CN109242060A - 新上架产品快速查找方法、系统、设备及存储介质 - Google Patents
新上架产品快速查找方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN109242060A CN109242060A CN201811000320.1A CN201811000320A CN109242060A CN 109242060 A CN109242060 A CN 109242060A CN 201811000320 A CN201811000320 A CN 201811000320A CN 109242060 A CN109242060 A CN 109242060A
- Authority
- CN
- China
- Prior art keywords
- product
- new
- bar code
- commodity
- price
- 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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种新上架产品快速查找方法、系统、设备及存储介质,包括:采集若干张图像,通过预设的价签检测模型对每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。在本发明中,通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
Description
技术领域
本发明涉及新零售技术,具体地,涉及一种新上架产品快速查找方法、系统、设备及存储介质。
背景技术
随着商业经济的快速发展,人民生活水平的提高,城市品牌形象的树立,在人民生活的聚集区,都会存在百货商场。
百货商场一般都拥有多个供应商,如饮料、洗漱用品的生产销售商便是这些百货商场的供应商。供应商的产品在百货商场的上架率直接影响到产品的销量。因此,供应商都会想了解自己的产品在百货商场的上架率,特别是新产品在百货商场的上架率。
当供应商想要了解自己生产的新产品在百货商场的上架率时,不得不派出人员对每家百货商场进行巡视,由于每个城市都有多家百货商场,因此需要花费大量的人力,而且当通过人力统计也容易出现统计错误的现象,进而影响商家对新产品销售量预估的错误,使得新产品的生产量的估计错误,造成新产品的堆积。
随着计算机视觉和人工智能技术的发展,尤其是深度学习方法的出现,使图像识别开始具有实用化的价值。因此,可以从人工智能方面,对上述技术问题提出一种解决方案。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种新上架产品快速查找方法、系统、设备及存储介质。
根据本发明提供的新上架产品快速查找方法,包括如下步骤:
步骤S1:采集若干张图像,通过预设的价签检测模型对每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
步骤S2:读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
步骤S3:根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
优选地,所述图像采用商品图像自动采集车采集;
所述商品图像自动采集车包括车体、支架以及相机;所述支架设置在所述车体上且沿竖直方向延伸;所述车体带动所述支架移动;
所述相机通过安装件可拆卸的连接所述支架;多个所述相机沿所述支架的高度依次排列。
优选地,所述商品图像自动采集车的使用方法包括如下步骤:
步骤M1:根据目标商场中货架层数安装相对应数量的相机,并将每一所述相机的高度调整为与所述货架中对应层的中间位置高度相一致;
步骤M2:使所述商品图像自动采集车根据设定路线移动;
步骤M3:当所述商品图像自动采集车移动至一货架前时,多个所述相机朝向所述货架的多层上的商品,对多层上的商品同时进行采集生成所述若干张图像。
优选地,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域;
步骤S5:将所述商品区域与新产品数据库中的新产品商品图像进行图像匹配,判断该商品区域对应的产品是否为新上架产品。
优选地,所述步骤S1包括如下步骤:
步骤S101:在多张第一测试图像上标记出价格标签区域生成多张用于价格标签识别的训练图像;
步骤S102:在多张第二测试图像上标记出待排除价格标签区域生成多张用于价格标签排除的训练图像;
步骤S103:通过所述多张用于价格标签识别的训练图像和所述多张用于价格标签排除的训练图像训练价格标签识别模型;
步骤S104:根据所述图像中的物体形状轮廓自动提取一目标基准线,转动所述图像使得所述目标基准线与一设定的基准线相平行;
步骤S105:将转正后的所述图像进行增强处理后输入所述价格标签识别模型进行识别。
优选地,所述步骤S2包括如下步骤:
步骤S201:读取所述价格标签区域的条形码信息生成条形码数列,当读取所述条形码信息失败时,触发步骤S202:
步骤S202:识别所述价格标签区域中多个数字顺次排列形成的条形码数字区域,通过OCR技术识别所述条形码数字区域的条形码初始数列;
步骤S203:将所述条形码初始数列中的英文字母根据预设置的错误更正表更正为相对应的数字生成所述条形码数列。
优选地,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域,进而在每一所述商品区域提取出描述信息;
步骤S5:通过每一所述商品区域的描述信息查询新产品数据库中的新产品描述信息列进行判断该商品区域对应的产品是否为新上架产品。
本发明提供的新上架产品快速查找系统,用于实现所述的新上架产品快速查找方法,其特征在于,包括:
价格标签识别模块,用于通过预设的价签检测模型对采集到若干张图像中的每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
条形码序列生成模块,用于读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
新上架产品判断模块,用于根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
本发明提供的新上架产品快速查找设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述新上架产品快速查找方法的步骤。
本发明提供的计算机可读存储介质,用于存储程序,所述程序被执行时实现所述新上架产品快速查找方法的步骤。
与现有技术相比,本发明具有如下的有益效果:
在本发明中,通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明中新上架产品快速查找方法的步骤流程图;
图2为本发明中商品图像自动采集车的结构示意图;
图3为本发明中商品图像自动采集车的使用方法的步骤流程图;
图4为本发明一变形例中新上架产品快速查找方法的步骤流程图;
图5为本发明中通过价格标签识别模型识别价格标签区域的步骤流程图;
图6为本发明中条形码数列生成的步骤流程图;
图7为本发明中新上架产品快速查找系统的模块示意图;
图8为本发明的新上架产品快速查找设备的结构示意图;
图9为本发明的计算机可读存储介质的结构示意图。
图中:
1为车体;
2为支架;
3为相机。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对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。
在本实施例中,图1为本发明中新上架产品快速查找方法的步骤流程图,如图1所示,本发明提供的新上架产品快速查找方法,包括如下步骤:
步骤S1:采集若干张图像,通过预设的价签检测模型对每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
步骤S2:读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
步骤S3:根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
在本实施例中,通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
在本实施例中,当根据所述条形码序列在所述新产品数据库查询不到对应的产品信息,在判定该条形码序列对应的产品不是新上架产品;当根据所述条形码序列在所述新产品数据库查询到对应的产品信息时,在判定该条形码序列对应的产品为新上架产品。
在本实施例中,所述图像采用商品图像自动采集车采集。
图2为本发明中商品图像自动采集车的结构示意图,如图2所示,所述商品图像自动采集车包括车体1、支架2以及相机3;所述支架2设置在所述车体1上且沿竖直方向延伸;所述车体1带动所述支架2移动;
所述相机3通过安装件可拆卸的连接所述支架2;多个所述相机3沿所述支架2的高度依次排列。
在变形例中,所述图像还通过手机、摄像头、装载摄像头的机器人或无人机等拍摄。条形码标签上至少具有一条形码和价格、产品名称、产品型号等文字信息。所述价格标签区域便是该条形码标签在所述图像上的区域,所述商品区域便是商品在所述图像上的区域。
图3为本发明中商品图像自动采集车的使用方法的步骤流程图,如图3所示,所述商品图像自动采集车的使用方法包括如下步骤:
步骤M1:根据目标商场中货架层数安装相对应数量的相机,并将每一所述相机的高度调整为与所述货架中对应层的中间位置高度相一致;
步骤M2:使所述商品图像自动采集车根据设定路线移动;
步骤M3:当所述商品图像自动采集车移动至一货架前时,多个所述相机朝向所述货架的多层上的商品,对多层上的商品同时进行采集生成所述若干张图像。
即当使用本发明中的商品图像自动采集车时,商品图像自动采集车在一商城内转根据设定路线行走,即可实现对所有货架上的商品图像的采集。
图4为本发明变形例中新上架产品快速查找方法的步骤流程图,本发明提供的新上架产品快速查找方法,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域;
步骤S5:将所述商品区域与新产品数据库中的新产品商品图像进行图像匹配,判断该商品区域对应的产品是否为新上架产品。
在本实施例中,还可以通过将图像上的商品区域识别出,将所述商品区域在新产品数据库中的新产品商品图像进行图像匹配,判定该商品是否为新上架产品。
在本实施例中,所述新产品数据库根据目标厂家在设定日期之内新出厂产品的信息生成;所述新出厂产品的信息包括条形码序列、商品图像以及描述信息。所述设定日期可以为半年或一个月。
在变形例中,所述新产品数据库还可以根据目标厂家在设定日期内广告信息中新出厂产品的信息生成。如在杂质上、网页上的广告信息。
在变形例中,所述新产品数据库,还可以查询目标厂家的条形码数据库,并将设定日期之前的条形码序列对应产品作为新出厂产品。
图5为本发明中通过价格标签识别模型识别价格标签区域的步骤流程图,如图5所示,所述步骤S1包括如下步骤:
步骤S101:在多张第一测试图像上标记出价格标签区域生成多张用于价格标签识别的训练图像;
步骤S102:在多张第二测试图像上标记出待排除价格标签区域生成多张用于价格标签排除的训练图像;
步骤S103:通过所述多张用于价格标签识别的训练图像和所述多张用于价格标签排除的训练图像训练价格标签识别模型;
步骤S104:根据所述图像中的物体形状轮廓自动提取一目标基准线,转动所述图像使得所述目标基准线与一设定的基准线相平行;
步骤S105:将转正后的所述图像进行增强处理后输入所述价格标签识别模型进行识别。
在本实施例中,所述标记出价格标签区域为对价格标签区域的位置进行标记,所述标记出待排除价格标签区域为对待排除价格标签区域进行标记。所述目标基准线可以选取所述图像中货架上沿水平方向延伸的一条边。
在本实施例中,所述价格标签识别模型采用神经网络算法建立。
图6为本发明中条形码数列生成的步骤流程图,如图6所示,所述步骤S2包括如下步骤:
步骤S201:读取所述价格标签区域的条形码信息生成条形码数列,当读取所述条形码信息失败时,触发步骤S202:
步骤S202:识别所述价格标签区域中多个数字顺次排列形成的条形码数字区域,通过OCR技术识别所述条形码数字区域的条形码初始数列;
步骤S203:将所述条形码初始数列中的英文字母根据预设置的错误更正表更正为相对应的数字生成所述条形码数列。
在本实施例中,通过深度学习的方法识别所述条形码数字区域。所述预设置的错误更正表至少包括将“i”更正为“1”,将“Z”更正为“2”,将“T”更正为“7”,将“q”更正为“9”。
在本实施例中,读取所述条形码信息时,采用ZBar算法。在读取所述价格标签区域的条形码信息时,将所述价格标签区域进行增强处理,以增加所述价格标签区域对比度。
在本发明中另一变形例中,本发明提供的新上架产品快速查找方法,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域,进而在每一所述商品区域提取出描述信息;
步骤S5:通过每一所述商品区域的描述信息查询新产品数据库中的描述信息列进行判断该商品区域对应的产品是否为新上架产品。
在本实施例中,还可以通过将图像上的商品区域识别出,将所述商品区域的文字通过OCR技术识别出生成产品的描述信息,并根据所述描述信息出现次数最多的名词作为关键词在新产品数据库中的新产品商品图像进行图像匹配,判定该商品是否为新上架产品。
图7为本发明中新上架产品快速查找系统的模块示意图,如图7所示,本发明提供的新上架产品快速查找系统,用于实现所述的新上架产品快速查找方法,包括:
价格标签识别模块,用于通过预设的价签检测模型对采集到若干张图像中的每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
条形码序列生成模块,用于读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
新上架产品判断模块,用于根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
本发明实施例中还提供一种新上架产品快速查找设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的新上架产品快速查找方法的步骤。
如上,该实施例中在本发明中通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图8是本发明的新上架产品快速查找设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述新上架产品快速查找方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图8中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例中还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的新上架产品快速查找方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述新上架产品快速查找方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例的计算机可读存储介质的程序在执行时,通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
图9是本发明的计算机可读存储介质的结构示意图。参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本实施例中,在本发明通过将采集到的多种图像输入价签检测模型,识别出价格标签区域,进而生成条形码序列,从而能够根据条形码序列查询新产品数据库,判处是该产品是否为新上架产品,实现新产品上架率的快速统计。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种新上架产品快速查找方法,其特征在于,包括如下步骤:
步骤S1:采集若干张图像,通过预设的价签检测模型对每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
步骤S2:读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
步骤S3:根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
2.根据权利要求1所述的新上架产品快速查找方法,其特征在于,所述图像采用商品图像自动采集车采集;
所述商品图像自动采集车包括车体、支架以及相机;所述支架设置在所述车体上且沿竖直方向延伸;所述车体带动所述支架移动;
所述相机通过安装件可拆卸的连接所述支架;多个所述相机沿所述支架的高度依次排列。
3.根据权利要求2所述的新上架产品快速查找方法,其特征在于,所述商品图像自动采集车的使用方法包括如下步骤:
步骤M1:根据目标商场中货架层数安装相对应数量的相机,并将每一所述相机的高度调整为与所述货架中对应层的中间位置高度相一致;
步骤M2:使所述商品图像自动采集车根据设定路线移动;
步骤M3:当所述商品图像自动采集车移动至一货架前时,多个所述相机朝向所述货架的多层上的商品,对多层上的商品同时进行采集生成所述若干张图像。
4.根据权利要求1所述的新上架产品快速查找方法,其特征在于,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域;
步骤S5:将所述商品区域与新产品数据库中的新产品商品图像进行图像匹配,判断该商品区域对应的产品是否为新上架产品。
5.根据权利要求1所述的新上架产品快速查找方法,其特征在于,所述步骤S1包括如下步骤:
步骤S101:在多张第一测试图像上标记出价格标签区域生成多张用于价格标签识别的训练图像;
步骤S102:在多张第二测试图像上标记出待排除价格标签区域生成多张用于价格标签排除的训练图像;
步骤S103:通过所述多张用于价格标签识别的训练图像和所述多张用于价格标签排除的训练图像训练价格标签识别模型;
步骤S104:根据所述图像中的物体形状轮廓自动提取一目标基准线,转动所述图像使得所述目标基准线与一设定的基准线相平行;
步骤S105:将转正后的所述图像进行增强处理后输入所述价格标签识别模型进行识别。
6.根据权利要求1所述的新上架产品快速查找方法,其特征在于,所述步骤S2包括如下步骤:
步骤S201:读取所述价格标签区域的条形码信息生成条形码数列,当读取所述条形码信息失败时,触发步骤S202:
步骤S202:识别所述价格标签区域中多个数字顺次排列形成的条形码数字区域,通过OCR技术识别所述条形码数字区域的条形码初始数列;
步骤S203:将所述条形码初始数列中的英文字母根据预设置的错误更正表更正为相对应的数字生成所述条形码数列。
7.根据权利要求1所述的新上架产品快速查找方法,其特征在于,还包括如下步骤:
步骤S4:当通过所述条形码序列在所述新产品数据库中查找不到相应的新上架产品时,通过预设的物体检测模型对每一所述图像上进行单元检测,识别所述图像上的多个商品区域,进而在每一所述商品区域提取出描述信息;
步骤S5:通过每一所述商品区域的描述信息查询新产品数据库中的新产品描述信息列进行判断该商品区域对应的产品是否为新上架产品。
8.一种新上架产品快速查找系统,用于实现权利要求1至7中任一项所述的新上架产品快速查找方法,其特征在于,包括:
价格标签识别模块,用于通过预设的价签检测模型对采集到若干张图像中的每一所述图像上的价格标签进行单元检测,识别所述图像上的多个价格标签区域;
条形码序列生成模块,用于读取每一所述价格标签区域的条形码或识别每一所述价格标签区域的数字序列位置生成条形码序列;
新上架产品判断模块,用于根据所述条形码序列查询预设的新产品数据库,确定该条形码序列对应的产品是否为新上架产品。
9.一种新上架产品快速查找设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述新上架产品快速查找方法的步骤。
10.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至7中任意一项所述新上架产品快速查找方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811000320.1A CN109242060A (zh) | 2018-08-30 | 2018-08-30 | 新上架产品快速查找方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811000320.1A CN109242060A (zh) | 2018-08-30 | 2018-08-30 | 新上架产品快速查找方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242060A true CN109242060A (zh) | 2019-01-18 |
Family
ID=65069804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811000320.1A Pending CN109242060A (zh) | 2018-08-30 | 2018-08-30 | 新上架产品快速查找方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242060A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961447A (zh) * | 2019-03-29 | 2019-07-02 | 京东方科技集团股份有限公司 | 价签检测方法及装置、电子设备、存储介质 |
CN111507253A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 基于人工智能的陈列物品审核方法、装置 |
CN112149450A (zh) * | 2019-06-26 | 2020-12-29 | 浙江汉朔电子科技有限公司 | 排面检查系统及方法 |
CN112395918A (zh) * | 2019-08-16 | 2021-02-23 | 浙江汉朔电子科技有限公司 | 货架物品识别方法、装置及系统 |
CN113935774A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及计算机存储介质 |
CN116704666A (zh) * | 2023-06-21 | 2023-09-05 | 合肥中科类脑智能技术有限公司 | 售卖方法及计算机可读存储介质、自动售卖机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993498B1 (en) * | 1999-07-15 | 2006-01-31 | Midnight Blue Remote Access, Llc | Point-of-sale server and method |
CN101149792A (zh) * | 2006-09-21 | 2008-03-26 | 国际商业机器公司 | 使用移动盘存机器人来执行盘存的系统和方法 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
CN105550732A (zh) * | 2016-02-22 | 2016-05-04 | 冯贵良 | 一种组合式溯源标签及商品溯源方法与系统 |
CN107944973A (zh) * | 2017-12-12 | 2018-04-20 | 柳州市北龟农业科技孵化器有限公司 | 一种农产品电子商务服务系统 |
CN108052668A (zh) * | 2017-12-29 | 2018-05-18 | 北京百旺金赋科技有限公司 | 基于商品编码的智能赋码方法及系统 |
CN108416403A (zh) * | 2018-03-08 | 2018-08-17 | 上海扩博智能技术有限公司 | 商品与标签的自动关联方法、系统、设备及存储介质 |
-
2018
- 2018-08-30 CN CN201811000320.1A patent/CN109242060A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993498B1 (en) * | 1999-07-15 | 2006-01-31 | Midnight Blue Remote Access, Llc | Point-of-sale server and method |
