【技术实现步骤摘要】
本专利技术涉及控制管理系统，具体涉及一种基于深度学习的自助售货机商品识别方法。
技术介绍
1、自助售货机是一种通过自动化技术提供商品购买服务的设备，广泛应用于公共场所如商场、车站、机场、办公室等。用户可以通过触摸屏或其他交互方式，选择所需商品，系统自动完成商品的展示、支付及出货过程。为了提升便利性和安全性，现代自助售货机支撑二维码支付、信用卡支付、人脸识别、商品识别、库存管理等，确保用户能够快速、便捷、安全地完成购物。
2、自助售货机包括封闭式售货机和开柜式售货机，其中开柜式售货机在使用时，顾客可以打开柜门进行取货，可挑选性高，十分的方便快捷，但是现有的开柜式售货机一般由顾客自由选择商品，难以智能生成、更新售货机内商品库存，无法在开柜后针对取货过程进行识别监测，导致顾客多拿、错拿时难以识别，
技术实现思路
1、针对现有技术所存在的上述缺点，本专利技术提供了一种基于深度学习的自助售货机商品识别方法，能够有效解决现有技术中自助售货机难以智能生成、更新售货机内商品库存，无法在开柜后针对取货过程进行识别监测的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、本专利技术提供一种基于深度学习的自助售货机商品识别方法，至少包括以下步骤：
4、步骤一：将自助售货机货架拆分为多个独立摆放区，基于商品补货前后重量差并结合仓储商品数据库进行比对分析确定多个待定商品，将商品补货前后的变化区域图像与待定商品的图像数据进行比对得到多个待定相似
5、步骤二：将补充商品后的自助售货机记作满仓状态，记录满仓状态后的每次售货过程，通过步骤四获取售后过程结束后库存集合，基于库存集合在售货过程结束后对商品库存进行更新，将商品库存中不存在的商品标记为不可选；
6、步骤三：当柜门开启时，获取商品订单中的目标商品，标记目标商品对应的目标摆放区，点亮目标摆放区对应的提示灯带，分析目标摆放区的重量变化，将目标摆放区标记为取货完成，或生成异常信号、异常行为信号；
7、当所有目标摆放区均被标记为取货完成且柜门关闭时，记作一次完整售货过程；
8、步骤四：基于目标商品集以及各个独立摆放区在柜门开启前对应的独立库存集合，重新生成各个独立摆放区的独立库存集合；
9、步骤五：在自助售货机被标记为满仓状态后，统计售货过程次数、售后过程对应的时间、用户的扫码次数，结合目标商品集合以及商品库存进行分析，直至分析生成补货信号。
10、进一步地，待定商品确定过程具体如下：
11、将独立摆放区分别记作partq，q＝1,2,3，…，p，p为独立摆放区的数量；
12、将所分析的独立摆放区记作目标区域，设定一个稳定时长阈值，实时记录重量检测装置的数值变化，当重量检测装置的数值由跳动转变为稳定且稳定时长超过稳定时长阈值时，获取对应图像采集装置所采集的图像记作稳定图像其中i为稳定图像的记录序号，表示补充商品前图像采集装置所采集的目标区域内图像，将稳定图像对应的目标区域内商品总重量记作稳定重量
13、将最近一次记录的稳定图像和稳定重量分别记作当时，通过公式计算得到当前变化值预设有仓储商品数据库，仓储商品数据库内包含多个已知商品的图像数据以及重量数据，将重量数据与当前变化值相等的已知商品记作待定商品。
14、进一步地，补充商品确定过程具体如下：
15、获取稳定图像与稳定图像之间的变化区域图像提取变化区域图像并与待定商品的图像数据进行逐一比对计算相似度，得到多个待定相似度，通过待定置信值计算公式计算得到待定置信值，待定置信值计算公式为：
16、
17、表示待定置信值；
18、xsmax表示多个待定相似度中的极大值；
19、表示多个待定相似度的平均值；
20、xs′max表示多个待定相似度中第二大的值；
21、当待定置信值大于等于预设的置信阈值，选取xsmax对应的待定商品作为当前的补充商品当待定置信值小于预设的置信阈值，生成无法识别信号，并由工作人员主动录入当前的补充商品
22、进一步地，异常信号生成过程如下：
23、获取每个目标摆放区对应的一个或多个目标商品组成目标商品集合，获取目标商品集合内各个目标商品的重量组成重量比对集，计算目标摆放区内相邻两次检测重量的差值并与重量比对集中的元素进行比对；
24、当重量比对集中的任意一个元素与该差值相等时，将该元素从重量比对集中剔除并在检测重量发生变化时进行下一次比对，直至重量比对集中元素被清空，将该目标摆放区标记为取货完成，熄灭目标摆放区对应的灯带；
25、当任意一次比对过程中相邻两次检测重量的差值不存在对应的元素时，将该目标摆放区记作异常摆放区，并生成异常信号发送至工作人员的手持终端。
26、进一步地，异常行为信号生成过程如下：
27、将非目标摆放区的独立摆放区记作其他摆放区，当其他摆放区内检测重量发生变化时，生成异常行为信号发送至工作人员的手持终端并控制自助售货机发出警报；
28、计算自助售货机内的商品总重量差值计算公式为其中表示自助售货机柜门开启前的商品总重量，表示自助售货机柜当前的商品总重量，当总重量差值大于等于时，生成异常行为信号发送至工作人员的手持终端并控制自助售货机发出警报，其中，k为预设的比例系数，为商品订单内商品的总重量。
29、进一步地，库存集合和独立库存集合更新过程如下：
30、将非目标摆放区的独立摆放区记作其他摆放区，当完整的售货过程salen时间区间内未生成异常信号或异常行为信号，其中n为售货过程的序号，设任意一个独立摆放区对应的独立库存集合为inventorynow，若该独立摆放区为目标摆放区，则inventorynow＝inventory′n-1-ud，其中：
31、inventory′n-1为柜门开启前该目标摆放区对应的独立库存集合；
32、ud为该目标摆放区对应的目标商品集合；
33、若该独立摆放区为其他摆放区，则inventorynow＝inventory′n-1；
34、获取所有独立摆放区内的独立库存集合并求并集，得到自助售货机在售货过程salen结束后的库存集合。
35、进一步地，补货信号生成过程如下：
36、设最近一次售货过程为salem，计算salem与salem-1之间的时间差记作第一时间参数βtime1；
37、将salem与salem-1之间时间区间记作分析区间，获取分析区间内的用户扫码次数并除以分析区间的时长得到第一频次参数β频次；
38、获取售货过程salem距离当前时间的时间差记作第二时间参数βtime2，第二时间参数越大说明自助售货机本文档来自技高网...
【技术保护点】
1.一种基于深度学习的自助售货机商品识别方法，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，待定商品确定过程具体如下：
3.根据权利要求2所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，补充商品确定过程具体如下：
4.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，异常信号生成过程如下：
5.根据权利要求4所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，异常行为信号生成过程如下：
6.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，库存集合和独立库存集合更新过程如下：
7.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，补货信号生成过程如下：
8.根据权利要求7所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，所述热销影响值计算过程如下：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于深度学习的自助售货机商品识别方法，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，待定商品确定过程具体如下：
3.根据权利要求2所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，补充商品确定过程具体如下：
4.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，异常信号生成过程如下：
5.根据权利要求4所述的一种基于深度学习的自助售货机商品识别方法，其特征在于，异常行为信号生成过程如下：
6.根据权利要求1所述的一种基于深度学习的自助售货机商品识别方...
【专利技术属性】
技术研发人员：张维，陈刚，高明华，
申请(专利权)人：浙江嗨便利网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。