块；其中，视频采集模块用于与门店监控摄像头相连，用于采集监控视频流；远程巡店模块用于对视频进行人工检测、对缺货位置进行标记及通过巡店app进行报警；人工检查模块，区域经理现场巡店对货架饱满度进行检查；缺货确认模块，人工方式确认货架是否缺货并及时补货。现有方法中，通常将现场门店获取的视频或图像上传到网路中心服务器，然后再通过人工方式对图片进行查看、检测，检查商品货架是否缺货，当发生缺货现象时通过巡店app进行报警。但是，利用网络中心服务器对现场视频或者图片进行拉取时，受现场及中心网络速度的影响，容易拉取视频及图片失败造成漏检。门店越来越多，本文档来自技高网...

【技术保护点】
1.一种基于边缘计算的货架缺货预警分析系统，其特征在于，包括：/n视频采集模块，用于采集商品货架的图像；/n智能检测模块，用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；/n智能分析模块，用于将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。/n

【技术特征摘要】
1.一种基于边缘计算的货架缺货预警分析系统，其特征在于，包括：
视频采集模块，用于采集商品货架的图像；
智能检测模块，用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测，得到所述商品货架的缺货位置坐标及缺货置信度；
智能分析模块，用于将所述缺货置信度与预设的置信度阈值进行比较，判断所述商品货架是否缺货。


2.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统，其特征在于，还包括：
图像获取模块，用于获取所述视频采集模块中采集的图像，并将采集的图像传输至所述智能检测模块。


3.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统，其特征在于，还包括：
报警模块，用于当所述图像的缺货位置与前一预设时间段检测得到的缺货位置相同时，对所述图像进行报警，并将所述图像自动推送到巡店app。


4.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统，其特征在于，所述智能检测模块包括：
下采样单元，用于对所获取的商品货架图像进行下采样；
预测单元，用于对下采样后的商品货架图像进行预测，得到预测的缺货位置中心点坐标、偏移量及尺寸；
计算单元，用于根据所述预测的缺货位置中心点坐标、偏移量及尺寸计算商品货架缺货位置的左上角、右下角坐标及缺货置信度；
输出单元，用于输出商品货架的缺货位置坐标及缺货置信度。


5.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统，其特征在于，所述智能分析模块包括：
保存单元，用于保存商品货架的缺货位置坐标及缺货置信度；
对比单元，用于将所述缺货置信度与预设的置信度阈值进行比较；
判断单元，用于当所述缺货置信度大于等于预设的置信度阈值时，判断所述商品货架缺货，否则所述商品货架不缺货。


...

【专利技术属性】
技术研发人员：叶俊科，
申请(专利权)人：名创优品横琴企业管理有限公司，
类型：发明
国别省市：广东;44