CN109063570A - 商品识别训练方法和系统 - Google Patents

Abstract

本发明公开了一种商品识别训练方法和系统，包括步骤1、获取商品扫描信息和商品图像；步骤2、基于所述商品扫描信息标注所述商品图像，生成训练图像；步骤3、将所述训练图像输入设定神经网络进行训练；步骤4、重复步骤1‑步骤3直至训练参数符合设定标准后，判断识别率是否达到设定识别率；若是则切换识别模式。在扫描终端扫描商品获取商品扫描信息时，摄像终端获取商品的商品图像，系统将商品扫描信息作为商品图像的标签对商品图像进行标注生成训练图像，相比于现有技术中人为采集商品图像，并人为对商品图像进行标注的方式，本申请提出的识别训练方式在商品扫描结算的过程中同步完成，解决了人工图片辨识与标记而导致的费时费力问题。

Description

商品识别训练方法和系统

技术领域

本发明属于智能识别技术领域，具体地说，是涉及一种商品识别训练方法和系统。

背景技术

随着图像识别技术的日渐成熟，越来越多的行业开始应用该类技术，传统的零售行业同样如此。

零售行业内部管理的核心是商品，计算机能对商品进行识别，但计算机识别商品的前提，是需要先经过“训练”的过程，在该过程中，首先准备大量带有人工打过“标签”的商品图片，然后将其输入到计算机神经网络中进行分析计算，并对输出进行检测，在输出的训练参数达到设定标准后，训练即告完成，此后该神经网络在输入未加标签的该商品图片时，即使商品的拍摄角度不同，也能输出准确的图片对应的“标签”，就如同“认识”该商品一样。

可见，训练过程需要人工准备大量商品图片，并人工对图片做出辨识后打标签；在训练之后，还需要人工准备大量的验证图片，隐藏事先人工标记过的标签，由计算机识别后给出标签，与人工标签比对后统计识别率是否达标，在达标后才算完成整个训练过程。这种训练过程需要人工参与图片辨识与标记，存在费时费力的技术问题。

发明内容

本申请提供了一种商品识别训练方法和系统，解决现有商品图像训练过程需要人工参与图片辨识与标记导致费时费力的技术问题。

为解决上述技术问题，本申请采用以下技术方案予以实现：

提出一种商品识别训练方法，包括以下步骤：步骤1、获取商品扫描信息和商品图像；步骤2、基于所述商品扫描信息标注所述商品图像，生成训练图像；步骤3、将所述训练图像输入设定神经网络进行训练；步骤4、重复步骤1-步骤3直至训练参数符合设定标准后，判断识别率是否达到设定识别率；若是，步骤5、切换识别模式。

提出一种商品识别训练系统，包括服务器、POS终端和扫描终端，还包括摄像终端；所述扫描终端，用于扫描商品获取商品扫描信息；所述摄像终端，用于获取商品图像；所述POS终端，与所述扫描终端和所述摄像终端连接，用于基于所述商品扫描信息标注所述商品图像，生成训练图像；所述服务器，与所述POS终端互联，包括训练模块、判断模块、切换模块和识别模块；所述训练模块，用于接收所述POS终端发送的训练图像，并将所述训练图像输入设定神经网络进行训练；所述判断模块，用于判断所述训练模块训练直至训练参数符合设定标准后，判断识别率是否达到设定识别率，若是，则所述切换模块，用于切换所述识别模块工作。

与现有技术相比，本申请的优点和积极效果是：本申请提出的商品识别训练方法和系统中，在原有POS系统中增加摄像终端，在扫描终端扫描商品获取商品扫描信息同时，摄像终端获取商品图像，系统将商品扫描信息作为商品图像的标签对商品图像进行标注，生成训练图像，相比于现有技术中人为采集商品图像，并人为对商品图像进行标注的方式，本申请中通过常规POS终端的扫描终端扫描商品，将获取的商品扫描信息用来为商品图像进行标注，而商品图像也是摄像终端在商品被扫描时自动获取的，这使得商品图像获取和标注的过程都无需人工参与，节省了人力，解决了现有商品图像训练过程需要人工参与图片辨识与标记而导致费时费力的问题；在对商品图像采用商品扫描信息进行了标注之后，系统采用设定神经网络对训练图像进行训练，在训练参数符合设定标准后转为识别过程，判断识别率是否达到设定识别率，若没有达到则继续训练过程，在达到设定识别率后则切换为识别模式。

结合附图阅读本申请实施方式的详细描述后，本申请的其他特点和优点将变得更加清楚。

附图说明

图1 为本申请提出的商品识别训练方法的流程图；

图2为本申请提出的商品识别训练系统的系统框图。

具体实施方式

下面结合附图对本申请的具体实施方式作进一步详细地说明。

本申请旨在提出一种商品识别训练方法，在现有的商品扫码结算的过程中实现商品图像的识别训练过程，省去人为获取商品图片，人为对商品图片标注的步骤，旨在解决现有商品图像训练过程需要人工参与图片辨识与标记导致费时费力的技术问题。

如图2所示，本申请提出的商品识别训练方法是在现有POS系统结算系统的基础上增加摄像终端实现的，具体的，该商品识别训练系统包括服务器21、POS终端22、扫描终端23和摄像终端24；其中，扫描终端23用于扫描商品获取商品扫描信息，摄像终端24用于获取商品的商品图像，根据实际应用情况，可以从不同角度、方向等设置多部摄像终端；POS终端22和服务器21则根据获取的商品扫描信息和商品图像，实现商品的识别训练。基于该商品识别训练系统，本申请提出的商品识别训练方法包括以下步骤：

步骤S1：获取商品扫描信息和商品图像。

诸如超市、商场的POS系统通常包括POS终端、显示终端、扫描终端等，收银员操作扫描终端扫描商品上的二维码获取商品信息，继而POS终端则根据商品信息确定商品类别和价格等信息，进而实现对商品的结算，而显示终端则显示商品信息、价格等信息。

在现有POS系统的基础上，本申请增加摄像终端，在收银员操作扫描终端获取商品扫描信息时，摄像终端获取商品图像。摄像终端可根据实际应用需求从多个角度、方向等进行设置，以实现从不同角度、方向获取同一商品的多幅商品图像。

步骤S2、基于商品扫描信息标注商品图像，生成训练图像。

步骤S3、将训练图像输入设定神经网络进行训练。

收银员每扫描一次商品，系统均获取一次商品扫描信息和该商品的商品图像，继而使用获取的商品扫描信息来标注商品图像，实现使用商品扫描信息对商品图像进行标注，标注后的商品图像成为训练图像，输入设定神经网络进行训练使用。

相比于现有技术中人为采集商品图像，并人为对商品图像进行标注的方式，本申请中通过常规POS终端的扫描终端扫描商品，将获取的商品扫描信息用来为商品图像进行标注，而商品图像也是摄像终端在商品被扫描时自动获取的，这使得商品图像获取和标注的过程都无需额外增加人工参与，节省了人力，解决了现有商品图像训练过程需要人工参与图片辨识与标记而导致费时费力的问题。在自助POS结算系统中，甚至无需收银人员来操作扫描终端获取商品扫描信息，这更进一步的节省了人力消耗。

步骤4、重复步骤1-步骤3直至训练参数符合设定标准后，判断识别率是否达到设定识别率；若是，

步骤5、切换识别模式。

对于一个大型或连锁超市而言，POS系统包括位于不同卖场、或同一卖场的多个不同位置上的多部POS终端，每部POS终端都连接有扫描终端和摄像终端，大量的POS终端通过扫描终端和摄像终端基于步骤1-步骤3获取的商品扫描信息和商品图像，相比人力拍摄商品图像，以及人力标注商品图像，这能极大的提高训练图像的获取速度，进而提高训练模式的训练进程。

当训练参数符合设定标准后，例如执行度达到预设分数时，系统停止训练的进程，执行识别进程，并判断识别率是否达到设定识别率，在达到设定识别率时，表明神经网络的训练完成，可以切换识别模式执行，不再执行训练模式。

具体的判断识别率是否达到设定识别率中，系统继续获取商品扫描信息和商品图像，屏蔽商品扫描信息，将没有标注的商品图像直接输入设定神经网络，判断输出的识别结果是否与商品扫描信息一致，在积攒了一定数量的识别结果后，进行识别率的统计和判断，判断识别率是否达到设定识别率。

步骤S4中，若在训练参数符合设定标准后判断识别率没有达到设定识别率，则更新设定标准，以及重复步骤1-步骤3直至训练参数符合更新后的设定标准后，进而再判断识别率是否达到设定识别率，直至识别率达到设定识别率。

需要说明的是，本申请实施例不限定设定神经网络的具体结构、算法等内容，基于现有技术的任一种适用的神经网络均可。

基于上述提出的商品识别训练方法，本申请还提出一种商品识别训练系统，如图2所示，包括服务器21、分设于不同卖场、不同位置的多部POS终端22、扫描终端23和摄像终端24；扫描终端23用于扫描商品获取商品扫描信息；摄像终端24用于获取商品图像，可以根据实际应用需求从不同角度、方位设置有多部；POS终端22与扫描终端23和摄像终端24连接，用于基于商品扫描信息标注商品图像，生成训练图像。

服务器21与POS终端22互联，包括训练模块211、判断模块212、切换模块213和识别模块214；训练模块211用于接收POS终端22发送的训练图像，并将训练图像输入设定神经网络进行训练；判断模块212用于判断训练模块211训练直至训练参数符合设定标准后，判断识别率是否达到设定识别率，若是，则切换模块213用于切换识别模块214工作。

其中，判断模块212具体用于：获取商品扫描信息和商品图像；将商品图像输入设定神经网络，判断输出的识别结果是否与商品扫描信息一致；基于判断结果统计识别率是否达到设定识别率。

本申请实施例中，服务器21还包括设定标准更新模块215，用于在判断模块212判断识别率没有达到设定识别率之后更新设定标准，以使得训练模块211继续训练，直至判断模块212判断训练模块训练直至训练参数符合更新后的设定标准后，重新判断识别率是否达到设定识别率，直至识别率达到设定识别率后，切换模块213切换识别模块214工作。

识别模块214具体用于：获取商品图像，并将获取的商品图像输入设定神经网络，以使得神经网络识别后输出商品的商品信息。

具体的商品识别训练系统的识别训练过程已经在上述提出的商品识别训练方法中详述，此处不予赘述。

上述本申请提出的商品识别训练方法和系统，采用现有POS系统架构增加摄像终端，在扫描终端扫描商品获取商品扫描信息时，摄像终端获取商品的商品图像，系统将商品扫描信息作为商品图像的标签对商品图像进行标注，生成训练图像，相比于现有技术中人为采集商品图像，并人为对商品图像进行标注的方式，本申请提出的识别训练方式在商品扫描结算的过程中同步完成，节省了人力，解决了现有商品图像训练过程需要人工参与图片辨识与标记而导致费时费力的问题。

大量的商品被大量的POS终端扫描，也就能快速、大量的产生训练图像，且不增加收银员的工作量，这种低成本的系统自动为商品图像打标的方式，直接使用商品扫描信息，也即条形码信息，标注商品图像，无需辨识图像中是什么商品，不会出现人工理解、辨识、标记等过程中产生的人为错误。

整个图像获取、图像标记、训练、识别的过程均自动完成，无需人工干预，尤其在自助POS结算终端系统中，消费者成为图像生成、图像标记、生成训练图像的生产者，降低了系统的成本和人力消耗。

应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (8)

1.商品识别训练方法，其特征在于，包括以下步骤：

步骤1、获取商品扫描信息和商品图像；

步骤2、基于所述商品扫描信息标注所述商品图像，生成训练图像；

步骤3、将所述训练图像输入设定神经网络进行训练；

步骤4、重复步骤1-步骤3直至训练参数符合设定标准后，判断识别率是否达到设定识别率；若是，

步骤5、切换识别模式。

2.根据权利要求1所述的商品识别训练方法，其特征在于，判断识别率是否达到设定识别率，具体为：

获取商品扫描信息和商品图像；

将所述商品图像输入所述设定神经网络，判断输出的识别结果是否与所述商品扫描信息一致；

基于判断结果统计识别率是否达到设定识别率。

3.根据权利要求1所述的商品识别训练方法，其特征在于，步骤4中若判断识别率没有达到设定识别率，所述方法还包括：

更新设定标准；

重复步骤1-步骤3直至训练参数符合更新后的设定标准后，判断识别率是否达到设定识别率。

4.根据权利要求1所述的商品识别训练方法，其特征在于，步骤5具体为：

获取商品图像；

将获取的商品图像输入所述设定神经网络，以使得所述设定神经网络识别后输出商品的商品信息。

5.商品识别训练系统，包括服务器、POS终端和扫描终端，其特征在于，还包括摄像终端；

所述扫描终端，用于扫描商品获取商品扫描信息；

所述摄像终端，用于获取商品图像；

所述POS终端，与所述扫描终端和所述摄像终端连接，用于基于所述商品扫描信息标注所述商品图像，生成训练图像；

所述服务器，与所述POS终端互联，包括训练模块、判断模块、切换模块和识别模块；所述训练模块，用于接收所述POS终端发送的训练图像，并将所述训练图像输入设定神经网络进行训练；所述判断模块，用于判断所述训练模块训练直至训练参数符合设定标准后，判断识别率是否达到设定识别率，若是，则所述切换模块，用于切换所述识别模块工作。

6.根据权利要求5所述的商品识别训练系统，其特征在于，所述判断模块具体用于：获取商品扫描信息和商品图像；将所述商品图像输入所述设定神经网络，判断输出的识别结果是否与所述商品扫描信息一致；基于判断结果统计识别率是否达到设定识别率。

7.根据权利要求5所述的商品识别训练系统，其特征在于，所述服务器还包括设定标准更新模块；所述设定标准更新模块，用于在所述判断模块判断识别率没有达到设定识别率之后更新设定标准，以使得所述训练模块继续训练，直至所述判断模块判断所述训练模块训练直至训练参数符合更新后的设定标准后，重新判断识别率是否达到设定识别率。

8.根据权利要求5所述的商品识别训练系统，其特征在于，所述识别模块具体用于：获取商品图像，并将获取的商品图像输入所述设定神经网络，以使得所述设定神经网络识别后输出商品的商品信息。