CN108520244A - 货架的补货方法 - Google Patents
货架的补货方法 Download PDFInfo
- Publication number
- CN108520244A CN108520244A CN201810326853.2A CN201810326853A CN108520244A CN 108520244 A CN108520244 A CN 108520244A CN 201810326853 A CN201810326853 A CN 201810326853A CN 108520244 A CN108520244 A CN 108520244A
- Authority
- CN
- China
- Prior art keywords
- shelf
- photo
- cargo
- goods
- kinds
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明涉及一种货架的补货方法，包括：接收多张货架上货物排列的样本照片，进行深度学习；通过深度学习识别出所述货架上货物的种类；接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据；每隔预定时间接收所述货架的照片，对该货架的照片进行识别；将所述识别后的结果与所述基准数据比对，得出货品的变动数据，推送缺货消息。上述货架的补货方法，部署简单，成本低，环境适应性强，而且，可以通过后台算法升级来不断提高准确性。
Description
技术领域
本发明涉及门店里面的货架，特别是涉及一种货架的补货方法。
背景技术
货架是门店里面摆放物品的重要工具，随着经济飞跃发展，外资企业大量涌进我国长江三角洲、珠江三角洲一带，不仅带动了当地经济的发展，还带来新的管理理念和管理技术。目前门店所用到的货架种类越来越趋向于自动化、智能化。
目前门店里面的缺货识别和补货主要有两种手段：
1、人工巡检；
2、给每个货品陈列摆位加装传感器，利用传感器检测各摆位是否空置，来识别是否有缺货。
传统技术存在以下技术问题：
人工巡检的方式，效率低下，响应不及时。
给货位加装传感器的方式，系统的安装和实施比较复杂，成本也很高。
发明内容
基于此，有必要针对上述技术问题，提供一种货架的补货方法，部署简单，成本低，环境适应性强，而且，可以通过后台算法升级来不断提高准确性。
一种货架的补货方法，包括：
接收多张货架上货物排列的样本照片，进行深度学习；
通过深度学习识别出所述货架上货物的种类；
接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据；
每隔预定时间接收所述货架的照片，对该货架的照片进行识别；
将所述识别后的结果与所述基准数据比对，得出货品的变动数据，推送缺货消息。
上述货架的补货方法，部署简单，成本低，环境适应性强，而且，可以通过后台算法升级来不断提高准确性。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用固定在所述货架前面的相机获取的。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用非固定在所述货架前面的相机获取的。
在另外的一个实施例中，所述预定时间是30秒。
在另外的一个实施例中，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用固定在所述货架前面的相机获取的。
在另外的一个实施例中，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用非固定在所述货架前面的相机获取的。
在另外的一个实施例中，在步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述货架的照片是利用固定在所述货架前面的相机获取的。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”、步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”和步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述多张货架上货物排列的样本照片、所述摆满货物的货架的照片和所述货架的照片都是利用固定在所述货架前面的相机获取的。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
附图说明
图1为本申请实施例提供的一种货架的补货方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种货架的补货方法，包括：
S110、接收多张货架上货物排列的样本照片，进行深度学习。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用固定在所述货架前面的相机获取的。
也就是，通过一个或者多个固定在所述货架前面的相机拍摄多张货架上货物排列的样本照片，然后传输给所述服务器。然后，服务器对多张货架上货物排列的样本照片进行深度学习。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用非固定在所述货架前面的相机获取的。
非固定在所述货架前面的相机可以是通过人手持相机拍摄多张货架上货物排列的样本照片。
可以理解，该步骤中不限制多张货架上货物排列的样本照片的获取来源，只要达到该步骤的目的，给服务器进行深度学习，理解各种货物。
S120、通过深度学习识别出所述货架上货物的种类。
服务器该步骤通过学习识别出所述货架上货物的种类，可以通过货物的图案、形状和货物上的logo等等去辅助识别。可以理解，通过深度学习的识别方法有很多，在此不再赘述。
通过深度学习可以获得识别训练好的识别模型。这样就为后续步骤的识别提高了识别效率。
S130、接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据。
在另外的一个实施例中，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用固定在所述货架前面的相机获取的。
也就是，通过一个或者多个固定在所述货架前面的相机拍摄所摆满货物的货架，然后传输给所述服务器。然后，服务器对该货架的照片进行识别。
在另外的一个实施例中，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用非固定在所述货架前面的相机获取的。
非固定在所述货架前面的相机可以是通过人手持相机拍摄摆满货物的货架。可以理解，该步骤中不限制摆满货物的货架的照片的获取来源，只要达到该步骤的目的，给服务器进行识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据即可。
