一种基于图像智能识别技术的智能电子秤制造技术

本发明专利技术公开了一种基于图像智能识别技术的智能电子秤，包括电子秤本体，所述电子秤本体内设有智能识别单元，所述电子秤本体外设有商品客户端；商品客户端：依托安卓平台，对商品进行智能识别，用户使用商品客户端对商品进行智能识别和商品识别种类智能添加；所述智能识别单元：对现有商品数据和收集的商品数据进行处理，结合图像分类技术，提高商品客户端的识别准确率；所述智能识别单元由增量学习模块、图像处理模块以及图像分类模块组成；本发明专利技术的有益效果是，提高电子秤的应用场景；利用智能算法减少误操作率；使用方便灵活。使用方便灵活。使用方便灵活。

【技术实现步骤摘要】
一种基于图像智能识别技术的智能电子秤


[0001]本专利技术涉及智能电子秤领域，特别是一种基于图像智能识别技术的智能电子秤。

技术介绍

[0002]传统的智能电子秤结构单一，在使用时也需要人工手动操作，在人工操作时，需要操作者大量的脑力活动，考验操作者的记忆能力和手动能力，对传统电子秤操作者要求较高；人工误操作率高，并且操作复杂，增加了顾客结算的等待时间；商品种类增删需要大量的人工操作，不能保证实时更新商品种类，鉴于此，针对上述问题进行研究，设计本装置。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种基于图像智能识别技术的智能电子秤。
[0004]实现上述目的本专利技术的技术方案为，一种基于图像智能识别技术的智能电子秤，包括电子秤本体，所述电子秤本体内设有智能识别单元，所述电子秤本体外设有商品客户端；商品客户端：依托安卓平台，对商品进行智能识别，用户使用商品客户端对商品进行智能识别和商品识别种类智能添加；所述智能识别单元：对现有商品数据和收集的商品数据进行处理，结合图像分类技术，提高商品客户端的识别准确率；所述智能识别单元由增量学习模块、图像处理模块以及图像分类模块组成；所述增量学习模块：在新增数据时，不需要重建所有商品信息库，在原有商品信息库的基础上，更新当前商品数据库；所述图像处理：对数据图像进行处理；图像分类：将输入的商品图像，从已有的标签集合中找出一个标签，并分配给这张图像。
[0005]所述所述图像处理：包括图像增强、图像配准、图像恢复、图像压缩编码、图像分割。
[0006]图像增强将商品图像信息分为空域法和频域法两大类，空域法商品图像灰度增强直接对图像中像素灰度值进行运算处理，包括线性灰度变换、非线性灰度变换、直方图均衡化处理等。利用频域法图像灰度增强首先对商品图像进行频域变换，然后对各频谱成分进行相应操作，最后经过频域逆变换获得所需商品图像结果。
[0007]所述图像配准对商品图像进行一定的几何变换映射到另一幅商品图像中，使得两幅图像中的相关点达到空间上的一致。
[0008]所述图像恢复利用中值滤波器对商品图像进行去噪，选一个含有奇数点的窗口，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。
[0009]所述图像压缩编码对处理的图像数据按照一定的规则进行变换和组合，达到以尽可能少的数据来表示尽可能多数据信息的目的。
[0010]所述图像分割将商品图像的灰度、彩色、空间纹理、几何形状等特征划分成若干个互不相交的区域，使这些特征在同一区域内表现出一致性或相似性，在不同区域间表现出明显的不同，在一副商品图像中，把商品从背景中分离出来。
[0011]一种基于图像智能识别技术的智能电子秤，还包括：商品服务端。
[0012]所述商品服务端提供更新技术。
[0013]利用本专利技术的技术方案制作的一种基于图像智能识别技术的智能电子秤，提高电子秤的应用场景；利用智能算法减少误操作率；使用方便灵活，同时也减少了顾客结算的等待时间；操作简单，操作者无需大量脑力记忆商品种类，保证识别商品准确率的同时，降低了操作者的工作量；智能增删被识别的商品种类，提高了商品种类实时更新的速度。
附图说明
[0014]图1是本专利技术所述一种基于图像智能识别技术的智能电子秤的结构框图。
具体实施方式
[0015]下面结合附图对本专利技术进行具体描述，如图1所示，一种基于图像智能识别技术的智能电子秤，本专利技术依托安卓平台，及人工智能中智能图像识别技术实现在电子秤的商品种类智能识别、商品识别种类智能添加等功能。可以帮助使用者快速查找商品种类，及根据业务需求增删要识别的商品种类。
[0016]具体技术实现方案如下：本专利技术提供了商品客户端、商品服务端、智能识别技术。其中商品客户端依托安卓平台，对商品进行智能识别。用户使用商品客户端对商品进行智能识别和商品识别种类智能添加，减少了用户的工作量和误操作率，为用户提供便利。
[0017]商品服务端提供更新技术，保证整个专利技术与时俱进。
[0018]智能识别技术为整个专利技术的核心，为商品客户端的功能提供保障，其中包括增量学习、图像处理、图像分类等人工智能图像识别技术。
[0019]增量学习：为了符合当代商品种类日益增长的局势，利用增量学习技术，在新增数据时，不需要重建所有商品信息库，在原有商品信息库的基础上，更新当前商品数据库。与传统的数据分类技术相比，增量学习分类技术具有显著的优越性，这主要表现在两个方面：一方面由于其无需保存历史数据，从而减少存储空间的占用；另一方面，由于其在新的训练中充分利用了历史的训练结果，从而显著地减少了后续训练的时间。在本专利技术中使用了基于模型结构增扩的方法。
[0020]基于模型结构增扩的方法：随着增量学习不断地对网络结构进行修改，对于增量任务增加新的模型结构，旧任务可以通过旧的模型权重进行保持，同时新增的模型结构适应了增量任务，从而达到了既适应旧任务，也适应新任务的目的。在本专利技术中通过扩张现有商品模型结构的方式提升模型性能，使旧的商品模型结构更容易保持原始任务的性能，新的商品模型结构可以适应新的增量任务性能。
[0021]图像处理：图像处理具体包括图像增强、图像配准、图像恢复、图像压缩编码、图像分割等。
[0022]图像增强：在本专利技术中通过对图像进行加工使其比原始图像更适合于特定商品类别识别，商品图像灰度增强保证了特定识别需要有目的进行，通过图像增强改善图像的视觉质量，让用户能够看到更加直接、清晰分析商品的信息。利用传统的图像灰度增强方法将商品图像信息分为空域法和频域法两大类。空域法商品图像灰度增强直接对图像中像素灰度值进行运算处理，包括线性灰度变换、非线性灰度变换、直方图均衡化处理等。利用频域法图像灰度增强首先对商品图像进行频域变换，然后对各频谱成分进行相应操作，最后经过频域逆变换获得所需商品图像结果。
[0023]图像配准：本专利技术对商品图像进行一定的几何变换映射到另一幅商品图像中，使得两幅图像中的相关点达到空间上的一致。利用图像配准技术，继而将两幅商品图像融合在同一幅图像中。该副融合后的图像上同时表达商品的多方面信息，同时定义了两幅商品图像在空间和灰度上的一一映射的过程，将两幅商品图像中对应于空间同一位置的点联系起来,进而更清晰表达商品结构信息。
[0024]图像恢复：在商品识别种类的图像的获取、传输、存储过程中可能出现由于各种原因使得图像受到噪声的影响。在本专利技术中利用中值滤波器对商品图像进行去噪，选一个含有奇数点的窗口，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。使用滤波器窗口包含区域的像素值的中值来得到窗口中心的像素值。在去噪同时,能够较好的保持商品图像边缘轮廓细节。
[0025]图像压缩编码：为了减少商品图像的存储空间、缩短传输时间在本专利技术中使用了图像压缩编码技术。通过编码对图像经行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像智能识别技术的智能电子秤，包括电子秤本体，其特征在于，所述电子秤本体内设有智能识别单元，所述电子秤本体外设有商品客户端；商品客户端：依托安卓平台，对商品进行智能识别，用户使用商品客户端对商品进行智能识别和商品识别种类智能添加；所述智能识别单元：对现有商品数据和收集的商品数据进行处理，结合图像分类技术，提高商品客户端的识别准确率；所述智能识别单元由增量学习模块、图像处理模块以及图像分类模块组成；所述增量学习模块：在新增数据时，不需要重建所有商品信息库，在原有商品信息库的基础上，更新当前商品数据库；所述图像处理：对数据图像进行处理；图像分类：将输入的商品图像，从已有的标签集合中找出一个标签，并分配给这张图像。2.根据权利要求1所述的一种基于图像智能识别技术的智能电子秤，其特征在于，所述所述图像处理：包括图像增强、图像配准、图像恢复、图像压缩编码、图像分割。3.根据权利要求2所述的一种基于图像智能识别技术的智能电子秤，其特征在于，图像增强将商品图像信息分为空域法和频域法两大类，空域法商品图像灰度增强直接对图像中像素灰度值进行运算处理，包括线性灰度变换、非线性灰度变换、直方图均衡化处理等；利用频域法图像灰度增强首先对商品图像进行频域变换，然后对各频谱成分进行相应操作，最后经过频域逆变换获得所...

【专利技术属性】
技术研发人员：王春发，赵安妮，刘派，方德辉，
申请(专利权)人：吉林省吉科软信息技术有限公司，
类型：发明
国别省市：