CN101149792A (zh) * | 2006-09-21 | 2008-03-26 | 国际商业机器公司 | 使用移动盘存机器人来执行盘存的系统和方法 |
CN102930264A (zh) * | 2012-09-29 | 2013-02-13 | 李炳华 | 基于图像识别技术的商品陈列信息采集分析系统及方法 |
CN105550732A (zh) * | 2016-02-22 | 2016-05-04 | 冯贵良 | 一种组合式溯源标签及商品溯源方法与系统 |
CN107944973A (zh) * | 2017-12-12 | 2018-04-20 | 柳州市北龟农业科技孵化器有限公司 | 一种农产品电子商务服务系统 |
CN108052668A (zh) * | 2017-12-29 | 2018-05-18 | 北京百旺金赋科技有限公司 | 基于商品编码的智能赋码方法及系统 |
CN108416403A (zh) * | 2018-03-08 | 2018-08-17 | 上海扩博智能技术有限公司 | 商品与标签的自动关联方法、系统、设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961447A (zh) * | 2019-03-29 | 2019-07-02 | 京东方科技集团股份有限公司 | 价签检测方法及装置、电子设备、存储介质 |
CN112149450A (zh) * | 2019-06-26 | 2020-12-29 | 浙江汉朔电子科技有限公司 | 排面检查系统及方法 |
CN112395918A (zh) * | 2019-08-16 | 2021-02-23 | 浙江汉朔电子科技有限公司 | 货架物品识别方法、装置及系统 |
CN112395918B (zh) * | 2019-08-16 | 2024-03-01 | 汉朔科技股份有限公司 | 货架物品识别方法、装置及系统 |
CN111507253A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 基于人工智能的陈列物品审核方法、装置 |
CN111507253B (zh) * | 2020-04-16 | 2023-06-30 | 腾讯科技(深圳)有限公司 | 基于人工智能的陈列物品审核方法、装置 |
CN113935774A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备及计算机存储介质 |
CN116704666A (zh) * | 2023-06-21 | 2023-09-05 | 合肥中科类脑智能技术有限公司 | 售卖方法及计算机可读存储介质、自动售卖机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416403B (zh) | 商品与标签的自动关联方法、系统、设备及存储介质 | |
CN109242060A (zh) | 新上架产品快速查找方法、系统、设备及存储介质 | |
CN108647553B (zh) | 模型训练用图像的快速扩充方法、系统、设备及存储介质 | |
CN108364005A (zh) | 价格标签的自动识别方法、系统、设备及存储介质 | |
CN108734162B (zh) | 商品图像中目标识别方法、系统、设备及存储介质 | |
US8117071B1 (en) | Method and system for matching via an image search query at a point of sale | |
US11669843B2 (en) | Automated planogram anomaly detection | |
CA2917256C (en) | Screenshot-based e-commerce | |
WO2018112930A1 (zh) | 一种商品识别方法和装置 | |
CN109271935A (zh) | 物品与电子标签的配对方法、装置及系统 | |
CN104112216A (zh) | 存货管理与行销的图像辨识方法 | |
CN108389230A (zh) | 冰箱容量自动检测方法、系统、设备及存储介质 | |
JP2013539102A5 (zh) | ||
US10706658B2 (en) | Vending machine recognition apparatus, vending machine recognition method, and recording medium | |
CN109902636A (zh) | 商品识别模型训练方法、系统、设备及存储介质 | |
CN112508078B (zh) | 图像多任务多标签识别方法、系统、设备及介质 | |
CN113435202A (zh) | 基于用户画像的产品推荐方法、装置、电子设备及介质 | |
CN109784172A (zh) | 商场中地堆商品占地面积估算方法、系统、设备及介质 | |
CN107481054A (zh) | 酒店优惠信息的推送及装置、电子设备、存储介质 | |
CN109781114A (zh) | 商场室内导航地图建立方法、系统、设备及存储介质 | |
CN109190919A (zh) | 零售关键业绩指标生成方法、系统、设备及存储介质 | |
CN113935774A (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
WO2021179138A1 (zh) | 商超货架上商品的分析方法和系统 | |
US20210117987A1 (en) | Fraud estimation system, fraud estimation method and program | |
CN109948736A (zh) | 商品识别模型主动训练方法、系统、设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190118 |