在该步骤中，利用通过深度学习获得的识别训练好的识别模型对该摆满货物的货架的照片进行识别，这样会提高识别加快的效率。
S140、每隔预定时间接收所述货架的照片，对该货架的照片进行识别。
具体地，所述预定时间可以是30秒。可以理解，也可以是其它长度的预定时间。
具体地，在步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述货架的照片是利用固定在所述货架前面的相机获取的。
也就是说，通过一个或者多个固定在所述货架前面的相机每隔所述预定时间拍摄所述货架，然后传输给所述服务器。然后，服务器对该货架的照片进行识别。
在该步骤中，利用通过深度学习获得的识别训练好的识别模型对该所述货架的照片进行识别，这样会提高识别加快的效率。
S150、将所述识别后的结果与所述基准数据比对，得出货品的变动数据，推送缺货消息。
可以理解，货品的变动数据指的是什么位置的什么种类的货品发生变动。
可以理解，推送缺货消息可以采用短信、app、微信等等各种手段通知，本申请不限制通知的具体方法。
上述货架的补货方法，部署简单，成本低，环境适应性强，而且，可以通过后台算法升级来不断提高准确性。
在另外的一个实施例中，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”、步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”和步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述多张货架上货物排列的样本照片、所述摆满货物的货架的照片和所述货架的照片都是利用固定在所述货架前面的相机获取的。
也就是说，通过同样的一个或者多个固定在所述货架前面的相机获取各个步骤所需的照片。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种货架的补货方法，其特征在于，包括：
接收多张货架上货物排列的样本照片，进行深度学习；
通过深度学习识别出所述货架上货物的种类；
接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据；
每隔预定时间接收所述货架的照片，对该货架的照片进行识别；
将所述识别后的结果与所述基准数据比对，得出货品的变动数据，推送缺货消息。
2.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用固定在所述货架前面的相机获取的。
3.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”中，所述多张货架上货物排列的样本照片是利用非固定在所述货架前面的相机获取的。
4.根据权利要求1所述的货架的补货方法，其特征在于，所述预定时间是30秒。
5.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用固定在所述货架前面的相机获取的。
6.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”中，所述摆满货物的货架的照片是利用非固定在所述货架前面的相机获取的。
7.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述货架的照片是利用固定在所述货架前面的相机获取的。
8.根据权利要求1所述的货架的补货方法，其特征在于，在步骤“接收多张货架上货物排列的样本照片，进行深度学习”、步骤“接收一张摆满货物的货架的照片，对该摆满货物的货架的照片进行识别，识别出货架上所有货品的种类和位置，该所有货品的种类和位置作为基准数据”和步骤“每隔预定时间接收所述货架的照片，对该货架的照片进行识别”中，所述多张货架上货物排列的样本照片、所述摆满货物的货架的照片和所述货架的照片都是利用固定在所述货架前面的相机获取的。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1所述方法的步骤。
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，该程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810326853.2A CN108520244A (zh) | 2018-04-12 | 2018-04-12 | 货架的补货方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810326853.2A CN108520244A (zh) | 2018-04-12 | 2018-04-12 | 货架的补货方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108520244A true CN108520244A (zh) | 2018-09-11 |
Family
ID=63431104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810326853.2A Pending CN108520244A (zh) | 2018-04-12 | 2018-04-12 | 货架的补货方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108520244A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741519A (zh) * | 2018-12-10 | 2019-05-10 | 深圳市思拓通信系统有限公司 | 一种无人超市货架监控系统及其控制方法 |
| CN111428698A (zh) * | 2020-06-10 | 2020-07-17 | 北京云迹科技有限公司 | 一种模型样本采集方法、更新方法、电子设备及存储介质 |
| CN112223297A (zh) * | 2020-11-09 | 2021-01-15 | 上海汉时信息科技有限公司 | 基于机器人的货架巡检方法、装置、存储介质及机器人 |
| CN113130059A (zh) * | 2021-05-13 | 2021-07-16 | 中国人民解放军陆军军医大学第二附属医院 | 一种医用物资管理系统 |
| CN114239624A (zh) * | 2021-12-17 | 2022-03-25 | 深圳迎凯生物科技有限公司 | 测试方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7699226B2 (en) * | 2005-07-28 | 2010-04-20 | Industrial Technology Research Institute | Automatic plan-o-gram system |
| CN101809601A (zh) * | 2007-08-31 | 2010-08-18 | 埃森哲环球服务有限公司 | 基于图像处理的货架图提取 |
| CN102214343A (zh) * | 2010-04-08 | 2011-10-12 | 埃森哲环球服务有限公司 | 数字销售点分析器 |
| CN105956776A (zh) * | 2016-05-03 | 2016-09-21 | 上海救要救信息科技有限公司 | 应急物资统计系统及方法 |
| CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
| CN107463945A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种基于深度匹配网络的商品种类识别方法 |
-
2018
- 2018-04-12 CN CN201810326853.2A patent/CN108520244A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7699226B2 (en) * | 2005-07-28 | 2010-04-20 | Industrial Technology Research Institute | Automatic plan-o-gram system |
| CN101809601A (zh) * | 2007-08-31 | 2010-08-18 | 埃森哲环球服务有限公司 | 基于图像处理的货架图提取 |
| CN102214343A (zh) * | 2010-04-08 | 2011-10-12 | 埃森哲环球服务有限公司 | 数字销售点分析器 |
| CN105956776A (zh) * | 2016-05-03 | 2016-09-21 | 上海救要救信息科技有限公司 | 应急物资统计系统及方法 |
| CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
| CN107463945A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种基于深度匹配网络的商品种类识别方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741519A (zh) * | 2018-12-10 | 2019-05-10 | 深圳市思拓通信系统有限公司 | 一种无人超市货架监控系统及其控制方法 |
| CN109741519B (zh) * | 2018-12-10 | 2021-01-19 | 深圳市思拓通信系统有限公司 | 一种无人超市货架监控系统及其控制方法 |
| CN111428698A (zh) * | 2020-06-10 | 2020-07-17 | 北京云迹科技有限公司 | 一种模型样本采集方法、更新方法、电子设备及存储介质 |
| CN112223297A (zh) * | 2020-11-09 | 2021-01-15 | 上海汉时信息科技有限公司 | 基于机器人的货架巡检方法、装置、存储介质及机器人 |
| CN113130059A (zh) * | 2021-05-13 | 2021-07-16 | 中国人民解放军陆军军医大学第二附属医院 | 一种医用物资管理系统 |
| CN114239624A (zh) * | 2021-12-17 | 2022-03-25 | 深圳迎凯生物科技有限公司 | 测试方法 |
| CN114239624B (zh) * | 2021-12-17 | 2024-04-30 | 深圳迎凯生物科技有限公司 | 测试方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520244A (zh) | 货架的补货方法 | |
| CN107871129B (zh) | 用于处理点云数据的方法和装置 | |
| CN109003390B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
| CN108985359B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
| CN109446883A (zh) | 商品状态识别方法、装置、电子设备及可读存储介质 | |
| EP2751767B1 (en) | Image recognition to support shelf auditing for consumer research | |
| CN108255722B (zh) | 脚本生成方法、脚本生成装置及服务器 | |
| CN105787133B (zh) | 广告信息过滤方法及装置 | |
| US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
| CN104462873A (zh) | 一种图片处理方法和装置 | |
| CN109756760A (zh) | 视频标签的生成方法、装置及服务器 | |
| CN109783351A (zh) | 界面测试方法、装置及计算机可读存储介质 | |
| CN108809761A (zh) | 在线状态检测方法及装置 | |
| CN106326895A (zh) | 图像处理装置和图像处理方法 | |
| CN108734306A (zh) | 一种数据处理方法、装置、道路维护系统及存储介质 | |
| CN110825377A (zh) | 一种依赖冲突分析方法及装置 | |
| CN108629310B (zh) | 一种工程管理监督方法及装置 | |
| CN110443328A (zh) | 基于led防伪标签的识别验伪方法、装置、设备及介质 | |
| CN113205130B (zh) | 一种数据审核方法、装置、电子设备及存储介质 | |
| CN111753026B (zh) | 一种用户画像生成系统、方法、装置、设备和介质 | |
| CN106294115B (zh) | 一种应用系统迁移性的测试方法及装置 | |
| CN110428264A (zh) | 基于点阵屏防伪标签的识别验伪方法、装置、设备及介质 | |
| CN110750270A (zh) | 一种套装软件的部署方法及装置 | |
| CN108345902B (zh) | 基于事务特征的自学习白名单模型库构建及白名单检测法 | |
| CN109919543A (zh) | 一种监控废物处理的方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |